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！

申请/专利权人：重庆邮电大学

摘要：本申请涉及深度学习、电商广告、点击通过率预估、门控网络、注意力机制、特征交叉等技术，并公开了一种使用门控注意力机制预估电商广告点击通过率的方法。该方法为：收集电商广告数据集，在数据输入层对数据集进行预处理，然后划分为训练集、验证集和测试集。处理后的数据输入到特征嵌入层，得到特征嵌入向量。接着，将特征嵌入向量输入到门控混合注意力模块，分别训练浅层模型和深层模型所需的特征嵌入向量。随后，将门控混合注意力模块输出的两类特征嵌入向量分别输入到特征交互层中的域矩阵因子分解机和增强深度交互网络中，进行特征的低阶交互和高阶交互。最终，在预测层中，将深层模型与浅层模型的输出结合，得到用户点击目标物品的预测概率。本发明适用于广告点击通过率预测、用户行为预测、用户兴趣预测等二分类预测问题领域。

主权项：1.一种使用门控注意力机制预估电商广告点击通过率的方法，其特征在于：包括以下步骤：1获取并获取电商广告点击通过率预估所需的数据集，根据8：1：1的比例划分为训练集、验证集和测试集；2数据输入层，对数据集进行预处理，将连续特征离散化，并且对离散特征进行独热编码；3在特征嵌入层，使用嵌入技术，将2中输出的高维稀疏的特征向量转变为低维且稠密的特征嵌入向量；4使用门控混合注意力模块GateSpatialChannelAttentionModule,GateSCA，分别训练特征交互层中浅层模型和深层模型所需的特征嵌入向量。首先将特征嵌入层输出的特征嵌入向量输入到门控网络，然后将门控网络的输出输入到混合注意力网络中，在强调特征的重要性的同时，提升浅层模型和深层模型特征嵌入向量的差异性。5特征交互层中的浅层模型，将门控混合注意力模块输出的浅层模型特征嵌入向量输入到特征交互层中的域矩阵因子分解机Field-matrixedFactorizationMachine，FmFM，在FmFM中通过域矩阵进行低阶特征交互，并且考虑到了特征交互之间的多语义问题。6特征交互层中的深层模型，将将门控混合注意力模块输出的深层模型特征嵌入向量输入到特征交互层中的增强深度交互网络EnhancedDeepInteractionNetwork，EDIN，在EDIN中进行高阶特征交互，并通过桥接模块和融合模块保持合适的泛化能力。7预测层。将特征交互层中浅层模型和深层模型输出的结果进行集成，然后通过Sigmoid进行非线性映射，将模型预测值映射到0,1之间，得到最终的CTR预估值。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种使用门控注意力机制预估电商广告点击通过率的方法