目录
CTR问题定义：
点击率预测（Click-Through Rate Prediction）是根据给定广告、用户和上下文情况等信息，对每次广告（或者商品）的点击情况做出预测。其中，对于用户历史行为数据的挖掘尤为重要，从这些历史行为中我们可以获取更多的关于用户兴趣的信息，从而帮助作出更准确的CTR预估。预估准确性直接影响公司收入。CTR预估中用的最多的模型是LR（Logistic Regression）、DIN等；
传统输入描述（one_hot）:
例如给定一个样本数据如：
| 是否点击 | 国家 | 日期 | 广告商品类型 |
| 1 | 日本 | 19.1.12 | 电影 |
| 0 | 美国 | 19.1.10 | 游戏 |
| 1 | 日本 | 19.1.12 | 游戏 |
上述的三个特征都是非线性的，因此如果将其特征表示为向量形式，只能采用独热编码的方式（one-hot）：
| 标签 | 美国 | 日本 | 19.1.10 | 19.1.12 | 电影 | 游戏 |
| 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 0 | 1 | 0 | 1 | 0 | 0 | 1 |
| 1 | 0 | 1 | 0 | 1 | 0 | 1 |
因此，上述特征的编码形式存在一定的问题，一是一般categories特征经过one-hot编码以后，样本数据会变得很稀疏，假设有10万个item，如果对item的这个维度进行one-hot编码，这个维度的数据稀疏性就是十万分之一，所以数据的稀疏性是，是实际应用中常见的挑战。其次one-hot编码的另一个问题是特征空间变大，上面的10万个item，编码后样本空间有一个categories会变成10万维，特征空间会暴增。因此需要进一步的优化，例如FM方法等。
常用数据集
1.Display Advertising Challenge挑战的criteo数据集
2. 淘宝数据集
3. 亚马逊数据集
以亚马逊数据集为例，我们给出数据集的描述：
meta_Electronics.json
asin 产品的ID
imUrl 产品图片地址
description 产品描述
categories 产品所属的类别列表
title 产品名称
Price 价格
salesRank 销售排名信息
related 相关产品（也已购买，也已查看，一起购买，已查看后购买）
Brand 品牌
reviews_Electronics_5.json
reviews_Electronics数据
reviewerID 评论者id，例如[A2SUAM1J3GNN3B]
asin 产品的id，例如[0000013714]
reviewerName 评论者昵称
helpful 评论的有用性评级，例如2/3
reviewText 评论文本
overall 产品的评级
summary 评论摘要
unixReviewTime 审核时间（unix时间）
reviewTime 审核时间（原始）
meta_Electronics 数据
