基于神经架构搜索的点击率预测模型
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.
神经架构搜索、点击率预测、特征嵌入、特征组合、推荐系统
49
TP391;TP183(计算技术、计算机技术)
国家重点研发计划;四川省重点研发计划;四川省重点研发计划;四川省重点研发计划;四川省重点研发计划
2022-07-20（万方平台首次上网日期，不代表论文的发表时间）
共8页
10-17
