要約
インテリジェントマーケティングシステムにおけるクリック率（CTR）予測は極めて重要であり、その中で特徴量間の相互作用選択が鍵を握っている。従来の多数のアプローチは、専門家による事前定義された操作を用いて特徴量間の相互作用をモデル化しているが、不適切な相互作用は不要なノイズを引き起こし、学習プロセスを複雑化する要因となる。この問題に対処するため、本稿ではタスクのガイドラインに基づき、モデルが特徴量ペア間の適切な操作を自適応的に選択・進化させる手法を提案する。自然進化をヒントに、一般化された認知的進化的探索（Cognitive EvoLutionary Search, CELS）フレームワークを構築した。ここで「認知能力」とは、生物が環境に適応するための可塑性を指す。具体的には、相互作用を「ゲノム」とし、モデルを「生物体」とし、タスクを「自然環境」と概念化する。遺伝子の可塑性が環境適応性を生み出すのと同様に、モデルの適合度を診断することで、自然選択における生物の生存率を模倣し、進化経路を計画・可視化可能とする。これにより、相互作用モデリングおよび選択の背後にあるメカニズムを直感的に解釈できる。CELSフレームワークを基盤として、個体ベース探索および集団ベース探索を含む4つの具体化手法を開発した。個体の突然変異と集団の交叉を活用することで、多様なタスクやデータに適したモデルをCELSが進化させ、即時利用可能なモデルを提供可能となる。実世界のデータセットを用いた広範な実験により、CELSが最先端手法を著しく上回ることを実証した。