[发明专利]一种基于特征交叉联合深度神经网络的广告推荐方法

摘要

本发明公开了一种基于特征交叉联合深度神经网络的广告推荐方法，包括步骤：1)服务器收集广告平台的广告日志进行数据清洗，将数据样本加入样本流中，并将数据存储到分布式文件系统的存储模块中；2)服务器利用召回层对样本流的数据进行筛选，得到初步的针对用户的候选推荐广告ID子集；3)服务器对候选推荐广告ID子集进行排序预测，得到对应的用户广告推送子集。本发明具有提高了广告推荐的有效性以及提升了广告CTR指标等优点。

主权项

1.一种基于特征交叉联合深度神经网络的广告推荐方法，其特征在于，包括以下步骤：1)服务器收集广告平台的广告日志进行数据清洗，将数据样本加入样本流中，并将数据存储到分布式文件系统的存储模块中；2)服务器利用召回层对样本流的数据进行筛选，得到初步的针对用户的候选推荐广告ID子集，其中ID表示标识码；3)服务器对用户的候选推荐广告ID子集进行排序预测，得到对应的用户广告推送子集，其过程如下：3.1)对类别特征进行独热编码处理，对数值型特征进行离散值操作，对广告转化率特征进行贝叶斯平滑处理得到特征为F1；3.2)复制一份步骤3.1)处理好的类别特征，将这部分特征分别做特征嵌入操作，即embedding操作，记这部分特征为F2；3.3)将步骤3.1)经过处理的类别特征加入交叉网络中，进行m层的特征交叉操作，最终得到这部分的特征为F3；3.4)将特征F1和特征F2以及特征F3进行堆叠操作，即Stacking操作，加入n层的全连接深度神经网络中进行训练，其中网络的激活函数使用线性校正单元，即ReLu Units，输出函数为激活函数，即Sigmoid函数；3.5)采用对数似然函数的损失函数以及自适应矩阵估计算法即Adam算法来对步骤3.4)的网络进行优化，利用在线学习的方式，实时更新网络的参数，得到预测候选广告子集的模型，进行候选子集排序。