CTR模型剖析--《Feature Generation by Convolutional Neural Network for Click-Through Rate Prediction》为例

CTR预估是当今推荐策略中的重要任务，结合NLP可以发挥更大的作用，接下来我们一起来学习整个流程，以2019年的paper为例开始吧。

大家可以先刷一遍paper，胸中有大概；随后，github上DeepCTR模块，有大佬写的fgcnn.py可以沿其主线走。Let's go!

1. 数据：criteo数据集

简介：点击率预估比赛数据，训练集4千万行，特征连续型有13个，类别型有26个；原始特征包括稠密（性别，年龄等13属性）连续特征、稀疏离散特征（26类别信息）。

2. 模型：FGCNN

step 01: 数据处理，抽取训练feature及label，对缺失数据做填充。连续、稠密特征填充0；离散、稀疏特征填充-1（为何？请懂的大神指教）

step 02:

对稀疏特征做类别编码，映射到特定的类别上，这里使用包：from sklearn.preprocessing import LabelEncoder

例：

对稠密特征做归一化，使用包：from sklearn.preprocessing import MinMaxScaler

 

 针对panda数据，直接索引操作特定列，非常方便了。以上均为常规操作，不过这些技巧还是很值得学习的。

step 03:

稀疏特征要做embedding，统计每列词汇表并进行维度确定，而对于稠密特征也进行类别化封装（个人感觉有些复杂化了）

 

依据paper中所述，raw特征特征要过DNN生成复杂特征，分别给dnn部分和linear部分

 

 划分训练集及测试集，封装成列特征

 

 step 04: 定义model，训练、预测及评估

 

待续...