(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 202211148881.2 (22)申请日 2022.09.20 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 孔德松　彭铁磊　 (74)专利代理 机构 深圳市世联合知识产权代理 有限公司 4 4385 专利代理师 姜妍 (51)Int.Cl. G06Q 30/02(2012.01) G06K 9/62(2022.01) (54)发明名称 基于交叉特征提取模型的广告点击预测方 法及其相关 设备 (57)摘要 本申请实施例属于人工智能领域， 应用于智 慧社区领域中， 涉及一种基于交叉特征提取模型 的广告点击预测方法及其相关设备， 包括收集用 户广告行为数据， 对用户广告行为数据进行数据 清洗操作和数据加工操作， 获得第一数据； 基于 交叉特征提取模 型提取第一数据的交叉特征， 直 至达到迭代次数， 获得第二数据； 基于组合特征 提取模型和叶子特征融合模型处理第一数据， 直 至达到预设迭代次数， 获得第三数据； 对第二数 据和第三数据进行全 连接特征提取操作， 获得第 二数据的全 连接特征和第三数据的全 连接特征， 并拼接， 获得目标特征； 将目标特征输入预训练 的点击预测模型， 获得广告点击预测结果。 用户 广告行为数据可存储于区块链中。 提高对广告点 击预测的准确性。 权利要求书2页 说明书13页 附图4页 CN 115456680 A 2022.12.09 CN 115456680 A 1.一种基于交叉 特征提取模型的广告点击预测方法， 其特 征在于， 包括下述 步骤： 收集用户广告行为数据， 对所述用户广告行为数据依次进行数据清洗操作和数据加工 操作， 获得第一数据； 基于交叉特征提取模型循环提取所述第一数据的交叉特征， 直至达到迭代次数， 获得 第二数据； 基于组合特征提取模型和叶子特征融合模型循环 处理所述第 一数据， 直至达到预设迭 代次数， 获得第三数据； 分别对所述第 二数据和所述第 三数据进行全连接特征提取操作， 获得第 二数据的全连 接特征和第三数据的全连接特 征； 拼接所述第二数据的全连接特 征和所述第三数据的全连接特 征， 获得目标 特征； 将所述目标 特征输入至预训练的点击预测模型中， 获得广告点击预测结果。 2.根据权利要求1所述的基于交叉特征提取模型的广告点击预测方法， 其特征在于， 所 述对所述用户广告行为数据依次进行数据 清洗操作和数据加工操作， 获得第一数据的步骤 包括: 识别所述用户广告行为数据中的关键数据， 确认所述关键数据是否存在缺失； 若所述关键数据缺失， 则删除对应的所述用户广告行为数据， 获得清洗后的所述用户 广告行为数据； 将清洗后的所述用户广告行为数据加工为稀疏 特征向量， 获得 所述第一数据。 3.根据权利要求2所述的基于交叉特征提取模型的广告点击预测方法， 其特征在于， 所 述用户广告行为数据包括用户名称， 所述将清洗后的所述用户广告行为数据加工为稀疏特 征向量， 获得 所述第一数据的步骤 包括： 基于所述用户名称对所述用户广告行为数据进行连表操作， 获得宽表， 并将所述宽表 加载到预设的大 数据的AD S层； 基于独热编码对所述大 数据ADS层中的宽表进行维度扩充操作， 获得 所述第一数据。 4.根据权利要求1所述的基于交叉特征提取模型的广告点击预测方法， 其特征在于， 所 述交叉特征提取模型包括交叉输入层， 嵌入层， 特征交叉层和注意力池化层， 所述基于交叉 特征提取模型循环提取所述第一数据的交叉特征， 直至达到迭代 次数， 获得第二数据的步 骤包括： 将所述第一数据输入至所述交叉特征提取模型中， 所述嵌入层将所述第 一数据中取值 为1的正向特 征与预设的h个嵌入块进行乘积， 获得k* h维的嵌入向量； 所述特征交叉层， 基于所述嵌入向量对所述第一数据进行元素智能乘积处理， 获得交 叉特征； 将所述交叉 特征输入至所述注意力池化层， 获得输出的所述第二数据。 5.根据权利要求4所述的基于交叉特征提取模型的广告点击预测方法， 其特征在于， 所 述基于所述嵌入向量对所述第一数据进行 元素智能乘积处 理， 获得交叉 特征的步骤 包括： 基于如下公式对所述第一数据进行 元素智能乘积处 理： 其中， b为偏置， xi为第i个所述第一数据， xj为第j个所述第权　利　要　求　书 1/2 页 2 CN 115456680 A 2一数据， vi为第i个所述嵌入向量， vj为第j个所述嵌入向量。 P为预设的权重矩阵， 为所述 交叉特征。 6.根据权利要求1所述的基于交叉特征提取模型的广告点击预测方法， 其特征在于， 所 述组合特征提取模型包括多个决策树， 所述基于组合特征提取模型和叶子特征融合模型循 环处理所述第一数据， 直至 达到预设迭代次数， 获得第三数据的步骤 包括： 将所述第一数据输入至所述组合特征提取模型中， 通过所述决策树对所述第 一数据进 行分类； 提取各所述决策树的叶子节点的特 征， 作为隐含向量； 将所述隐含向量输入至所述叶子特征融合模型进行组合， 直至达到预设迭代次数， 获 得所述第三数据。 7.根据权利要求1所述的基于交叉特征提取模型的广告点击预测方法， 其特征在于， 所 述将所述目标 特征输入至预训练的点击预测模型中， 获得广告点击预测结果的步骤 包括： 基于如下公式计算所述广告点击预测结果： 其中， y为所述广告点击预测结果， Fm为所述组合特征， w为预设初始权 重值， b为偏置， T为 转置运算符。 8.一种基于交叉 特征提取模型的广告点击预测装置， 其特 征在于， 包括： 收集模块， 用于收集用户广告行为数据， 对所述用户广告行为数据依次进行数据清洗 操作和数据加工操作， 获得第一数据； 第一提取模块， 用于基于交叉特征提取模型循环提取所述第一数据的交叉特征， 直至 达到迭代次数， 获得第二数据； 第二提取模块， 用于基于组合特征提取模型和叶子特征融合模型循环 处理所述第 一数 据， 直至达到预设迭代次数， 获得第三数据； 全连接特征提取模块， 用于分别对所述第 二数据和所述第 三数据进行全连接特征提取 操作， 获得第二数据的全连接特 征和第三数据的全连接特 征； 拼接模块， 用于拼接所述第二数据的全连接特征和所述第三数据的全连接特征， 获得 目标特征； 预测模块， 用于将所述目标特征输入至预训练的点击预测模型中， 获得广告点击预测 结果。 9.一种计算机设备， 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可 读指令， 所述处理器执行所述计算机可读指 令时实现如权利要求 1至7中任一项 所述的基于 交叉特征提取模型的广告点击预测方法的步骤。 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上存储有计算机 可读指令， 所述计算机可读指 令被处理器执行时实现如权利要求 1至7中任一项 所述的基于 交叉特征提取模型的广告点击预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115456680 A 3