현실의 CTR 데이터를 기존의 선형모델로 예측하는 데에는 한계가 있음
-> 이러한 데이터에 효과적인 딥러닝 기법들이 CTR 예측 문제에 적용되기 시작
-> 이 둘을 결합하여 사용자의 검색 쿼리에 맞는 앱을 추천하는 모델을 제안
and
연산)User Installed App
과 Impression App
만 사용)Cross-Product Transformation는 이전에 배웠던 Polynomial Logistic Regression과 유사함
기존 FM Formula
No Pre-training | High-order Features | Low-order Features | No Feature Engineering | |
---|---|---|---|---|
FNN | x | o | x | o |
PNN | o | o | x | o |
Wide & Deep | o | o | o | x |
DeepFM | o | o | o | o |
기존의 딥러닝 기반 모델들은 모두 유사한 Embedding & MLP 패러다임을 따름
그러나 이러한 기존의 방식은 사용자의 다양한 관심사를 반영할 수 없음
- 후보 광고와 관련성이 높은 행동은 다음과 같이 높은 활성화 가중치를 받음