1.一种特征处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述采用catboost算法对所述样本数据集中的m个特征进行特征交叉,得到至少一个衍生多变量特征,包括:
3.根据权利要求1所述的,其特征在于,在所述得到q个混合特征之后,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,所述对所述ffm模型进行训练之前,所述方法还包括:
5.根据权利要求3所述的方法,其特征在于,在所述对目标预测模型进行训练之前,所述方法还包括:
6.根据权利要求5所述的方法,其特征在于,所述ffm模型中包括i个二阶交叉特征,所述i个二阶交叉特征中各二阶交叉特征基于所述q个混合特征和所述m个特征中的至少两项确定得到,i为正整数;在所述将注意力机制引入所述ffm模型中,得到更新后的所述ffm模型之前,所述方法还包括:
7.根据权利要求1-6任一项所述的方法,其特征在于,所述m个特征中包括在t个数值型特征和s个分类型特征,t、s为小于或者等于m的非负整数;
8.根据权利要求7所述的方法,其特征在于,第二类别特征为所述t个数值型特征中的任意一项;
9.一种特征处理装置,其特征在于,所述装置包括:
10.一种特征处理设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-8任意一项所述的特征处理方法。
12.一种计算机程序产品,其特征在于,所述计算机程序产品中的指令由电子设备的处理器执行时,所述电子设备执行如权利要求1-8任意一项所述的特征处理方法。