TFNet：CTR予測のためのマルチセマンティック特徴相互作用

CTR（クリック・スルーレート）予測は、計算広告およびレコメンデーションシステムの分野において中心的な役割を果たしている。この分野では、ロジスティック回帰（LR）、因子分解機械（FM）、およびWide&Deep、ニューラル因子分解機械（NFM）、DeepFMなどの深層学習ベースの手法が多数提案されている。しかし、これらの手法は一般的に各特徴量ペア間のベクトル積を利用するが、特徴量間の相互作用が異なる意味的空間に存在することを無視している。本論文では、複数の意味的空間におけるマルチスライス行列を用いて特徴量相互作用を詳細に表現するための、新たなテンソルベースの特徴量相互作用ネットワーク（TFNet）モデルを提案する。広範なオフラインおよびオンライン実験の結果から、TFNetは以下の点で優れた性能を示した：1）代表的なCriteoおよびAvazuデータセットにおいて、競合手法を上回る精度を達成した；2）中国最大規模のアプリレコメンデーションシステムである騰訊（Tencent）の「マイアプリ（MyApp）」において、オンラインA/Bテストで収益およびクリック率において顕著な向上を実現した。