摘要
本发明提供了一种基于深度强化学习的广告营销推荐方法，属于计算机数据处理技术领域。首先，收集用户行为数据、用户属性数据和广告内容数据，获取高质量的数据；然后，将采集的原始数据进行特征提取，通过自监督学习从无标签数据中挖掘潜在规律，并进行多尺度特征融合，从而生成丰富的用户和广告特征表示；其次，构建基于Transformer的深度学习模型，利用自注意力机制捕捉用户与广告之间的复杂关系，提升特征交互效果，并结合深度强化学习进行模型训练和优化，以不断优化推荐策略。最终，通过实时数据处理和在线学习，模型能够快速适应用户兴趣和商业趋势的变化，实现精准的广告推荐。
