一种基于深度偏好网络的点击率预估模型的设计与评价

发布时间：2021-03-25 01:26

　　点击率预估作为推荐系统、在线广告等业务场景的核心研究问题,在整个互联网领域有着举足轻重的作用。近年来,人工智能、深度学习在计算机视觉、自然语言处理领域取得的众多研究进展,使得各大互联网企业和相关研究机构在将深度学习应用于点击率预估的问题上做了许多的探索和研究,并取得了一系列优秀的成果。本文通过对近年来一系列深度学习技术在点击率预估问题上研究成果的总结,发现现今存在的很多基于深度学习技术的点击率预估模型,在针对用户个性化偏好的挖掘上还存在诸多缺陷和不足,尤其是在对用户历史行为序列特征的利用上,仍有许多可以优化和提高的空间。在此背景下,本文通过研究计算机视觉、自然语言处理领域深度学习的各种独特网络结构,以及自身对各种网络结构的实验和探索,提出了一种基于深度偏好网络的点击率预估模型。论文主要内容包括以下三个方面:第一、对近年来涌现的各种基于深度学习技术的点击率预估模型进行归纳综述,并根据模型的结构特点和应用范围对各个模型进行分类总结。在此基础上,对基于DNN的点击率预估模型的相关技术和Attention机制及相关变形结构的理论原理进行了详细的阐述。第二、提出了一种用于挖掘用户个性化偏好信息的... 

【文章来源】：北京大学北京市 211工程院校 985工程院校 教育部直属院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

基于Attention机制的Seq2Seq模型结构图

基于深度偏好网络的点击率预估模针对 CTR 预估模型的过拟合问相结合的正则化方法，可以使单元。深度神经网络之所以可就是神经网络中非线性单元的可以避免模型出现梯度弥散问训练时间。模型收敛速度方面有良好效果Linear Unit）函数[48]，其函数图

可以避免模型出现梯度弥散问训练时间。模型收敛速度方面有良好效果Linear Unit）函数[48]，其函数图图 3-5 ReLU 激活函数函数在 y 值小于 0 时的输出值为。为了解决这个问题，又有人提d Linear Unit）函数[49]，其函数


本文编号：3098766