[發明專利]廣告投放方法、終端及計算機可讀存儲介質

在審

• 申請號: 201810040154.1
• 申請日: 2018-01-16
• 公開（公告）號: CN108280682A
• 公開（公告）日: 2018-07-13
• 發明（設計）人: 魯文龍;陳霖;羅偉東
• 申請（專利權）人: 深圳市和訊華谷信息技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 安娜

1.一種廣告投放方法，其特征在于，包括：

接收總詢價流量，根據所述總詢價流量獲取模型訓練數據、用戶的靜態屬性特征數據和動態屬性特征數據，所述總詢價流量包括多支廣告的詢價流量，所述模型訓練數據包括每次廣告的曝光記錄和點擊行為記錄；

根據所述模型訓練數據、靜態屬性特征數據和動態屬性數據確定關于曝光/點擊的全場景數據，所述全場景數據包括多個單階特征；

根據所述單階特征，結合邏輯回歸模型和梯度增強決策樹模型預測多支廣告的多個潛在點擊率值；

接收用戶輸入的廣告點擊價值預估值，根據多個所述潛在點擊率值和所述廣告點擊價值預估值，計算出多支廣告的出價；

對多支廣告的出價進行排序以得到廣告出價排序表，并根據所述廣告出價排序表進行廣告投放。

2.如權利要求1所述的廣告投放方法，其特征在于，接收總詢價流量之前，所述方法還包括：

通過埋點落日志記錄每次廣告的曝光與點擊行為。

3.如權利要求2所述的廣告投放方法，其特征在于，所述靜態屬性特征數據包括年齡、性別及興趣愛好，所述動態屬性特征數據包括瀏覽行為。

4.如權利要求3所述的廣告投放方法，其特征在于，所述單階特征包括用戶屬性特征、媒體方特征及廣告方特征。

5.如權利要求4所述的廣告投放方法，其特征在于，根據所述單階特征，結合邏輯回歸模型和梯度增強決策樹模型預測多支廣告的多個潛在點擊率值，具體包括：

根據多個所述單階特征構建組合特征；

采用所述梯度增強決策樹模型對多個所述單階特征和所述組合特征進行重新組合，以得到目標特征；

采用所述邏輯回歸模型對所述目標特征進行訓練，以預測得到多支廣告的多個潛在點擊率值。

6.一種廣告投放終端，其特征在于，包括：

獲取單元，用于接收總詢價流量，根據所述總詢價流量獲取模型訓練數據、用戶的靜態屬性特征數據和動態屬性特征數據，所述總詢價流量包括多支廣告的詢價流量，所述模型訓練數據包括每次廣告的曝光記錄和點擊行為記錄；

確定單元，用于根據所述模型訓練數據、靜態屬性特征數據和動態屬性數據確定關于曝光/點擊的全場景數據，所述全場景數據包括多個單階特征；

預測單元，根據所述單階特征、結合邏輯回歸模型和梯度增強決策樹模型預測多支廣告的多個潛在點擊率值；

計算單元，用于接收用戶輸入的廣告點擊價值預估值、根據多個所述潛在點擊率值和所述廣告點擊價值預估值計算出多支廣告的出價；

投放單元，用于對多支廣告的出價進行排序以得到廣告出價排序表、并根據所述廣告出價排序表進行廣告投放。

7.如權利要求6所述的廣告投放終端，其特征在于，所述廣告投放終端還包括：

記錄單元，用于通過埋點落日志記錄每次廣告的曝光與點擊行為。

8.如權利要求7所述的廣告投放終端，其特征在于，所述預測單元具體用于：

根據多個所述單階特征構建組合特征；

采用所述梯度增強決策樹模型對多個所述單階特征和所述組合特征進行重新組合，以得到目標特征；

采用所述邏輯回歸模型對所述目標特征進行訓練，以預測得到多支廣告的多個潛在點擊率值。

9.一種廣告投放終端，其特征在于，包括處理器、輸入設備、輸出設備和存儲器，所述處理器、輸入設備、輸出設備和存儲器相互連接，其中，所述存儲器用于存儲計算機程序，所述計算機程序包括程序指令，所述處理器被配置用于調用所述程序指令，執行如權利要求1-5任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被處理器執行時使所述處理器執行如權利要求1-5任一項所述的方法。