[发明专利]一种基于栈式自编码器的广告点击率预测的方法

权利要求书

1.一种广告点击率预测方法，其特征在于，包括以下步骤：

步骤1：建立广告-查询矩阵，分别对广告和查询进行K-means聚类；

步骤2：对用户-查询-广告三维张量模型进行张量分解；

步骤3：提取影响广告点击率的基本特征；

步骤4：将选取的基本特征作为栈式自编码器的输入层，进行训练，获得高阶组合特征；

步骤5：将高阶组合特征输入逻辑回归模型中，进行训练；

步骤6：模型训练完成，将待预测数据输入训练好的模型，进行预测。

2.根据权利要求1所述的广告点击率预测方法，其特征在于,所述步骤1包括：

步骤1-1：用实验数据中提供的广告展示次数作为广告A_i与查询Q_j的权重，来建立广告-查询矩阵

步骤1-2：对该广告-查询矩阵采用K-means算法进行聚类；

步骤1-3：初始数据中的用户数、查询数和广告数分别用N_u，N_q和N_a表示，相同类型对象内部聚类后，属于同一个簇中的对象用同一个ID表示，将聚类后的用户、查询和广告的簇数分别用K_u，K_q和K_a表示。这样，初始数据集中的用户数、查询数和广告数由原来的N_u，N_q和N_a分别降维为K_u，K_q和K_a。

3.根据权利要求1所述的广告点击率预测方法，其特征在于,所述步骤4包括：

步骤1：先将选取好的基本特征输入自编码器中进行训练，训练得到的权重参数w和偏置参数b作为栈式自编码器输入层和第一层的权重和偏置；

步骤2：将步骤1中训练得到的输出层，作为自编码器的输入层进行训练，得到第一层和第二层的权重和偏置；

步骤3：依此类推，得到各层间的偏置与权重，完成对栈式自编码器的训练。