[發明專利]用于生成點擊率預測模型的方法和裝置

有效

• 申請號: 201811288018.0
• 申請日: 2018-10-31
• 公開（公告）號: CN109460513B
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 谷長勝;洪春曉
• 申請（專利權）人: 北京字節跳動網絡技術有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/02
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于生成點擊率預測模型的方法，包括：

響應于確定當前時間為目標時間，獲取第一訓練樣本集合，其中，第一訓練樣本包括當前時間在目標用戶的終端上展示的展示信息的特征信息、目標用戶的用戶信息，以及預先確定的、用于預測目標用戶在當前時間點擊展示信息的概率的實時點擊概率、用于表征目標用戶是否點擊展示信息的標注信息；

利用機器學習方法，將所述第一訓練樣本集合中的第一訓練樣本包括的用戶信息、特征信息和實時點擊概率作為輸入，將輸入的用戶信息、特征信息和實時點擊概率對應的標注信息作為期望輸出，訓練得到點擊率預測模型。

2.根據權利要求1所述的方法，其中，對于所述第一訓練樣本集合中的第一訓練樣本，該第一訓練樣本包括的實時點擊概率預先通過如下步驟得到：

獲取該第一訓練樣本包括的特征信息對應的展示信息的推送時間，其中，推送時間為向目標用戶的終端推送展示信息的時間；

確定當前時間和所獲取的推送時間的時間差值；

將所確定的時間差值、該第一訓練樣本包括的特征信息和該第一訓練樣本包括的用戶信息輸入預先訓練的實時點擊概率預測模型，得到實時點擊概率。

3.根據權利要求2所述的方法，其中，所述實時點擊概率預測模型預先通過如下步驟訓練得到：

獲取第二訓練樣本集合，其中，第二訓練樣本包括樣本展示信息的特征信息、瀏覽樣本展示信息的樣本用戶的用戶信息、樣本用戶點擊樣本展示信息的時間與向樣本用戶的終端推送樣本展示信息的時間的時間差值，以及預先標注的、用于表征樣本用戶點擊樣本展示信息的標注信息；

利用機器學習方法，將所述第二訓練樣本集合中的第二訓練樣本包括的特征信息、用戶信息、時間差值作為輸入，將與輸入的特征信息、用戶信息、時間差值對應的標注信息作為期望輸出，訓練得到實時點擊概率預測模型。

4.一種用于生成信息的方法，包括：

獲取至少一個特征信息，其中，特征信息用于表征待向目標用戶的終端推送的待展示信息的特征；

獲取所述目標用戶的用戶信息；

對于所述至少一個特征信息中的特征信息，將該特征信息、所述用戶信息、預設的默認實時點擊概率輸入預先訓練的點擊率預測模型，得到用于預測該特征信息指示的待展示信息的點擊率的預測點擊率，其中，所述點擊率預測模型是根據權利要求1-3之一的方法生成的。

5.根據權利要求4所述的方法，其中，在所述對于所獲取的至少一個特征信息中的特征信息，將該特征信息、所述用戶信息、預設的默認實時點擊概率輸入預先訓練的點擊率預測模型，得到用于預測所述待展示信息的點擊率的預測點擊率之后，所述方法還包括：

基于所得到的預測點擊率的大小，從所述至少一個特征信息中的特征信息對應的待展示信息中，選擇待展示信息；

將所選擇的待展示信息推送至所述目標用戶的終端。

6.一種用于生成點擊率預測模型的裝置，包括：

獲取單元，被配置成響應于確定當前時間為目標時間，獲取第一訓練樣本集合，其中，第一訓練樣本包括當前時間在目標用戶的終端上展示的展示信息的特征信息、目標用戶的用戶信息，以及預先確定的、用于預測目標用戶在當前時間點擊展示信息的概率的實時點擊概率、用于表征目標用戶是否點擊展示信息的標注信息；

生成單元，被配置成利用機器學習方法，將所述第一訓練樣本集合中的第一訓練樣本包括的用戶信息、特征信息和實時點擊概率作為輸入，將輸入的用戶信息、特征信息和實時點擊概率對應的標注信息作為期望輸出，訓練得到點擊率預測模型。

7.根據權利要求6所述的裝置，其中，對于所述第一訓練樣本集合中的第一訓練樣本，該第一訓練樣本包括的實時點擊概率預先通過如下步驟得到：

獲取該第一訓練樣本包括的特征信息對應的展示信息的推送時間，其中，推送時間為向目標用戶的終端推送展示信息的時間；

確定當前時間和所獲取的推送時間的時間差值；

將所確定的時間差值、該第一訓練樣本包括的特征信息和該第一訓練樣本包括的用戶信息輸入預先訓練的實時點擊概率預測模型，得到實時點擊概率。