深入FFM原理与实践1
需积分: 0 182 浏览量
2022-08-03
13:59:32
上传
评论
收藏 844KB PDF 举报
深入 FFM 原理与实践
del2z, 大龙 ·2016-03-03 09:00
FM 和 FFM 模型是最近几年提出的模型，凭借其在数据量比较大并
且特征稀疏的情况下，仍然能够得到优秀的性能和效果的特性，屡次
在各大公司举办的 CTR 预估比赛中获得不错的战绩。美团点评技术
团队在搭建 DSP 的过程中，探索并使用了 FM 和 FFM 模型进行 CTR
和 CVR 预估，并且取得了不错的效果。本文旨在把我们对 FM 和 FFM
原理的探索和应用的经验介绍给有兴趣的读者。
前言
在计算广告领域，点击率 CTR（click-through rate）和转化率 CVR
（conversion rate）是衡量广告流量的两个关键指标。准确的估计
CTR、CVR 对于提高流量的价值，增加广告收入有重要的指导作用。
预估 CTR/CVR，业界常用的方法有人工特征工程 + LR(Logistic
Regression)、GBDT(Gradient Boosting Decision Tree) +
LR[1][2][3]、FM（Factorization Machine）[2][7]和 FFM
（Field-aware Factorization Machine）[9]模型。在这些模型中，
FM 和 FFM 近年来表现突出，分别在由 Criteo 和 Avazu 举办的 CTR
预测竞赛中夺得冠军[4][5]。
考虑到 FFM 模型在 CTR 预估比赛中的不俗战绩，美团点评技术团队
在搭建 DSP（Demand Side Platform）[6]平台时，在站内 CTR/CVR
的预估上使用了该模型，取得了不错的效果。本文是基于对 FFM 模
剩余16页未读，继续阅读
评论0