2020,CIKM
《MiNet: Mixed Interest Network for Cross-Domain Click-Through Rate Prediction》论文阅读笔记
-
背景:
点击通过率预测(CTR)是在线广告系统的关键任务,预测用户点击某特定广告的概率,已应用到工业和学术界。 -
已有方法:
FM建模点对特征交互;DNN自动学习特征和高阶特征交互;wide&deep混合浅层和深层模型;DIN基于历史行为建模用户的动态兴趣。 -
存在问题:
主要处理单域CTR预测问题。 -
本文:
利用原域中的辅助信息提高目标域中推荐的准确性,解决目标域中的数据稀疏和冷启动问题,提高推荐性能。
基于UC头条的应用场景,将新闻作为源域,广告作为目标域。充分利用新闻数据进行广告CTR的预测,提出混合兴趣网络,联合建模用户兴趣的三种类型:跨域长期兴趣 + 来自原域的短期兴趣 + 目标域中的短期兴趣。包含两级注意:项目级(从点击的新闻/广告中自适应提取有用信息)和兴趣级(自适应融合不同的兴趣特征)。
-
具体
5.1 跨域长期兴趣Pu:
拼接原域&#