摘要
本发明属于计算机网络技术领域,且公开了一种基于多结构特征交叉的用户兴趣预估方法,具体步骤如下:步骤一:样本构造:训练样本的质量往往决定了一个模型泛化能力的上限,为了保证数据的完备与可靠,抽取季活用户在主站的行为日志,并进行采样构造数据集;步骤二:特征工程:将通用特征进行细粒度划分。本发明采用了一种基于多结构特征交叉的用户兴趣预估方法,整个方法逻辑直观,易于落地,且可挖掘深层特征关系,结合后用户偏好的覆盖率更高,模型离线后验确保了准确率,且有一定的自我优化能力,对于支持平台内推荐、搜索、push等策略的制定,圈定用户群体,进行精准营销与精细化运营,都起到更好的促进效果。
技术关键词
兴趣
通用特征
特征工程
交叉算法
学习特征
复杂度
神经网络单元
计算机网络技术
深度学习网络
稀疏特征
日志
样本
离线
插值法
覆盖率
数据
参数
线索
序列