STEC：透明变压器编码器用于CTR预测
摘要：CTR预测在在线广告和推荐系统中占据重要地位，因为CTR预测的性能直接影响用户的整体满意度和公司的收入。然而，CTR预测仍然是一个活跃的研究领域，因为它涉及准确地对基于稀疏和高维特征的用户偏好进行建模，其中多个特征的高阶交互可以导致不同的结果。大多数CTR预测模型依赖于单一的融合和交互学习策略。很少有CTR预测模型使用多个交互建模策略，而这些模型将每个交互视为独立的。在本文中，我们提出了一种名为STEC的新模型，它在一个统一的架构中充分利用了多个交互学习方法的优势。此外，我们的模型引入了来自不同交互阶层的残差连接，通过使低层次的交互直接影响预测结果，提高了性能。通过对四个真实数据集的大量实验，我们证明STEC优于现有的CTR预测方法，因为它具有更强大的表达能力。
作者：Serdarcan Dilbaz, Hasan Saribas
论文ID：2308.15033
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-08-30