基于HoFiBiAFM的点击率预测模型

来源：计算机应用与软件杂志2024年第10期北京时间：

作者：马万民, 王杉文, 陈建林, 牛浩青, 欧鸥

摘要：在推荐系统中，FiBiNET、AFM等深度学习模型能够关注特征的重要性进行点击率预测。其中FiBiNET的深层模型使用DNN网络相当隐式地对特征交互进行建模，但是使用DNN学习高阶特征可能导致低阶特征交叉被稀释。通过叠加多层SENET注意力机制的方式学习高阶重要性特征，并加入高阶注意力分解机共同更新特征表示，构成一种新的点击率预测模型HoFiBiAFM。通过在Movielens-100K和Movielens-1M数据集上分别与其他CTR预测模型进行分类任务和回归任务的对比实验，结果验证了HoFiBiAFM模型的点击率预测效果。

关键词：推荐系统, 点击率预测, 特征重要性, SENET注意力机制, 高阶注意力分解机