阿里考虑时空相关广告的CTR预测

最新推荐文章于 2022-12-15 09:47:28 发布

Xidian小韩同学

最新推荐文章于 2022-12-15 09:47:28 发布

阅读量184

点赞数

分类专栏：推荐系统文章标签：人工智能

本文链接：https://blog.csdn.net/weixin_44760744/article/details/111029298

版权

这篇论文探讨了如何利用深度时空网络(DSTN)来预测广告的点击率(CTR)，重点关注了同一页面上下文广告和用户历史点击数据对目标广告的影响。DSTN通过嵌入层、池化模型、自注意力模型和交互注意力模型，解决了异构数据融合和辅助广告贡献度的问题，旨在从辅助数据中自适应地提取并加权融合有用信息。

摘要由CSDN通过智能技术生成

阿里，2019，KDD

《Deep Spatio-Temporal Neural Networks for Click-Through Rate Prediction》论文阅读笔记

背景：
CTR预测用户点击某个项目的概率。
已有方法：
FM，DNN，wide&deep关注怎么更好的表示特征以及特征交互。
存在问题：
大量研究将每个广告单独考虑，忽视了其他广告对目标广告CTR的影响。
解决问题：
（1）模型怎样容纳所有可能的（每一类辅助数据的个数不同）情况；
（2）怎样提取有用信息；
（3）怎样区别不同辅助数据的贡献；
（4）怎样融合所有有用的信息。
本文：
研究辅助广告的多种类型，从两个角度探索辅助广告：
空间域（与目标广告在同一页面的上下文广告） + 时间域（用户历史点击和未点击的广告）。
提出深度时空网络进行CTR预测。学习辅助数据与目标广告之间的交互作用，在统一的架构中融合异构数据。
具体：
6.1 预备工作：
嵌入层：将特征映射为嵌入向量，然后将广告的相关特征都拼接起来。
第i个特征的嵌入向量是嵌入矩阵（学习到的）的第i行。
6.2 DSTN-池化模型：
解决上下

关注