MMBAttn：CTR予測のためのMax-Meanおよびビット単位Attention

オンライン広告およびレコメンデーションシステムにおけるクリック率（CTR）予測タスクの複雑さとスケールの増大に伴い、特徴量の重要度を正確に推定することは、効果的なモデル開発にとって極めて重要な要素となっている。本論文では、最大プーリング（max pooling）および平均プーリング（mean pooling）と、ビット単位のアテンション機構を組み合わせることで、CTR予測における特徴量重要度推定を強化するアテンションベースのアプローチを提案する。従来、max poolingやmean poolingといったプーリング操作は、特徴量から関連情報を抽出する手段として広く用いられてきた。しかし、これらの手法は情報損失を引き起こす可能性があり、特徴量の重要度を正確に評価するのを妨げる要因となる。この課題に対処するため、本研究では、特徴量内のすべてのビット間の関係性に注目するビットベースのアテンション構造を導入した新たなアテンションアーキテクチャを提案する。さらに、最大プーリングと平均プーリングを併用することで、ビットレベルでの細かい相互作用を捉え、従来のプーリング手法では見逃されがちな複雑なパターンや依存関係を効果的に抽出することを目指す。提案手法の有効性を検証するため、3つの公開データセットを用いた実験を行った。実験の結果、提案手法はベースモデルの性能を顕著に向上させ、最先端（state-of-the-art）の結果を達成することが確認された。