arXiv · cs.AI· Chaohua Yang·· 15 小时前AI 评分10
OptIDC：面向深度 CTR 预测的统一输入侧维度配置最优框架
Towards a Unified Framework of Optimal Input-Side Dimensional Configuration for Deep CTR Prediction
来源与原文
arXiv · cs.AI
作者：Chaohua Yang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.35695v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 OptIDC，一个用于深度 CTR 预测的统一输入侧维度配置框架，可联合学习样本、特征和嵌入向量三个层级的配置。该框架引入选择加权 Optimal Transport 机制，通过有限测度上的传输对齐粗粒度与细粒度选择，缓解跨层级选择冲突，且与模型无关、可集成到现有 CTR 模型。在四个真实基准数据集上的实验显示，OptIDC 的 AUC 一致高于现有输入侧选择方法。
来源：arXiv · cs.AI · arxiv.org