买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆邮电大学申请的专利一种基于深度多行为网络的广告点击率预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116228368B 。

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310247095.6，技术领域涉及：G06Q30/0601；该发明授权一种基于深度多行为网络的广告点击率预测方法是由孙开伟;宣立德;刘虎;冉雪;李彦设计研发完成，并于2023-03-15向国家知识产权局提交的专利申请。

本一种基于深度多行为网络的广告点击率预测方法在说明书摘要公布了：本发明属于广告点击率预测领域，具体涉及一种基于深度多行为网络的广告点击率预测方法，包括：获取用户和广告的相应数据信息，该相应数据信息包括用户与广告基本信息数据、广告曝光数据以及用户行为日志数据；对相应数据信息数据信息进行预处理；提取预处理后数据信息的特征，该特征包括序列特征、用户特征、广告特征以及上下文特征；将数据信息特征输入到训练好后的基于深度多行为网络的广告点击率预测模型中，得到广告点击率预测结果；本发明提出了基于动态Dropout的兴趣融合模块，该模块能够捕捉到用户行为分布的差异，有效地对用户兴趣进行融合，避免模型过拟合至某类行为表征。

本发明授权一种基于深度多行为网络的广告点击率预测方法在权利要求书中公布了：1.一种基于深度多行为网络的广告点击率预测方法，其特征在于，包括：获取用户和广告的相应数据信息，该相应数据信息包括用户与广告基本信息数据、广告曝光数据以及用户行为日志数据；对相应数据信息数据信息进行预处理；提取预处理后数据信息的特征，该特征包括序列特征、用户特征、广告特征以及上下文特征；将数据信息特征输入到训练好后的基于深度多行为网络的广告点击率预测模型中，得到广告点击率预测结果； 对基于深度多行为网络的广告点击率预测模型进行训练的过程包括： S1：获取用户历史广告点击数据，并数据进行预处理；其中用户历史广告点击数据包括用户行为序列特征、广告特征、用户特征以及环境特征； S2：将户行为序列特征、广告特征、用户特征以及环境特征输入到特征嵌入层，生成户行为序列特征向量表示、广告特征向量表示、用户特征向量表示以及环境特征向量表示； S3：将户行为序列特征向量表示输入到深度多行为网络中，提取用户的行为特征；深度多行为网络包括长期点击后行为序列建模模块、长期点击行为序列建模模块、短期点击行为序列建模模块以及短期曝光新闻个序列建模模块； 长期点击后行为序列建模模块对输入数据进行处理的过程包括：长期点击后行为序列与候选广告特征向量输入到稀疏多头注意力层进行注意力特征提取；将提取的特征与输入序列金加和以及归一化处理；将归一化处理的数据输入到全连接层，得到融合特征；将融合特征与输入特征进行加和归一化处理，得到用户长期点击兴趣表征； 长期点击行为序列建模模块处理输入数据包括：将短期点击行为序列输入到编码器中进行编码处理，将编码后的数据联合候选广告特征向量输入到解码器中进行解码，得到长期点击后兴趣表征； 短期曝光行为序列建模模块对输入数据进行处理的过程包括：将短期序列和候选广告特征向量输入到多头注意力层，对多头注意力层的输出结果与输入数据进行加和归一化处理；将归一化处理结果输入到多层二维卷积网络，得到短期曝光兴趣表征； 短期点击行为序列建模模块对输入数据进行处理的过程包括：将长期点击后行为序列和候选广告特征向量输入到稀疏多头注意力层进行注意力特征提取；将提取的特征与输入序列金加和以及归一化处理；将归一化处理的数据输入到全连接层，得到融合特征；将融合特征与输入特征进行加和归一化处理，得到短期点击兴趣表征； S4：将深度多行为网络的输出的多种用户行为特征输入到多行为融合模块中，得到用户行为融合特征； S5：将广告特征向量表示、用户特征向量表示以及环境特征向量表示输入到深度交叉网络中，得到广告上下文融合特征； S6：将用户行为融合特征和广告上下文融合特征进行融合后输入到全连接层，得到广告点击率预测结果； S7：根据广告点击率预测结果计算模型的损失函数，并采用Adam优化算法对模型的参数进行优化，当损失函数收敛时完成模型的训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。