“十四五”规划明确提出产业数字化转型,积极推动数据赋能全产业链。中国信息通信研究院发布的《中国数字经济发展白皮书》显示,2020年我国数字经济规模达39.2万亿,占GDP比重为38.6%,同比增长了9.7%,数字经济总量跃居世界第二。国家统计局公布2021年前三季度与数字经济相关的高技术制造业、信息传输、软件和信息技术服务业均领跑产业发展,数字经济是经济增速发展的重要推动力量。货运行业的数字化转型,催生了物流货运互联网平台。网络货运平台需要在数字经济时代抓住机遇,并且促进数字经济发展。已经是世界第一大公路运输市场的中国,公路规模和集中度的增长进一步推动公路物流的发展,这对于网络货运平台来说是一次机遇也是挑战。对于网络货运平台来说,货物点击率是平台关注的一个重要指标,可以衡量用户对平台推荐的忠诚度。对货物点击率进行预测,可以有效地了解用户司机与平台货物的匹配度,可以衡量货物投放的精准度,提升货物点击率可以同时给平台、货主、司机三方带来好处。但目前涉及机器学习的学术界和工业界大多关注广告点击率,传统的点击率预测模型以及最近的基于深度学习的一些模型主要是在广告数据集进行的,公开数据集也大部分涉及广告点击率,对货运平台中的货物点击率并没有太多涉及,还有一些物流专业相关的学者主要研究物流行业发展现状和趋势以及货车出行路径。本文将推荐系统中的点击率预测模型应用到物流领域,从另一个角度来探究点击率预测模型,本文的创新点表现在:（1）选取货物点击率作为研究对象,对目前提出的一些经典的点击率预测模型进行分析和研究,总结梳理模型的优缺点;（2）提出了一种AFM、CIN和DNN相结合的x Deep AFM模型来进行预测,预测效果在该数据集上得到了很好的提升。主要内容安排如下。（1）对数据集进行数据探索,分析各个特征与标签的关系,进行可视化等步骤去了解数据的基本信息,针对探索得到的信息进行数据预处理以及特征工程;（2）介绍x Deep AFM模型提出的理由以及组合该模型的各个组成部分,各个组成部分的优势以及不足;（3）运用本文提出的模型和几个经典的点击率预测模型进行对比,训练结果显示低阶特征模型中最优的结果AUC值为0.8229,Log Loss值为0.1022,高阶特征模型中最优的结果AUC值为0.8319,Log Loss值为0.0994。而本文提出的模型AUC值达到0.8467,Log Loss值达到0.0978,预测效果得到显著提升;（4）最后进行总结并提出相关建议。