实验室博士汪方野作为第一作者的论文“Towards Deeper, Lighter and Interpretable Cross Network for CTR Prediction”被国际学术会议CIKM’23录用。该文提出了一个轻量化的点击率预测模型（GDCN），能够充分真正利用更深的交互信息并且提供预测解释。文章中首先提出了一个门控交互网络，包含特征交互和信息门部分，可以在进行特征交互时对有效信息进行筛选。随后，使用了一个域维度优化方法（FDO），可以根据域的重要性为特征分配不同的维度，降低了模型中冗余的嵌入参数。大量实验表明，GDCN拥有更好的预测准确性和可解释能力。并且，文章进一步验证了FDO方法的有效性、高效性和兼容性。
CIKM是全球信息检索和数据挖掘领域的顶级学术会议之一（CCF B类推荐国际会议），享有很高的学术声誉。本届CIKM一共录用论文354篇，录用率为24%。
图1：GDCN-S和GDCN-P结构图
图2：门控交互层的结构可视化