| 增强型注意力网络点击通过率预估方法 |
| |
| 引用本文： | 陈乔松,胡高浩,曹宏剑,王子权,孙开伟,邓欣,王进. 增强型注意力网络点击通过率预估方法[J]. 重庆邮电大学学报(自然科学版), 2023, 35(1): 147-155 |
| |
| 作者姓名： | 陈乔松 胡高浩 曹宏剑 王子权 孙开伟 邓欣 王进 |
| |
| 作者单位： | 重庆邮电大学 计算机科学与技术学院,重庆 400065;重庆邮电大学 数据工程与可视计算重点实验室,重庆 400065 |
| |
| 基金项目： | 国家自然科学基金西部项目(61806033);国家社会科学基金西部项目(18XGL013)资助课题 |
| |
| 摘 要： | 针对以往模型在对点击通过率(click-through rate,CTR)进行建模预测时，存在着特征重要性学习不足、特征交互低效等问题，提出了一种增强型注意力网络预估模型，用于动态学习特征重要性和特征交互信息，模型主要由注意力层、双线性交互层和全连接神经网络层构成。注意力层的多尺度多头自注意力机制通过设置不同尺寸子空间增强特征重要性学习能力，在得到特征重要性后，进一步采用张量积双线性交互学习特征交互信息。通过对注意力的子空间尺寸大小、张量积交互形式、神经网络层数和节点个数等进行定量分析，确定模型的最佳参数。实验证明，该模型相比已有模型拥有更好的预测能力。
|
| 关 键 词： | 点击通过率 注意力 双线性交互 神经网络 增强型注意力网络 |
| 收稿时间： | 2021-08-12 |
| 修稿时间： | 2022-10-26 |
Click-through rate prediction based on enhanced attention network |
| |
| CHEN Qiaosong,HU Gaohao,CAO Hongjian,WANG Ziquan,SUN Kaiwei,DENG Xin,WANG Jin. Click-through rate prediction based on enhanced attention network[J]. Journal of Chongqing University of Posts and Telecommunications, 2023, 35(1): 147-155 |
| |
| Authors: | CHEN Qiaosong HU Gaohao CAO Hongjian WANG Ziquan SUN Kaiwei DENG Xin WANG Jin |
| |
| Affiliation: | School of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing 400065, P. R. China;Key Laboratory of Data Engineering and Visual Computing, Chongqing University of Posts and Telecommunications, Chongqing 400065, P. R. China |
| |
| Abstract: | |
| |
| Keywords: | click-through rate attention bilinear interaction neural network enhanced attention network |
|
| 点击此处可从《重庆邮电大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《重庆邮电大学学报(自然科学版)》下载全文 |
