本发明涉及推荐点击率预估技术，旨在提供一种基于特征差异化学习的点击率预估方法。包括：先构建原始特征的输入向量，得到每个原始特征的低维特征向量表示；构建具备特征组合能力的神经网络，获得组合的特征向量并构造输出；然后提出差异化激活约束以控制特征向量之间的相似度，提升特征向量表达的完整性；利用现有的压缩‑激发网络对特征重要度进行区分，提升神经网络对特征的判别能力；最后，将具备特征组合能力的神经网络与深度神经网络进行联合训练，得到最终的预测值。本发明可以提升点击率预估模型对组合特征有效性的判别能力，能够对原始特征进行深入分析，准确地刻画特征向量的组合关系，有效预测推荐内容被用户点击的概率。
声明：
“基于特征差异化学习的点击率预估方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1132
编辑：管理员
来源：北方有色网
咨询细节
