用户属性信息和用户对广告的偏好信息，结合广告素材本身的行业描述来进行点击率 的预测，预测出的点击率可W很好的指导广告的投放，使得广告的投放更有针对性。
[0092] W上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人 员来说，本发明可W有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、 等同替换、改进等，均应包含在本发明的权利要求范围之内。
【主权项】
1. 一种广告投放方法，其特征在于，包括： 根据广告的历史访问数据确定用户对广告的偏好信息； 对所述偏好信息进行特征提取； 以提取到的特征数据为训练数据，按照预设的算法模型对所述训练数据进行训练得到 训练t吴型； 使用所述训练模型对广告测试数据进行预测，得到广告的预测点击率； 根据所述预测点击率投放广告。2. 根据权利要求1所述的方法，其特征在于，对所述偏好信息进行特征提取，包括： 提取所述偏好信息中发生点击或展示广告时的上下文环境信息、广告的描述信息、点 击或展示广告的用户的属性信息以及各用户对广告的偏好信息。3. 根据权利要求2或3所述的方法，其特征在于，所述以提取到的特征数据为训练数据， 按照预设的算法模型对所述训练数据进行训练得到训练模型，包括： 使用逻辑回归模型和/或树模型算法对所述训练数据进行训练，得到所述训练模型。4. 根据权利要求3所述的方法，其特征在于，所述以提取到的特征数据为训练数据，按 照预设的算法模型对所述训练数据进行训练得到训练模型，包括： 在仅使用逻辑回归模型的情况下，使用逻辑回归模型在所述训练数据的向量空间中计 算每一个特征维度的权重值，针对广告的点击日志或展示日志中的每一条记录计算所述权 重值与对应特征值的加权和，再将所述加权和代入逻辑回归函数，得到所述训练模型； 在仅使用树模型的情况下，使用一个树对所述训练数据进行训练，逐渐加入新的树对 上一次训练得到的模型进行增强，得到所述训练模型，得到所述训练模型； 在同时使用逻辑回归模型以及树模型的情况下，使用树模型对广告的点击日志或展示 日志中的每条记录进行分区，得到新的特征集合，使用逻辑回归模型对所述新的特征集合 进行训练，得到所述训练模型。5. 根据权利要求1所述的方法，其特征在于，所述根据广告的历史访问数据确定用户对 广告的偏好信息，包括： 通过广告的点击日志或展示日志对储存在用户本地终端上的数据、会话标识ID、广告 ID进行整合； 通过广告的点击日志或展示日志中的广告素材ID与广告素材信息库进行整合得到广 告素材的行业描述信息； 通过广告的点击日志或展示日志的储存在用户本地终端上的数据与用户信息进行连 接整合得到该用户的属性信息与对广告的偏好信息； 对经过整合的数据进行清洗去掉不合法的储存在用户本地终端上的数据。6. 根据权利要求1所述的方法，其特征在于，所述方法还包括： 在对所述偏好信息进行特征提取之后，如果所述偏好信息中的特征为具有有限类别的 离散型特征，对离散型特征进行离散化编码;如果所述偏好数据中的特征为连续型特征，则 根据所述预设模型算法的类型确定是否对所述连续型特征进行离散化编码。7. 根据权利要求1所述的方法，其特征在于，所述根据所述预测点击率投放广告包括： 在得到广告的预测点击率之后，使用广告的验证数据确定广告的最佳点击率阈值； 如果广告的预测点击率大于所述最佳点击率阈值，则投放该广告，否则放弃投放该广 告。8. -种广告投放装置，其特征在于，包括： 第一确定模块，用于根据广告的历史访问数据确定用户对广告的偏好信息； 提取模块，用于对所述偏好信息进行特征提取； 训练模块，用于以提取到的特征数据为训练数据，按照预设的算法模型对所述训练数 据进行训练得到训练模型； 预测模块，使用所述训练模型对广告测试数据进行预测，得到广告的预测点击率； 投放模块，用于根据所述预测点击率投放广告。9. 根据权利要求8所述的装置，其特征在于，所述提取模块具体用于： 提取所述偏好信息中发生点击或展示广告时的上下文环境信息、广告的描述信息、点 击或展示广告的用户的属性信息以及各用户对广告的偏好信息。10. 根据权利要求8或9所述的装置，其特征在于，所述训练模块具体用于： 使用逻辑回归模型和/或树模型算法对所述训练数据进行训练，得到所述训练模型。11. 根据权利要求10所述的装置，其特征在于，所述训练模块，包括： 第一训练单元，用于在仅使用逻辑回归模型的情况下，使用逻辑回归模型在所述训练 数据的向量空间中计算每一个特征维度的权重值，针对广告的点击日志或展示日志中的每 一条记录计算所述权重值与对应特征值的加权和，再将所述加权和代入逻辑回归函数，得 到所述训练模型； 第二训练单元，用于在仅使用树模型的情况下，使用一个树对所述训练数据进行训练， 逐渐加入新的树对上一次训练得到的模型进行增强，得到所述训练模型； 第三训练单元，用于在同时使用逻辑回归模型以及树模型的情况下，使用树模型对广 告的点击日志或展示日志中的每条记录进行分区，得到新的特征集合，使用逻辑回归模型 对所述新的特征集合进行训练，得到所述训练模型。12. 根据权利要求8所述的装置，其特征在于，所述第一确定模块，包括： 第一整合单元，用于通过广告的点击日志或展示日志对储存在用户本地终端上的数 据、会话标识ID、广告ID进行整合； 第二整合单元，用于通过广告的点击日志或展示日志中的广告素材ID与广告素材信息 库进行整合得到广告素材的行业描述信息； 第三整合单元，用于通过广告的点击日志或展示日志的储存在用户本地终端上的数据 与用户信息进行连接整合得到该用户的属性信息与对广告的偏好信息； 清洗单元，用于对经过整合的数据进行清洗去掉不合法的储存在用户本地终端上的数 据。13. 根据权利要求8所述的装置，其特征在于，所述装置还包括： 离散模块，用于在对所述偏好信息进行特征提取之后，如果所述偏好信息中的特征为 具有有限类别的离散型特征，对离散型特征进行离散化编码;如果所述偏好数据中的特征 为连续型特征，则根据所述预设模型算法的类型确定是否对所述连续型特征进行离散化编 码。14. 根据权利要求8所述的装置，其特征在于，所述投放模块包括： 确定单元，用于在得到广告的预测点击率之后，使用广告的验证数据确定广告的最佳 点击率阈值； 投放单元，用于如果广告的预测点击率大于所述最佳点击率阈值，则投放该广告，否则 放弃投放该广告。
【专利摘要】本发明提供例一种广告点击率优化方法及装置，用于解决现有技术中视频网站无法根据用户需求投放广告导致广告点击率较低的问题。其中，广告投放方法包括：根据广告的历史访问数据确定用户对广告的偏好信息；对偏好信息进行特征提取；以提取到的特征数据为训练数据，按照预设的算法模型进行训练得到训练模型；使用训练模型对广告测试数据进行预测，得到广告的预测点击率；根据预测点击率投放广告，该方案使得广告的投放更有针对性，优化了网页上广告的点击率。
【IPC分类】G06Q30/02
【公开号】CN105631711
【申请号】CN201511019137
【发明人】雷龙艳, 章岑, 杨田, 周盛, 潘柏宇, 王冀
【申请人】合一网络技术(北京)有限公司
【公开日】2016年6月1日
【申请日】2015年12月30日