[發明專利]基于跨平臺異構數據及行為上下文的CTR預估方法及系統在審

申請號：	202011545280.6	申請日：	2020-12-24
公開（公告）號：	CN112559877A	公開（公告）日：	2021-03-26
發明（設計）人：	高茜;李繼鵬	申請（專利權）人：	齊魯工業大學
主分類號：	G06F16/9535	分類號：	G06F16/9535;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06T3/40
代理公司：	濟南信達專利事務所有限公司 37100	代理人：	孫園園
地址：	250353 山東***	國省代碼：	山東;37
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于平臺數據行為上下文 ctr 預估方法系統
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開了一種基于跨平臺異構數據及行為上下文的CTR預估方法及系統，屬于大數據及自然語言處理領域，本發明要解決的技術問題為如何對用戶興趣進行深度挖掘，提高點擊率預估精度，技術方案為：數據采集及預處理：采集不同平臺的異構數據，對用戶跨平臺異構數據進行數據預處理；預估用戶實時興趣：通過注意力機制將跨平臺異構數據進行融入，即將用戶行為通過注意力機制與當下行為聯系起來，更好的預估用戶的實時興趣；提取圖片特征：通過殘差網絡對待推薦物品進行圖片特征提取，再將所有特征向量進行拼接；獲取CTR精準預估結果：將拼接后的圖片特征向量作為MLP網絡的輸入，通過MLP網絡進行高階特征提取和最終結果的預估，得到物品CTR的精確預估。

技術領域

本發明涉及大數據及自然語言處理領域，具體地說是一種基于跨平臺異構數據及行為上下文的CTR預估方法及系統。

背景技術

點擊率(Click-through Rate，CTR)是指某一內容被點擊次數與被展示次數的比例，一般用于描述內容被用戶點擊的概率。CTR預估，是指通過一系列相關數據與技術去預測特定場景下物品或內容被用戶點擊的概率。

在內容推薦和在線廣告領域，由于預估的CTR可以很好地反映特定場景下用戶對內容的偏好程度，進而根據預估CTR的大小對推薦內容進行合理的排序、截斷，形成更符合用戶偏好和行為習慣的推薦列表，最終達到提高用戶對應用的喜愛程度、使用時長或者提高應用內廣告的變現效率等目的。因此，如何提高CTR預估的準確性已經成為各大企業在內容推薦、在線廣告等領域最為核心及關鍵的研究課題。

鑒于CTR預估在內容推薦、在線廣告等互聯網應用領域的獨特地位，越來越多的企業投入大量的人力物力在CTR預估模型的研究上。目前在計算機視覺、自然語言處理領域不斷發展的深度學習技術，憑借其在大數據集下良好的并行處理能力和對高階復雜特征的高效挖掘、抽象能力，也逐步成為CTR預估模型領域的熱門研究內容。故如何對用戶興趣進行深度挖掘，提高點擊率預估精度是目前現有技術中亟待解決的問題。

發明內容

本發明的技術任務是提供一種基于跨平臺異構數據及行為上下文的CTR預估方法及系統，來解決如何對用戶興趣進行深度挖掘，提高點擊率預估精度的問題。

本發明的技術任務是按以下方式實現的，一種基于跨平臺異構數據及行為上下文的CTR預估方法，該方法具體如下：

數據采集及預處理：采集不同平臺的異構數據，對用戶跨平臺異構數據進行數據預處理；

預估用戶實時興趣：通過注意力機制將跨平臺異構數據進行融入，即將用戶行為通過注意力機制與當下行為聯系起來，更好的預估用戶的實時興趣，從而提高CTR預估的準確性；

提取圖片特征：通過殘差網絡(ResNet)對待推薦物品進行圖片特征提取，再將所有特征向量進行拼接；

獲取CTR精準預估結果：將拼接后的圖片特征向量作為MLP網絡(多層全連接網絡)的輸入，通過MLP網絡進行高階特征提取和最終結果的預估，優勢互補，得到物品CTR的精確預估。

作為優選，數據采集及預處理具體如下：

構建基本特征：根據硬件設備或手機APP獲取到的基本上下文信息及用戶信息構建離散特征和連續性數據特征；

特征轉化：通過Embedding層將采集到的用戶離散特征轉變為低維實數向量，緩解稀疏性；具體如下：

對于任意一個特征feature_i，Embedding層通過不斷訓練更新為feature_i的所有可能取值建立一個稠密向量映射表e_i，具體如下：

下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。