• 《工程索引》(EI)刊源期刊
  • 中文核心期刊(综合性理工农医类)
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于深度神经网络的点击率预测模型

刘弘历 武森 魏桂英 李新 高晓楠

刘弘历, 武森, 魏桂英, 李新, 高晓楠. 基于深度神经网络的点击率预测模型[J]. 工程科学学报. doi: 10.13374/j.issn2095-9389.2021.03.23.002
引用本文: 刘弘历, 武森, 魏桂英, 李新, 高晓楠. 基于深度神经网络的点击率预测模型[J]. 工程科学学报. doi: 10.13374/j.issn2095-9389.2021.03.23.002
A CTR Prediction Model Based on Deep Neural Network[J]. Chinese Journal of Engineering. doi: 10.13374/j.issn2095-9389.2021.03.23.002
Citation: A CTR Prediction Model Based on Deep Neural Network[J]. Chinese Journal of Engineering. doi: 10.13374/j.issn2095-9389.2021.03.23.002

基于深度神经网络的点击率预测模型

doi: 10.13374/j.issn2095-9389.2021.03.23.002
详细信息
  • 中图分类号: TP183

A CTR Prediction Model Based on Deep Neural Network

  • 摘要: 针对现有深度神经网络点击率预测模型在对用户偏好建模时,难以有效且高效地处理用户行为序列的问题,提出长短期兴趣网络(Long and Short Term Interests Network, LSTIN)模型,充分利用用户历史记录上下文信息和顺序信息,提升点击率预测精准性和训练效率。使用基于注意力机制的Transformer和激活单元结构完成用户长、短期兴趣建模,对用户短期兴趣进一步使用RNN、CNN进行处理,最后使用全连接神经网络进行预测。在亚马逊公开数据集上开展实验,将提出的模型与DeepFM、Deep-Interest-Network(DIN)等点击率预测模型对比,结果表明提出的模型实现了考虑上下文信息和顺序信息的用户历史记录建模,且因区分用户长、短期兴趣,模型能够在提升预测精准性的同时保障训练效率。

     

  • 加载中
计量
  • 文章访问数:  29
  • HTML全文浏览量:  4
  • PDF下载量:  10
  • 被引次数: 0
出版历程
  • 网络出版日期:  2021-08-12

目录

    /

    返回文章
    返回