#今日论文推荐# SIGIR 2022｜邻域建模Graph-Masked Transformer提高微信视频点击率预测

#今日论文推荐# SIGIR 2022｜邻域建模Graph-Masked Transformer提高微信视频点击率预测

本文介绍的是腾讯 AI Lab 和微信公众平台共同研发的一种最新的在异质图上基于邻域交互的点击预测新模型。论文题目为《Neighbour Interaction based Click-Through Rate Prediction via Graph-masked Transformer》，论文已被 SIGIR2022 录用。并且在实际线上场景部署 A/B 测试中获得很好的效果。

在线广告和产品搜索中，点击率（CTR）是商业评估的一个关键指标，它衡量用户点击或与候选项目互动的概率。对于拥有庞大用户群的应用来说，即使是对 CTR 的微小改进，也有可能促进整体收入的大幅增长。虽然现有的 CTR 预测方法已经取得了重大进展，但上述方法只注重挖掘候选物品与用户历史行为之间的互动关系，存在两个局限性。一方面，对于不活跃的用户来说，用户行为可能是稀疏的，这就产生了一个冷启动问题，降低了表示的质量。另一方面，由于推荐系统曝光率的限制，一个用户的直接相关物品不足以反映其所有的潜在兴趣。

论文题目：Neighbour Interaction based Click-Through Rate Prediction via Graph-masked Transformer
详细解读：https://www.aminer.cn/research_report/62df66687cb68b460ff44349https://www.aminer.cn/research_report/62df66687cb68b460ff44349
AMiner链接：https://www.aminer.cn/?f=cs