申请/专利权人：重庆邮电大学

申请日：2023-07-21

公开（公告）日：2024-04-16

公开（公告）号：CN116933055B

主分类号：G06F18/213

分类号：G06F18/213;G06F18/27;G06F18/10;G06N3/0442;G06N3/0499;G06N3/048;G06N3/08;G06F18/214;G06F16/9535;G06Q30/0251;G06Q30/0241

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2023.11.10#实质审查的生效;2023.10.24#公开

摘要：本发明涉及人工智能领域，具体涉及一种基于大数据的短视频用户点击预测方法，包括获取用户的行为序列，对行为数据进行预处理，预处理包括降噪和缺失值补全；构建基于LSTM模型的特征提取模型，将预处理后的数据输入该模型提取用户行为表示；构建基于MLP网络架构的非线性交互模型，利用非线性交互模型基于用户行为表示得到用户特征表示；将用户特征表示输入逻辑回归预测模型，得到用户点击预测结果；本发明增强模型对用户点击行为的预测能力，能够更好地捕捉用户行为序列中的特征关联和非线性模式。

主权项：1.一种基于大数据的短视频用户点击预测方法，其特征在于，具体包括以下步骤：获取用户的行为序列，对行为数据进行预处理，预处理包括降噪和缺失值补全；构建基于LSTM模型的特征提取模型，将预处理后的数据输入该模型提取用户行为表示；构建基于LSTM模型的特征提取模型的过程包括：将用户行为的样本数量、时间步数以及特征维度拼接在一起作为LSTM模型的输入；利用当前时间步的隐藏状态作为查询值、当前时间步之前的所有时间步的隐藏向量作为键值计算每个样本在每个时间步的注意力权重；利用注意力权重对记忆细胞状态进行加权，包括： 其中，Ct′为t时刻利用注意力权重更新后的记忆细胞状态；N为样本的总数量；at,i为在时间步t时第i个样本的注意力权重；Ct,i为在时间步t与第i个样本相关的记忆细胞状态；构建基于MLP网络架构的非线性交互模型，利用非线性交互模型基于用户行为表示得到用户特征表示，包括以下步骤：将用户行为表示作为用户特征序列输入非线性交互模型；利用自注意力机制计算对用户特征序列进行处理，得到特征表示H；将特征表示作为非线性交互模型的输入，非线性交互模型中包括多个隐藏层对特征表示进行非线性变换，非线性交互模型的输出层输出最终的特征表示，非线性交互模型中第l层的隐藏状态表示为： 其中，Hl表示线性交互模型中第l层的隐藏状态；为非线性交互模型中第l层的隐藏层的权重矩阵；为非线性交互模型中第l层的隐藏层的偏置矩阵；N为样本的总数量；将用户特征表示输入逻辑回归预测模型，得到用户点击预测结果。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于大数据的短视频用户点击预测方法

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