クリックスルー率（CTR）予測は、産業用レコメンデーションシステム、オンライン広告、ウェブ検索などにおけるパーソナライズド情報検索において重要なタスクである。既存の大多数のCTR予測モデルは、implicitな特徴相互作用の性能ボトルネックを克服するために、explicitな特徴相互作用を活用している。これに伴い、並列構造に基づく深層CTRモデル（例：DCN、FinalMLP、xDeepFM）が提案され、異なる意味空間間での連携情報を得ることを目指している。しかし、これらの並列サブコンポーネントは有効な監視信号を欠いており、異なる意味空間における価値ある多視点特徴相互作用情報を効率的に捉えることが難しいという課題がある。この問題に対処するため、本研究では、特徴相互作用情報の多様性と一貫性を確保するシンプルかつ効果的な新しいCTRモデル「CTR用コントラスト強化トゥルーネットワーク（CETN）」を提案する。具体的には、CETNは、特徴間の積ベース相互作用と、コントラスト学習から着想を得たオーギュメンテーション（摂動）の概念を用いて、各々異なる活性化関数を持つ異なる意味空間を分割する。これにより、モデルが捉える特徴相互作用情報の多様性が向上する。さらに、各意味空間内において自己教師信号とトゥルー接続（through connection）を導入することで、捉えられた特徴相互作用情報の一貫性を確保している。4つの実データセットを用いた実験および研究の結果、本モデルはAUCおよびLoglossの指標において、20種類のベースラインモデルを常に上回ることが示された。