基于深度学习建模多行为动态演化的转化率预估

发布时间：2021-01-31 14:55

　　针对基于用户行为特征的转化率预估在计算广告领域的应用中尚未充分提取和利用用户多种行为模式的动态演化特性等问题,考虑用户兴趣模型和行为模型的动态演化性,提出一种融合注意力机制的深度学习策略,获取用户行为动态演化特征,进而构建基于用户行为特征的转化率预估模型.首先,构建基于门控循环单元（gated recurrent unit, GRU）和注意力机制的用户单个行为序列模型,将提取出的用户行为嵌入表示作为用户行为的动态变化特征;然后,利用自注意力对用户的多行为动态演化进行建模;最后,融合所提取的用户多行为序列向量作为用户的行为特征,构建移动APP广告转化率预估模型.实验结果表明所提取的用户行为序列特征可有效改善转化率预估效果. 

【文章来源】：扬州大学学报(自然科学版). 2020,23(01)北大核心

【文章页数】：6 页

【部分图文】：

本文算法流程示意图

【参考文献】：
期刊论文
[1]基于混合模型的广告转化率问题研究[J]. 李雄飞,周晋男,张小利.  东北大学学报(自然科学版). 2019(07)
[2]基于双向GRU和注意力机制模型的人体动作预测[J]. 桑海峰,陈紫珍,何大阔.  计算机辅助设计与图形学学报. 2019(07)



本文编号：3011090