[发明专利]一种基于FFM深度神经网络的点击率预估方法

权利要求书

1.一种基于FFM深度神经网络的点击率预估方法，其特征在于，包括以下步骤：

1)将训练数据中的数据离散化；

2)对离散化的训练数据进行重新编码；

3)将重新编码后的训练数据通过FFM深度神经网络进行训练；

4)将需要预测的数据通过预处理；

5)将预处理过的数据通过训练过的神经网络实现点击率的预估。

2.根据权利要求1所述的一种基于FFM深度神经网络的点击率预估方法，其特征在于：在步骤1)中，由于数据中存在离散型数据和连续型数据，为了满足神经网络的输入要求，需将连续性型数据通过离散化操作变成离散型数据，离散型数据则不做处理，这样的处理不会影响神经网络的学习效果。

3.根据权利要求1所述的一种基于FFM深度神经网络的点击率预估方法，其特征在于：在步骤2)中，对离散化后的数据进行重新编码，包括改变数据的起始值和最大值，这样做能够提高模型的精度和训练效率，防止过拟合。

4.根据权利要求1所述的一种基于FFM深度神经网络的点击率预估方法，其特征在于：在步骤3)中，构造FFM神经网络并训练，对于点击率的预估，数据包括各个维度的数据，所以在训练网络时输入的是各个维度的离散化数据，标签根据用户是否产生点击行为标记为1或0，训练时，将训练数据通过embedding层，对输入的数据进行向量化操作，再分别经过线性层和深度神经网络层，其中深度神经网络层包括特征交叉层和全连接层，再将线性层的结果和深度神经网络层的结果相加并通过sigmoid函数，最后采用Logloss作为代价函数；而后再采用反向传播算法训练神经网络。

5.根据权利要求1所述的一种基于FFM深度神经网络的点击率预估方法，其特征在于：在步骤4)中，在使用网络时，输入为要预测点击率的各个维度的数据，将各个维度的数据做相同的预处理，将数据离散化并重新编码。

6.根据权利要求1所述的一种基于FFM深度神经网络的点击率预估方法，其特征在于：在步骤5)中，将处理过的各个维度的数据正向传播通过训练过的FFM深度神经网络，实现点击率的预估。