1.早期的算法
深度学习在CTR预估应用的常见算法有Wide&Deep,DeepFM等。
这些方法一般的思路是:通过Embedding层,将高维离散特征转换为固定长度的连续特征,然后通过多个全联接层,最后通过一个sigmoid函数转化为0-1值,代表点击的概率。即Sparse Features -> Embedding Vector -> MLPs -> Sigmoid -> Output.
这种方法的优点在于:通过神经网络可以拟合高阶的非线性关系,同时减少了人工特征的工作量。
2.DIN
参考:https://www.jianshu.com/p/73b6f5d00f46