針對基于用戶行為特征的轉(zhuǎn)化率預(yù)估在計算廣告領(lǐng)域的應(yīng)用中尚未充分提取和利用用戶多種行為模式的動態(tài)演化特性等問題,考慮用戶興趣模型和行為模型的動態(tài)演化性,提出一種融合注意力機(jī)制的深度學(xué)習(xí)策略,獲取用戶行為動態(tài)演化特征,進(jìn)而構(gòu)建基于用戶行為特征的轉(zhuǎn)化率預(yù)估模型.首先,構(gòu)建基于門控循環(huán)單元（gated recurrent unit, GRU）和注意力機(jī)制的用戶單個行為序列模型,將提取出的用戶行為嵌入表示作為用戶行為的動態(tài)變化特征;然后,利用自注意力對用戶的多行為動態(tài)演化進(jìn)行建模;最后,融合所提取的用戶多行為序列向量作為用戶的行為特征,構(gòu)建移動APP廣告轉(zhuǎn)化率預(yù)估模型.實(shí)驗結(jié)果表明所提取的用戶行為序列特征可有效改善轉(zhuǎn)化率預(yù)估效果. 

【文章來源】：揚(yáng)州大學(xué)學(xué)報(自然科學(xué)版). 2020,23(01)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

本文算法流程示意圖

【參考文獻(xiàn)】：
期刊論文
[1]基于混合模型的廣告轉(zhuǎn)化率問題研究[J]. 李雄飛,周晉男,張小利.  東北大學(xué)學(xué)報(自然科學(xué)版). 2019(07)
[2]基于雙向GRU和注意力機(jī)制模型的人體動作預(yù)測[J]. 桑海峰,陳紫珍,何大闊.  計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2019(07)



本文編號：3011090