要約
クリックスルー率（CTR）の予測はオンライン広告システムにおいて重要な課題である。既存の手法は主に特徴量とCTRの関係をモデル化しており、データの希少性問題に悩まされている。本論文では、より情報量が豊富で統計的に信頼性のある特徴量表現を学習するために、他の種類の関係もモデル化するDeepMCPを提案する。特に、DeepMCPには3つの部分が含まれている：マッチングサブネットワーク、相関サブネットワーク、および予測サブネットワークである。これらのサブネットワークはそれぞれユーザーと広告、広告と広告、および特徴量とCTRの関係をモデル化する。これらのサブネットワークが目標ラベルの監督下で共同最適化されると、学習された特徴量表現は高い予測能力と高い表現能力を持つことが示される。2つの大規模データセットを用いた実験結果から、DeepMCPがいくつかの最先端モデルよりもCTR予測において優れていることが確認された。