Print

点击预测的关键技术研究

论文摘要

对点击预测的关键技术进行了研究,主要论述了特征组合的常见方法。点击预测算法首先需要对稀疏的用户历史交互数据进行独热编码,将其嵌入到稠密的特征空间后,再用特征向量来表征原始特征。其次,通过特征向量之间的交互建模特征组合,表征特征之间的依赖关系。传统的特征组合方法主要为基于因子分解机和梯度提升决策树的方法,这类方法能够显式的建模线性交互特征,使模型具有很好的可解释性。而目前一些融合深度神经网络的方法,通过建模非线性的高阶交互特征,使预测的表现得到进一步的提升。为更好的构建点击预测模型,基于图神经网络的相关研究为点击预测提供了新的研究方向。

论文目录

  • 1 引言
  • 2 整体流程
  • 3 特征组合
  •   3.1 基于FM的方法
  •   3.2 基于GBDT的方法
  •   3.3 基于DNN的方法
  •   3.4 基于GNN的方法
  • 4 总结

    • 文章来源

    类型: 期刊论文

    作者: 陶竹林,宋格格,黄祥林

    关键词: 因子分解机,梯度提升决策树,深度神经网络,图神经网络

    来源: 中国传媒大学学报(自然科学版) 2019年06期

    年度: 2019

    分类: 信息科技

    专业: 计算机软件及计算机应用,自动化技术

    单位: 中国传媒大学计算机与网络空间安全学院

    分类号: TP183;TP391.3

    DOI: 10.16196/j.cnki.issn.1673-4793.2019.06.009

    页码: 72-75+79

    总页数: 5

    文件大小: 435K

    下载量: 41

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/0bc5ee26b64a8b5705f47aac.html