基于深度残差网络的DeepFM点击率预测模型

• 作者: 李烨 李遥
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 点击率预测 DeepFM 因子分解机 深度神经网络 深度残差网络 随机失活
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 74-78
• 页数: 5页
• 分类号: TP303
• 字数: 4303字
• 语种: 中文
• DOI: 10.11907/rjdk.192670

摘要

广告点击率预测是互联网广告投放系统中的核心组件,用户个性化广告推荐的准确度对于提高商业系统回报率有着至关重要的作用.提出一种基于深度残差网络的DeepFM点击率预测架构,将深度残差网络引入其中的深度神经网络,解决其随着网络变深产生的梯度消失和模型性能退化问题,从而更有效地提取高阶组合特征.为了避免过拟合引入Dropout机制,并且对输入特征的预处理引入最大支持的维度参数,以避免独热码映射时出现维度灾难.基于Criteo公开数据集的研究表明,原生DeepFM的性能优于其它主流CTR预测模型,而提出的模型则具有更低的Logloss和更高的AUC,相比原生DeepFM分别改进了1.26％和0.93％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李烨	上海理工大学光电信息与计算机工程学院	44	133	7.0	9.0
2	李遥	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0