基于增强型FNN的广告点击率预测模型

作者：杨妍婷; 韩斌^*

来源：南京理工大学学报, 2020, 44(01): 33-39.

DOI：10.14177/j.cnki.32-1397n.2020.44.01.006

• 点击率预测
• 特征组合
• 神经网络
• 特征生成

为了进一步提高点击率(Click-through rate,CTR)预测模型学习有效特征组合的能力,该文提出一种基于增强型因子分解向量输入神经网络(Enhanced factorization machine supported neural network,EFNN)的广告点击率预测模型。该模型在基于因子分解向量输入神经网络(Factorization machine supported neural network,FNN)的基础上增加了新特征生成层,采用一种针对CTR数据的卷积操作,对数据进行通道变换后引入Inception结构进行卷积,将生成的新特征和原始特征结合,提升了深度网络的学习能力。实验结果证明,添加了新特征生成层的增强型FNN能有效提高广告点击事件的预测准确率。

• 单位
  江苏科技大学