的“或”。即，除非另外指定或从上下文中清楚，“X使用A或B”意指自然包括排列的任意一个。B卩，如果X使用A ；X使用B^X使用A和B 二者，则“X使用A或B”在前述任一示例中得到满足。
[0118]而且，尽管已经相对于一个或多个实现方式示出并描述了本公开，但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型，并且仅由所附权利要求的范围限制。特别地关于由上述组件(例如元件、资源等)执行的各种功能，用于描述这样的组件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的任意组件(除非另外指示)，即使在结构上与执行本文所示的本公开的示范性实现方式中的功能的公开结构不等同。此外，尽管本公开的特定特征已经相对于若干实现方式中的仅一个被公开，但是这种特征可以与如可以对给定或特定应用而言是期望和有利的其他实现方式的一个或多个其他特征组合。而且，就术语“包括”、“具有”、“含有”或其变形被用在【具体实施方式】或权利要求中而言，这样的术语旨在以与术语“包含”相似的方式包括。
[0119]本发明实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器，磁盘或光盘等。上述的各装置或系统，可以执行相应方法实施例中的方法。
[0120]综上所述，虽然本发明已以优选实施例揭露如上，但上述优选实施例并非用以限制本发明，本领域的普通技术人员，在不脱离本发明的精神和范围内，均可作各种更动与润饰，因此本发明的保护范围以权利要求界定的范围为准。
【主权项】
1.一种广告投放方法，其特征在于，包括: 获取广告点击率特征参数，其中所述广告点击率特征参数包括广告特征参数以及用户特征参数； 根据所述广告点击率特征参数，建立相应的输入层神经元； 根据所述广告点击率特征参数，对所述输入层神经元进行分类； 根据所述输入层神经元的类别，建立隐藏层神经元；其中所述隐藏层神经元和至少一个所述输入层神经元连接； 根据所述隐藏层神经元，输出预估广告点击率特征；以及 根据所述预估广告点击率特征，进行广告投放。2.根据权利要求1所述的广告投放方法，其特征在于，所述根据所述广告点击率特征参数，对所述输入层神经元进行分类的步骤具体为: 根据不同的所述广告点击率特征参数的相关性，对所述输入层神经元进行分类。3.根据权利要求2所述的广告投放方法，其特征在于，所述根据不同种类的所述广告点击率特征参数的相关性，对所述输入层神经元进行分类的步骤包括: 计算每个所述广告点击率特征参数与其他所述广告点击率特征参数的相关系数； 根据所述广告点击率特征参数的相关系数对所述广告点击率特征参数进行分类；以及 按所述广告点击率特征参数的类别，对所述输入层神经元进行分类。4.根据权利要求3所述的广告投放方法，其特征在于，所述根据所述广告点击率特征参数的相关系数对所述广告点击率特征参数进行分类的步骤具体为: 将所述相关系数和小于设定值的广告点击率特征参数设定为一个类别； 将所述相关系数和大于等于设定值的广告点击率特征参数设定到所述广告点击率特征参数的最大相关性类别中， 其中所述最大相关性类别为与所述广告点击率特征参数的相关性最高的广告点击率特征参数所在的类别。5.根据权利要求1所述的广告投放方法，其特征在于，所述根据所述输入层神经元的类别，建立隐藏层神经元的步骤包括: 根据所述输入层神经元的类别，建立第一隐藏层神经元； 其中所述第一隐藏层神经元包括多个神经元组，每个所述神经元组与对应类别的至少一个所述输入层神经元连接。6.根据权利要求5所述的广告投放方法，其特征在于，所述根据所述隐藏层神经元，输出预估广告点击率特征的步骤具体为: 根据所述第一隐藏层神经元，通过输出层神经元输出所述预估广告点击率特征。7.根据权利要求1所述的广告投放方法，其特征在于，所述根据所述输入层神经元的类别，建立隐藏层神经元的步骤包括: 根据所述输入层神经元的类别，建立第一隐藏层神经元，其中所述第一隐藏层神经元包括多个神经元组，每个所述神经元组与对应类别的至少一个所述输入层神经元连接； 建立第二隐藏层神经元，其中所述第二隐藏层神经元与所述第一隐藏层神经元全连接。