本发明公开了一种基于多梯度兴趣上下文网络的点击率预测方法，步骤包括：1、用户行为序列建模，采用Transformer结构和多头自注意力机制，捕捉用户兴趣的长短期动态演变，发现复杂兴趣模式；2、广告上下文信息融合，将广告上下文信息嵌入模型，结合本地激活单元，自适应学习用户兴趣表示，增强对广告环境的理解，提高推荐精度；3、特征交互处理，引入因子分解机模块处理低阶特征交互，充分考虑用户和广告属性之间的关系，提升数据建模效果。通过对用户行为序列、广告上下文信息和特征交互进行建模和融合，并使用改进算法训练，与传统方法和现有模型相比，该模型显著提高了点击率预测的精度，对在线广告推荐系统的改进具有重要意义。