【技术实现步骤摘要】
本专利技术涉及数据处理领域。更具体地，本专利技术涉及一种基于神经网络的广告出价胜率预测方法、模型及系统。
技术介绍
1、在数字经济蓬勃发展的当下，程序化广告已成为互联网广告投放的核心方式。广告主通过实时竞价（rtb）系统，在毫秒级时间内完成广告位的购买与投放，以实现精准触达潜在用户。在这种竞价机制中，出价决策的核心在于对广告展示后发生点击或转化的“胜率”进行准确预测。胜率预测的结果直接影响广告主的成本控制与投放效果，也是衡量广告系统效能的重要指标。
2、当前的在线广告系统中，胜率预测通常依赖于经典的二分类模型，如逻辑回归或深度神经网络，其输出为一个点击概率或转化概率。然而，在真实的广告环境中，由于样本稀疏、特征分布动态变化等因素，点估计难以全面反映预测值的不确定性，容易导致模型过拟合或在新分布下泛化能力不足，鲁棒性差。
3、同时，随着用户行为数据和广告上下文信息的不断丰富，特征空间日益复杂，高维稀疏、非线性交互等问题日益突出，传统模型对复杂特征的建模能力有限。此外，广告系统通常要求低延迟和高吞吐的在线推理能力，因...
【技术保护点】
1.一种基于神经网络的广告出价胜率预测方法，其特征在于，包括：
2. 如权利要求1所述的基于神经网络的广告出价胜率预测方法，其特征在于，第i个稠密嵌入向量和第j个稠密嵌入向量对应的交互项 的计算表达式为：
3. 如权利要求1所述的基于神经网络的广告出价胜率预测方法，其特征在于，所述专家网络为多层感知机，包括全连接层、ReLU 激活函数以及Dropout 层。
4.如权利要求3所述的基于神经网络的广告出价胜率预测方法，其特征在于，所述专家网络包括五个全连接层，所述组合特征张量的计算表达式为：
5.如权利要求1所述的基于神经...
【技术特征摘要】
1.一种基于神经网络的广告出价胜率预测方法，其特征在于，包括：
2. 如权利要求1所述的基于神经网络的广告出价胜率预测方法，其特征在于，第i个稠密嵌入向量和第j个稠密嵌入向量对应的交互项 的计算表达式为：
3. 如权利要求1所述的基于神经网络的广告出价胜率预测方法，其特征在于，所述专家网络为多层感知机，包括全连接层、relu 激活函数以及dropout 层。
4.如权利要求3所述的基于神经网络的广告出价胜率预测方法，其特征在于，所述专家网络包括五个全连接层，所述组合特征张量的计算表达式为：
5.如权利要求1所述的基于神经网络的广告出价胜率预测方法，其特征在于，α参数预测值α'的计算表达式为：
6.如权利要求1所述的基于神经网络的广告出价胜率预测方法，其特征在于，β参数预测值β'的计算表达式为：
7.如权利要求1所述的基于神经网络的广告出价胜率预测方法，其特征在于，...
【专利技术属性】
技术研发人员：林泽枫，朱火庚，曹晓晓，蔡棱，贺小博，张江枫，
申请(专利权)人：广州钛动科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。