論文Disguise Adversarial Networks for Click-through Rate Prediction

本文引入了一個對抗性學習框架來提高廣告推薦CTR預測。使用DAN方法給廣告化妝。DAN將一個不受歡迎的廣告impression(non-click)僞裝成一個有趣的,然後鼓勵分類器將這些僞裝的廣告分類到正類的推薦中。在另一方面,鑑別器將通過無監督的信息理論分配策略對這些僞裝的廣告進行優化分配到其本身的類別。 DAN由GAN而來。GAN有許多不同的創新,然而它的中心概念仍然是生成器G和分類器D的一個
相關文章
相關標籤/搜索