基于重要性的特征组合点击率预测模型研究

作者：杨雪; 李晓苗

来源：信息与电脑(理论版), 2022, 34(14): 67-69+85.

DOI：10.3969/j.issn.1003-9767.2022.14.021

• 点击率预测
• 挤压激励网络
• 注意力机制
• 残差网络

预测用户对广告或项目的点击率是推荐系统中的关键部分，准确个性化地推荐对提高产品商业价值具有十分重要的作用。因此，提出一种基于重要性的特征组合点击率预测模型（SEAFMDRN），通过利用挤压和激励网络为不同的特征赋予不同的权重，采用注意力机制为二阶特征组合赋予不同的权重，并在深度神经网络中引入深度残差网络来有效提取高阶特征组合。实验结果表明，SEAFMDRN模型在汽车保险预测数据集的预测性能优于其他模型，AUC值有效提升了1.32%～4.47%。

• 单位
  河北地质大学