基于分层注意力图神经网络的点击率预测模型

点击率预测是推荐系统和在线广告中的一项基本任务,大多主流模型主要通过高阶特征和低阶特征交互建模以提高模型性能和泛化能力,然而很多模型只学习了每个特征的固定表示而没有考虑在不同上下文中每个特征的重要性。针对基线模型(Feature Refinement Network,FRNet)在不同上下文无法灵活处理重要特征选择,并且缺乏良好解释性的问题,提出了一种特征细化分层注意力图神经网络(Feature Refinement Graph Neural Network and Hierarchical Attention,FRGNN-HA)模型。首先,在基线模型中融合图神经网络结构,利用图神经网络聚合邻节点和自身节点特征以实现在非欧式空间新节点的表示向量的更新,从而提升在不同上下文的重要特征选择能力和良好的解释性。其次,在图神经网络的基础上设计分层注意力网络,让模型可以更好地自适应关注重要上下文信息,并且可以在噪声和复杂场景下依然保持较好的性能。最后,FRGNN-HA通过在Criteo、Frappe和MovieLens这3个数据集上对比实验结果表明,与基线FRNet模型相比,曲线下的面积(Area Under Curve,AUC,记为AUC)指标分别提升了0.07%、0.29%和0.06%,交叉熵损失函数Logloss(记为Lloss)分别降低了0.08%、0.81%和1.09%。

一件令人发愁的事

在我的班级里，蔡刘家的发愁事就是他弟弟不吃饭，而我家的愁事，则是帮仓鼠洗窝。你们别看仓鼠和其他动物相比那么弱小，帮仓鼠洗一次窝是真麻烦啊!每个星期，我都要给它洗一次窝。我先叫妈妈来抓仓鼠去舒适的“温泉”里泡澡。可那小东西用那黑如宝石的小眼睛一直盯着我，突然，我眼前就出现一道黑光，这黑光就像闪电一样。我只好垂头丧气地用戴着手套的手去抓那小东西，可一抓到，它就不停地在我手上拉便便。