深度上下文兴趣网络用于点击率预测
原文中文，约300字，阅读约需1分钟。发表于：。通过模型命名为深度上下文兴趣网络 (DCIN)，本文突出了上下文信息对用户行为建模的重要性，并提出了一种可完整建模点击及其显示上下文以了解用户上下文感知兴趣的新模型。通过离线和在线评估，显著改善了性能，证明了所提出的 DCIN 方法的优越性。特别值得注意的是，已在我们的在线广告系统上部署了 DCIN，为主要流量带来了 1.5% 的 CTR 和 1.5% 的 RPM 提升。
本文介绍了深度上下文兴趣网络（DCIN）模型，强调上下文信息对用户行为建模的重要性。通过离线和在线评估，证明了DCIN在点击和显示上下文建模方面的优越性。DCIN已在在线广告系统上部署，并为主要流量带来了1.5%的CTR和1.5%的RPM提升。
