(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210913634.0 (22)申请日 2022.07.29 (71)申请人 天翼云科技有限公司 地址 100007 北京市东城区青龙胡同甲1 号、 3号2幢2层20 5-32室 (72)发明人 张文领　 (74)专利代理 机构 北京三聚阳光知识产权代理 有限公司 1 1250 专利代理师 马永芬 (51)Int.Cl. G06K 9/62(2022.01) G06Q 30/02(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 点击率预估模 型训练方法、 点击率预估 方法 及电子设备 (57)摘要 本发明涉及深度学习领域， 具体涉及一种点 击率预估模 型训练方法、 点击率预估 方法及电子 设备。 该方法包括： 获取训练数据集； 将训练数据 集输入至初始点击率预估网络中， 对训练数据集 进行特征提取， 生成初始特征， 并对初始特征进 行扩展和压缩处理， 基于扩展和压缩后的特征， 生成目标特征； 对目标特征进行识别， 输出点击 率预估结果， 基于点击率预估结果以及预设损失 函数， 计算损失值， 基于损失值对初始点击率预 估网络进行更新， 生成点击率预估模型。 上述方 法保证了生成的点击率预估模型的准确性， 进而 可以保证基于点击率预估模型得到点击率结果 的准确性。 权利要求书2页 说明书13页 附图6页 CN 115456039 A 2022.12.09 CN 115456039 A 1.一种点击率预估 模型训练方法， 其特 征在于， 包括： 获取训练数据集； 将所述训练数据集输入至初始点击率预估网络中， 对所述训练数据集进行特征提取， 生成初始特征， 并对 所述初始特征进 行扩展和压缩处理， 基于扩展和压缩后的特征， 生 成目 标特征； 对所述目标特征进行识别， 输出点击率预估结果， 基于所述点击率预估结果以及预设 损失函数， 计算损失值， 基于所述损失值对所述初始 点击率预估网络进 行更新， 生成点击率 预估模型。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述初始特征进行扩展和压缩处 理， 基于扩展和压缩后的特 征， 生成目标 特征， 包括： 使用两种不同线性的方式对所述初始特 征进行扩展和压缩处 理， 生成备用特 征； 对所述备用特 征和所述初始特 征进行多次交 互迭代处 理， 生成多个交 互特征； 基于各个所述交 互特征之间的关系， 生成所述目标 特征。 3.根据权利要求2所述的方法， 其特征在于， 所述使用两种不同线性的方式对所述初始 特征进行扩展和压缩处 理， 生成备用特 征， 包括： 使用内积的线性方式对所述初始特 征进行扩展处 理， 生成第一 候选特征； 使用哈达 玛乘积的线性方式， 对所述第一 候选特征进行压缩处 理， 生成第二 候选特征； 对所述第二 候选特征进行分析， 生成所述备用特 征。 4.根据权利要求3所述的方法， 其特征在于， 所述对所述第二候选特征进行分析， 生成 所述备用特 征， 包括： 基于所述初始特征与 所述第一候选特征之间的关系， 计算所述第 二候选特征对应的域 权重； 利用所述 域权重乘以所述第二 候选特征， 生成所述备用特 征。 5.根据权利要求2所述的方法， 其特征在于， 所述基于各个所述交互特征之间的关系， 生成所述目标 特征， 包括： 获取各个所述交 互特征对应的权 重信息以及偏值； 将各个所述交互特征乘以对应的权重信息并加上对应的偏值之后， 进行融合处理， 生 成所述目标 特征。 6.根据权利要求1所述的方法， 特征在于， 所述对所述训练数据集进行特征提取， 生成 初始特征， 包括： 对所述训练数据集进行特征提取， 利用独热编码将所述训练数据集中高维稀疏的原始 数据压缩为低维稠密的所述初始特 征。 7.根据权利要求1所述的方法， 其特 征在于， 所述获取训练数据集， 包括： 获取原始数据， 所述原始数据包括用户 属性、 广告属性、 用户的过往历史点击记录、 上 下文的环境特 征以及点击率结果； 对所述原 始数据进行识别， 并填补所述原 始数据中的空值和异常值， 生成候选数据； 对所述候选数据中的文字信息进行编码转 化， 生成所述 候选数据对应的目标 数据； 基于所述目标 数据， 生成所述训练数据集。 8.一种点击率预估方法， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 115456039 A 2获取待预估数据， 所述待预估数据包括用户属性、 广告属性、 用户的过往历史点击记录 以及上下文的环境特 征； 将所述待预估数据输入至点击率预估模型， 输出所述待预估数据对应的点击率结果， 所述点击率预估 模型根据权利要求1 ‑7任一所述的点击率预估 模型训练方法得到 。 9.一种电子设备， 其特征在于， 包括存储器和处理器， 所述存储器中存储有计算机指 令， 所述处理器通过执行所述计算机指 令， 从而执行权利要求 1‑7中任一项 所述的点击率预 估模型训练方法以及权利要求8所述的点击率预估方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机指 令， 所述计算机指令用于使计算机执行权利要求1 ‑7中任一项所述的点击率预估模型训练 方法以及权利要求8所述的点击率预估方法。权　利　要　求　书 2/2 页 3 CN 115456039 A 3