本作品内容为在点击率任务中，经常通过暴力枚举或者FNN来进行高阶的特征组合，但是大量冗余信息的加入会限制模型的精度，另外DNN不能很好的解释高阶特征组合，因此2020年Zhang等人提出一种分层结构的高阶注意网络，对每个特征组合分配不同的权重并从全局的角度选出高质量的特征，这使得模型具有一定的可解释性；之后在高阶注意网络的基础上加入DNN学习隐式高阶特征组合，从而对模型进行了补充[17]。为了更好的挖掘数据特征交互以及更好地区分不同特征交互对于预测结果的重要性，王倩同学与2020年提出了ASSE模型，该模型对同一类数， 格式为 docx， 大小1 MB， 页数为1， 请使用软件Word(2010)打开， 作品中主体文字及图片可替换修改，文字修改可直接点击文本框进行编辑，图片更改可选中图片后单击鼠标右键选择更换图片，也可根据自身需求增加和删除作品中的内容， 源文件无水印， 欢迎使用熊猫办公。 如认为平台内容涉嫌侵权，可通过邮件：tousu@tukuppt.com提出书面通知，我们将及时处理。