基于用户历史序列的点击率预估

摘要

点击率(CTR)预估在广告系统中至关重要,决定了广告收益大小.为提高广告点击率预估准确率,提出一种基于用户历史序列的点击率预估模型CANN.通过结合协同过滤和自注意力机制计算用户历史序列和目标物品的相关性,赋予历史序列中的物品不同的权重,并通过卷积神经网络对加权后的历史序列进行特征提取,从而有效利用用户历史序列信息.在MovieLens-1M和UserBehavior两大公共数据集上进行实验,结果证明,相比其它模型,CANN具有更高的AUC和更低的LogLoss.CANN的AUC分别提高0.4％和1.4％,LogLoss分别降低2％和9.7％.