[發明專利]一種點擊率預估方法、服務器及計算機可讀存儲介質

有效

• 申請號: 201810275032.0
• 申請日: 2018-03-29
• 公開（公告）號: CN110322039B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02;H04L67/55;H04L67/1396;H04L41/147
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

1.一種點擊率預估方法，其特征在于，包括：

獲取樣本數據；

將所述樣本數據轉換成特征數據；

從預置的多個聚類中心中確定與所述特征數據最接近的目標聚類中心，其中，每個聚類中心對應一個類別，預存的多個局部化模型分別對應多種不同的類別；

根據所述目標聚類中心確定所述特征數據的目標類別，并從所述多個局部化模型中選擇與所述目標類別對應的局部化模型；所述局部化模型用于根據所述特征數據所屬的類別計算點擊率；

獲取邏輯回歸模型中的中心化模型，所述中心化模型用于計算所述特征數據的點擊率；

將所述局部化模型與所述中心化模型進行組合得到綜合預估模型；

根據所述綜合預估模型對所述特征數據進行點擊率預估。

2.根據權利要求1所述的方法，其特征在于，所述將所述樣本數據轉換成特征數據包括：

根據預置的目標數據對所述樣本數據進行特征提取；

獲取所述樣本數據的特征數據。

3.根據權利要求1所述的方法，其特征在于，所述從預置的多個聚類中心中確定與所述特征數據最接近的目標聚類中心包括：

獲取預置的多個聚類中心；

根據所述預置的多個聚類中心對所述特征數據進行聚類，確定與所述特征數據最接近的目標聚類中心。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

根據所述特征數據更新所述目標聚類中心；

根據所述特征數據更新所述中心化模型和所述局部化模型。

5.根據權利要求4所述的方法，其特征在于，所述根據所述特征數據更新所述目標聚類中心包括：

根據預置的K均值算法和所述特征數據更新所述目標聚類中心。

6.根據權利要求4所述的方法，其特征在于，所述根據所述特征數據更新所述中心化模型和所述局部化模型包括：

根據預置的在線梯度下降算法更新所述中心化模型和所述局部化模型；

或，根據預置的在線學習算法更新所述中心化模型和所述局部化模型。

7.根據權利要求1-6中任一項所述的方法，其特征在于，所述方法還包括：

根據預置規則在所述樣本數據中確定推送數據，所述預置規則用于從所述樣本數據中確定符合點擊率要求的數據；

將所述推送數據發送至用戶設備，以使得所述用戶設備顯示所述推送數據。

8.一種服務器，其特征在于，包括：

第一獲取單元，用于獲取樣本數據；

轉換單元，用于將所述樣本數據轉換成特征數據；

第二獲取單元，從預置的多個聚類中心中確定與所述特征數據最接近的目標聚類中心，其中，每個聚類中心對應一個類別，預存的多個局部化模型分別對應多種不同的類別；根據所述目標聚類中心確定所述特征數據的目標類別，并從所述多個局部化模型中選擇與所述目標類別對應的局部化模型；所述局部化模型用于根據所述特征數據所屬的類別計算點擊率；獲取邏輯回歸模型中的中心化模型，所述中心化模型用于計算所述特征數據的點擊率；將所述局部化模型與所述中心化模型進行組合得到綜合預估模型；

預估單元，用于根據所述綜合預估模型對所述特征數據進行點擊率預估。

9.根據權利要求8所述的服務器，其特征在于，所述轉換單元包括：

提取模塊，用于根據預置的目標數據對所述樣本數據進行特征提取；

第一獲取模塊，用于獲取所述樣本數據的特征數據。

10.根據權利要求8所述的服務器，其特征在于，所述第二獲取單元包括：

第二獲取模塊，用于獲取預置的多個聚類中心；

聚類模塊，用于根據所述預置的多個聚類中心對所述特征數據進行聚類，確定與所述特征數據最接近的目標聚類中心。