科研之友
微信
新浪微博
Facebook
分享链接
摘要
点击率预测（Click-Through Rate,CTR）是在线展示广告中的一项关键任务，CTR预测任务中涉及的数据通常有多个特征，对其中的重要特征提取、建模的方式极大地影响了CTR预测的准确性．以往方法在特征重要性提取过程中存在信息干扰问题．针对这一问题，提出了一种特征重要性动态提取的广告点击率预测模型．该模型将门控机制引入CTR模型对特征重要性进行初步筛选，同时利用了挤压提取网络获取特征重要性，并通过双线性交互获得重要性特征之间的关联信息，最后使用了隐藏门控残差网络学习高阶信息交互．通过对两个真实广告数据集进行的广泛实验，证明了其能够比传统的点击率预测模型以及最新的基于深度学习的预测模型获得更好的准确度．
- 单位
