买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海数鸣人工智能科技有限公司申请的专利基于DPI共现关系特征的半监督用户行为预估方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115271823B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210959780.7，技术领域涉及：G06Q30/0202；该发明授权基于DPI共现关系特征的半监督用户行为预估方法是由项亮;陈桢设计研发完成，并于2022-08-11向国家知识产权局提交的专利申请。

本基于DPI共现关系特征的半监督用户行为预估方法在说明书摘要公布了：一种基于DPI共现关系特征的半监督用户行为预估方法，其包括数据预处理步骤S1、训练集的生成步骤S2和模型建立和预测步骤S3。本发明基于DPI共现关系特征的半监督用户行为预估方法，其针对DPI访问时间不易获得和DPI独热编码带来的特征稀疏性问题，提出使用DPI共现情况构建统计矩阵，再对该矩阵进行SVD分解，得到每个DPI的特征向量；通过用户的DPI特征，使用非缺失的用户属性特征建立模型，来预测这些特征的缺失值；之后再将包含了预测值和本身有值的用户属性特征连同DPI特征一起，作为用户整体特征，用于基于用户广告点击情况建立点击率预估模型，以提升用户点击率预测结果。

本发明授权基于DPI共现关系特征的半监督用户行为预估方法在权利要求书中公布了：1.一种基于DPI共现关系特征的半监督用户行为预估方法，其特征在于，包括数据预处理步骤S1、训练集的生成步骤S2和模型建立和预测步骤S3； 所述数据预处理步骤S1包括如下步骤： 步骤S11：获取m个用户的原始数据信息，并从所述用户的原始数据信息提取原始特征信息；其中，所述原始特征信息包括用户ID、用户所在省份、用户所在城市、用户访问DPI、用户访问时间、设备类型和或用户是否点击特征；其中，所述用户所在省份、用户所在城市、和用户访问DPI为类别特征，所述用户访问时间为连续特征，所述m大于等于2；所述用户访问DPI为n个，所述n大于等于2； 步骤S12：对所述用户的原始特征信息进行异常检测与处理步骤； 步骤S13：通过独热编码对类别特征进行处理，根据业务需求及求解模型选择进行归一化后梯度下降处理，或利用RankGauss方法对连续特征进行调整样本分布处理； 所述步骤S2包括特征工程的处理步骤S21、共现矩阵的构造和DPI特征向量的获取步骤S22和模型训练与模型建立步骤S23； 步骤S21具体包括如下步骤： 步骤S211：用户访问DPI处理步骤，建立用户ID与用户访问DPI的特征列； 步骤S212：采用通过独热编码对类别特征进行处理； 步骤S213：连续特征进行数值型特征改造处理； 步骤S214：进行特征筛选和特征构造，以形成新的特征； 步骤S215：执行连续特征离散化处理； 步骤S22共现矩阵的构造和DPI特征向量的获取具体包括如下步骤： 步骤S221：通过用户访问DPI访问列表，获得所有用户当天访问用户访问DPI的情况，之后对用户访问DPI访问列表中的用户访问DPI进行计数统计来获得共现矩阵；其中，所述共现矩阵的维度为n×n； 步骤S221：使用奇异值分解算法可以将共现矩阵分解得到维度为n×k的特征矩阵，其中，k为特征矩阵的维度kn，所述特征矩阵的维度自由指定，代表特征维度，对于每个DPI来说都有对应的k维特征向量，所述k维特征向量即用户访问DPI的稠密表达，也即词向量； 步骤S3具体包括如下步骤： 步骤S31：通过共现矩阵得到每个DPI的特征向量，之后对于每个用户而言，将其访问的DPI对应的特征向量取均值，得到k维DPI特征； 步骤S32：将具有未缺失用户属性特征的用户筛选出来，使用DPI特征和用户属性特征建立用户属性预测模型，再使用缺失了用户属性特征的用户的DPI特征带入到模型中来预测这些用户所缺失的用户属性特征； 步骤S33：把所有用户的DPI特征和用户属性特征进行合并，结合每个用户广告点击标签，建立最终的点击率预估模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海数鸣人工智能科技有限公司，其通讯地址为：200436 上海市静安区万荣路1256、1258号406室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。