申请/专利权人:重庆邮电大学
申请日:2021-10-25
公开(公告)日:2024-04-09
公开(公告)号:CN113888238B
主分类号:G06Q30/0242
分类号:G06Q30/0242;G06Q30/0251;G06N3/0464;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.04.09#授权;2022.01.21#实质审查的生效;2022.01.04#公开
摘要:本发明属于电商大数据推荐领域,涉及一种广告点击率预测方法、装置及计算机设备;所述方法包括获取电商平台的用户行为数据,用户肖像数据和广告数据;对用户行为数据进行预处理形成用户行为序列;将用户行为序列、用户肖像数据、广告数据分别进行编码表示,得到对应特征的嵌入向量;采用基于注意力机制的深度神经网络,提取出用户的兴趣表示向量;采用堆栈式自动编码机,提取出用户肖像特征与广告特征之间的隐形关系向量;将用户的兴趣表示向量和隐形关系向量输入到多层感知机中进行联合训练,得到广告点击率的预测结果;本发明能够有效提高电商平台广告的点击率,实现精准营销和推荐的效果。
主权项:1.一种广告点击率预测方法,其特征在于,具体包括以下步骤:获取电商平台的用户行为数据,用户肖像数据以及广告数据;对电商平台的用户行为数据进行预处理,并形成用户行为序列;将用户行为序列、用户肖像数据、广告数据分别进行编码表示,得到对应特征的嵌入向量;输入用户行为序列特征,采用基于时间因子的Time-GRU的深度神经网络,输出用户的兴趣表示向量;输入用户的兴趣表示向量,采用基于注意力机制的AT-GRU的深度神经网络,模拟兴趣的更新过程,并输出用户的兴趣更新向量;输入用户肖像特征和广告特征,采用堆栈式自动编码机,提取出用户肖像特征与广告特征之间的隐形关系向量;将用户的兴趣更新向量,用户肖像特征与广告特征之间的隐形关系向量分别输入到多层感知机中进行联合训练,得到广告点击率的预测结果;所述将用户的兴趣更新向量,用户肖像特征与广告特征之间的隐形关系向量分别输入到多层感知机中进行联合训练,得到广告点击率的预测结果包括将用户的兴趣更新向量以及所述隐形关系向量进行连接,对连接后的向量进行平滑处理;分别对基于时间因子的Time-GRU的深度神经网络部分的局部损失函数和多层感知机的全局损失函数进行联合训练,训练完成后得到广告点击率的预测结果;其中,所述全局损失函数表示为:L=Ltarget+λ*Laux其中,L表示多层感知机的全局损失函数;λ是超参数,Laux表示时间门控循环单元的辅助损失函数;N表示用户数量;表示用户i单击的第t个嵌入向量,G是整个行为序列嵌入集合;表示用户i在第t步点击的项目之外的样本的嵌入向量;σ表示sigmoid激活函数,表示用户i在Time-GRU中的第t个隐藏兴趣状态;Ltarget表示根据正负样本比例改进的目标损失函数;N1表示正样本数量;N2表示负样本数量;y是指示变量,如果类别Y和样本X的类别相同就是1,否则是0;p表示多层感知机网络输出属于标签的预测概率;所述广告点击率的预测结果表示为:y=sigmoidWL...WcRc+bc...+bL其中,Rc表示将用户的兴趣更新向量与隐形关系向量的连接向量;WL为第一权值参数矩阵;Wc为第二权值参数矩阵,bc表示第一训练偏置;bL为第二训练偏置。
全文数据:
权利要求:
百度查询: 重庆邮电大学 一种广告点击率预测方法、装置及计算机设备
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。