多交互注意网络进行特征学习

发表于2021年WSDM

《Multi-Interactive Attention Network for Fine-grained Feature Learning in CTR Prediction》论文阅读笔记

  1. 背景:
    CTR预测,估计用户点击项目的可能性,在线广告,推荐系统等应用中很重要。候选的项目根据CTR排序。

  2. 已有方法
    在CTR预测中,监督式机器学习方法,如LR,FM及其变体学习浅层特征交互;深度学习模型学习复杂的特征交互,如wide&deep,deepFM,deep & cross network(DCN);基于RNN的序列方法根据用户的历史行为提取用户特征,如deep interest network(DIN)。

  3. 存在问题:
    (1)用户经常会点击与历史行为无关的新产品,传统的给用户行为加注意机制的CTR预测方法并不适用;
    (2)很难通过近期的行为获得用户当前的喜好(很多用户在之前就有活动但近期相对不活跃);
    (3)用户历史行为在不同特征空间中的表示被忽略。

  4. 本文:
    提出多交互注意网络(MIAN),提取特征之间的潜在关系。多交互层包含三个本地交互模块(项目行为交互模块;用户项目交互模块;项目上下文交互模块ÿ

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值