Combining Feature Importance and Bilinear feature Interaction for CTR Prediction (FiBiNET)

时间:2019.05

作者:Tongwen Huang, Zhiqi Zhang, Junlin Zhang

 

Abstract

文中使用Squeeze-Excitation Network(SENET)动态学习特征的重要性,并且使用bilinear function学习特征组合

 

Model Structure

        

SENET Layer

Combining Feature Importance and Bilinear feature Interaction for CTR Prediction (FiBiNET)_第1张图片

  • Squeeze:用max/average pooling学习每一维特征的全局信息
  • Excitation:用2个全连接层学习权重                                          Combining Feature Importance and Bilinear feature Interaction for CTR Prediction (FiBiNET)_第2张图片
  • Re-weight:                                                                                        

 

Bilinear Interaction

Combining Feature Importance and Bilinear feature Interaction for CTR Prediction (FiBiNET)_第3张图片

  • Field-all type:所有特征组合共享一个参数矩阵W                                                                                  Combining Feature Importance and Bilinear feature Interaction for CTR Prediction (FiBiNET)_第4张图片
  • Field-each type:每个特征组i维护一个参数矩阵W_i                                                                                  
  • Field-interaction type:每对特征组合ij维护一个参数矩阵W_{ij}                                                                                  

Combination Layer

 

Reference

https://zhuanlan.zhihu.com/p/72931811

你可能感兴趣的:(Recommendation,System)