10.3969/j.issn.1006-8554.2022.04.010
一种改进的基于交叉网络的CTR预估方法
点击率(CTR)预估是电商和广告行业的关键业务之一,它影响着广告主的利润和用户的使用体验.由于广告数据的稀疏性,CTR预估充满了挑战,如何实现特征之间的有效交互是待解决的难题之一.然而,现有的CTR预估模型往往难以进行有效的特征交互.针对这些问题,提出了一种新的融合模型XCS模型,该模型基于交叉网络改进,将交叉网络和堆栈式自编码器(SAE)进行融合,并且加入了XGBoost在特征工程阶段选择和组合重要特征.该模型可以显式地捕捉有限阶次的特征组合,同时通过XGBoost利用了上下文特征信息.在Criteo公开数据集上进行实验,结果表明:XCS模型可以有效提升点击率预估的效果.
计算广告、点击率预估、特征交互、交叉网络、自编码器、XGBoost
29
U416.217;TP391;V231.3
2022-05-05(万方平台首次上网日期,不代表论文的发表时间)
共3页
44-46