摘要
智能营销系统中的点击率（Click-Through Rate, CTR）预测具有重要意义，其中特征交互选择在其中起着关键作用。现有大多数方法依赖专家指导，采用预定义的固定操作来建模特征间的交互关系，然而不当的交互可能引入冗余噪声，增加训练过程的复杂性。为此，本文旨在提出一种任务引导下的自适应演化机制，使模型能够动态选择合适的操作来对特征对进行交互。受自然演化机制的启发，本文提出一种通用的认知演化搜索（Cognitive EvoLutionary Search, CELS）框架。其中，“认知能力”指生物体对环境的适应性调整能力。具体而言，我们将特征交互视为“基因”，模型视为“生物体”，任务视为“自然环境”。借鉴基因可塑性促进环境适应性的原理，我们通过评估模型的“适应度”来模拟生物体的生存率，从而实现自然选择过程。在此基础上，可规划并可视化模型的演化路径，为交互建模与选择机制提供直观的解释。基于CELS框架，我们设计了四种具体实现方式，包括基于个体的搜索与基于种群的搜索。实验表明，个体变异与种群交叉机制使CELS能够演化出适用于不同任务与数据分布的多样化模型，从而生成即插即用的优质模型。在真实世界数据集上的大量实验验证表明，CELS显著优于当前最先进的方法。