首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于多梯度兴趣上下文网络的点击率预测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:南京邮电大学

摘要:本发明公开了一种基于多梯度兴趣上下文网络的点击率预测方法,步骤包括:1、用户行为序列建模,采用Transformer结构和多头自注意力机制,捕捉用户兴趣的长短期动态演变,发现复杂兴趣模式;2、广告上下文信息融合,将广告上下文信息嵌入模型,结合本地激活单元,自适应学习用户兴趣表示,增强对广告环境的理解,提高推荐精度;3、特征交互处理,引入因子分解机模块处理低阶特征交互,充分考虑用户和广告属性之间的关系,提升数据建模效果。通过对用户行为序列、广告上下文信息和特征交互进行建模和融合,并使用改进算法训练,与传统方法和现有模型相比,该模型显著提高了点击率预测的精度,对在线广告推荐系统的改进具有重要意义。

主权项:1.一种基于多梯度兴趣上下文网络的点击率预测方法,其特征在于:具体包括以下步骤1:用户行为序列建模,采用Transformer结构构建用户行为序列,在输入层中首先将输入模型的原始特征使用独热编码和多热编码转换成对应的向量,包括用户特征、上下文特征、候选广告特征和用户历史行为序列;步骤2:广告上下文信息融合,将广告上下文信息嵌入模型中,结合两个本地激活单元,自适应地学习用户兴趣表示;步骤3:用户兴趣与广告上下文特征的交互,根据步骤2获取的嵌入向量,使用Transformer编码器对用户历史行为序列进行建模,引入因子分解机模块处理低阶特征交互;步骤4:使用全连接神经网络作为全连接层的核心部分,学习向量之间的非线性管理,并使用ReLU函数作为激活函数,最终使用Softmax函数进行归一化。

全文数据:

权利要求:

百度查询: 南京邮电大学 基于多梯度兴趣上下文网络的点击率预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术