本发明提出了一种支持多种细粒度兴趣提取的深度点击率预估方法,包括以下步骤:S1.采用深度兴趣网络中的局部兴趣激活层对用户的局部兴趣表示进行学习;S2.在总体兴趣提取层中,使用多个非线性全连接层拓展用户的表达空间并融入到用户行为序列中,再使用键值对注意力机制学得用户总体的兴趣表示;S3.使用多核卷积层自适应地将长序列划分为短期行为序列,并对子序列进行建模;S4.使用多头自注意力层对用户、物品侧以及上下文特征进行建模,以隐式形式引入特征间的二阶交互信息;S5.使用多层感知机对各步骤学习的特征进行结果预测,输出用户对候选物品的点击概率。该方法解决了注意力机制下局部兴趣在决策中过度主导等问题,具备更佳的个性化学习能力。
声明:
“支持多种细粒度兴趣提取的深度点击率预估方法” 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)