FiBiNet++ : Réduction de la taille du modèle par couche d'interaction de caractéristiques à faible rang pour la prédiction du taux de clic (CTR)

L'estimation du taux de clic (Click-Through Rate, CTR) est devenue l'une des tâches fondamentales dans de nombreuses applications du monde réel, et divers modèles profonds ont été proposés à cet effet. Certaines études ont démontré que FiBiNet est l'un des modèles offrant les meilleures performances, surpassant tous les autres modèles sur le jeu de données Avazu. Toutefois, la taille importante du modèle FiBiNet limite son application plus large. Dans ce papier, nous proposons un nouveau modèle, FiBiNet++, conçu pour réinventer l'architecture de FiBiNet, réduisant considérablement sa taille tout en améliorant encore ses performances. Une des techniques principales repose sur notre nouvelle « Couche à rang faible », spécifiquement conçée pour les interactions entre caractéristiques, qui constitue un moteur clé permettant d'obtenir un ratio de compression supérieur. Des expérimentations étendues sur trois jeux de données publics montrent que FiBiNet++ réduit efficacement le nombre de paramètres du modèle non-embedding de FiBiNet de 12 à 16 fois sur ces trois jeux de données. Par ailleurs, FiBiNet++ permet d'atteindre des améliorations significatives en termes de performance par rapport aux méthodes les plus avancées pour l'estimation du CTR, y compris FiBiNet lui-même.