一种基于多任务学习机制的点击率预估方法
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。
公开/授权文献
0/0