KCI등재
CTR 예측을 위한 다중 외적 기반 심층 신경망 = A Heterogeneous Outer Product-based Neural Network for CTR Prediction
저자
김태석 (배재대학교)
발행기관
학술지명
권호사항
발행연도
2024
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
발행기관 URL
수록면
49-56(8쪽)
제공처
클릭률 (Click-Through Rate: CTR) 예측 분야에서 딥러닝 기반의 모델들의 주요 전략은 특징 상호작용을 파악하기 위해 특별히 설계된 네트워크와 심층신경망(Deep Neural Network)의 결합이다. 외적(outer product)은 다른 곱셈 기반 방식보다 더 풍부한 정보를 제공하기 때문에 특징 상호작용 네트워크 설계에 많이 활용되고 있다. 하지만, 기존 모형들은 모두 단일 외적을 기반으로 하고 있으며 이질적인 외적의 결합을 시도한 연구는 없다. 본 논문에서 Heterogeneous Outer product-based Network (HON)을 제안한다. HON은 심층 신경망의 비선형 고차 확장 능력을 활용하기 위해 명시적 상호 작용 파악 레이어와 심층 신경망을 순차적으로 연결하는 구조를 활용하고 명시적 특징 상호 작용 파악을 위해 두개의 이질적인 외적인 특징 레벨과 요소 레벨 외적을 활용한다. 실험 결과에 따르면 제안된 HON은 널리 사용되는 두 개의 벤치마크 데이터 세트에서 모든 기준 알고리즘보다 우수함을 관찰했다.
더보기In the field of Click-Through Rate (CTR) prediction, deep learning models have been widely used. These models typically involve the integration of specially designed networks and deep neural networks to capture the interactions between different features. One common technique used in feature interaction networks is the outer product, which provides more information compared to other multiplication-based methods. However, existing models only utilize a single outer product, and there is a lack of research on combining multiple outer products. In this study, we propose a new model called the Heterogeneous Outer product-based Network (HON). HON incorporates an explicit layer for detecting feature interactions and combines it with a deep neural network to leverage the nonlinear capabilities of deep learning. The proposed approach also includes two different outer product operations, one at the feature level and another at the element level, to explicitly capture feature interactions. Experimental results show that the HON algorithm outperforms all benchmark algorithms on two widely used datasets.
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)