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！

龙图腾网恭喜北京科技大学申请的专利一种基于多层次特征交互的点击率预测方法及装置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：CN114154565B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202111370164.X，技术领域涉及：G06F18/214；该发明授权一种基于多层次特征交互的点击率预测方法及装置是由王粉花;郑嘉伟;严由齐;林超设计研发完成，并于2021-11-18向国家知识产权局提交的专利申请。

本一种基于多层次特征交互的点击率预测方法及装置在说明书摘要公布了：本发明公开了一种基于多层次特征交互的点击率预测方法及装置，该方法包括：采集用户的特征数据和历史行为信息，构建训练数据集；在xDeepFM模型的特征嵌入层与全连接层之间加入二阶特征交互层，以对xDeepFM模型进行改进，并将改进后的xDeepFM模型作为点击率预测模型；采用训练数据集对点击率预测模型进行训练；利用训练好的点击率预测模型对待预测的点击率进行预测，得到预测结果。本发明能够提高点击率预测精度，并减少模型训练时间。

本发明授权一种基于多层次特征交互的点击率预测方法及装置在权利要求书中公布了：1.一种基于多层次特征交互的点击率预测方法，其特征在于，包括：采集用户的特征数据和历史行为信息，构建训练数据集，其中，所述特征数据包括：用户年龄、用户性别、用户使用的手机型号以及用户位置信息；所述历史行为信息包括：用户的浏览时长和用户是否点击广告；在xDeepFM模型的特征嵌入层与全连接层之间加入二阶特征交互层，以对xDeepFM模型进行改进，并将改进后的xDeepFM模型作为点击率预测模型；采用所述训练数据集对所述点击率预测模型进行训练；利用训练好的点击率预测模型对待预测的点击率进行预测，得到预测结果；所述点击率预测模型包括特征嵌入层、压缩交互网络、二阶特征交互层、全连接层以及预测层，充分融合低阶与高阶特征，并通过二阶特征向量对位相乘的方式减少参数量，提升了模型的特征组合能力；其中，所述特征嵌入层用于将高维稀疏特征向量转换为低维稠密特征向量，并将转换出的特征向量输入所述压缩交互网络和所述二阶特征交互层；所述二阶特征交互层用于将n个域中的向量两两对位相乘，得到n*n-12个向量，并将这些向量相加得到一个低维的特征向量ye，计算方式如下： 其中，表示两个向量的元素积，ei表示第i个域的嵌入向量，ej表示第j个域的嵌入向量，vi表示第i个域的权重，vj表示第j个域的权重；所述二阶特征交互层将得到的特征向量输入所述全连接层，学习高阶特征交互，计算方式如下： 其中，l是隐藏层的编号，是非线性激活函数，是第l层隐藏层的输出向量，表示第l-1层隐藏层的输出向量，Wl表示第l层隐藏层的权重矩阵，bl表示第l层隐藏层的偏置量；所述预测层将线性回归、所述压缩交互网络和所述全连接层集成到一个框架，计算方法如下： 其中，表示所述预测层的输出，σ是Sigmoid函数，x表示没有经过所述特征嵌入层处理的原始特征值，ydnn，ycin分别是所述全连接层和所述压缩交互网络的输出值，Wlinear，Wdnn和Wcin分别是线性回归、所述全连接层和所述压缩交互网络的参数模型，bdnn和b分别是所述全连接层和所述预测层的偏置参数；所述基于多层次特征交互的点击率预测方法还包括：在所述点击率预测模型的独热编码过程引入最大支持维度参数M，防止维度爆炸现象；其中，原始数据与出现频数的字典映射关系如下：P[xi]＝Ni,i∈{1,2,...,K}其中，xi是第i个不同的哈希值，Ni为xi对应的频数，K是哈希值的总数；如果K≤M，那么只需将xi对应的索引在独热编码中取值为1，如果K＞M，则需要对频数Ni进行二次编码，创建一个新的映射表，直到维度小于M；P[xi]表示第i个特征出现的频数；所述基于多层次特征交互的点击率预测方法还包括：在所述点击率预测模型的训练过程中使用早停法，选择最佳迭代次数；其中，所述早停法的表达式如下： 其中，Eoptt和Evat分别是在迭代次数t时取得最好的验证集误差和测试集误差；当泛化损失GLt超过一定阈值的时候，停止训练。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30号；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”。