[發明專利]建立點擊率預估模型的方法及裝置、終端、存儲介質

有效

• 申請號: 201710578583.X
• 申請日: 2017-07-14
• 公開（公告）號: CN107301247B
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 潘岸騰
• 申請（專利權）人: 阿里巴巴（中國）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京博雅睿泉專利代理事務所(特殊普通合伙) 11442
• 代理人: 馬佑平

1.一種建立點擊率預估模型的方法，其特征在于，包括：

采集多個第一用戶的特征，所述第一用戶為對象被推薦過的用戶，所述對象為推薦的待點擊內容；

為所述多個第一用戶中的每個用戶的每個特征設定對所述對象的評價指標，基于所述評價指標構建所述點擊率預估模型；

根據所述點擊率預估模型，建立每個第一用戶對所述對象的實際點擊值與預估點擊值的誤差函數，基于所述誤差函數建立誤差損失函數；

基于所述誤差損失函數以及預先統計的每個第一用戶對所述對象的實際點擊值，求解對所述對象設定的評價指標的數值；

根據求解得到的對所述對象的評價指標的數值確定所述點擊率預估模型，

其中，所述評價指標包括：所述每個特征對所述對象的預估點擊值r和所述每個特征對所述對象的預估點擊值的可靠程度a，其中，r∈[0,1]，a∈[0,1]，

所述點擊率預估模型為：

其中，i表示對象，u表示用戶，U表示所述第一用戶的集合，ctr_u,i表示用戶u對對象i的點擊率預估值，f表示用戶u的特征，F_u表示用戶u的特征集合；r_f,i表示特征f對對象i的預估點擊值；a_f,i表示特征f對對象i的預估點擊值的可靠程度。

2.根據權利要求1所述的方法，其特征在于，還包括：

基于第二用戶的特征，利用所述點擊率預估模型得到所述第二用戶對所述對象的點擊率的預估值，所述第二用戶為所述對象未被推薦過的用戶。

3.根據權利要求1所述的方法，其特征在于，采集多個第一用戶的特征之后，還包括：

將特征進行歸類，將每類特征劃分為多個特征集合；

為所述多個第一用戶中的每個用戶的每個特征設定對所述對象的評價指標之后還包括：

為每個特征集合內的特征對所述對象的相同評價指標賦相同的數值。

4.根據權利要求1所述的方法，其特征在于，所述基于所述誤差損失函數以及預先統計的每個用戶對所述對象的實際點擊值，求解對所述對象設定的評價指標的數值包括：

設置所述評價指標的初始值；

以所述誤差損失函數的損失最小為目標對所述誤差損失函數進行迭代計算；

當所述誤差損失函數的變化率小于預設閾值時停止所述迭代計算并以此時所述評價指標的取值作為所述評價指標的數值。

5.根據權利要求4所述的方法，其特征在于，所述誤差函數為：

所述誤差損失函數為：

其中，y_u,i表示用戶u對對象i的實際點擊值。

6.一種建立點擊率預估模型的裝置，其特征在于，包括：

采集模塊，用于采集多個第一用戶的特征，所述第一用戶為對象被推薦過的用戶，所述對象為推薦的待點擊內容；

第一建模模塊，用于為所述多個第一用戶中的每個用戶的每個特征設定對所述對象的評價指標，基于所述評價指標構建所述點擊率預估模型；

第二建模模塊，用于根據所述點擊率預估模型，建立每個第一用戶對所述對象的實際點擊值與預估點擊值的誤差函數，基于所述誤差函數建立誤差損失函數；

求解模塊，用于基于所述誤差損失函數以及預先統計的每個第一用戶對所述對象的實際點擊值，求解對所述對象設定的評價指標的數值；

第三建模模塊，用于根據求解得到的對所述對象的評價指標的數值確定所述點擊率預估模型，

其中，所述評價指標包括：所述每個特征對所述對象的預估點擊值r和所述每個特征對所述對象的預估點擊值的可靠程度a，其中，r∈[0,1]，a∈[0,1]，

其中，所述點擊率預估模型為：

其中，i表示對象，u表示用戶，U表示所述第一用戶的集合，ctr_u,i表示用戶u對對象i的點擊率預估值，f表示用戶u的特征，F_u表示用戶u的特征集合；r_f,i表示特征f對對象i的預估點擊值；a_f,i表示特征f對對象i的預估點擊值的可靠程度。