典型文献
基于神经架构搜索的点击率预测模型
文献摘要：
点击率(Click-Through Rate,CTR)预测是推荐系统中一项重要的任务,其目标是预测用户点击一个广告或者商品的概率.特征嵌入和特征组合是影响预测性能的关键,因此很多点击率预测模型的思路也是针对这两个方面进行优化.但目前大部分工作仅关注其中一个方面,并且几乎所有的模型在进行特征组合时都没有对特征进行区分,同一个特征与其他特征组合时都使用相同的嵌入和组合方法,阻碍了模型性能的提升.为解决该问题,提出了Auto-SEI(Automatic Super-field-aware Fea-ture Embedding and Interacting)模型.该模型先将每个特征子域分配给一个特征超域,再根据分组得到特征的嵌入,然后为特征对选择合适的组合方法获取组合特征,最后进行预测.Auto-SEI模型中,特征子域的划分和组合方法的选择被参数化为架构搜索问题,利用神经架构搜索(Neural Architecture Search,NAS)算法压缩搜索空间并进行选择.在3个真实的大规模数据集上进行了大量实验,结果表明Auto-SEI模型在点击率预测任务上具有优秀的性能.
文献关键词：
神经架构搜索;点击率预测;特征嵌入;特征组合;推荐系统
中图分类号：
作者姓名：
帅剑波;王金策;黄飞虎;彭舰
作者机构：
四川大学计算机学院 成都610065
文献出处：
引用格式：
[1]帅剑波;王金策;黄飞虎;彭舰-.基于神经架构搜索的点击率预测模型)[J].计算机科学,2022(07):10-17
A类：
B类：
神经架构搜索,点击率预测,Click,Through,Rate,CTR,推荐系统,广告,特征嵌入,特征组合,影响预测,预测性能,路也,同一个,组合方法,模型性能,SEI,Automatic,Super,field,aware,Fea,Embedding,Interacting,子域,配给,超域,组合特征,参数化,Neural,Architecture,Search,NAS,搜索空间,大规模数据集
AB值：
0.410408
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