8.根据权利要求7所述的广告投放方法，其特征在于，所述根据所述隐藏层神经元，输出预估广告点击率特征的步骤具体为: 根据所述第二隐藏层神经元，通过输出层神经元输出所述预估广告点击率特征。9.一种广告投放装置，其特征在于，包括: 点击率特征参数获取模块，用于获取广告点击率特征参数，其中所述广告点击率特征参数包括广告特征参数以及用户特征参数； 输入层神经元建立模块，用于根据所述广告点击率特征参数，建立相应的输入层神经元; 输入层神经元分类模块，用于根据所述广告点击率特征参数，对所述输入层神经元进行分类； 隐藏层神经元建立模块，用于根据所述输入层神经元的类别，建立隐藏层神经元；其中所述隐藏层神经元和至少一个所述输入层神经元连接； 点击率特征输出模块，用于根据所述隐藏层神经元，输出预估广告点击率特征；以及 广告投放模块，用于根据所述预估广告点击率特征，进行广告投放。10.根据权利要求9所述的广告投放装置，其特征在于，所述输入层神经元分类模块具体用于根据不同的所述广告点击率特征参数的相关性，对所述输入层神经元进行分类。11.根据权利要求10所述的广告投放装置，其特征在于，所述输入层神经元分类模块包括: 相关系数计算单元，用于计算每个所述广告点击率特征参数与其他所述广告点击率特征参数的相关系数； 点击率特征参数分类单元，用于根据所述广告点击率特征参数的相关系数对所述广告点击率特征参数进行分类；以及 输入层神经元分类单元，用于按所述广告点击率特征参数的类别，对所述输入层神经元进行分类。12.根据权利要求11所述的广告投放装置，其特征在于，所述点击率特征参数分类单元包括: 第一类别设定子单元，用于将所述相关系数和小于设定值的广告点击率特征参数设定为一个类别；以及 第二类别设定子单元，用于将所述相关系数和大于等于设定值的广告点击率特征参数设定到所述广告点击率特征参数的最大相关性类别中； 其中所述最大相关性类别为与所述广告点击率特征参数的相关性最高的广告点击率特征参数所在的类别。13.根据权利要求9所述的广告投放装置，其特征在于，所述隐藏层神经元建立模块包括: 第一隐藏层神经元建立单元，用于根据所述输入层神经元的类别，建立第一隐藏层神经元； 其中所述第一隐藏层神经元包括多个神经元组，每个所述神经元组与对应类别的至少一个所述输入层神经元连接。14.根据权利要求13所述的广告投放装置，其特征在于，所述点击率特征输出模块具体用于根据所述第一隐藏层神经元，通过输出层神经元输出所述预估广告点击率特征。15.根据权利要求9所述的广告投放装置，其特征在于，所述隐藏层神经元建立模块包括: 第一隐藏层神经元建立单元，用于根据所述输入层神经元的类别，建立第一隐藏层神经元；其中所述第一隐藏层神经元包括多个神经元组，每个所述神经元组与对应类别的至少一个所述输入层神经元连接；以及 第二隐藏层神经元建立单元，用于建立第二隐藏层神经元；其中所述第二隐藏层神经元与所述第一隐藏层神经元全连接。16.根据权利要求15所述的广告投放装置，其特征在于，所述点击率特征输出模块具体用于根据所述第二隐藏层神经元，通过输出层神经元输出所述预估广告点击率特征。
【专利摘要】本发明提供一种广告投放方法，其包括获取广告点击率特征参数；根据广告点击率特征参数，建立相应的输入层神经元；根据广告点击率特征参数，对输入层神经元进行分类；根据输入层神经元的类别，建立隐藏层神经元；根据隐藏层神经元，输出预估广告点击率特征；以及根据预估广告点击率特征，进行广告投放。本发明还提供一种广告投放装置。本发明提供的广告投放方法及广告投放装置通过对神经网络结构的输入层神经元进行分类，降低了神经网络结构在训练时的计算量，同时使得神经网络结构在训练时更易收敛，提高了广告投放目标的准确度。
【IPC分类】G06Q30/02, G06N3/02
【公开号】CN104951965
【申请号】CN201510364389
【发明人】金涬, 邹永强, 郭志懋, 李毅, 薛伟, 肖磊
【申请人】深圳市腾讯计算机系统有限公司
【公开日】2015年9月30日
【申请日】2015年6月26日