跨域多模态数据集在许多领域发挥重要作用,本文主要研究征信背景下的多字段分类数据和多元时间序列数据之间的数据融合问题。现有跨域多模态数据融合的研究主要集中在文本与图像间融合以及视频与音频间的融合,鲜有人研究多字段分类数据与多元时间序列数据之间的融合,且这两种数据间存在较大的结构和语义上的差异,如何设计模型使其既能够最大可能地挖掘每种模态数据所蕴含的信息,又能弥补两种数据结构和语义上的差异使其很好地融合,成为本文的一大难点。本文主要包括如下三部分研究内容。首先,本文提出分类多字段数据的特征表示模型CFM模型。该模型通过在FM模型的基础上引入Cat2vec模型的交叉层+K-Max池化层(Interaction Layer+K-Max Pooling Layer)结构,解决了传统模型无法挖掘特征间存在的高阶潜在模式且精度不足等问题。其次,本文提出了多元时间序列数据特征表示模型IA-RNN模型。该模型通过在基于基本LSTM单元的模型上引入Input-Attention,使得模型可以捕捉不同维度的输入数据在每个时间点拥有的不同程度的作用,从而可以更好地挖掘多元时间序列数据中蕴含的潜在信息。最后,本文提出三种不同方式的数据融合模型,分别为基于Early Fusion的端到端模型、基于Early Fusion的非端到端模型和基于Late Fusion的端到端模型。通过模型间的对比实验,总结了几种模型间的优劣。综上所述,本文采用基于深度学习的方法,分别针对多字段分类数据和多元时间序列数据设计了两种特征表示学习模型,最大限度地挖掘数据本身蕴含的信息,最后,基于学习到的特征向量,采用三种不同方式进行融合。实验结果表明,CFM模型与IA-RNN模型分别优于多字段分类数据在CTR预估领域的分类任务以及多元时间序列的分类任务的一些基准和先进模型。三种融合模型中,基于Late Fusion的端到端模型效果最优,且三种模型在准确率和AUC两种评价指标上的效果均不低于两种集成学习模型。