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。