ctr prediction | BriefGPT - AI 论文速递

关键词ctr prediction

搜索结果 - 71

轻量级端到端电子商务搜索 CTR 预测的图兴趣网络
在电子商务搜索中，我们提出了一种名为轻量级端到端图兴趣网络（EGIN）的新方法，通过利用搜索系统中查询和项目的相关性和顺序信息构建异构图，以提高点击率（CTR）的预测。
PDF9 days ago
点击率预测的检索导向知识
本文提出了一种通用的即插即用检索导向的知识（ROK）框架，通过设计一个知识库，利用知识蒸馏和对比学习方法来优化知识库，并将学习到的检索增强表示与任意 CTR 模型以实例级和特征级的方式进行集成，从而实现了与基于检索的 CTR 模型相当的性能
PDF2 months ago
WWWRAT：检索增强转换器用于点击率预测
通过检索式转换器建立内部和跨样本特征交互，用于点击率预测，提高预测效果并保持高效性。
PDF3 months ago
WWWHelen: 频率导向 Hessian 特征值正则化优化 CTR 预测模型
通过优化的角度来解决 CTR 预测问题，研究发现 CTR 预测中最大的挑战在于特征频率与最大海森矩阵特征值之间的正相关关系，即频繁出现的特征倾向于收敛于尖锐的局部最小值，从而导致亚优化性能。基于锐度感知最小化的最新进展，我们提出了一种专门为
PDF4 months ago
ALT: 语言和 CTR 模型之间的细粒度对齐性，用于点击率预测
本文提出了一种新颖的基于 Fine-grained Feature-level Alignment 的语言模型和点击率（CTR）预测模型，通过协同建模和语义知识提取，实现了文本模态和表格模态之间的特征交互和对齐，取得了比现有方法更好的实验结
PDF8 months ago
ClickPrompt：CTR 模型是将语言模型用于 CTR 预测的强大提示生成器
本研究提出了一个新的模型无关框架（ClickPrompt），通过将 CTR 模型与预训练语言模型结合，旨在同时建模语义知识和协同知识，解决 CTR 估计的推理效率问题。实验证明 ClickPrompt 相较于现有基准模型具有显著的效果。
PDF9 months ago
BERT4CTR: 将预训练语言模型与非文本特征结合的高效框架用于 CTR 预测
提出一种新的 BERT4CTR 框架，利用 Uni-Attention 机制在处理多模态输入和 CTR 预测中通过降维的方式从非文本和文本特征之间获得交互信息，并在训练和推断中保持低时间成本，实验证明其在公共和商业数据上显著优于现有框架。
PDFa year ago
深度上下文兴趣网络用于点击率预测
通过模型命名为深度上下文兴趣网络 (DCIN)，本文突出了上下文信息对用户行为建模的重要性，并提出了一种可完整建模点击及其显示上下文以了解用户上下文感知兴趣的新模型。通过离线和在线评估，显著改善了性能，证明了所提出的 DCIN 方法的优越性
PDFa year ago
CSPM：一种用于即时食品配送服务中 CTR 预测的对比时空偏好模型
该论文介绍了基于对比学习的对应搜索状态下的对比时空表示学习（CSRL），对应的选址偏好提取器（StPE）和对触发重要特征的时空信息过滤器（StIF）三个模块，通过在多个大规模工业数据集进行的实验证明了 CSPM 的最新性能，CSPM 已成功
PDFa year 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
KDDMAP: 用于点击率预测的模型无关预训练框架
基于大规模用户点击日志的自我监督学习对于点击率（CTR）预测仍然是一个开放性问题，而我们提出了一个无模型的预训练框架，利用特征破坏和恢复，挖掘多领域分类数据的特征交互，并通过两种实用的算法（即遮蔽特征预测和更替特征检测）进一步优化 CTR
PDFa year ago
SIGIR电子商务中赞助搜索的位置偏差缓解的点击 - 转化多任务模型
为了减轻点击率（CTR）和转化率（CVR）预测中的位置偏见，我们提出了两种不受位置偏见影响的 CTR 和 CVR 预测模型：位置感知点击转化（PACC）和通过位置嵌入的 PACC 模型（PACC-PE）。实验结果表明，我们的模型在评级有效性
PDFa year ago
WWW点击率预测的置信度排名
本文提出了一种名为 “置信度排名” 的新型框架，使用两个不同的模型以排名函数的形式设计优化目标，允许针对不同凸代理函数的评估指标进行直接优化，例如 AUC 和 Accuracy。实验结果表明，引入置信度排名损失后，可以在公共和工业数据集的
PDFa year ago
基于图形的长短期兴趣模型用于点击率预测
本文提出一种名为 GLSM 的基于图形的长短期兴趣模型，它包含用于捕捉长期用户行为的多兴趣图形结构，用于建模短期信息的多场景异构序列模型以及自适应融合机制来融合长期和短期行为的信息，并在实际应用中展示出了显著的 CTR 和 GMV 提升。
PDFa year ago
DADIN: 面向跨领域推荐系统的域对抗深度兴趣网络
提出了一种新颖的深度学习跨域 CTR 预测模型 ——“Domain Adversarial Deep Interest Network (DADIN)”，通过引入流派不可知层和特别设计的损失函数，联合两个域的分布对齐，通过对抗训练的方式同时
PDFa year ago
DELTA: 推荐系统中的直接嵌入增强和截断意识注意力利用
提出 DELTA 算法用于提高 CTR 预测准确率，通过意识截断模块和直接嵌入增强模块实现对关键特征交叉的强化，实验证明其在 CTR 任务中表现优异。
PDFa year ago
SIGIR始终强化优势：基于漂移感知的增量学习框架用于 CTR 预测
本文提出了一种基于集成学习的漂移感知增量学习框架，通过明确基于错误的流数据漂移检测，进一步加强适应良好的集合，并冻结不匹配的集合，避免了灾难性干预，从而解决了 CTR 预测中的灾难性遗忘问题。离线实验和 A/B 测试结果表明，该方法优于所有
PDFa year ago
基于因果关系的图神经网络 CTR 预测
本文通过引入因果关系，基于图神经网络框架提出一种面向在线广告的点击率预测模型（Causal-GNN），采用结构化特征表达学习方法（GraphFwFM）和 GraphSAGE 分别学习特征、用户和广告的图表示，并在三个公共数据集上的实验证明了
PDFa year ago
AAAI点击率预测的决策环境交互网络
提出一种识别决策上下文交互网络，它可以显著地提高在线广告系统中的用户点击率预测。
PDFa year ago
AdaEnsemble：针对点击率预测学习自适应稀疏结构化集成网络
为了提高推荐系统和广告排名中的大规模 CTR 预测成功率，本文提出了一种名为 AdaEnsemble 的 SparseMoE 架构，该架构可以利用异构特征交互专家的优势，并自适应地学习每个示例的稀疏专家组合的路由，从而构建不同类型和顺序的特
PDFa year ago