一种广告处理的方法、装置、存储介质及程序产品制造方法及图纸

本申请实施例公开了一种广告处理的方法、装置、存储介质及程序产品，至少涉及人工智能中机器学习等技术。该方法能够提高特征组合的泛用性，提升广告预测的效果。上述方法包括：获取N个第一特征，N个第一特征包括目标广告的广告特征、访问属性特征以及交叉特征，N≥2、且N为整数；对每个第一特征进行特征嵌入处理，得到对应第一特征的嵌入向量；基于门控网络模型对N个第一特征的嵌入向量进行计算处理，得到每个第一特征的特征权重值；基于目标预测模型对每个第一特征的特征权重值、N个第一特征以及N个第一特征的嵌入向量进行预测处理，得到目标广告的预测概率，目标广告的预测概率用于指示目标广告的转化情况。

【技术实现步骤摘要】

本申请实施例涉及计算机，具体涉及一种广告处理的方法、装置、存储介质及程序产品。

技术介绍

1、在工业界广告投放场景中，针对点击率、转化率等构建广告投放模型时，需要使用大量的访问对象、商品、访问对象与商品之间的交叉特征，预测访问对象对商品的偏好。

2、因子分解机(factorization machine，fm)是广告投放模型中常用的一种挖掘特征之间内在关联的神经网络结构。通过为每个特征生成一个全局的隐式因子，利用隐式因子之间的内积构建了交叉特征的重要度，提高模型的准确性。但是，现有的因子分解机中这种全局的隐式因子对于所有样本都一视同仁，导致学习的交叉特征的模式过于单一，无法针对不同类型的样本学习不同的特征组合模式，降低了特征组合的泛用性，并且无法准确地预测出广告的点击情况或转化情况等，在实际业务中难有成效。

技术实现思路

1、本申请实施例提供了一种广告处理的方法、装置、存储介质及程序产品，能够学习到各种类型的特征组合，提高特征组合的泛用性，并使得目标预测模型能够准确地预测出目标广告的转化情况，提升本文档来自技高网...

【技术保护点】

1.一种广告处理的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于门控网络模型对所述N个第一特征的嵌入向量进行计算处理，得到每个所述第一特征的特征权重值，包括：

3.根据权利要求2所述的方法，其特征在于，所述门控网络模型包括隐藏层和门控层，所述将所述目标嵌入向量作为门控网络模型的输入，得到每个所述第一特征的特征权重值，包括：

4.根据权利要求3所述的方法，其特征在于，所述隐藏层包括L层感知器，将所述目标嵌入向量作为所述隐藏层的输入，得到所述隐藏层的特征表示，包括：

5.根据权利要求4所述的方法，其特征在于，所述基...

【技术特征摘要】

1.一种广告处理的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于门控网络模型对所述n个第一特征的嵌入向量进行计算处理，得到每个所述第一特征的特征权重值，包括：

3.根据权利要求2所述的方法，其特征在于，所述门控网络模型包括隐藏层和门控层，所述将所述目标嵌入向量作为门控网络模型的输入，得到每个所述第一特征的特征权重值，包括：

4.根据权利要求3所述的方法，其特征在于，所述隐藏层包括l层感知器，将所述目标嵌入向量作为所述隐藏层的输入，得到所述隐藏层的特征表示，包括：

5.根据权利要求4所述的方法，其特征在于，所述基于所述目标嵌入向量和所述隐藏层中的l层感知器生成第l层感知器的输出向量，包括：

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述基于目标预测模型对每个所述第一特征的特征权重值、所述n个第一特征以及所述n个第一特征的嵌入向量进行预测处理，得到所述目标广告的预测概率，包括：

7.根据权利要求6所述的方法，其特征在于，所述基于目标预测模型对所述每个加权后的第一特征进行处理，得到第一值，包括：

8.根据权利要求6所述的方法，其特征在于，所述基于所述目标预测...

【专利技术属性】
技术研发人员：武辉，孙妮，成昊，薛扣英，
申请(专利权)人：深圳市腾讯网域计算机网络有限公司，
类型：发明
国别省市：