基于特征增强聚合的融合广告点击率预测模型

摘要：

传统点击率(CTR)预测模型多在单一特征级上进行特征交互,未能充分利用不同特征级上的有效信息.基于特征增强聚合方法提出一种融合广告CTR预测(APNN)模型.在CTR预测模型的嵌入层中引入一阶信息重要性进行特征增强,通过注意力因子分解机(AFM)模型与基于乘积产生层的神经网络(PNN)模型融合不同特征级交互特征和增强的嵌入特征,并利用多个全连接层从融合特征中获得更多潜在的高阶信息.实验结果表明,相比AFM、PNN、FNN等模型,APNN模型的预测精度较高,其在Criteo数据集上的AUC和LogLoss指标较PNN模型分别提高1.74和1.42个百分点.

关键词：点击率预测;一阶信息重要性;特征增强;因子分解机;深度神经网络

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：国家社会科学基金;重庆理工大学研究生创新项目

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：312-320