论文标题：

HIEN: Hierarchical Intention Embedding Network for Click-Through Rate Prediction

论文链接：

https://arxiv.org/pdf/2206.00510.pdf

特征交互建模和用户兴趣建模方法是 CTR 预测中的两个热门领域，现有方法存在两方面的不足。

  • 首先，传统方法将物品属性视为ID特征，而忽略了结构信息和属性之间的依赖关系。
  • 其次，当从用户-商品交互中挖掘用户兴趣时，当前模型忽略了不同属性的用户意图和商品意图，缺乏可解释性。

本文提出了一种新颖的方法分层意图embedding网络（HIEN），该方法在构建的属性图中基于自下而上的树聚合考虑属性的依赖关系。根据分层注意力机制捕获不同商品属性的用户意图以及商品意图。

内容中包含的图片若涉及版权问题，请及时与我们联系删除