推荐系统中的点击率预估模型
推荐业务下,完成召回后,对召回集进行ctr预估,选取得分高的作为最终推荐结果
案例技术方向:推荐
解决问题
推荐业务下,各个特征召回数据后,如何综合比较这些从不同来源召回数据对最终推荐效果的影响是比较困难的一件事情
传统算法极度依赖特征工程与算法工程师的经验,耗费人力物力巨大
商业价值
比对采用传统算法,推荐点击率提高15%
实现细节
使用用户即时兴趣,内容分类,性别年龄等1000+维度,20w+特征
基于深度学习DNN模型,建立推荐内容模型
使用PaddlePaddle的能力
CTR模型
点击率预估模型用于预判用户对广告点击的概率。PaddlePaddle提供 Wide & Deep 模型,可以作为一种相对成熟的模型框架使用;同时,也提供基于因子分解机的深度神经网络模型
查看详情