文档介绍：(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 108875916 A
(43)申请公布日
(21)申请号
(22)申请日
(71)申请人 北京工业大学
地址 100124 北京市朝阳区平乐园100号
(72)发明人 邵勇 田武 阎长顺 石宇良
张正龙
(74)专利代理机构 北京思海天达知识产权代理
有限公司 11203
代理人 张慧
(51) .
G06N 3/04()
G06N 3/08()
G06Q 10/04()
G06Q 30/02()
权利要求书2页 说明书5页 附图2页
(54)发明名称
一种基于GRU神经网络的广告点击率预测方
法
(57)摘要
本发明公开一种基于GRU神经网络的广告点
击率预测方法。在数据预处理时，构建了基于广
告的时间序列数据，相比于用户序列数据，增强
了序列数据之间的完整性和稳定性；然后通过
one-hot编码对文本特征进行数字化编码且只取
映射值中bit值为1的下标作为字符的映射值，这
样极大减少了特征的维度，提高了模型的训练速
度。本发明采用了回归算法与深度学****算法相结
合来形成最终的预测方法。首先用岭回归算法进
行特征选择，减少了无效特征对模型训练的干
扰，然后用基于LSTM神经网络改进的GRU神经网
络来进行模型的训练与预测，GRU的预测模型相
比于RNN的预测模型能提高预测的准确率，相比
于LSTM的预测模型，它能在提升预测的准确率的
同时，能更快速地进行模型的训练。
CN 108875916 A
CN 108875916 A 权 利 要 求 书 1/2 页
1 .一种基于GRU神经网络的广告点击率预测方法，其特征在于，
步骤1、获取原始数据
得到的数据为用户点击每条广告的数据信息和广告的信息数据；
步骤2、对数据进行预处理
对数据进行分析，去除用户无效点击的数据，然后拼接两类数据信息，以天为时间单
位，统计每条广告的数据和点击率；最后根据多重插补方法把数据的缺失值补全；
步骤3、广告序列数据的构建
在补全数据后，以天为时间单位，将每条广告进行先后排序，构成基于时间的广告序列
数据，且将数据分为两类，一类为特