[发明专利]点击率预测方法、系统、计算机及可读存储介质

权利要求书

1.一种点击率预测方法，其特征在于，所述方法包括：

通过嵌入模型将用户ID与商品ID分别转换为对应的可输入至神经网络的用户嵌入向量以及商品嵌入向量，并基于所述用户ID与所述商品ID中的评分矩阵构建出对应的用户-商品交互图，所述用户-商品交互图包括若干节点，每一所述节点代表一个用户或者一个商品，且存在交互关系的两个所述节点通过边连接，所述神经网络包括图神经网络以及全连接神经网络；

通过所述图神经网络在所述用户-商品交互图中进行多轮迭代的信息传播，并将所述用户嵌入向量及其历史行为中的所述商品嵌入向量输入至预设的交互层以及逻辑推导层中，以得到用户兴趣向量；

基于所述全连接神经网络构建出点击率预估层，并将所述用户兴趣向量输入至所述点击率预估层，以进行点击率的预估。

2.根据权利要求1所述的点击率预测方法，其特征在于：所述通过嵌入模型将用户ID与商品ID分别转换为对应的可输入至神经网络的用户嵌入向量以及商品嵌入向量，并基于所述用户ID与所述商品ID中的评分矩阵构建出对应的用户-商品交互图的步骤包括：

通过所述嵌入模型分别为所述用户ID以及所述商品ID初始化嵌入表E_u以及E_i，并根据第一预设公式分别计算出所述用户嵌入向量以及所述商品嵌入向量，其中，所述第一预设公式为：

其中，e⁰_u表示所述用户ID对应的嵌入向量，e⁰_i表示所述商品ID对应的嵌入向量，t_u表示所述用户ID的独热编码，t_i表示所述商品ID的独热编码；

基于所述用户ID以及所述商品ID中的评分矩阵构建出所述用户-商品交互图G＝V，E，其中，V表示节点集合，E表示边集合。

3.根据权利要求1所述的点击率预测方法，其特征在于：所述通过所述图神经网络在所述用户-商品交互图中进行多轮迭代的信息传播的步骤包括：

在所述用户-商品交互图中通过信息传播函数将相连两个所述节点中的一个节点的嵌入向量的信息传输至另一个节点中，以更新每一所述节点对应的用户嵌入向量或者商品嵌入向量。

4.根据权利要求1所述的点击率预测方法，其特征在于：所述将所述用户嵌入向量及其历史行为中的所述商品嵌入向量输入至预设的交互层以及逻辑推导层中，以得到用户兴趣向量的步骤包括：

按照预设顺序将用户历史行为中的商品嵌入向量与其目标广告中的商品嵌入向量均输入至所述交互层中，并根据第二预设公式计算出对应的交互向量；

将所述交互向量输入至所述逻辑推导层中，并根据第三预设公式计算出对应的用户兴趣向量。

5.根据权利要求4所述的点击率预测方法，其特征在于：所述第二预设公式为：

其中，[|]表示拼接操作，W₁、W₂、b₁、b₂均表示可训练参数，e_i表示所述商品ID更新之后的商品嵌入向量，e_u表示用户ID更新之后的用户嵌入向量，σ₂表示sigmoid激活函数；

所述第三预设公式为：

其中，O表示所述用户兴趣向量，表示可训练参数，ReLU表示ReLU激活函数，h_n表示所述逻辑推导层中时刻n得到的隐藏状态，表示下一时刻n+1输入的商品嵌入向量与用户嵌入向量输入所述交互层之后得到的交互向量。