-
公开(公告)号：CN108596687A
公开(公告)日：2018-09-28
申请号：CN201810437471.7
申请日：2018-05-09
Applicant: 南京大学
Abstract: 本发明公开了一种基于哈希学习的广告定向投放方法，包括使用神经网络离线训练模型的步骤，对模型参数量化为二值编码的步骤，对用户进行线上广告定向投放的步骤。首先收集广告主为待投放广告提供的种子用户数据，根据数据构建用户与广告的二值关系矩阵用于训练；然后基于哈希学习的框架，先通过神经网络为每个用户和广告学习一个低维实值表示向量，再将所有参数量化为二值表示，进一步压缩模型以便于线上的存储和计算；最后在线上使用得到的模型为用户和所有待投放广告的相关性进行打分，根据得分高低对用户进行广告定向投放。本发明的方法与现有技术相比，用户和广告在线上被表示为经过压缩的二值编码，因而可大幅减少线上存储开销，提高计算性能。
-
公开(公告)号：CN108596687B
公开(公告)日：2021-07-09
申请号：CN201810437471.7
申请日：2018-05-09
Applicant: 南京大学
Abstract: 本发明公开了一种基于哈希学习的广告定向投放方法，包括使用神经网络离线训练模型的步骤，对模型参数量化为二值编码的步骤，对用户进行线上广告定向投放的步骤。首先收集广告主为待投放广告提供的种子用户数据，根据数据构建用户与广告的二值关系矩阵用于训练；然后基于哈希学习的框架，先通过神经网络为每个用户和广告学习一个低维实值表示向量，再将所有参数量化为二值表示，进一步压缩模型以便于线上的存储和计算；最后在线上使用得到的模型为用户和所有待投放广告的相关性进行打分，根据得分高低对用户进行广告定向投放。本发明的方法与现有技术相比，用户和广告在线上被表示为经过压缩的二值编码，因而可大幅减少线上存储开销，提高计算性能。
-
Search Results
2
records
(took 0.012 seconds)
