对广告点击率进行预测的方法及装置的制造方法
【技术领域】
[0001] 本发明涉及计算机技术领域，具体而言，本发明涉及对广告点击率进行预测的方 法及装置。
【背景技术】
[0002] 随着互联网的兴起，网络广告成为各大门户网站、搜索引擎、社交网络以及各终端 通讯设备应用程序的主要赢利方式。目前互联网广告的市场正在以惊人的速度增长，互联 网广告发挥的效用越来越显得重要。但是，由于广告位的个数是有限的，因此需要一种准确 预估广告点击率的方案，为广告投放方和展现方提供有力可靠的参考依据和决策信息。现 有技术的预估方案结果与真实值之间的误差较大，不能对待预测广告的点击率进行准确的 预估，从而无法进一步为提高广告投放效果提供良好的数据参考依据。
【发明内容】
[0003] 为克服上述技术问题或者至少部分地解决上述技术问题，特提出以下技术方案：
[0004] 本发明的实施例提出了一种对广告点击率进行预测的方法，包括：
[0005] 获取在预定历史时间段内与多个历史投放广告相关的多种特征类型的特征相关 信息；
[0006] 将各个历史投放广告的至少两种特征类型的特征相关信息进行交叉组合来确定 多个交叉特征集，并计算确定多个交叉特征集分别对应的交叉特征标识；
[0007] 提取在所述预定历史时间段内各个交叉特征集对应的广告展现量及广告点击量， 并计算确定所述各个交叉特征集对应的广告点击率以作为交叉特征值；
[0008] 基于多个交叉特征集分别对应的交叉特征标识及交叉特征值，对逻辑回归模型进 行训练，以计算确定模型训练参数；
[0009] 基于所述模型训练参数对多个待预测广告进行广告点击率的预测计算。
[0010] 其中，所述特征类型包括以下至少任一项：
[0011] 投放用户；投放上下文；历史投放广告。
[0012] 其中，所述投放用户的特征相关信息包括以下至少任一项：
[0013] 用户属性信息；用户的历史兴趣信息；用户的实时兴趣信息。
[0014] 其中，所述投放上下文的特征相关信息包括以下至少任一项：终端设备相关信息； 网络相关信息；地理位置信息；广告展现相关信息。
[0015] 优选地，该方法还包括：
[0016] 判断所述各个交叉特征集对应的广告展现量和/或广告点击量是否符合再处理 条件；
[0017] 当交叉特征集对应的广告展现量和/或广告点击量符合再处理条件时，所述计算 确定所述各个交叉特征集对应的广告点击率以作为交叉特征值的步骤，具体包括：
[0018] 对该交叉特征集对应的广告展现量及广告点击量进行贝叶斯平滑计算处理，以确 定该交叉特征集对应的广告点击率以作为交叉特征值。
[0019] 其中，所述再处理条件包括以下任一情形：
[0020] 交叉特征集对应的广告展现量小于预定展现量阈值；
[0021] 交叉特征集对应的广告点击量小于预定点击量阈值；
[0022] 交叉特征集对应的广告展现量与广告点击量的比值小于预定点击率阈值。
[0023] 优选地，基于所述模型训练参数对待预测广告进行广告点击率的预测计算，具体 包括：
[0024] 获取各个待预测广告实时投放时的至少两种特征类型的特征相关信息进行交叉 组合后对应的交叉特征集的交叉特征标识；
[0025] 基于所述模型训练参数与所述待预测广告的交叉特征标识，进行预测计算以确定 所述待预测广告的广告点击率。
[0026] 优选地，该方法还包括：
[0027] 根据预测计算结果，筛选所述多个待预测广告。
[0028] 本发明的另一实施例还提出了一种根据广告点击率的预测计算结果进行应用推 荐的方法，其特征在于，包括：
[0029] 获取与目标用户相关的特征相关信息；
[0030] 将所述目标用户相关的特征相关信息与多个待推荐广告分别进行交叉组合来确 定多个交叉特征集，并计算确定该多个交叉特征集对应的交叉特征标识；
[0031] 基于预先训练得到模型训练参数与所述多个待推荐广告的交叉特征标识，进行预 测计算以确定所述多个待推荐广告的广告点击率；
