[发明专利]稀疏特征场景下进行点击转化预测的方法

权利要求书

1.稀疏特征场景下进行点击转化预测的方法，其特征在于：包括以下步骤：

S1：建立CTR模型，所述CTR模型包括第一层级、第二层级、第三层级和第四层级，所述CTR模型的第一层级为嵌入层，将输入CTR模型的用户稀疏特征矩阵进行筛选，通过线性变化，得到密集嵌入矩阵；所述CTR模型的第二层级为因子分解层与二阶交互层，所述因子分解层采用FM模型，学习低阶且具有线性关系的特征之间的交互特征信息，所述二阶交互层采用Non-linear interaction layer模型，学习低阶且具有非线性关系的特征之间的交互特征信息；所述CTR模型的第三层级为隐藏层，所述隐藏层采用了MLP模型；所述CTR模型的第四层级为预测层，基于残差网络的应用，从优化后的CTR模型中输出点击转化预测值；

S2：采集用户稀疏行为特征，并将此用户稀疏行为特征输入步骤S1中的CTR模型，进行矩阵化，得到用户稀疏特征矩阵；

S3：输入用户稀疏特征矩阵，通过CTR模型第一层级，将用户稀疏特征矩阵转化为密集嵌入矩阵；

S4：将密集嵌入矩阵输入第二层级，学习低阶交互特征，得到低阶特征之间的交互特征关系；

S5：将步骤S4中的输出作为包含残差网络的第三层级的输入，学习高阶交互特征，得到高阶特征之间的交互特征关系；

S6：对步骤S5中第三层级的残差网络进行优化处理；

S7：将步骤S6中的输出作为第四层级的输入，最终由第四层级输出点击转化预测值。