当前位置：网站首页>SIGIR'22「微软」CTR估计：利用上下文信息促进特征表征学习

SIGIR'22「微软」CTR估计：利用上下文信息促进特征表征学习

2022-04-23 20:04:00 【智源社区】

论文标题：

Enhancing CTR Prediction with Context-Aware Feature Representation Learning

论文链接：

https://arxiv.org/pdf/2204.08758.pdf

code:

https://github.com/frnetnetwork/frnet

本文考虑点击率预估中，特征表征与上下文（context）之间的关系，提出特征细化网路FRNet，该模块在不同上下文中为每个特征学习位级别（bit-level）的上下文感知特征表征。FRNet 由两个关键组件组成：

  • 1）信息提取单元（IEU），它捕获上下文信息和交叉特征关系，以指导上下文感知的特征细化；
  • 2）互补选择门（CSGate），它自适应地将在 IEU 中学习的原始和互补特征表征与位级权重相结合。

FRNet是一个模块，可以与其他ctr模型结合来提升性能。对于CTR的基模型的基础流程这里不再赘述，想了解的小伙伴可以前往论文的第三章阅读。

版权声明
本文为[智源社区]所创，转载请带上原文链接，感谢
https://hub.baai.ac.cn/views/16624

边栏推荐

猜你喜欢

随机推荐