本发明涉及推荐点击率预估技术,旨在提供一种基于特征差异化学习的点击率预估方法。包括:先构建原始特征的输入向量,得到每个原始特征的低维特征向量表示;构建具备特征组合能力的神经网络,获得组合的特征向量并构造输出;然后提出差异化激活约束以控制特征向量之间的相似度,提升特征向量表达的完整性;利用现有的压缩‑激发网络对特征重要度进行区分,提升神经网络对特征的判别能力;最后,将具备特征组合能力的神经网络与深度神经网络进行联合训练,得到最终的预测值。本发明可以提升点击率预估模型对组合特征有效性的判别能力,能够对原始特征进行深入分析,准确地刻画特征向量的组合关系,有效预测推荐内容被用户点击的概率。
声明:
“基于特征差异化学习的点击率预估方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)