CTR相关的论文总结

最新推荐文章于 2025-11-29 17:57:16 发布
原创 最新推荐文章于 2025-11-29 17:57:16 发布 · 761 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

该博客主要对CTR相关的论文进行总结，但具体内容缺失。CTR在信息技术领域有重要应用，相关研究总结有助于了解该领域动态。
CTR-GCN 论文解读
一杯水果茶！足矣~
04-11 2725
提出了一种信道拓扑优化图卷积，该卷积可以动态有效地对信道拓扑进行建模。共享拓扑是一个参数化的邻接矩阵，作为所有通道的拓扑先验，并提供顶点之间的一般相关性。通过使用特定于通道的相关性细化共享拓扑，CTR-GC 获得了通道拓扑。
CTR论文思想一句话总结
wwer142526363的博客
12-04 1250
并行结构：提出Compressed Interaction Network（CIN）直接学习有边界的显式特征交互，Xi和X0做哈达玛积&sum pooling+MLP学习抽象的低阶和高阶隐式特征交互。1.Gated Cross Network(GCN)网络显式捕捉高阶特征交互（有边界的交互）&用信息门（本质线性变换）在每一级多样地过滤重要的交互------更有可解释性。我的理解是特征自己和自己的操作就是显式特征交互；并行结构：每一层就是线性模型+residual，显式特征交互，学习有界限的特征交互。
那么多CTR论文，真正能复现出效果的有几个？
炼丹笔记
05-07 468
CTR预估任务在推荐系统中至关重要，在过去几年间，CTR相关的神经网络文章不下于百篇，但是很多时候我们尝试着去复现这些文章的思路并尝试着运用到自己的生产环境时，却时常无法取得和论文中类似的效果。这些论文中有非常多的实验没有公开源码，也没有公开数据预处理的策略，所以我们复现的时候经常会因为实验设定的不一样或者其他原因，得到与论文中相反的结论，而且大多数时候我们没法保证其在我们自己的场景中也可以达到如...
【论文导读】2019阿里CTR预估模型---DIEN（深度兴趣演化网络）
Blank_Space
07-07 2072
前言今天分享一篇阿里2019发表在AAAI上的CTR预估的论文《Deep Interest Evolution Network for Click-Through Rate Predic...
Kaggle平台的使用
最新发布
xiaoxu的博客
11-29 733
在Kaggle上注册账号并使用手机号进行验证获得免费的GPU的使用。
【论文笔记】CTRL: A conditional Transformer Language Model For Controllable Generation
记录学习^_^，欢迎交流~
11-10 2124
CTRL：一种用于受控文本生成的条件Transformer语言模型
ctr论文调研
m0_37764496的博客
09-30 618
1.互联网广告点击率预估模型中特征提取方法的研究与实现 背景 北京工商大学发表在《计算机与信息工程学院》2017 （针对展示广告） 主要做法 文章主要是在特征工程这块下功夫，提出来基于GBDT模型的多维特征提取方法，该方法利用原始特征数据构建多维特征库，并将特征库中除ID类特征以外的其余特征输入GBDT模型进行特征筛选，得到高层特征。 数据预处理部分: 对数据异常点分析，ctr历史分布，正负...
CTR预估经典论文详解（一）——Wide&Deep模型
weixin_54096215的博客
08-29 591
论文链接： https://arxiv.org/pdf/1606.07792.pdf 一.论文背景 由于较少的特征工程，深度神经网络可以通过学习稀疏特征的低维密集嵌入来更好地泛化不可见的特征组合。然而，当用户与物品之间的交互是稀疏的、高秩的时，带有嵌入的深度神经网络会过度泛化并推荐相关度较低的物品。 1、“wide”类型的模型：一种浅层模型。它通过大量的单层网络节点，实现对训练样本的高度拟合性。利用cross-product方式进行特征交叉产生的特征具有很好的效果和很好的可解释性，但是需要较强的经验
Field-aware Factorization Machines for CTR Prediction 论文阅读总结1
08-03
总结来说，FFMs是针对CTR预测的一种高效模型，它通过引入领域概念强化了FM的能力，使得模型能够更好地理解和学习特征间的领域相关性，从而提高预测精度。其优化方法和高效的训练策略使其在处理大规模数据集时更具...
