[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： | 本发明公开了一种基于多尺度堆叠网络的广告点击分类方法，该方法通过一种基于不同感受野构造多尺度特征的MSSP结构来自动构造组合特征，通过构造多个不同角度、不同视野的观测器从深度和宽度两个角度双向堆叠多尺度特征，挖掘了不同局部视野中的高阶和低阶特征，保证了提取特征的多样性；另外，该结构通过因子化来学习参数，保证了高阶特征在稀疏数据中能被有效学习。本发明弥补了LR、Wide&Deep过于依赖手工构造组合特征的缺点；同时相对于传统的Poly2和FM模型，能够从多个角度挖掘不同尺度的特征来保证模型学习到的信息的多样性；相对于FFM等模型时间复杂度过高的特点，本发明时间复杂度能保持在线性级别，能够满足在线广告对时间响应方面的高要求。 | ||
| 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 | ||
【主权项】：
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：/n（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；/n（2）将不同尺度的特征进行横向堆叠；/n（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；/n（4）输出融合后的多尺度特征；/n所述搭建广告点击分类网络主要包括如下步骤：/n（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；/n（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；/n（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。/n
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/patent/201910867916.X/，转载请声明来源钻瓜专利网。
