공통 공간의 특징
클릭률 자료에는 희소하고 고차원인 특징이 많으며 조합을 수작업으로 열거하기 어렵다. AutoInt는 서로 다른 특징을 저차원 표현으로 바꿔 상호작용을 학습하는 출발점으로 삼는다.
어텐션 층의 결합
잔차 연결을 포함한 다중 헤드 자기 어텐션으로 특징 간 관계를 명시적으로 모델링한다. 여러 층을 쌓아 서로 다른 차수의 특징 조합을 표현하는 종단 간 구조다.
예측과 해석의 평가
원 연구는 네 가지 실제 자료에서 예측 성능과 효율을 평가했다. 특징 조합을 학습하는 방식의 해석 가능성도 함께 조사했으며 결과는 해당 클릭률 예측 실험의 관찰이다.
관련 문서
DeepFM / DCN 특징 교차 모델 / 자기 어텐션 / 다중 헤드 어텐션 / 잔차 연결 / 클릭률