基于注意力机制的兴趣网络点击率预估模型

摘要：

广告点击率(CTR)是互联网公司进行流量分配的重要依据,针对目前点击率预估精度较低的问题,结合通用的神经网络解决方案,构建一种基于注意力机制的深度兴趣网络(ADIN)模型.设计一个局部激活单元和自适应激活函数,根据用户历史行为和给定广告自适应地学习用户兴趣.引入注意力机制,区分不同特征对预测结果的影响程度,从而增强模型的可解释性.在3个公开数据集上的实验结果表明,相对LR、PNN等CTR预估模型,ADIN模型具有更高的AUC值和更低的LogLoss值,其预测效果更优.

关键词：点击率预估、神经网络、局部激活、自适应激活函数、注意力机制

所属期刊栏目：47

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金面上项目;陕西省自然科学基础研究计划

在线出版日期：2021-01-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：101-108