一种广告点击率预测模型及方法技术

本发明专利技术公开了一种广告点击率预测模型及方法，用于解决目前广告点击率预估准确性不高的问题。该模型包括：特征转化网络，用于将非结构化的数据转化为图网络的节点，把特征交互转化为结构化的图节点交互；注意力图融合网络，用于通过构建双线性交叉聚合模块和自注意力机制，全面细致地学习节点交互，同时采用GRU模块不断更新节点状态；宽度注意力特征交叉网络，用于将宽度注意力模块和元素级特征交叉模块进行融合，捕获交互特征的重要性和实现精细化的特征交互。本发明专利技术有效地加强对营销广告数据复杂特征的学习和提取，显著提高广告点击率预估的精度。预估的精度。预估的精度。

【技术实现步骤摘要】
一种广告点击率预测模型及方法


[0001]本专利技术涉及广告投放
，尤其涉及一种广告点击率预测模型及方法。

技术介绍

[0002]随着信息时代的到来，通过广告进行商品销售的模式被广泛应用，其中，对如何预估广告点击率，从而根据用户的特征属性，预测用户点击商品的概率，更好的获得更高的广告点击率，增加商品的曝光度尤为重视。
[0003]目前，进行广告点击率预估方法主要包括基于因子分解机的预估方法和基于深度学习的预估方法。其中，基于因子分解机的预估方法通常将一对交互特征增添到特征向量(Feature Vector)之中，忽视了非线性和高阶特征的相互作用，无法获取更高的广告点击率。而基于深度学习的广告点击率预估方法，主要通过将离散特征转化为连续的特征向量，并将其简单的拼接起来，进行的非结构化特征组合，输入到一个深度神经网络结构中，忽视了各种特征之间的结构特性，导致广告点击率预估精度不高。
[0004]综上，目前广告点击率预估技术中主要采用的是基于全连接网络的非结构化的特征交互方法，限制复杂特征交互的能力，导致点击率预估的准确度不高。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种广告点击率预测模型，其特征在于，该模型包括：特征转化网络，用于将非结构化的数据转化为图网络的节点，把特征交互转化为结构化的图节点交互；注意力图融合网络，用于通过构建双线性交叉聚合模块和自注意力机制，全面细致地学习节点交互，同时采用GRU模块不断更新节点状态；宽度注意力特征交叉网络，用于将宽度注意力模块和元素级特征交叉模块进行融合，捕获交互特征的重要性和实现精细化的特征交互。2.根据权利要求1所述的模型，其特征在于，所述特征转化网络，具体用于：根据第m个域的输入数据，确定第i个输入实例；使用特征域嵌入操作，将高维稀疏的独热编码转化为低维稠密的域嵌入向量，得到第一嵌入向量；将每一输入实例的多域特征用结构化的特征图来表示。3.根据权利要求1所述的模型，其特征在于，所述注意力图融合网络，具体用于：在节点特征融合的第l步，确定第l步对应的节点交互的输出结果；将多域输入特征第一嵌入向量与前一步的输出结果逐元素相加的结果，与所述第l步对应的节点交互的输出结果，作为门控循环单元的输入，产生下一步的输入特征；生成特征图的最新表示结果。4.根据权利要求1所述的模型，其特征在于，所述宽度注意力特征交叉网络中的所述宽度注意力模块，用于动态调节每一个特征域的重要性，计算得到全局节点的宽度注意力权重，来展示每一个交叉特征的重要性；所述宽度注意力特征交叉网络中的所述元素级特征交叉模块，用于将特征交互转移到更加细粒度的层面上，实现不同特征之间的交互具有唯一的权重参数；将反映不同节点交互重要性的宽度注意力权重和实现元素级高阶特征交互的输出结果，融合得到每一个维度上都具有更加精细展示的交互特征。5.一种基于权利...

【专利技术属性】
技术研发人员：张文领，
申请(专利权)人：天翼云科技有限公司，
类型：发明
国别省市：