公开(公告)号：CN112396099B

公开(公告)日：2022-12-09

申请号：CN202011277167.4

申请日：2020-11-16

Applicant: 哈尔滨工程大学

Inventor： 李静梅 ,  黄海亮 ,  代昕

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q30/02

Abstract: 本发明提供一种基于深度学习和信息融合的点击率预估方法，其特征是，共分为三个模块：浅层提取模块的场域分解机FFM，深层提取模块的卷积神经网络CNN，以及特征融合模块的深度置信网络DBN。其中浅层和深层两模块采用的是并行结构，共享用户与商品离散特征转化的固定稠密向量；浅层模块采用FFM自动提取特征的二阶组合，深层模块采用CNN局部感知域提取高阶非线性特征组合，融合模块采用DBN融合浅层FFM和深层CNN的输出，实现浅层特征与深层特征的交互。本发明结合浅层与深层的特征交互深度的挖掘了特征之间的内在联系，有效的解决了梯度爆炸和梯度消失的问题，提高了点击预估的能力。

公开(公告)号：CN112396099A

公开(公告)日：2021-02-23

申请号：CN202011277167.4

申请日：2020-11-16

Applicant: 哈尔滨工程大学

Inventor： 李静梅 ,  黄海亮 ,  代昕

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q30/02

Abstract: 本发明提供一种基于深度学习和信息融合的点击率预估方法，其特征是，共分为三个模块：浅层提取模块的场域分解机FFM，深层提取模块的卷积神经网络CNN，以及特征融合模块的深度置信网络DBN。其中浅层和深层两模块采用的是并行结构，共享用户与商品离散特征转化的固定稠密向量；浅层模块采用FFM自动提取特征的二阶组合，深层模块采用CNN局部感知域提取高阶非线性特征组合，融合模块采用DBN融合浅层FFM和深层CNN的输出，实现浅层特征与深层特征的交互。本发明结合浅层与深层的特征交互深度的挖掘了特征之间的内在联系，有效的解决了梯度爆炸和梯度消失的问题，提高了点击预估的能力。