典型文献
多层结合的多阶显式交互的融合推荐模型
文献摘要：
现有不少模型着眼于对有限数据通过生成显式特征交互以进行挖掘来提升点击率预测效果,但存在以下问题:对于原特征与新生成的显式特征,直接一起输入到一个统一的神经网络结构进行挖掘然后输出,由于两者参数量差别较大导致在表征上差异巨大;同时如果直接采用多级层数的神经网络结构还会导致低层,如第一、二层信息的丢失,但若直接将各层进行累加以结合,则一些层中有用性有限的信息可能成为噪声以影响预测.为此设计多层权重结合的多阶显式交互的融合推荐模型,通过将原数据与生成的多阶显式特征分别放入各自对应的自注意力层中挖掘,其中各自对应结构的层数不同,同时对各层进行加权后输出以完成多层的结合,以提高点击率预测效果.通过在两个公开数据集上与多个不同模型进行比较分析,并对模型进行消融对比和超参数对比实验,证明了该模型能有效挖掘原特征与显式交互特征信息,平衡各阶特征表征能力.
文献关键词：
推荐系统;点击率预测;显式交互
中图分类号：
作者姓名：
孙伟智;欧鸥;杜雪垒;罗凯耀
作者机构：
成都理工大学计算机与网络安全学院,成都610051
文献出处：
引用格式：
[1]孙伟智;欧鸥;杜雪垒;罗凯耀-.多层结合的多阶显式交互的融合推荐模型)[J].计算机应用研究,2022(05):1349-1356
A类：
显式特征交互
B类：
多阶,显式交互,融合推荐,推荐模型,有限数据,数据通,互以,提升点,点击率预测,下问,神经网络结构,参数量,层数,低层,二层,层进,累加,有用性,影响预测,放入,自注意力,注意力层,高点,公开数据集,超参数,参数对比,交互特征,特征信息,表征能力,推荐系统
AB值：
0.333442
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
