点击预测模型训练方法及装置制造方法及图纸

本申请涉及机器学习技术领域，提供了一种点击预测模型训练方法及装置。该方法包括：构建特征处理网络和特征融合网络；获取多个特征交叉网络，利用特征处理网络、多个特征交叉网络以及特征融合网络构建点击预测模型；获取训练样本，将训练样本输入点击预测模型：通过特征处理网络处理训练样本，得到多个特征向量，通过每个特征交叉网络处理多个特征向量，得到该特征交叉网络对应的交互向量，通过特征融合网络处理多个交互向量，得到预测结果；根据训练样本的标签和预测结果训练点击预测模型。采用上述技术手段，解决现有技术中，点击预测模型因为模型本身结构对特征交互较少，导致预测准确率低的问题。准确率低的问题。准确率低的问题。

【技术实现步骤摘要】
点击预测模型训练方法及装置


[0001]本申请涉及机器学习
，尤其涉及一种点击预测模型训练方法及装置。

技术介绍

[0002]推荐系统在当今生活扮演着不可或缺的作用，无论是网络购物，新闻阅读，还是视频观看等，都有其身影。用户点击预测(Click Through Rate，CTR)是推荐系统中的关键任务，它可以估计用户点击一个目标的概率，用于执行CTR任务的称之为CTR预测模型或者点击预测模型。然而目前常用的点击预测模型因为模型本身结构对特征交互较少，导致预测准确率低。

技术实现思路

[0003]有鉴于此，本申请实施例提供了一种点击预测模型训练方法、装置、电子设备及计算机可读存储介质，以解决现有技术中，点击预测模型因为模型本身结构对特征交互较少，导致预测准确率低。
[0004]本申请实施例的第一方面，提供了一种点击预测模型训练方法，包括：构建特征处理网络和特征融合网络；获取多个特征交叉网络，利用特征处理网络、多个特征交叉网络以及特征融合网络构建点击预测模型；获取训练样本，将训练样本输入点击预测模型：通过特征处理网络处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点击预测模型训练方法，其特征在于，包括：构建特征处理网络和特征融合网络；获取多个特征交叉网络，利用所述特征处理网络、多个特征交叉网络以及所述特征融合网络构建点击预测模型；获取训练样本，将所述训练样本输入所述点击预测模型：通过所述特征处理网络处理所述训练样本，得到多个特征向量，通过每个特征交叉网络处理多个特征向量，得到该特征交叉网络对应的交互向量，通过所述特征融合网络处理多个交互向量，得到预测结果；根据所述训练样本的标签和所述预测结果训练所述点击预测模型。2.根据权利要求1所述的方法，其特征在于，构建特征融合网络，包括：利用特征拼接层后接深度神经网络，得到所述特征融合网络。3.根据权利要求1所述的方法，其特征在于，多个特征交叉网络，包括：逻辑回归网络、深度神经网络、因子分解机、双向交叉网络和多头自注意网络。4.根据权利要求1所述的方法，其特征在于，利用所述特征处理网络、多个特征交叉网络以及所述特征融合网络构建点击预测模型，包括：依次连接所述特征处理网络、多个特征交叉网络以及所述特征融合网络，得到所述点击预测模型，其中，多个特征交叉网络之间是并行的。5.根据权利要求1所述的方法，其特征在于，通过所述特征处理网络处理所述训练样本，得到多个特征向量，包括：对所述训练样本中的多个特征进行分类，得到多个离散特征和多个连续特征；对每个离散特征进行独热编码，得到该离散特征对应的特征向量；利用哈希算法对每个连续特征进行处理，得到该连续特征的离散值，对每个连续特征的离散值进行所述独热编码，得到该连续特征对应的特征向量。6.根据权利要求1所述的方法，其特征在于，通过所述特征融合网络处理多个交互向量，得到预测结果，包括：通过所述特征融合网络中的特征拼接层处理多个交互向量，得到融合特征；通过所述特征融合网络中的深度神经网络处理所述融合特征，得到所述预测结果。7.根据权利要求1所述的方法，其特征在于，所述方法还...

【专利技术属性】
技术研发人员：董辉，
申请(专利权)人：深圳须弥云图空间科技有限公司，
类型：发明
国别省市：