[發(fā)明專(zhuān)利]一種預(yù)測(cè)廣告點(diǎn)擊率的方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201410743377.6
• 申請(qǐng)日: 2014-12-08
• 公開(kāi)（公告）號(hào): CN104536983A
• 公開(kāi)（公告）日: 2015-04-22
• 發(fā)明（設(shè)計(jì)）人: 王瑋
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京掌闊技術(shù)有限公司
• 主分類(lèi)號(hào): G06F17/30
• 分類(lèi)號(hào): G06F17/30;G06Q30/02
• 代理公司: 無(wú)
• 代理人: 無(wú)

技術(shù)領(lǐng)域

本發(fā)明屬于大數(shù)據(jù)計(jì)算領(lǐng)域，尤其涉及一種預(yù)測(cè)廣告點(diǎn)擊率的方法和裝置。

背景技術(shù)

目前在廣告點(diǎn)擊率預(yù)估的過(guò)程中普遍運(yùn)用了邏輯回歸的方法來(lái)計(jì)算其點(diǎn)擊率預(yù)估值，但是，由于在廣告點(diǎn)擊率預(yù)估的方法中使用的是邏輯回歸的方法,而這種方法對(duì)數(shù)據(jù)的依賴(lài)性較大,如果數(shù)據(jù)呈現(xiàn)出線(xiàn)性的關(guān)系,則使用邏輯回歸的方法預(yù)估廣告點(diǎn)擊率能得到較好的效果,然而,對(duì)于非線(xiàn)性的數(shù)據(jù),則該方法的效果就明顯較差,目前在廣告點(diǎn)擊率預(yù)估的相關(guān)方法中,將非線(xiàn)性的數(shù)據(jù)進(jìn)行線(xiàn)性轉(zhuǎn)變則大都是利用特征離散化并同時(shí)進(jìn)行0-1編碼的方法,然而并沒(méi)有對(duì)原始特征進(jìn)行特征提取,排除無(wú)關(guān)特征,這種方法會(huì)造成以下的缺點(diǎn):1.數(shù)據(jù)的特征會(huì)成倍的增加,大量的無(wú)關(guān)的特征會(huì)出現(xiàn),影響后續(xù)進(jìn)行廣告點(diǎn)擊率預(yù)估時(shí)的精度2.數(shù)據(jù)的特征增加,會(huì)導(dǎo)致一個(gè)很?chē)?yán)重的問(wèn)題,即占用大量的內(nèi)存3.整個(gè)過(guò)程并沒(méi)有對(duì)無(wú)關(guān)特征進(jìn)行選擇,而且該方法的效果對(duì)數(shù)據(jù)的缺失很敏感,部分?jǐn)?shù)據(jù)的丟失會(huì)對(duì)利用邏輯回歸的方法進(jìn)行廣告點(diǎn)擊率預(yù)估的效果造成很大的影響。

發(fā)明內(nèi)容

本方法是提出了一個(gè)思想及其具體的算法過(guò)程并用公式來(lái)表達(dá).可以對(duì)現(xiàn)有的廣告點(diǎn)擊率預(yù)估的方法進(jìn)行更準(zhǔn)備的處理,以得到更加有效的廣告點(diǎn)擊率預(yù)估值。

本發(fā)明解決上述技術(shù)問(wèn)題所采取的技術(shù)方案如下：

一種預(yù)測(cè)廣告點(diǎn)擊率的方法，包括：

步驟1)獲取歷史數(shù)據(jù)樣本作為訓(xùn)練數(shù)據(jù)；

利用隨機(jī)森林方法選擇出最有價(jià)值的特征，并排除掉無(wú)關(guān)或者相關(guān)性較小的特征；

步驟2)利用回歸模型對(duì)上述得到的去除無(wú)關(guān)或者相關(guān)性較小的特征后的訓(xùn)練數(shù)據(jù)進(jìn)行廣告點(diǎn)擊率的預(yù)測(cè)。

進(jìn)一步地，步驟1)中，獲取歷史數(shù)據(jù)樣本作為訓(xùn)練數(shù)據(jù)；利用隨機(jī)森林方法選擇出最有價(jià)值的特征，并排除掉無(wú)關(guān)或者相關(guān)性較小的特征，具體包括：

步驟11)獲取歷史數(shù)據(jù)樣本作為訓(xùn)練數(shù)據(jù)，

該訓(xùn)練數(shù)據(jù)T＝{x,y},x為訓(xùn)練樣本,樣本個(gè)數(shù)為n個(gè),特征維數(shù)為m維,y為對(duì)應(yīng)的樣本的標(biāo)簽；y∈{0,1}，其中，0代表該廣告沒(méi)有被用戶(hù)點(diǎn)擊,1代表該廣告被用戶(hù)點(diǎn)擊；

步驟12)對(duì)以上訓(xùn)練數(shù)據(jù)的n個(gè)訓(xùn)練樣本進(jìn)行隨機(jī)采樣，數(shù)量也為n個(gè),同時(shí)對(duì)m維的特征也進(jìn)行隨機(jī)選擇,得到一個(gè)d維的特征數(shù)據(jù),且d<m，并將所述d維的特征數(shù)據(jù)作為新訓(xùn)練數(shù)據(jù)；

步驟13)重復(fù)上述步驟12)得到新訓(xùn)練數(shù)據(jù)的過(guò)程Q次,并對(duì)得到的每一個(gè)n*d訓(xùn)練樣本集進(jìn)行建決策樹(shù)的過(guò)程,得到Q個(gè)決策樹(shù)；

步驟14)對(duì)所述Q個(gè)決策樹(shù)進(jìn)行分析，其中，每個(gè)決策樹(shù)中利用到的特征即為相關(guān)性最大的特征，沒(méi)有使用到的特征即為無(wú)關(guān)特征，較少的即為相關(guān)性較小的特征。

進(jìn)一步地，步驟2)，利用回歸模型對(duì)上述得到的去除無(wú)關(guān)或者相關(guān)性較小的特征后的數(shù)據(jù)進(jìn)行廣告點(diǎn)擊率的預(yù)測(cè),具體包括：基于Logistic回歸模型進(jìn)行預(yù)測(cè)；

P{y＝1|f(x)}＝1/(1+exp(-(w·x+b))),?????(1)

其中，f(x)為通過(guò)logistic回歸對(duì)廣告的預(yù)測(cè)值,w為廣告權(quán)重向量，x為去除無(wú)關(guān)或者相關(guān)性較小的特征后的廣告樣本數(shù)據(jù),P{y＝1|f(x)}表示了通過(guò)預(yù)測(cè)值得到廣告真實(shí)被用戶(hù)點(diǎn)擊的后驗(yàn)概率值,這樣通過(guò)上式得到一個(gè)新的廣告樣本被點(diǎn)擊的概率。

進(jìn)一步包括：步驟22)通過(guò)構(gòu)建損失函數(shù),利用梯度下降法得到w和b的值，損失函數(shù)形式：