本文分享的是FaceBook在KDD 2020上的一篇关于推荐CTR预估中特征交互网络结构的自动寻优问题。
- 论文题目：Towards Automated Neural Interaction Discovery for Click-Through Rate Prediction
- 论文链接：https://arxiv.org/abs/2007.06434
CTR预估是推荐系统中一个非常重要的任务，同时NAS技术在发掘高效的神经网络结构上已经证实了它的能力，因此该篇文章期待使用NAS在CTR预估任务上也能发挥它的潜在能力。由于1）多样的非结构化特征交互、2）异构的特征空间、3）超大规模的数据以及数据内在的随机性，使得研究人员想要构造、寻找以及对比多种网络结构的想法变得异常困难。
为了解决上述问题，该篇文章提出了AutoCTR的框架，通过将简单有效的表示交互模块化为组件，并将这些组件放入一个有向无环图的空间中，AutoCTR可以自动探索、学习到最有效的网络交互结构。研究人员在多个离线数据集上验证了AutoCTR相对于人工设计的网络结构的有效性，并且在多个数据集之间有一定的泛化与迁移能力。
感兴趣的可以戳链接进行阅读。
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
评论
沙发等你来抢