[發(fā)明專利]稀疏特征場景下進(jìn)行點(diǎn)擊轉(zhuǎn)化預(yù)測的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010190795.2
• 申請(qǐng)日: 2020-03-18
• 公開（公告）號(hào): CN111429175B
• 公開（公告）日: 2022-05-27
• 發(fā)明（設(shè)計(jì)）人: 楊昕梅;余楚楚;楊承;高原;李紹榮
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06Q30/02
• 分類號(hào): G06Q30/02;G06N3/04;G06N3/08
• 代理公司: 成都弘毅天承知識(shí)產(chǎn)權(quán)代理有限公司 51230
• 代理人: 寧政

1.稀疏特征場景下進(jìn)行點(diǎn)擊轉(zhuǎn)化預(yù)測的方法，其特征在于：包括以下步驟：

S1：建立CTR模型，所述CTR模型包括第一層級(jí)、第二層級(jí)、第三層級(jí)和第四層級(jí)，所述CTR模型的第一層級(jí)為嵌入層，將輸入CTR模型的用戶稀疏特征矩陣進(jìn)行篩選，通過線性變化，得到密集嵌入矩陣；所述CTR模型的第二層級(jí)為因子分解層與二階交互層，所述因子分解層采用FM模型，學(xué)習(xí)低階且具有線性關(guān)系的特征之間的交互特征信息，所述二階交互層采用Non-linear interaction layer模型，學(xué)習(xí)低階且具有非線性關(guān)系的特征之間的交互特征信息；所述CTR模型的第三層級(jí)為隱藏層，所述隱藏層采用了MLP模型；所述CTR模型的第四層級(jí)為預(yù)測層，基于殘差網(wǎng)絡(luò)的應(yīng)用，從優(yōu)化后的CTR模型中輸出點(diǎn)擊轉(zhuǎn)化預(yù)測值；

S2：采集用戶稀疏行為特征，并將此用戶稀疏行為特征輸入步驟S1中的CTR模型，進(jìn)行矩陣化，得到用戶稀疏特征矩陣；

S3：輸入用戶稀疏特征矩陣，通過CTR模型第一層級(jí)，將用戶稀疏特征矩陣轉(zhuǎn)化為密集嵌入矩陣；

S4：將密集嵌入矩陣輸入第二層級(jí)，學(xué)習(xí)低階交互特征，得到低階特征之間的交互特征關(guān)系；

S5：將步驟S4中的輸出作為包含殘差網(wǎng)絡(luò)的第三層級(jí)的輸入，學(xué)習(xí)高階交互特征，得到高階特征之間的交互特征關(guān)系；

S6：對(duì)步驟S5中第三層級(jí)的殘差網(wǎng)絡(luò)進(jìn)行優(yōu)化處理；

S7：將步驟S6中的輸出作為第四層級(jí)的輸入，最終由第四層級(jí)輸出點(diǎn)擊轉(zhuǎn)化預(yù)測值。