Dual Graph enhanced Embedding Neural Network for CTR Prediction

目录

• 概
• DG-ENN

Guo W., Su R., Tan R., Guo H., Zhang Y., Liu Z., Tang R. and He X. Dual graph enhanced embedding neural network for ctr prediction. KDD, 2021.

概

图网络用在精排上, 作者的出发点是为了解决 (user/item) 特征的稀疏性和用户交互序列的稀疏性, 不过这出发点并没有很好地说服我.

DG-ENN

• 只讲一下方法的大概.

• 首先, user/item IDs, user/item attributes 通过 embedding layer 映射为 embedding.

• 然后在 Attribute Graph Convolution 中对 user/item 内的不同的 field 独立地做卷积 (作者考虑了三种卷积方式: GCN; NGCF; LightGCN).

• 然后通过 attention 机制融合不同域的特征, 得到 user/item 的表示;

• 接下来, 在 Collaborative Graph Convolution 内分别进行:

  1. Item-Item/User-User propagation;
  2. User-Item Correlation Learning.

• 特别地, I-I 图是通过用户的历史序列构建得到的, U-U 图是通过用户的交互历史和特征建模得到的, U-I 图就是普通的交互矩阵.

• 最后进行预测分类.