CTR預估系列(一)-FNN論文筆記

1 論文摘要及介紹 在推薦系統或者廣告系統中,CTR、CVR預估至關重要。不同於視覺和音頻領域連續的原始特徵,這些任務場景的輸入特徵大多數是多類型的離散特徵, 且特徵之間相互依賴的先驗知識很少。常用的解決方法是線性模型+手工組合高階特徵。線性模型簡單有效,但無法學習特徵間組合信息。手工組合高階特徵會導致龐大的特徵空間,待學習參數量增加,導致模型訓練複雜。非線性模型可以通過特徵間的組合提高模型的能力
相關文章
相關標籤/搜索