|
|||||
|
|
| 基于相关修正的无偏排序学习方法 | |
| 引用本文： | 白婷, 刘轩宁, 吴斌, 张梓滨, 徐志远, 林康熠. 基于多粒度特征交叉剪枝的点击率预测模型[J]. 计算机研究与发展, 2024, 61(5): 1290-1298. DOI: 10.7544/issn1000-1239.202220943 |
| 作者姓名： | 白婷 刘轩宁 吴斌 张梓滨 徐志远 林康熠 |
| 作者单位： | 1.北京邮电大学计算机学院（国家示范性软件学院） 北京 100876;2.微信事业群开放平台基础部 广州 510220 |
| 基金项目： | 国家自然科学基金项目（62102038, 61972047）;腾讯微信开放平台项目（S2021120） |
| 摘 要： |  在推荐系统中,学习有效的高阶特征交互是提升点击率预测的关键. 现有的研究将低阶特征进行组合来学习高阶交叉特征表示,导致模型的时间复杂度随着特征维度的增加呈指数型增长;而基于深度神经网络的高阶特征交叉模型也无法很好地拟合低阶特征交叉,影响预测的准确率. 针对这些问题,提出了基于多粒度特征交叉剪枝的点击率预测模型FeatNet.  |
| 关 键 词： | 点击率预测 高阶特征交叉 多粒度 特征剪枝 特征降噪 |
| 收稿时间： | 2022-11-11 |
| 修稿时间： | 2023-03-09 |
| 点击此处可从《计算机研究与发展》浏览原始摘要信息 | |
| 点击此处可从《计算机研究与发展》下载免费的PDF全文 | |
