典型文献
基于特征与域感知的点击率预估方法
文献摘要：
点击率预估是推荐系统中的核心任务,其关键是学习有效的特征交互,但现有基于深度神经网络的点击率预估方法未考虑冷启动问题,导致准确率降低.结合特征信息和域信息的嵌入,提出一种特征交互的点击率预估方法FF-GNN.利用基于图神经网络的交互模块分别提取特征嵌入和域嵌入的结构信息,建模细粒度的特征交互和粗粒度的域交互过程.同时通过设计图神经网络的权重计算模块,交叉引用特征图神经网络和域图神经网络的低阶特征信息,实现特征交互和个性化建模域交互.在此基础上,采用注意力机制融合特征交互和域交互模块的结果预测点击率.在Criteo和Frappe公开数据集上的实验结果验证了FF-GNN方法的有效性,其AUC指标相较于同类型Fi-GNN方法分别提高0.57和0.85个百分点,能够同时关注特征和域信息,提高点击率预估的准确度.
文献关键词：
点击率预估;图神经网络;特征交互;域交互;个性化建模
中图分类号：
作者姓名：
赵越;武志昊;赵苡积
作者机构：
北京交通大学 计算机信息与技术学院,北京 100044;交通数据分析与挖掘北京市重点实验室,北京 100044
文献出处：
引用格式：
[1]赵越;武志昊;赵苡积-.基于特征与域感知的点击率预估方法)[J].计算机工程,2022(03):60-68
A类：
Frappe
B类：
点击率预估,预估方法,推荐系统,核心任务,特征交互,深度神经网络,冷启动问题,特征信息,域信息,FF,GNN,图神经网络,提取特征,特征嵌入,结构信息,细粒度,粗粒度,域交互,设计图,权重计算,交叉引用,引用特征,特征图,低阶,个性化建模,注意力机制融合,融合特征,Criteo,公开数据集,Fi,百分点,高点
AB值：
0.307364
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。
