个性化多层兴趣提取点击率预测模型

来源：计算机应用杂志2024年第11期北京时间：

作者：仇丽青, 苏小盼

单位：山东科技大学 计算机科学与工程学院，山东 青岛 266590

摘要：目前，点击率（CTR）预测最常用的方法是利用特征交互技术提取兴趣特征，但这些方法大多忽视了用户与项目之间的内在联系，同时也未能充分发掘项目间所蕴含的用户潜在兴趣。针对该问题，提出一种个性化多层兴趣提取点击率预测模型（PMIC），旨在从不同角度深入挖掘用户在同一时间内展现的多层兴趣。首先，采用召回匹配的方法，从项目学习模块和用户学习模块两个角度学习并建模用户与项目之间的联系，捕捉用户多样化的兴趣；其次，利用多头自注意力机制，在项目学习模块中提取同一时间内隐含的多个潜在兴趣；最后，通过内积计算，进一步细化和加强用户与项目之间的特征表达。在多个公共数据集上的实验结果表明，与基线模型相比，PMIC的受试者特征工作曲线下面积（AUC）最少提高了2.3%。

关键词：电子商务,深度学习,点击率预测,多头自注意力机制,多层感知机

基金资助：山东省自然科学基金资助项目(ZR2020MF044)