- 博客(2)
- 收藏
- 关注
RSS订阅原创 论文总结 (二)：GIN用于CTR预测:Graph Intention Network for Click-through Rate Prediction in Sponsored Search
一. 已有模型的缺点以往的模型中用户的意图大都是根据其历史点击行为进行提取。会有以下缺点：用户行为稀疏问题(behavior sparsity)：当用户行为稀疏时很难提取其实时意图。弱泛化问题(weak generalization) ，用户很难跳出他们的特定历史行为来进行兴趣探索二. GIN的创新点提出基于共现商品图（co-occurrence commodity graph）的图意图网络（GIN）挖掘用户意图。 首次提出了对图学习和CTR预测任务的端到端赞助搜索模型。通过采用多层图扩.
2020-11-03 17:50:54
2073
原创 论文总结 (一)：Fi-GNN——通过GNN对特征交互建模进行CTR预测
一. CTR（Click-through rate）简介CTR=实际点击数/点击率；CTR预测是一个分类问题 ，预测用户是否点击目标项目；是一个重要任务在推荐系统和在线广告平台等。二. Fi-GNN已有模型的缺点特征之间的交互是灵活显性的，而无结构的特征组合无法很好地进行提取。Fi-GNN的创新点在图结构上以更灵活和明确的方式对特征之间的复杂交互进行建模。图(graph)中的每个节点(node)都对应一个特征(field)，并且不同的特征可以通过边(edge)进行交互。
2020-11-02 22:35:58
1844
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人