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！

龙图腾网获悉上海数鸣人工智能科技有限公司申请的专利基于阴影特征筛选的针对互联网点击率预测的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：CN115293800B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202210889770.0，技术领域涉及：G06Q30/0242；该发明授权基于阴影特征筛选的针对互联网点击率预测的预测方法是由项亮;裴智晖设计研发完成，并于2022-07-27向国家知识产权局提交的专利申请。

本基于阴影特征筛选的针对互联网点击率预测的预测方法在说明书摘要公布了：一种基于阴影特征筛选的针对互联网点击率预测的预测方法，其包括数据预处理步骤、训练集的生成步骤和所述模型训练与模型建立步骤；其中，训练集的生成步骤包括特征工程的处理和阴影特征的构造和基于特征阴影的特征筛选。因此，本发明根据特征筛选策略、是否有每一个原特征重要性在M次重复后的均值大于阴影特征的情况出现以及原特征和阴影特征的两者的分布具是否有显著性差异，对每一个原特征进行保留或删除的操作，将保留的原特征用于模型的最终训练集和验证集的数据特征；即本发明通过构造阴影特征对于原始特征进行筛选，使筛选后的原始特征显著降低了树模型的过拟合风险，提升了算法的鲁棒性，并在实际业务中提升点击率预测结果都具有重要的意义。

本发明授权基于阴影特征筛选的针对互联网点击率预测的预测方法在权利要求书中公布了：1.一种基于阴影特征筛选的针对互联网点击率预测的预测方法，其特征在于，包括数据预处理步骤S1、训练集的生成步骤S2和模型训练与模型建立步骤S3； 所述数据预处理步骤S1包括如下步骤： 步骤S11：获取N个用户的原始数据信息，并从所述用户的原始数据信息提取原始特征信息；其中，所述原始特征信息包括用户ID、用户所在省份、用户所在城市、用户访问DPI、用户访问时间、设备类型和或用户是否点击特征；其中，所述用户所在省份、用户所在城市、和用户访问DPI为类别特征，所述用户访问时间为连续特征，所述N大于等于2； 步骤S12：对所述用户的原始特征信息进行异常检测与处理步骤； 步骤S13：通过独热编码对类别特征进行处理，根据业务需求及求解模型选择进行归一化后梯度下降处理，或利用RankGauss方法对连续特征进行调整样本分布处理； 所述训练集的生成步骤S2包括特征工程的处理步骤S21和阴影特征的构造步骤S22和基于特征阴影的特征筛选步骤S23； 步骤S21具体包括如下步骤： 步骤S211：用户访问DPI处理步骤，建立用户ID与用户访问DPI的特征列； 步骤S212：采用通过独热编码对类别特征进行处理； 步骤S213：连续特征进行数值型特征改造处理； 步骤S214：进行特征筛选和特征构造，以形成新的特征； 步骤S215：执行连续特征离散化处理； 步骤S22阴影特征的构造具体包括如下步骤： 对连续特征和离散化后的连续特征与类别特征构造对应的阴影特征；将训练数据集的训练数据原特征和获得的阴影特征拼接，得到2倍于所述训练数据原特征M的混合特征； 步骤S23具体包括如下步骤： 步骤S231：形成对每一个原特征和其对应的阴影特征的M个特征重要性的分布情况；根据特征筛选策略、是否有每一个原特征重要性在M次重复后的均值大于阴影特征的情况出现以及原特征和阴影特征的两者的分布具是否有显著性差异，对每一个原特征进行保留或删除的操作； 步骤S232：将保留的原特征作为模型的最终训练集和验证集数据的特征；即使用保留下来的原特征作为基于树算法的神经网络模型的输入； 所述模型训练与模型建立步骤S3包括： 步骤S31：建立基于树算法的神经网络初始化模型，使用保留下来的原始数据的原特征，用所述训练集中的经过处理的原始数据，以是否点击作为训练标签，获得每个训练样本是否点击的输出概率； 步骤S32，将所述新的训练集中的每一个样本对基于树算法的神经网络模型进行训练和验证，得到参数优化后的所述神经网络模型，并使用验证集进行验证，得到最终的基于树算法的预测网络模型。

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上海数鸣人工智能科技有限公司，其通讯地址为：200436 上海市静安区万荣路1256、1258号406室；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”。