[发明专利]一种基于多尺度堆叠网络的广告点击分类方法在审
| 申请号： | 201910867916.X | 申请日： | 2019-09-15 |
| 公开（公告）号： | CN110674857A | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 强保华;卢永全;陈锐东;谢武;郑虹 | 申请（专利权）人： | 桂林电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G06Q30/02 |
| 代理公司： | 44220 广州市一新专利商标事务所有限公司 | 代理人： | 侯腾腾 |
| 地址： | 541004 广西*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 多尺度特征 组合特征 高阶 多样性 时间复杂度 低阶特征 堆叠网络 广告点击 模型学习 时间响应 提取特征 稀疏数据 有效学习 在线广告 自动构造 挖掘 传统的 多尺度 观测器 因子化 视野 保证 堆叠 尺度 分类 学习 | ||
【权利要求书】：
1.一种基于多尺度堆叠网络的广告点击分类方法，包括构建多尺度堆叠特征、搭建广告点击分类网络，其特征在于：所述构建多尺度堆叠特征主要包括如下步骤：
（1）将原始特征输入多尺度堆叠池化层，映射成不同尺度的特征；
（2）将不同尺度的特征进行横向堆叠；
（3）将堆叠的多尺度特征映射到一维向量，输入到全连接层进行特征融合；
（4）输出融合后的多尺度特征；
所述搭建广告点击分类网络主要包括如下步骤：
（1）在输入层和第一个隐藏层之间通过一个嵌入层获得原始特征的embending向量,用于减少深度神经网络的输入单元数；
（2）将embending向量进行拼接输入到特征构建模块，通过多尺度叠加池、因子分解机、深度神经网络三个模块构建特征；
（3）将三个模块输出的特征通过特征映射层约束到同一维度，输入到预测层，得到广告点击分类的结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学，未经桂林电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910867916.X/1.html，转载请声明来源钻瓜专利网。
