شبكة تطور الاهتمام العميق لتنبؤ معدل النقرات

تنبؤ النقرات (CTR) هو أحد المهام الأساسية في أنظمة الإعلان، وغرضه تقدير احتمالية نقر المستخدم. من الضروري لنموذج تنبؤ CTR التقاط الاهتمام الضمني للمستخدم وراء بيانات السلوك. بالإضافة إلى ذلك، مع الأخذ بعين الاعتبار تغير البيئة الخارجية والمعرفة الداخلية، يتطور اهتمام المستخدم بشكل ديناميكي على مر الزمن. هناك عدة طرق لتنبؤ CTR في نمذجة الاهتمام، ومعظم هذه الطرق تعتبر تمثيل السلوك كإهتمام مباشر، مما يفتقد إلى نمذجة خاصة للاهتمام الضمني خلف السلوك الملموس. علاوة على ذلك، فإن القليل من الأعمال تأخذ في الاعتبار اتجاه تغيير الاهتمام. في هذا البحث، نقترح نموذجًا جديدًا باسم شبكة التطور العميقة للاهتمام (DIEN) لتنبؤ CTR. بشكل محدد، صممنا طبقة مستخرجة للاهتمام لتقاط اهتمامات المستخدم الزمنية من سلسلة السجلات التاريخية. في هذه الطبقة، قمنا بدمج خسارة مساعدة لإشراف عملية استخراج الاهتمام في كل خطوة. نظرًا لأن اهتمامات المستخدم متنوعة للغاية، وخاصة في نظام التجارة الإلكترونية، فقد اقترحنا طبقة تطور الاهتمام لتقاط عملية تطور الاهتمام المتعلقة بالعنصر المستهدف. في طبقة تطور الاهتمام، تم دمج آلية التركيز بطريقة جديدة داخل الهيكل التتابعي، مما يعزز آثار الاهتمامات ذات العلاقة أثناء عملية التطور. في التجارب التي أجريت على مجموعة بيانات عامة وصناعية، أظهرت DIEN أداءً أفضل بكثير من الحلول الرائدة حاليًا. ومن الجدير بالذكر أن DIEN قد تم تنفيذها في نظام الإعلان المعروض على Taobao (تاوباو)، حيث حققت تحسينًا بنسبة 20.7٪ في معدل النقر (CTR).