基于改进Wide&Deep交互特征提取的移动APP转化率预估

• 作者: 孙晓燕 聂鑫 暴琳 陈杨
• 来源期刊: 郑州大学学报（工学版）
• 学科: 工学
• 关键词: 转化率预估 特征交互 场感知分解机 Wide&Deep 移动APP
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 智能计算
• 页码范围: 26-32
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6833.2020.06.005

摘要

针对移动APP广告转化率预估特征维度高而稀疏、特征间高度交互使得转化率精准预估面临挑战等问题,提出一种融合场感知分解机(field-aware factorized machine,FFM)和深度卷积神经网络的改进Wide&Deep模型,以有效获取高维度稀疏特征的低阶和高阶交互关系,实现特征自动高效组合,提高移动APP广告转化率预估精度.在给出算法框架的基础上,针对稀疏数据的嵌入,提出了基于宽度模块FFM挖掘低阶特征交互关系的特征组合算法,然后,根据FFM所提取隐含特征向量,进一步给出了基于深度模块多层卷积神经网络提取高阶交互关系的特征提取策略,最后,将宽度和深度模块分别获取的特征组合用于转化率预估.所提算法在腾讯移动APP广告转化率预估中的应用表明了该方法在提高预估精度上的有效性.