美文网首页推荐系统
XCrossNet:面向特征结构学习的CTR模型

XCrossNet:面向特征结构学习的CTR模型

作者: 缄默笔记 | 来源:发表于2022-02-03 09:35 被阅读0次

    Title:XCrossNet: Feature Structure-Oriented Learning for Click-Through Rate Prediction

    Link:https://arxiv.org/pdf/2104.10907.pdf

    01 概述

    推荐场景中特征主要分为两大类:稠密特征(连续特征)和稀疏特征(类别特征),常见的连续特征处理方式有三种:

    (1)不参与特征交叉,只参与模型线性部分

    (2)直接与类别特征concat一起,这种方式可能导致重要特征维度不平衡问题(连续特征维度一般远小于类别特征维度)

    (3)通过分桶方式把连续特征离散化,转化为类别特征,这种方式会引入超参数和损失特征信息(分桶后,同一个桶内连续特征不再有区分度)

    大多数模型侧重类别特征交叉计算,忽视了连续特征交叉表达,很少针对不同特征结构单独学习特征表达。针对上述问题,论文提出XCrossNet模型,用更明确的方式分别学习连续特征和类别特征的交叉组合。

    02 模型

    XCrossNet模型结构如下图,由三个阶段构成:

    (1)特征交叉:对于连续特征和类别特征,分别通过Cross Layer和Product Layer各自进行交叉计算

    (2)特征连接:连续特征和类别特征交叉结果拼接在一起,通过Cross Layer进一步学习不同结构特征交叉组合

    (3)特征选择:通过MLP学习非线性以及相对重要度

    2.1 问题说明

    2.2 特征交叉

    2.2.1 连续特征交叉层

    2.2.2 类别特征embedding层和product层

    2.3 特征连接

    2.4 特征选择

    03 实验

    更多精彩:

    【1】2021年「顶会论文」特征交叉相关CTR模型汇总

    【2】CIKM'21 FINT:基于特征域交叉的CTR模型

    【3】XCrossNet:面向特征结构学习的CTR模型

    【4】CIKM'21 DESTINE:基于解耦自注意网络的CTR模型

    相关文章

      网友评论

        本文标题:XCrossNet:面向特征结构学习的CTR模型

        本文链接:https://www.haomeiwen.com/subject/kredkrtx.html