基于增强型FNN的广告点击率预测模型 |
| |
引用本文: | 杨妍婷,韩斌.基于增强型FNN的广告点击率预测模型[J].南京理工大学学报(自然科学版),2020,44(1). |
| |
作者姓名: | 杨妍婷 韩斌 |
| |
作者单位: | 江苏科技大学 计算机学院,江苏 镇江,212003 |
| |
摘 要: | 为了进一步提高点击率(Click-through rate,CTR)预测模型学习有效特征组合的能力,该文提出一种基于增强型因子分解向量输入神经网络(Enhanced factorization machine supported neural network,EFNN)的广告点击率预测模型。该模型在基于因子分解向量输入神经网络(Factorization machine supported neural network,FNN)的基础上增加了新特征生成层,采用一种针对CTR数据的卷积操作,对数据进行通道变换后引入Inception结构进行卷积,将生成的新特征和原始特征结合,提升了深度网络的学习能力。实验结果证明,添加了新特征生成层的增强型FNN能有效提高广告点击事件的预测准确率。
|
关 键 词: | 点击率预测 特征组合 神经网络 特征生成 |
本文献已被 CNKI 万方数据 等数据库收录! |
|