基于特征与域感知的点击率预估方法

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.

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

所属期刊栏目：48

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金61603028

在线出版日期：2022-03-22（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：60-68