精选资源
CTR:CTR模型代码和学习笔记总结
03-21
CTR学习笔记 运行：python main.py --model DeepFM-步进火车-数据集普查--clear_model 1 要求：张量流1.15 已完成模型列表[支持数据集] FM [普查] 实况调查团[人口普查] 嵌入+ MLP [普查] 广泛[深度] FNN [普查] ...
CTR预估 论文精读(十六)--Youtube 排序系统：Recommending What Video to Watch Next
Dby_freedom的博客
01-04 1059
1. 摘要 In this paper, we introduce a large scale multi-objective ranking system for recommending what video to watch next on an industrial video sharing platform. The system faces many real-world challenges, including the presence of multiple competing rank
CTR预估经典论文详解（二）——DeepFM模型
weixin_54096215的博客
08-31 489
论文链接： https://www.researchgate.net/profile/Huifeng-Guo/publication/314943217_DeepFM_A_Factorization-Machine_based_Neural_Network_for_CTR_Prediction/links/5983f288458515b420c96efb/DeepFM-A-Factorization-Machine-based-Neural-Network-for-CTR-Prediction.pdf
（读论文）推荐系统之ctr预估-NFM模型解析
weixin_30463341的博客
07-30 225
本系列的第六篇，一起读论文~ 本人才疏学浅，不足之处欢迎大家指出和交流。 今天要分享的是另一个Deep模型NFM(串行结构)。NFM也是用FM+DNN来对问题建模的，相比于之前提到的Wide&Deep(Google)、DeepFM(华为+哈工大)、PNN(上交)和之后会分享的的DCN(Google)、DIN(阿里)等，NFM有什么优点呢，下面就走进模型我们一起来看看吧。 原文：N...
ctr预估论文梳理和个人理解
weixin_33804582的博客
05-03 264
问题描述 ctr的全称是click through rate，就是预估用户的点击率，可以用于推荐系统的ranking阶段。ctr预估可以理解为给用户的特征、item的特征以及context的特征（比如日期，时间等），然后计算出user item pair的点击率。 问题定义 P(Y=1|X_{user},X_{item},X_{context}) 就是计算上面的概率。 模型梳理 LR、SVM等线性...
常见CTR论文挑刺
abcdefg90876的博客
04-01 606
“本文主要介绍了对一些常见的CTR论文中的“诡异“之处的思考和总结，欢迎同学们共同交流讨论”文章来源：Typhoon https://zhuanlan.zhihu.com/p/771...
Google在KDD2013上关于CTR的一篇论文
weixin_30950887的博客
08-04 139
最近在做CTR，刚好Google在KDD发了一篇文章，讲了他们的一些尝试，总结一下： 先是一些公式的符号说明： 一、优化算法 CTR中经常用Logistic regression进行训练，一个常用的Loss Function为 Online gradient descent(OGD)是一个常用的优化方法，但是在加上L1正则化后，这种方法不能产生有效的稀疏模型。相比之下 Regula...
CTR预估 论文精读(三)--Factorization Machines
Dby_freedom的博客
12-04 2138
Abstract In this paper, we introduce Factorization Machines (FM) which are a new model class that combines the advantages of Support Vector Machines (SVM) with factorization models. Like SVMs, FMs are...
ctr相关论文笔记
sinat_41679123的博客
03-22 565
ctr相关2015~2021年论文，包含： 特征交叉相关
CTR预估 论文精读(七)--DeepFM: A Factorization-Machine based Neural Network for CTR Prediction
Dby_freedom的博客
12-26 4592
Abstract Learning sophisticated feature interactions behind user behaviors is critical in maximizing CTR for recommender systems. Despite great progress, existing methods seem to have a strong bias to...
GBDT与LR融合在CTR预估中的应用探索
总结来说，GBDT+LR的融合方案是一种有效的方法，它通过GBDT的强大特征提取能力来补充LR的线性模型限制，为CTR预估提供了一种更强大、更自动化的工具。这种技术的出现推动了机器学习在广告领域的进步，减少了人工干预...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值