申请/专利权人:北京三快在线科技有限公司
申请日:2021-09-26
公开(公告)日:2022-01-21
公开(公告)号:CN113961799A
主分类号:G06F16/9535(20190101)
分类号:G06F16/9535(20190101);G06F16/9536(20190101);G06K9/62(20220101);G06N3/04(20060101);G06N3/08(20060101);G06Q50/00(20120101);G06V10/774(20220101);G06V10/82(20220101)
优先权:
专利状态码:在审-公开
法律状态:2022.01.21#公开
摘要:本发明实施例提供了一种图模型和CTR模型的联合训练方法和装置,其中,所述方法包括:获取用户行为序列数据;根据用户行为序列数据构建图模型;在图模型中查询用户行为序列数据中的每个项目信息的邻居节点;对每个项目信息和对应的邻居节点进行聚合处理得到每个项目信息的嵌入式向量;将嵌入式向量输入初始的CTR模型,根据监督损失函数训练CTR模型,直至CTR模型输出的损失值满足收敛条件为止。本发明实施例在图模型中查询项目信息的邻居节点,聚合得到嵌入式向量,避免了由于用户行为序列数据的行为稀疏、兴趣若泛而导致的较难预测CTR的问题。保持嵌入式向量学习方向与CTR模型优化方向一致,提高CTR模型的预测效果。
主权项:1.一种图模型和CTR模型的联合训练方法,其特征在于,包括:获取用户行为序列数据;根据所述用户行为序列数据构建图模型;在所述图模型中查询所述用户行为序列数据中的每个项目信息的邻居节点;对每个所述项目信息和对应的所述邻居节点进行聚合处理得到每个所述项目信息的嵌入式向量;将所述嵌入式向量输入初始的CTR模型,根据预设的监督损失函数训练所述CTR模型,直至所述CTR模型输出的损失值满足预设的收敛条件为止。
全文数据:
权利要求:
百度查询: 北京三快在线科技有限公司 一种图模型和CTR模型的联合训练方法和装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。