KCI등재
CTR 특징의 이중 선형 상호작용 파악을 위한 인수 분해와 풀링 기반 심층신경망 = A Factorized Bilinear Pooling based Neural Network for CTR Prediction
저자
김태석 (배재대학교)
발행기관
학술지명
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
발행기관 URL
수록면
30-40(11쪽)
제공처
Recently proposed deep learning-based CTR prediction models follow a paradigm that map the raw sparse input field to a low-dimensional field embedding vector first and then inject it into a specially designed network to capture explicit feature interactions. In addition, it utilizes deep neural networks (DNNs) to capture nonlinear high-dimensional feature interactions. However, the question remains open as to which explicit interaction methods should be used and how results should be combined with DNNs. This paper proposes a factorized bilinear pooling-based neural network (FBPNN). FBPNN utilizes a structure that sequentially connects explicit interaction identification layers and a DNN to take advantage of the nonlinear higher-order capture capabilities, and uses element-level outer product for explicit feature interactions. In a comprehensive experimental study using extensive hyper-parameter search and model tuning, we observe that the FBPNN approach is superior to all recent algorithms in two widely used benchmark datasets.
더보기최근 제안된 딥러닝 기반의 CTR 예측 모델들은 원시 희소 입력 필드를 먼저 저차원의 필드 임베딩 벡터로 매핑 후 명시적 특징 상호 작용을 파악하기 위해 특별히 설계된 네트워크에 투입하는데 추가적으로 비선형 고차원 특징 상호 작용 파악을 위해 심층신경망을 활용하는 패러다임을 따른다. 하지만, 어떤 명시적 상호 작용 방식을 사용해야 하는지, 결과물들을 어떤 형태로 심층신경망과 결합을 해야 하는지에 대한 답은 알려지지 않은 실정이다. 본 논문에서는 Factorized Bilinear Pooling based Neural Network (FBPNN)을 제안한다. FBPNN은 심층신경망의 비선형 고차 확장 능력을 활용하기 위해 명시적 상호 작용 파악 레이어와 심층신경망을 순차적으로 연결하는 구조를 채택하고 명시적 특징 상호 작용은 요소 레벨 외적에 기반한다. 광범위한 하이퍼 매개변수 검색 및 모델 튜닝을 사용한 포괄적인 실험 연구에서 FBPNN 접근 방식이 널리 사용되는 두 개의 벤치마크 데이터 세트에서 모든 최신 알고리즘보다 우수함을 관찰했다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)