Bencheng Yan

字段感知Transformer提升CTR预测准确性

研究人员开发了一种名为字段感知Transformer（FAT）的新型Transformer架构，以解决点击率（CTR）预测模型的局限性。与假设序列组合性的标准Transformer不同，FAT专为异构字段上的组合推理而设计，这对于CTR数据至关重要。FAT模型使用以字段为中心的参数重建Transformer块，从而实现结构化表现力和更有效的扩展行为。这种新架构已显示出显著的改进，包括AUC提高高达4.38%，以及在实际生产环境中更好的性能。