申请/专利权人：云筑信息科技(成都)有限公司

申请日：2024-03-12

公开（公告）日：2024-04-12

公开（公告）号：CN117876038A

主分类号：G06Q30/0242

分类号：G06Q30/0242;G06F18/213;G06F18/2415;G06F18/243;G06F18/25;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：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种CTR预估模型推荐方法，包括获取并处理数据集样本，得到用户特征向量、物品特征向量、上下文特征向量和用户行为特征向量；构建滤波器，对用户行为特征向量过滤和池化，得到用户行为过滤特征向量；利用门控机制对用户特征向量、物品特征向量和上下文特征向量处理，得到用户‑物品高阶交叉特征、用户‑上下文高阶交叉特征和物品‑上下文高阶交叉特征；利用多层感知器，由用户行为过滤特征向量、用户‑物品高阶交叉特征、用户‑上下文高阶交叉特征和物品‑上下文高阶交叉特征得到点击预测结果；构建损失函数、对CTR预估模型进行训练。本发明过滤与用户当前兴趣偏差的行为，对高阶特征之间的深层隐藏关系和规律特征做出判断。

主权项：1.一种CTR预估模型推荐方法，其特征在于，包括：步骤1、获取CTR预估模型训练所需的数据集样本；步骤2、对数据集样本中的数据进行预处理，得到用户特征向量、物品特征向量、上下文特征向量和用户行为特征向量；步骤3、构建一个以预设的目标物品特征为带通的滤波器，利用滤波器对用户行为特征向量进行过滤，对过滤后的用户行为特征向量进行池化聚合，得到用户行为过滤特征向量；步骤4、利用门控机制对用户特征向量、物品特征向量和上下文特征向量进行处理，得到用户-物品高阶交叉特征、用户-上下文高阶交叉特征和物品-上下文高阶交叉特征；步骤5、利用多层感知器，通过用户行为过滤特征向量、用户-物品高阶交叉特征、用户-上下文高阶交叉特征和物品-上下文高阶交叉特征得到点击预测结果；步骤6、通过点击预测结果和数据集样本中点击真实结果构建损失函数，采用损失函数对CTR预估模型进行训练。

全文数据：

权利要求：

百度查询： 云筑信息科技(成都)有限公司 一种CTR预估模型推荐方法

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