一种基于多任务学习机制的点击率预估方法
授权
摘要
本发明公开了一种基于多任务学习机制的点击率预估(Click‑Through‑Rate,CTR)方法，旨在改善文本内容推荐系统中针对用户进行个性化推荐的效果。本发明立足于将领域知识融入深度模型来改进用户兴趣挖掘的思想，提出了新颖的混合专家网络来对领域知识进行高解释性表示，并通过任务导向的门控网络建模多任务之间的联系，进一步提高CTR以及其他任务预测的准确性。本发明提出的方法可以直接输入独热编码(One‑Hot)形式的用户特征和候选物品特征，不需要繁琐的人工特征工程，经过深度模型的特征交叉就可以学习到用户深层次的兴趣表示，最后输出0～1范围内的概率值来表示用户对候选物品的感兴趣程度。本发明具备较高的解释性和扩展性，很容易就能应用于具体的推荐场景中。
基本信息
专利标题 ：
一种基于多任务学习机制的点击率预估方法
专利标题（英）：
暂无
公开（公告）号 ：
CN112860998A
申请号 ：
CN202110184280.6
公开（公告）日 ：
2021-05-28
申请日 ：
2021-02-08
授权号 ：
CN112860998B
授权日 ：
2022-05-10
发明人 ：
张引胡荐苛
申请人 ：
浙江大学
申请人地址 ：
浙江省杭州市西湖区余杭塘路866号
代理机构 ：
杭州求是专利事务所有限公司
代理人 ：
郑海峰
优先权 ：
CN202110184280.6
主分类号 ：
G06F16/9535
IPC分类号 ：
G06F16/9535 G06F16/2458 G06F16/332 G06Q50/00 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F16/9535
••••基于用户配置文件和个性化自定义搜索
法律状态
2022-05-10 ：
授权
2021-06-15 ：
实质审查的生效
IPC(主分类) : G06F 16/9535
申请日 : 20210208
申请日 : 20210208
2021-05-28 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
