[发明专利]点击率预估模型训练方法、点击率预估方法及电子设备

权利要求书

1.一种点击率预估模型训练方法，其特征在于，包括：

获取训练数据集；

将所述训练数据集输入至初始点击率预估网络中，对所述训练数据集进行特征提取，生成初始特征，并对所述初始特征进行扩展和压缩处理，基于扩展和压缩后的特征，生成目标特征；

对所述目标特征进行识别，输出点击率预估结果，基于所述点击率预估结果以及预设损失函数，计算损失值，基于所述损失值对所述初始点击率预估网络进行更新，生成点击率预估模型。

2.根据权利要求1所述的方法，其特征在于，所述对所述初始特征进行扩展和压缩处理，基于扩展和压缩后的特征，生成目标特征，包括：

使用两种不同线性的方式对所述初始特征进行扩展和压缩处理，生成备用特征；

对所述备用特征和所述初始特征进行多次交互迭代处理，生成多个交互特征；

基于各个所述交互特征之间的关系，生成所述目标特征。

3.根据权利要求2所述的方法，其特征在于，所述使用两种不同线性的方式对所述初始特征进行扩展和压缩处理，生成备用特征，包括：

使用内积的线性方式对所述初始特征进行扩展处理，生成第一候选特征；

使用哈达玛乘积的线性方式，对所述第一候选特征进行压缩处理，生成第二候选特征；

对所述第二候选特征进行分析，生成所述备用特征。

4.根据权利要求3所述的方法，其特征在于，所述对所述第二候选特征进行分析，生成所述备用特征，包括：

基于所述初始特征与所述第一候选特征之间的关系，计算所述第二候选特征对应的域权重；

利用所述域权重乘以所述第二候选特征，生成所述备用特征。

5.根据权利要求2所述的方法，其特征在于，所述基于各个所述交互特征之间的关系，生成所述目标特征，包括：

获取各个所述交互特征对应的权重信息以及偏值；

将各个所述交互特征乘以对应的权重信息并加上对应的偏值之后，进行融合处理，生成所述目标特征。

6.根据权利要求1所述的方法，特征在于，所述对所述训练数据集进行特征提取，生成初始特征，包括：

对所述训练数据集进行特征提取，利用独热编码将所述训练数据集中高维稀疏的原始数据压缩为低维稠密的所述初始特征。

7.根据权利要求1所述的方法，其特征在于，所述获取训练数据集，包括：

获取原始数据，所述原始数据包括用户属性、广告属性、用户的过往历史点击记录、上下文的环境特征以及点击率结果；

对所述原始数据进行识别，并填补所述原始数据中的空值和异常值，生成候选数据；

对所述候选数据中的文字信息进行编码转化，生成所述候选数据对应的目标数据；

基于所述目标数据，生成所述训练数据集。

8.一种点击率预估方法，其特征在于，包括：

获取待预估数据，所述待预估数据包括用户属性、广告属性、用户的过往历史点击记录以及上下文的环境特征；

将所述待预估数据输入至点击率预估模型，输出所述待预估数据对应的点击率结果，所述点击率预估模型根据权利要求1-7任一所述的点击率预估模型训练方法得到。

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-7中任一项所述的点击率预估模型训练方法以及权利要求8所述的点击率预估方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行权利要求1-7中任一项所述的点击率预估模型训练方法以及权利要求8所述的点击率预估方法。