[0032] 根据预测计算得到的广告点击率对所述多个待推荐广告进行筛选；
[0033] 将筛选出的一个或多个待推荐广告推荐给所述目标用户。
[0034] 其中，所述与目标用户相关的特征相关信息，具体包括：
[0035] 属于投放用户的特征相关信息；
[0036] 或属于投放上下文的特征相关信息。
[0037] 本发明的另一实施例提出了一种对广告点击率进行预测的装置，包括：
[0038] 特征获取模块，用于获取在预定历史时间段内与多个历史投放广告相关的多种特 征类型的特征相关信息；
[0039] 特征标识计算模块，用于将各个历史投放广告的至少两种特征类型的特征相关信 息进行交叉组合来确定多个交叉特征集，并计算确定多个交叉特征集分别对应的交叉特征 标识；
[0040] 特征值计算模块，用于提取在所述预定历史时间段内各个交叉特征集对应的广告 展现量及广告点击量，并计算确定所述各个交叉特征集对应的广告点击率以作为交叉特征 值；
[0041] 训练模块，用于基于多个交叉特征集分别对应的交叉特征标识及交叉特征值，对 逻辑回归模型进行训练，以计算确定模型训练参数；
[0042] 第一预测计算模块，用于基于所述模型训练参数对多个待预测广告进行广告点击 率的预测计算。
[0043] 其中，所述特征类型包括以下至少任一项：
[0044] 投放用户；投放上下文；历史投放广告。
[0045] 其中，所述投放用户的特征相关信息包括以下至少任一项：用户属性信息；用户 的历史兴趣信息；用户的实时兴趣信息。
[0046] 其中，所述投放上下文的特征相关信息包括以下至少任一项：终端设备相关信息； 网络相关信息；地理位置信息；广告展现相关信息。
[0047] 优选地，该装置还包括：
[0048] 判断模块，用于判断所述各个交叉特征集对应的广告展现量和/或广告点击量是 否符合再处理条件；
[0049] 当交叉特征集对应的广告展现量和/或广告点击量符合再处理条件时，所述特征 值计算模块具体用于对该交叉特征集对应的广告展现量及广告点击量进行贝叶斯平滑计 算处理，以确定该交叉特征集对应的广告点击率以作为交叉特征值。
[0050] 其中，所述再处理条件包括以下任一情形：
[0051] 交叉特征集对应的广告展现量小于预定展现量阈值；交叉特征集对应的广告点击 量小于预定点击量阈值；交叉特征集对应的广告展现量与广告点击量的比值小于预定点击 率阈值。
[0052] 优选地，所述预测计算模块具体包括：
[0053] 实时特征获取单元，用于获取各个待预测广告实时投放时的至少两种特征类型的 特征相关信息进行交叉组合后对应的交叉特征集的交叉特征标识；
[0054] 点击率预测单元，用于基于所述模型训练参数与所述待预测广告的交叉特征标 识，进行预测计算以确定所述待预测广告的广告点击率。
[0055] 优选地，该装置还包括：
[0056] 第一筛选模块，用于根据预测计算结果，筛选所述多个待预测广告。
[0057] 本发明的另一实施例还提供了一种根据广告点击率的预测计算结果进行应用推 荐的装置，包括：
[0058] 相关信息获取模块，用于获取与目标用户相关的特征相关信息；
[0059] 特征交叉模块，用于将所述目标用户相关的特征相关信息与多个待推荐广告分别 进行交叉组合来确定多个交叉特征集，并计算确定该多个交叉特征集对应的交叉特征标 识；
[0060] 第二预测计算模块，用于基于预先训练得到模型训练参数与所述多个待推荐广告 的交叉特征标识，进行预测计算以确定所述多个待推荐广告的广告点击率；
[0061] 第二筛选模块，用于根据预测计算得到的广告点击率对所述多个待推荐广告进行 筛选；
[0062] 推荐模块，用于将筛选出的一个或多个待推荐广告推荐给所述目标用户。
[0063] 其中，所述与目标用户相关的特征相关信息，具体包括：
[006