基于增强型FNN的广告点击率预测模型

• 作者: 杨妍婷 韩斌
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 点击率预测 特征组合 神经网络 特征生成
• 年，卷（期）: 2020,（1）
• 页码范围: 33-39
• 页数: 7页
• 分类号: TP391
• 字数: 4780字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2020.44.01.006

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩斌	江苏科技大学计算机学院	54	609	12.0	24.0
2	杨妍婷	江苏科技大学计算机学院	1	0	0.0	0.0