2024定向廣告新一代點擊率預(yù)估主模型_第1頁
2024定向廣告新一代點擊率預(yù)估主模型_第2頁
2024定向廣告新一代點擊率預(yù)估主模型_第3頁
2024定向廣告新一代點擊率預(yù)估主模型_第4頁
2024定向廣告新一代點擊率預(yù)估主模型_第5頁
已閱讀5頁，還剩9頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

2018（DeepInterestEvolutionNetwork），分享將從以下幾個方面展開：banner這個廣告。區(qū)別于搜索廣告這種用戶帶有明顯意圖的主動的query查詢行為，在展示廣告都是這樣的形式：LR模型+非常復(fù)雜的特征工程。LRMLRLR與只用LR相比，MLR模型引入的這部分非線性，對我們的最終效果產(chǎn)生了明顯的提升。dnn網(wǎng)絡(luò)，最后做一個softmax。這是一個最基礎(chǔ)的ctr神經(jīng)網(wǎng)絡(luò)模型。dnnDeepFm，做一些特征之間的交叉；pnn也是；然后是deep&wide模型，其中的deep部分可以通過多MLPwideEmbeddingsum針對用戶的興趣信息的挖掘，我們邁出的第一步對模型的改造是DIN（DeepInterestNetwork），這是我們在2017年展開的主要工作weightedsumpoolingsumdindindin2018DIEN（DeepInterestEvolutionNetowork）idid理方式并沒有改變。而行為序列特征做embedding之后，我們增加了興趣提取模塊。也與歷史各個時刻的行為相關(guān)，因此，我們決定使用GRU模型來對歷史行為序列建模，并tipsGRULSTM我們還引入了輔助loss的功能，用來輔助提取興趣表達。loss將所有歷史時刻的loss疊加，學習時可以學到更多歷史興趣特征。lossloss利用的labelpatternctr若直接用GRU，沒有輔助loss，則會面臨長序列梯度消失問題；patternhiddenstateEmbeddinglabel0GRUloss信號，與最終的loss相加后進行學習。GRU此得到attentionscore。興趣的隱狀態(tài)即h(t)=f(h(t-1),i_t)，而當行為與候選廣告不相關(guān)的時候我們要保留當前狀GRUattentionscoreGRUscale，而不是準確的控制h(t)=f(h(t-1)0),0hiddenstate書籍兩個類目的數(shù)據(jù)用不同的模型做了實驗

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論