[發明專利]廣告點擊率預估方法和裝置

有效

• 申請號: 201810398125.2
• 申請日: 2018-04-28
• 公開（公告）號: CN110415006B
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 趙磊;張秀武;姚春念
• 申請（專利權）人: 阿里巴巴（中國）有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62
• 代理公司: 上海知錦知識產權代理事務所(特殊普通合伙) 31327
• 代理人: 湯陳龍

本發明提供一種廣告點擊率預估方法和裝置，通過接收請求消息，請求消息中包含離散特征，根據離散特征以及映射關系表進行特征抽取，得到離散特征對應的連續值表達向量，加載第一深度神經網絡模型以及連續值表達向量至分類器，得到連續值表達向量對應的廣告點擊率，由于映射關系表中存儲離散特征與連續值表達向量的對應關系，因此，可以直接通過映射關系表查找到離散特征對應的連續值表達向量，提高了廣告點擊率預估的準確性。

技術領域

本發明涉及計算機技術，尤其涉及一種廣告點擊率預估方法和裝置。

背景技術

廣告點擊率預估(Click-Through Rate Prediction，CRP)是通過對用戶搜索與點擊行為的歷史數據進行分析，預測當前的特定狀態下，用戶點擊特定廣告的概率。

現有技術中，通常采用簡單的線性判別模型進行廣告點擊率預估，例如：邏輯斯特回歸(Logistics Regression，LR)模型、因子分解(Factorization Machines，FM)模型、矩陣分解(Matrix Factorization，MF)模型或梯度提升決策樹(Gradient Boost DecisionTree，GBDT)模型等。

然而，采用現有技術的線性判別模型進行廣告點擊率預估，由于模型簡單，表達能力有限，廣告點擊率預估的準確性不高。

發明內容

本發明提供一種廣告點擊率預估方法和裝置，以提高廣告點擊率預估的準確性。

第一方面，本發明提供一種廣告點擊率預估方法，包括：

接收請求消息，所述請求消息中包含離散特征，所述請求消息用于請求預估所述離散特征對應的廣告點擊率；

根據所述離散特征以及映射關系表進行特征抽取，得到所述離散特征對應的連續值表達向量，所述映射關系表用于將所述離散特征映射為連續值表達向量；

加載第一深度神經網絡模型以及所述連續值表達向量至分類器，得到所述連續值表達向量對應的廣告點擊率。

可選地，所述接收請求消息之前，還包括：

根據離散特征樣本、至少兩個插件以及第二深度神經網絡模型，訓練得到所述映射關系表以及所述第一深度神經網絡模型，所述至少兩個插件對應至少兩個不同的線性判別模型。

可選地，所述根據離散特征樣本、至少兩個插件以及第二深度神經網絡模型，訓練得到所述映射關系表，包括：

將所述離散特征樣本分別輸入所述至少兩個插件，得到至少兩個第一表達向量；

將所述至少兩個第一表達向量輸入所述第二深度神經網絡模型，得到第二表達向量，所述第二表達向量為連續值表達向量；

根據所述離散特征樣本和所述第二表達向量得到所述映射關系表。

可選地，所述根據離散特征樣本、至少兩個插件以及第二深度神經網絡模型，訓練得到所述第一深度神經網絡模型，包括：

根據

J(θ)＝argmaxL(θ)、θ_t＝αθ_t-1-ηg_t以及更新所述至少兩個插件以及所述第二深度神經網絡模型的參數；