2024定向广告新一代点击率预估主模型_第1页
2024定向广告新一代点击率预估主模型_第2页
2024定向广告新一代点击率预估主模型_第3页
2024定向广告新一代点击率预估主模型_第4页
2024定向广告新一代点击率预估主模型_第5页
已阅读5页,还剩9页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

2018(DeepInterestEvolutionNetwork),分享将从以下几个方面展开:banner这个广告。区别于搜索广告这种用户带有明显意图的主动的query查询行为,在展示广告都是这样的形式:LR模型+非常复杂的特征工程。LRMLRLR与只用LR相比,MLR模型引入的这部分非线性,对我们的最终效果产生了明显的提升。dnn网络,最后做一个softmax。这是一个最基础的ctr神经网络模型。dnnDeepFm,做一些特征之间的交叉;pnn也是;然后是deep&wide模型,其中的deep部分可以通过多MLPwideEmbeddingsum针对用户的兴趣信息的挖掘,我们迈出的第一步对模型的改造是DIN(DeepInterestNetwork),这是我们在2017年展开的主要工作weightedsumpoolingsumdindindin2018DIEN(DeepInterestEvolutionNetowork)idid理方式并没有改变。而行为序列特征做embedding之后,我们增加了兴趣提取模块。也与历史各个时刻的行为相关,因此,我们决定使用GRU模型来对历史行为序列建模,并tipsGRULSTM我们还引入了辅助loss的功能,用来辅助提取兴趣表达。loss将所有历史时刻的loss叠加,学习时可以学到更多历史兴趣特征。lossloss利用的labelpatternctr若直接用GRU,没有辅助loss,则会面临长序列梯度消失问题;patternhiddenstateEmbeddinglabel0GRUloss信号,与最终的loss相加后进行学习。GRU此得到attentionscore。兴趣的隐状态即h(t)=f(h(t-1),i_t),而当行为与候选广告不相关的时候我们要保留当前状GRUattentionscoreGRUscale,而不是准确的控制h(t)=f(h(t-1)0),0hiddenstate书籍两个类目的数据用不同的模型做了实验

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论