BriefGPT - AI 论文速递
·
利用因果意识图神经网络预测动态图中的时序中心度
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于图神经网络框架的点击率预测模型（Causal-GNN），采用GraphFwFM和GraphSAGE学习特征、用户和广告的图表示。实验证明该模型在AUC和Logloss上表现优越，并且GraphFwFM在因果关系特征图上有效捕捉高阶特征表示。
🎯
关键要点
-
提出了一种基于图神经网络框架的点击率预测模型（Causal-GNN）。
-
模型采用结构化特征表达学习方法（GraphFwFM）和GraphSAGE学习特征、用户和广告的图表示。
-
实验证明该模型在AUC和Logloss上表现优越。
-
GraphFwFM在因果关系特征图上有效捕捉高阶特征表示。
➡️
