click-through rate prediction | BriefGPT

关键词click-through rate prediction

搜索结果 - 28

基于搜索的生命周期顺序行为数据进行用户兴趣建模与点击率预测
本文提出了一种名为 “基于搜索的兴趣模型” 的新的建模范式，利用两个级联搜索单元在可扩展性和准确性方面，更好地对终生序列行为数据进行建模，并通过在大规模工业系统中的实现取得了良好的效果。
PDF4 years ago
SIGIR基于分层注意力网络的深度兴趣点击率预测
DHAN 是 DIN 的改进版，引入多维层次结构，在第一个注意力层上引入分层机制，形成多个维度的分层关系，从而全面地捕捉用户在不同维度的兴趣爱好；该模型应用于 CTR 预测，并在三个公共数据集中得到显著的 AUC 改善，也与 DIEN 进行
PDF4 years ago
Fi-GNN: 基于图神经网络建模特征交互以用于 CTR 预测
本文提出了一种新的模型叫做 Feature Interaction Graph Neural Networks (Fi-GNN)，可以用于解决 Web 应用中在线广告和推荐系统等任务的 click-through rate（CTR）预测问题
PDF5 years ago
KDD深度时空神经网络用于点击率预测
本文通过研究广告与其他广告之间的关系提高广告点击率（CTR）的预测，分别从空间和时间两个维度考虑辅助广告，提出了一种基于深度时空神经网络（DSTNs）的方法，结合离线和在线实验证明了该方法的有效性和性能优越性。
PDF5 years ago
IJCAI深度会话兴趣网络用于点击率预测
论文提出了一种名为 Deep Session Interest Network (DSIN) 的模型，它利用了用户历史行为序列中的多个会话，并将自我注意机制与双向 LSTM 相结合，以建模用户的兴趣演化，并通过局部激活单元自适应地学习各种会
PDF5 years ago
SIGIR通过学习如何学习 ID 嵌入，改善 CTR 预测来热身冷启动广告
本文提出了一种名为 Meta-Embedding 的元学习方法，通过先前学习的广告嵌入来生成新的广告 ID 的初始化嵌入，进而提高了 Click-through rate (CTR) 预测的性能，并通过实验结果证明了 Meta-Embedd
PDF5 years ago
基于场权重因子分解机的展示广告点击率预测
该论文提出了一种称为 Field-weighted Factorization Machines 的算法，以更加内存高效的方式建模不同领域之间的不同特征交互，实现点击率预测，并与其他算法进行了比较。
PDF6 years ago
WWWDKN: 新闻推荐中基于深度知识的神经网络
本文提出了一种深度知识感知网络 (DKN)，将知识图谱表示法融入新闻推荐中，使用多通道和单词 / 实体对齐的知识感知卷积神经网络 (KCNN) 整合新闻的语义水平和知识水平表示，设计注意力模块在 DKN 中动态聚合用户历史以及目前候选新闻，
PDF6 years ago