一种点击行为预测方法、装置、电子设备和存储介质制造方法及图纸

本公开关于一种点击行为预测方法、装置、电子设备和存储介质，该方法包括：获取与账户的特征信息和目标多媒体资源的特征信息对应的一阶特征向量和二阶交叉特征向量；将二阶交叉特征向量输入点击行为预测模型的点击行为预测网络，输出初始预测向量；将一阶特征向量输入特征权重层，得到与一阶特征向量对应的目标权重矩阵，并根据目标权重矩阵输出权重化的一阶特征标量；将初始预测向量和权重化的一阶特征标量拼接后输入至点击行为预测模型的输出层，得到点击行为预测结果。本方法中的权重参数可以适应不同的数据分布，且在不过多增加模型的计算复杂度的前提下提高了模型对特征数据的记忆能力，进一步提高了预测的准确度。进一步提高了预测的准确度。进一步提高了预测的准确度。

【技术实现步骤摘要】
一种点击行为预测方法、装置、电子设备和存储介质


[0001]本公开涉及互联网领域，尤其涉及一种点击行为预测方法、装置、电子设备和存储介质。

技术介绍

[0002]基于深度的点击行为预测模型已被广泛应用于各个行业和平台的点击行为预测领域。
[0003]专利技术人在研究相关技术的过程中发现，现有的点击行为预测模型面临的问题有两方面。一方面，很多提升模型性能的部署和算法，是以增加模型结构复杂度或算法复杂度为代价的，这导致增加了模型预测的计算量、增加了计算时间；另一方面，由于离线训练数据量较小、在线训练数据量大，且受到假期、节日等时间因素的影响，使得离线训练和在线训练的数据分布会发生变化，导致离线训练的模型对在线数据进行预测时，不能很好的适应不同数据分布，模型预测的准确度较差。

技术实现思路

[0004]本公开提供一种点击行为预测方法、装置、电子设备和存储介质，以至少解决相关技术中无法完整捕获崩溃信息、加重系统负载的问题。本公开的技术方案如下：
[0005]根据本公开实施例的第一方面，提供一种点击行为预测方法，包括：...

【技术保护点】

【技术特征摘要】
1.一种点击行为预测方法，其特征在于，所述方法包括：获取与账户的特征信息和目标多媒体资源的特征信息对应的一阶特征向量和二阶交叉特征向量；所述目标多媒体资源为待推荐给所述账户的多媒体资源；将所述二阶交叉特征向量输入点击行为预测模型的点击行为预测网络，输出所述账户对所述目标多媒体资源的点击行为的初始预测向量；将所述一阶特征向量输入所述点击行为预测模型的特征权重层，得到与所述一阶特征向量对应的目标权重矩阵，并根据所述目标权重矩阵输出权重化的一阶特征标量；将所述初始预测向量和所述权重化的一阶特征标量拼接后输入至所述点击行为预测模型的输出层，得到所述账户对所述目标多媒体资源的点击行为预测结果。2.根据权利要求1所述的方法，其特征在于，所述点击行为预测模型通过以下方法训练得到：获取初始模型；所述初始模型包括初始点击行为预测网络和初始特征权重层；获取多个训练样本，所述训练样本包括样本账户的特征数据和样本多媒体资源的特征数据以及所述样本账户对于所述样本多媒体资源的点击数据；利用所述训练样本的二阶交叉特征向量、所述点击数据，对所述初始点击行为预测网络进行训练，得到所述点击行为预测网络；利用所述训练样本的一阶特征向量、所述点击行为预测网络和所述点击数据，对所述初始特征权重层进行训练，得到所述特征权重层；根据所述点击行为预测网络和所述特征权重层，得到点击行为预测模型。3.根据权利要求2所述的方法，其特征在于，所述初始特征权重层包括初始权重矩阵，所述利用所述训练样本和所述点击行为预测网络，对所述初始特征权重层进行训练，包括：获取所述样本账户的特征信息和所述样本多媒体资源的特征信息的一阶特征向量；确定所述一阶特征向量所对应的一维标量，并确定所述一维标量对应的规范化标量；将所述规范化标量和预设的初始权重矩阵的乘积作为初始权重化的一阶特征标量；将所述初始权重化的一阶特征标量和所述点击行为预测网络的输出结果，输入所述初始模型的输出层，得到初始点击行为预测结果；基于所述点击数据和所述初始点击行为预测结果，对所述初始权重矩阵进行动态调整，得到所述特征权重层。4.根据权利要求3所述的方法，其特征在于，所述确定所述一阶特征向量所对应的一维标量，并确定所述一维标量对应的规范化标量，包括：对所述一阶特征向量进行求和运算，得到所述一阶特征向量对应的一维标量；对所述一维标量进行规范化处理，得到所述一维标量对应的规范化标量；所述规范化标量为均值为0、方差为1的标量。5.根据权利要求1
‑
4任一所述的方法，其特征...

【专利技术属性】
技术研发人员：廖超，刘霁，杨森，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：