一种基于深度挖掘用户和内容特征的CTR预估方法

作者：李陈; 迟呈英^*; 战学刚

来源：电脑编程技巧与维护, 2023, (04): 135-137.

DOI：10.16184/j.cnki.comprg.2023.04.014

• 点击率
• 多头注意力机制
• 残差网络
• DFAR模型

预估点击率（CTR）是推荐系统的核心任务之一，基于此提出一种深度挖掘用户和内容特征的CTR预估模型——DFAR模型。在用户特征提取部分，通过长短期记忆网络（LSTM）对用户时序特征进行提取，通过残差模块与注意力机制实现对用户特征的深度提取。首先，在待推荐内容部分利用因子分解机（FM）来提取浅层特征。然后，使用多头注意力机制和残差网络从待推荐内容中提取深度特征。最后，将用户特征与待推荐内容特征做内积结合并做出最终预测。最终在Movielens-100K数据集上利用该模型进行实验，实验结果表明，提出的模型在AUC值上相比于深度因子分解机（DeepFM）模型提升了1.45%。验证了DFAR模型对CTR预测的有效性。

• 单位
  辽宁科技大学