基于深度学习的特征重要性因子分解机研究

打开文本图片集

摘要：在互联网的线上广告应用中，常用深度学习的方法来挖掘数据特征中的信息， 为用户提供个性化的广告推荐。为了提高推荐的合理性和实现特征的有效组合，文章提出了一种特征重要性因子分解机（Feature Importance Factorization Machine，FIFM ）的广告点击率预估模型。首先通过挤压提取模块和多头注意力模块从不同粒度去计算特征的重要性， 然后对嵌入向量进行加权得到新的嵌入向量表示，最后将新的嵌入向量输入到因子分解机（factorization machine，FM）进行新的特征组合并进行结果预测。（剩余9508字）