（通讯员：张冰卓）2024年10月24日上午9:30，华中科技大学杨彦武教授应邀为我院师生开展题为“基于图神经网络的在线广告点击率预测”学术交流活动。中南财经政法大学信息工程学院信息系主任刘雅琦副教授主持讲座，信息工程学院部分师生参加了学术交流活动。
活动开始刘雅琦副教授向与会人员介绍了杨彦武教授的个人情况、研究方向、交叉学科领域研究成果等相关信息。杨彦武，华中科技大学管理学院教授，信息管理与数据科学系主任，主持国家自然科学基金面上项目4项、科技部863专题项目1项和北京市自然科学基金面上项目1项。主要研究领域包括大数据驱动的决策分析、因果学习与推理、搜索推荐系统和计算广告。已完成学术著作2部、译著1部，共发表学术论文70余篇，其中国际期刊论文30余篇，并对其能够在百忙之中莅临我院交流表示由衷的感谢。
在活动期间，杨教授首先详细讲解了在线广告的点击率预测问题。杨教授指出，在线广告的点击率预测是各大互联网企业的重点研究方向之一。通过精准预测点击率，平台可以更有效地分配广告资源，优化用户体验，并为广告主提供更加个性化的投放策略。与之相关的指标，例如用户的浏览行为、停留时间、互动频率等，也与广告的点击率有着密切关联。这些相关性指标的分析有助于进一步提高广告的精准投放效果。总结来看，如何通过数据分析、算法优化等手段提升在线广告的点击率，不仅是提升广告营收的重要途径，也是在数据驱动的互联网经济中值得深入研究的重要课题。
接下来，杨教授深入讲解了机器学习模型如何通过特征交互来促进点击率预测，系统地从二阶特征交互到高阶特征交互进行了全面地介绍。在这一过程中，他重点剖析了点击率（CTR）预测中特征之间的关联性，以及在预测模型中如何有效利用这些特征进行建模。为此，杨教授详细阐述了在广告点击率预测中常用的特征交互模型及其变体，包括基于因子分解机（FM）模型的特征交互与扩展。杨教授还进一步讨论了广告点击率预测中常见的问题，尤其是在处理稀疏数据时遇到的挑战。他指出，在CTR预测任务中，稀疏数据的存在使得模型的训练和预测变得更加复杂和困难。因此，如何优化模型结构和算法来有效解决稀疏性问题，成为业界关注的焦点之一。通过这些深入分析，杨教授为与会者展示了当前CTR预测模型中面临的挑战及其解决思路，进一步引发了关于如何提升广告点击率预测准确性的讨论。
随后，杨教授进一步介绍了实际应用中的模型结构，并详细解释了基于特征因果关系的特征图。他通过分层介绍的方式，逐步讲解了如何发现特征间的因果关系，并指出基于因果关系的图表征学习的重要性。基于因果关系的图表征学习能够自动提取特征表示，有效应对之前提到的稀疏性问题。杨教授还强调，在实际模型应用中，基于因果关系的图表征学习不仅能够提升特征的表达能力，还能显著改善点击率（CTR）预测的准确性。通过这种方法，模型可以更好地捕捉特征之间的潜在关联，从而在广告投放等领域中实现更精准的预测和优化。 接着，杨教授对该模型的各个步骤进行了详细解释。他逐步讲解了模型构建过程中的每一个环节，例如因果图的存储与构建方式。他指出，因果特征图采用有向无环图（DAG）来表示特征之间的因果关系，其中特征之间的因果关系就是图中的邻接矩阵。通过这种结构，模型能够逐步推导出特征间的因果链条，最终实现因果推理。这种有向无环图的应用，不仅有助于有效管理复杂的特征关系，还能够提升模型在推理过程中对特征交互的准确性，帮助实现更精准的点击率预测和优化。
讲座最后，我院师生与杨彦武教授进行了积极的交流讨论，杨彦武教授针对师生们的疑问和困惑进行了细致的解答。交流结束之后，刘雅琦老师对杨彦武教授的精彩分享表示了衷心的感谢。