本發明提出了一種支持多種細粒度興趣提取的深度點擊率預估方法,包括以下步驟:S1.采用深度興趣網絡中的局部興趣激活層對用戶的局部興趣表示進行學習;S2.在總體興趣提取層中,使用多個非線性全連接層拓展用戶的表達空間并融入到用戶行為序列中,再使用鍵值對注意力機制學得用戶總體的興趣表示;S3.使用多核卷積層自適應地將長序列劃分為短期行為序列,并對子序列進行建模;S4.使用多頭自注意力層對用戶、物品側以及上下文特征進行建模,以隱式形式引入特征間的二階交互信息;S5.使用多層感知機對各步驟學習的特征進行結果預測,輸出用戶對候選物品的點擊概率。該方法解決了注意力機制下局部興趣在決策中過度主導等問題,具備更佳的個性化學習能力。
聲明:
“支持多種細粒度興趣提取的深度點擊率預估方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)