申请/专利权人：南京邮电大学

申请日：2023-10-27

公开（公告）日：2024-01-26

公开（公告）号：CN117453998A

主分类号：G06F16/9535

分类号：G06F16/9535;G06Q30/0601;G06N3/0442;G06N3/045;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明属于计算机应用技术领域，公开了一种基于用户兴趣的深度学习CTR模型—RZTERec的构建方法，首先为了解决序列跨度过长导致的梯度消失问题，构建了基于多头注意力机制的TE‑GRU模型，深度挖掘用户兴趣，其次，为了适应外部环境和内部变化，通过采用AUGRU算法模型，它将注意力机制的局部激活特性与GRU的序列学习能力相融合，以实现兴趣演化的建模，激活相关兴趣，捕获兴趣动态，并解决的兴趣干扰和飘移问题。本发明的RZTERec能够模拟兴趣的多样化和提升CTR预测率。

主权项：1.一种基于用户兴趣的深度学习CTR模型—RZTERec的构建方法，其特征在于：所述构建方法具体包括如下步骤：步骤1：构建Embedding层；步骤2：考虑用户行为序列特性，针对行为序列特性构建TE-GRU模型；步骤3：建立AUGRU模型并且对AUGRU模型的参数进行训练；步骤4：构建Stacking层和MLP。

全文数据：

权利要求：

百度查询： 南京邮电大学 基于用户兴趣的深度学习CTR模型—RZTERec的构建方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD