摘要

点击率（CTR）预测是在线广告系统中的一个关键任务。现有的大多数方法主要建模特征与CTR之间的关系，但常常受到数据稀疏性问题的影响。在本文中，我们提出了一种名为DeepMCP的方法，该方法通过建模其他类型的关系来学习更具信息量和统计可靠性的特征表示，从而提高CTR预测的性能。具体而言，DeepMCP包含三个部分：匹配子网络、相关子网络和预测子网络。这些子网络分别建模用户-广告、广告-广告和特征-CTR之间的关系。当这些子网络在目标标签的监督下联合优化时，所学到的特征表示不仅具有良好的预测能力，还具有良好的表示能力。在两个大规模数据集上的实验表明，DeepMCP在CTR预测方面优于几种最先进的模型。