在以人工智能技术为支持的推荐、搜索、广告等业务中，点击率预估（CTR）一直是技术攻坚的核心，同时也是人工智能技术在业务落地中最难实现的技术方向之一。 此次工作《Kalman Filtering Attention for User Behavior Modeling in CTR Prediction》被机器学习领域中含金量最高的顶级国际会议NeurIPS 2020成功收录为Spotlight论文。

作者提出了一种基于卡尔曼滤波的注意力机制，用于工业级广告点击率预测系统中的用户行为建模任务。通过卡尔曼滤波建模，有效地引入特定搜索词的全局先验信息，并有效控制高频商品在用户行为中的权重，从而得到比现存注意力机制更适配用户行为建模任务的算法，有效提升用户行为建模及其后续广告点击率预估的准确性。

论文地址：https://arxiv.org/pdf/2010.00985.pdf

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