[发明专利]一种基于深度残差网络的点击率预测方法

权利要求书

1.一种基于深度残差网络的点击率预测方法，其特征在于，该方法包括如下步骤：

获取历史推荐广告点击数据作为模型的训练集和测试集；

对数据进行预处理并剔除异常值；

将训练数据输入到独热码输入层进行独热码向量映射，在独热码输入层后级联嵌入编码层将独热码向量映射到低维向量；

将输出向量作为因子分解机部分和深度残差神经网络的共享输入，分别负责低阶特征和高阶特征的提取；

在Fusion层将FM和深度残差神经网络的预测结果进行融合并做概率归一化映射：

其中，非线性映射函数f为sigmoid函数，β为折衷系数。

2.根据权利要求1所述的一种基于深度残差网络的点击率预测方法，其特征在于，所述历史推荐广告点击数据包括每个广告对应的点击状态以及训练特征。

3.根据权利要求1所述的一种基于深度残差网络的点击率预测方法，其特征在于，对数据进行预处理阶段原始数据与发生频数的字典映射关系为：

Freq[ρ_i]＝C_i，i∈{1,2,3,…,T}

ρ_i为第i个不同的哈希值；

C_i为其发生的频数；

T为哈希可能取值的总数量；

在独热码生成过程中引入最大支持维度参数Q，当T≤Q时，只需要将独热码向量中索引A处取值为1即可，A为ρ_i在所有可能取值中的排序索引；

当T≤Q时，对发生的频数C_i进行二次映射，构建新的字典映射表，直至其维度小于Q为止。