FLEN: استغلال الحقل للتنبؤ القابل للتوسع بقيمة CTR

تُعد تنبؤات معدل النقر (Click-Through Rate, CTR) عنصراً لا غنى عنه في العديد من التطبيقات الصناعية، مثل أنظمة التوصية والإعلانات عبر الإنترنت. وعادةً ما تستند أنظمة تنبؤ CTR إلى ميزات فئوية متعددة الحقول، أي أن كل ميزة تكون فئوية وتنتمي إلى حقل واحد فقط. ويعتبر نمذجة التوصيلات بين الميزات أمراً حاسماً لدقة تنبؤ CTR. ومع ذلك، يتطلب ذلك عدداً هائلاً من المعاملات لتمثيل جميع التوصيلات بين الميزات بشكل صريح، وهو ما لا يمكن تعميمه في الأنظمة الإنتاجية الواقعية. في هذا البحث، نُقدّم شبكة ترميز مدعومة بالحقول (Field-Leveraged Embedding Network، FLEN) التي تم تطبيقها فعلياً في نظام التوصية التجاري في شركة ميتو (Meitu) وتعمل على تغطية الحركة الرئيسية في النظام. تعتمد FLEN على تقنية تجميع تفاعل ثنائي حسب الحقول. وباستغلال مناسب لمعلومات الحقول، تُمكّن تقنية التجميع الثنائية حسب الحقول من التقاط التوصيلات بين الحقول (inter-field) والداخلية داخل الحقول (intra-field) باستخدام عدد قليل من معاملات النموذج وتعقيد زمني مقبول في التطبيقات الصناعية. ونُظهر أن مجموعة واسعة من النماذج الرائدة في مجال تنبؤ CTR يمكن التعبير عنها باستخدام هذه التقنية. بالإضافة إلى ذلك، طوّرنا تقنية Dicefactor: وهي تقنية تقليل (Dropout) تهدف إلى منع الميزات المخفية المستقلة من التكيف المتبادل. وقد أظهرت التجارب الواسعة، بما في ذلك التقييمات غير المباشرة والاختبارات A/B عبر الإنترنت على أنظمة إنتاج حقيقية، فعالية وكفاءة FLEN مقارنة بالطرق الرائدة الحالية. وبشكل لافت، حققت FLEN تحسناً بنسبة 5.19% في معدل النقر، مع استخدام فقط 1/6 من حجم الذاكرة والوقت الحسابي مقارنة بالإصدار السابق (أي NFM).