ginal_804_811 (train0riginal_804_806)，该数据集包含 以下属性：cookie，视频分类（62类离散），是否长视频，视频时长（分段离散），是否注册， 史来vv计数（分段离散），史来session计数，本次session的vv计数，是否再次访问。
[0028] 其中，整合规则为：首先，accessCookieAttrs_804 与vvCookieAttrs_804 通过 cookieOsessionld值进行连接得到temp_804,包含属性：cookie(只取cookieOsessionld 的cookie部分），视频分类（62类离散），是否长视频，视频时长（分段离散），是否注册，史 来VV计数（分段离散），史来session计数，本次session的VV计数，时间戳。其中视频时 长以10分钟为一段进行分段离散，史来vv计数以10为一段进行分段离散，cookie不唯一。 然后，temp_804再与cookieNum_805_811进行连接生成类标签，若temp_804中的某cookie 在cookieNum_805_811中存在，贝是否再来label为1，若不存在，贝对该同一cookie的所 有记录求时间戳最大值的记录，该记录的label为0,其余的label为1，此种情况表示：如 果某cookie在8. 04这一天出现多次，但在之后一周内并未出现，那么该cookie在8. 04这 一天最后一次出现时（时间戳最大）的label为0,其余时间出现时因为之后还会再出现所 以label为 1 ;
[0029] 步骤1. 5,将步骤1. 4得到的数据集train0riginal_804_811进行简单抽样得到三 份新的数据集，分别为CART训练数据集train0riginal_804_811_train，10w条记录；剪枝 数据集train0riginal_804_811_prune，5w条记录；测试数据集train0riginal_804_811_ test，5w条记录，其中，a、b、c用于标识时间，本实施例中a到c为一周的时间跨度。
[0030] 第二步，建立CART分类树模型。
[0031] 使用训练数据集train0riginal_804_811_train进行建树，建树后使用剪枝数 据集train0riginal_804_811_prune对树进行后剪枝得到模型树，最后通过测试数据集 train0riginal_804_811_test进行简单的测试。经过反复调整输入参数并测试能够得到 最佳分类性能。最终生成的模型树为：nplus_tree_804_811.model，输入参数值最终调整为 ratio_threshold:0. 94,num_threshold：200,gini_threshold:0. 002
[0032] 第三步，进行N+广告投放预测与算法性能的评估。
[0033] 使用新一周（2014. 08. 12-2014. 08. 18)的数据进行N+广告投放预测与算法 性能评估。重复步骤1.1-1. 4生成新一周（2014. 08. 12-2014. 08. 18)的数据，记为： simulateCookie_812_818,属性为：cookie@sessionId，视频分类（62类离散），是否长视 频，视频时长（分段离散），是否注册，vvstep史来计数（分段离散），sevvstep本次session 计数，seidcount史来session计数。
[0034] 设定是否投放的阈值threshold，设定有效接触广告的次数为N(2 <N< 6)，顺序 遍历simulateCookie_812_818的数据，对每条数据应用模型预测是否投放，如果投放，贝1J将该cookie加入hash表〈cookie，cookieNum〉；对每条数据，先看hash表中是否存在投放 记录，如果存在投放记录，则该cookieNum++，如果不存在投放记录，则判断是否需要投放， 这样得到一个投放记录结果。检查cookie对应的cookieNum是否大于等于N值，来计算的 正确率和召回率，得到的结果如下表1所示：
[0035]
【主权项】
1. 一种N+广告投放优化方法，包括： 第一步，抽取目标客户浏览视频的标记值（即cookie)特征数据，生成CART分类树的 训练、剪枝、测试数据； 第二步，建立CART分类树模型； 第三步，抽取新的一段时间内的数据，进行N+广告投放预测与算法性能评估。
2. 如权利要求1所述的方法，其中第一步生成CART分类树的训练、剪枝、测试数据的步 骤进一步包括： 步骤1.1，从视频平台数据系统中记录视频广播播放日志的access日志表中抽取某一 天的cookie数据，记为：accessCookieAttrs_a; 步骤1.2,从视频平台数据系统中记录用户相关属性信息的vvlog日志表中抽取该天 的cookie数据，记为：vvCookieAttrs_a; 步骤1. 3，统计access日志表中一定时间跨度内cookie出现的次数，记为：cookieNum-b-c; 步骤I. 4,整合连接上述三个步骤得到的三个数据集：accessCookieAttrs_a， vvCookieAttrs_a，cookieNum_b_c，生成是否再来类属标签，得到新的数据集，记为： trainOriginal_a-c ; 步骤1. 5,将步骤1. 4得到的数据集trainOriginal_a_c进行抽样得到三份新的数据 集，分别为CART训练数据集trainOriginal_a_c_train，剪枝数据集trainOriginal_a_c_ prune，测试数据集trainOriginal_a_c_test， 其中，a、b、c用于标识时间，a到c为一周的时间跨度。
3. 如权利要求2所述的方法，第二步进一步包括： 使用CART训练数据集trainOriginal_a_c_train建立分类树，建树后使用剪枝数据集trainOriginal_a_c_prune对树进行后剪枝得到模型树，通过测试数据集trainOriginal_ a_c_test进行测试，经过反复调整测试能够得到最佳分类性能。
4. 如权利要求3所述的方法，第三步进一步包括： 重复步骤1.卜1. 4生成新的一段时间的数据，记为：simulateCookie_d_e;设定 是否投放的阈值threshold，设定有效接触广告的次数为N，其中2< 6,顺序遍历 SimUlateC〇〇kie_812_818的数据，对每条数据应用模型预测是否投放，如果投放，则将该cookie加入hash表〈cookie，cookieNum〉；对每条数据，先看hash表中是否存在投放记录， 如果存在投放记录，则该cookieNum++，如果不存在投放记录，则判断是否需要投放，这样得 到一个投放记录结果。
【专利摘要】本发明提供一种N+广告投放优化方法，该方法将对目标客户浏览视频的标记值(即cookie)在未来一段时间(例如一周)内出现N次的概率做一个预测并得到预测值，设定一个概率阈值threhold，该预测值大于等于该阈值才对该cookie进行广告投放，小于则不投放。业内对该广告投放也称作播种，不投放则称作不播种。该方法能有效降低资源浪费，并能保证收益。
【IPC分类】G06Q30-02
【公开号】CN104778608
【申请号】CN201510174030
【发明人】雷龙艳, 章岑, 朱凯泉, 房晓宇, 江建博, 潘柏宇, 卢述奇
【申请人】合一信息技术（北京）有限公司
【公开日】2015年7月15日
【申请日】2015年4月13日