一种改进的基于交叉网络的CTR预估方法

点击率(CTR)预估是电商和广告行业的关键业务之一,它影响着广告主的利润和用户的使用体验。由于广告数据的稀疏性,CTR预估充满了挑战,如何实现特征之间的有效交互是待解决的难题之一。然而,现有的CTR预估模型往往难以进行有效的特征交互。针对这些问题,提出了一种新的融合模型XCS模型,该模型基于交叉网络改进,将交叉网络和堆栈式自编码器(SAE)进行融合,并且加入了XGBoost在特征工程阶段选择和组合重要特征。该模型可以显式地捕捉有限阶次的特征组合,同时通过XGBoost利用了上下文特征信息。在Criteo公开数据集上进行实验,结果表明:XCS模型可以有效提升点击率预估的效果。