click-through rate prediction | BriefGPT

关键词click-through rate prediction

搜索结果 - 28

用于快速训练点击率预测模型的极限学习机
基于嵌入层增强的 ELM 模型在 CTR 任务中表现出色，同时显著减少训练时间，特别适用于快速训练的情况。
PDF7 days ago
多面体锥形分类器用于 CTR 预测
本文介绍了一种新颖的工业推荐系统中点击率（CTR）预测方法，解决了数值不平衡和几何不对称的固有挑战。
PDFa month ago
基于多阶特征交叉重要性的点击率预测方法
本文提出了一个新模型 FiiNet (多级特征交互重要性神经网络)，该模型首先使用选择性卷积神经网络 (SKNet) 来明确构建多级特征交互，以精细的方式动态学习特征交互组合的重要性，增加重要特征交叉组合的注意权重并减少无效的交叉，通过与许
PDF2 months ago
JobFormer：具有语义增强变形器的技能感知工作推荐
我们提出了一种新颖的基于设计的语义增强转换器的技能感知推荐模型，用于解析职位描述并完成个性化的工作推荐。我们采用两阶段学习策略进行技能感知推荐，在召回阶段利用技能分布指导 JD 表示学习，然后在排序阶段结合用户个人资料进行最终预测，为学习
PDF3 months ago
SIGIR突破长度限制：在长文本用户行为中增强的 LLM 点击率预测
通过提出行为聚合分层编码（BAHE）来提高基于大型语言模型（LLMs）的点击率（CTR）建模的效率，通过利用 LLMs 预训练的浅层获取用户行为的嵌入并与深层进行交互以计算 CTR 得分，从而减少计算复杂性并使 LLMs 实用于工业 CTR
PDF3 months ago
深度进化网络：触发式推荐中的点击率预测
通过设计用户即时兴趣模型层以预测用户滚动时即时兴趣强度的动态变化，利用时间信息进行用户行为建模，引入交互层以学习更好的触发器和目标项之间的交互，我们提出了一种新颖的方法 —— 深度演化即时兴趣网络（DEI2N），用于触发诱导推荐场景中的点击
PDF6 months ago
EMOFM: 带有基于特征混合器的集成 MLP 模型用于点击率预测
使用简单的插件混合器构建了基于字段 / 类型的特征融合的集成 MLP 模型 EMOFM（具有特征混合器的集成 MLP 模型），并通过实验验证其优于基线模型的表现。
PDF9 months ago
增强推荐系统中的跨类别学习：多层嵌入训练
现代的基于 DNN 的推荐系统依赖于对稀疏特征进行训练得到的嵌入。输入的稀疏性使得对于很少出现的类别难以获得高质量的嵌入，因为它们的表示不经常更新。我们通过有效的跨类别学习在训练时演示了一种产生优越嵌入的技术，并从理论上解释了它的出人意料的
PDF9 months ago
AntM$^{2}$C: 多方案多模态 CTR 预测的大规模数据集
基于 AntM$^{2}$C，本文提出了多场景多模态点击率数据集，涵盖广告、优惠券、小程序、内容和视频等 5 种不同类型的项目，提供了除基于 ID 的特征外，原始文本和图像特征的多模态特征，共有 10 亿次点击率数据，是目前最大规模的点击率
PDF10 months ago
TBIN：用于 CTR 预测的长文本行为建模
我们提出了一种基于用户行为文本的兴趣分块网络（TBIN），通过结合高效的局部敏感哈希算法和偏移块自注意力机制来处理先前研究中的限制，从而实现动态激活用户多样化的兴趣，并产生针对目标项目的用户兴趣表达。通过对真实世界食品推荐平台上的离线和在线
PDFa year ago
KDD跨领域协作迁移学习框架的推荐
该研究提出了一种基于协作跨域迁移学习框架（CCTL）的解决方案，可用于推荐系统中不同商业域中的广告点击率（CTR）预测建模，并成功应用于美团，提高了 CTR 和 GMV 的表现。
PDFa year ago
Rec4Ad: 淘宝广告 CTR 预测中减轻样本选择偏差的免费午餐
本文提出了一种基于数据增强和自对齐分离的方法 Rec4Ad，利用有机推荐物品和赞助物品的混合结果缓解广告 CTR 模型中的样本选择偏差，实现了在淘宝广告系统中 CTR 和 RPM 的显著提高。
PDFa year ago
联邦学习中的在线元学习用于模型更新聚合在点击率预测中的应用
该篇论文中提出了一种基于元学习的 Federated Learning 方法，针对一些问题如客户端异构性、难以调优的问题等，通过对客户端属性进行动态加权，进而调整更新步长的策略，相较于目前最先进的算法，在收敛速度和最终学习结果上均显著优于现
PDF2 years ago
建模电商搜索中用户的上下文化页面反馈，用以预测点击率
该论文提出了一种新的上下文感知用户行为建模思路，通过包含完整页面上暴露的产品和相应的反馈作为上下文的页面级反馈序列，可以捕捉到页面内上下文信息和页面间兴趣演化，以学习更具体的用户偏好。作者设计了一种采用页面上下文感知注意力的新型神经排序模型
PDF2 years ago
动态顺序图学习用于点击率预测
这篇论文提出了一种名为动态序列图学习（DSGL）的新方法，通过利用用户或物品相关的本地子图的协同信息来增强用户或物品的表示，以预测点击率。DSGL 使用底部向上的方法在动态顺序图中进行图卷积操作，设计了一个考虑时间信息和时间依赖性的时态序列
PDF3 years ago
记忆、分解还是幼稚：CTR 预测最佳特征交互方法的学习
研究了通过建模特征交互来提高 CTR 预测模型性能的方法，并提出了一种通用框架 OptInter，能够自动搜索最佳建模方法以及对 CTR 模型进行优化，实验显示，OptInter 可以将最佳基准 Deep CTR 模型的性能提高多达 2.2
PDF3 years ago
ICLR通过 Tabular Learning 实现发展中国家的高效点击率预测
本研究旨在通过建立点击率预测任务与表格学习之间的联系，证明表格学习模型在 CTR 预测中比超参数化 CTR 预测模型更高效、更有效，并通过 8 个公共 CTR 预测数据集上的实验以及实际在线应用的 A / B 测试，证明这种模型不仅可以提高
PDF3 years ago
WWW$FM^2$: 推荐系统中的场 - 矩阵分解机
该研究提出了一种新的方法，名为 Field-matrixed Factorization Machines（FmFM，或 FM^2），用于有效和高效地建模数据中的字段信息，在交叉项剪枝的基础上支持字段特定变量维度的嵌入向量，并通过缓存中间向
PDF3 years ago
知识蒸馏下的 CTR 预测集成
本论文提出一种基于知识蒸馏（KD）的模型训练策略，通过将教师模型学到的知识传输给学生模型，简化深度神经网络（DNN）学生模型并实现了显著的精度提高，使用多个教师模型进行训练进一步提高了学生模型的准确性。包括教师门控以及蒸馏损失提前停止等创新
PDF4 years ago
SIGIR点击可能是作弊的：反事实推荐以减轻标题党问题
本研究提出了一种基于因果图和反事实推断的建议模型，以减轻用户面对过多的机械预测的问题，并明显提高了用户在现实世界中的满意度。
PDF4 years ago