[發(fā)明專利]一種點(diǎn)擊率預(yù)估模型的構(gòu)建方法、點(diǎn)擊率預(yù)估方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201811428618.2
• 申請(qǐng)日: 2018-11-27
• 公開(kāi)（公告）號(hào): CN109544241B
• 公開(kāi)（公告）日: 2023-09-22
• 發(fā)明（設(shè)計(jì)）人: 陳曉爽;鄭胤;馬文曄;黃俊洲
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06Q30/0202
• 分類號(hào): G06Q30/0202;G06Q30/0242;G06F18/22;G06F18/214
• 代理公司: 深圳市深佳知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44285
• 代理人: 王仲凱

1.一種點(diǎn)擊率預(yù)估模型的構(gòu)建方法，其特征在于，應(yīng)用于數(shù)據(jù)處理領(lǐng)域，所述點(diǎn)擊率預(yù)估模型設(shè)置了N個(gè)不同的候選維數(shù)，N為大于等于2的自然數(shù)，所述候選維數(shù)用于標(biāo)識(shí)特征向量的維數(shù)，所述方法包括：

從所述N個(gè)不同的候選維數(shù)中確定一個(gè)候選維數(shù)作為目標(biāo)特征對(duì)應(yīng)的最大維數(shù)，所述目標(biāo)特征為標(biāo)識(shí)用戶的相關(guān)信息的特征，或是標(biāo)識(shí)被點(diǎn)擊對(duì)象的相關(guān)信息的特征，所述特征為從用戶的用戶數(shù)據(jù)、內(nèi)容平臺(tái)的內(nèi)容數(shù)據(jù)或背景數(shù)據(jù)庫(kù)的背景數(shù)據(jù)中提取出來(lái)的特征；

將所述N個(gè)不同的候選維數(shù)中小于所述最大維數(shù)的i個(gè)候選維數(shù)確定為所述目標(biāo)特征對(duì)應(yīng)的投影維數(shù)；i為小于N、大于等于1的自然數(shù)；

根據(jù)所述目標(biāo)特征對(duì)應(yīng)的訓(xùn)練樣本，為所述目標(biāo)特征分別訓(xùn)練i+1個(gè)不同維數(shù)的特征向量，所述i+1個(gè)不同維數(shù)的特征向量中，任意一個(gè)特征向量的維數(shù)為所述目標(biāo)特征對(duì)應(yīng)的所述最大維數(shù)和所述投影維數(shù)中的一個(gè)，所述特征向量為體現(xiàn)目標(biāo)特征在訓(xùn)練樣本中信息的特征向量，所述目標(biāo)特征的最大維數(shù)為所述N個(gè)不同的候選維數(shù)中與所述目標(biāo)特征所對(duì)應(yīng)的非零訓(xùn)練樣本的數(shù)量的差值的絕對(duì)值最小的候選維數(shù)，所述投影維數(shù)的特征是所述最大維數(shù)的特征在投影維數(shù)空間的投影，所述投影為保留與投影維度空間相匹配的部分，除去不匹配的部分；

其中，第一特征向量為所述i+1個(gè)不同維數(shù)的特征向量中的任意一個(gè)，針對(duì)所述第一特征向量，所述根據(jù)所述目標(biāo)特征對(duì)應(yīng)的訓(xùn)練樣本，為所述目標(biāo)特征分別訓(xùn)練i+1個(gè)不同維數(shù)的特征向量，包括：

從所述目標(biāo)特征對(duì)應(yīng)的訓(xùn)練樣本中獲取目標(biāo)訓(xùn)練樣本和所述目標(biāo)訓(xùn)練樣本對(duì)應(yīng)的點(diǎn)擊率，所述點(diǎn)擊率為一內(nèi)容被點(diǎn)擊的次數(shù)與被顯示次數(shù)之比；

根據(jù)所述目標(biāo)特征對(duì)應(yīng)的第一特征向量，通過(guò)所述點(diǎn)擊率預(yù)估模型計(jì)算所述目標(biāo)訓(xùn)練樣本的第一點(diǎn)擊率預(yù)估值，其中，在第一次訓(xùn)練時(shí)對(duì)第一特征向量中所有未知參數(shù)進(jìn)行隨機(jī)初始化，在第i次訓(xùn)練中所述第一特征向量采用的是第i-1次訓(xùn)練所修正的參數(shù)；

根據(jù)通過(guò)所述點(diǎn)擊率和所述第一點(diǎn)擊率預(yù)估值確定的損失函數(shù)計(jì)算對(duì)所述第一特征向量的梯度；

根據(jù)對(duì)所述第一特征向量的梯度修正所述第一特征向量的參數(shù)，其中，修正參數(shù)后，繼續(xù)進(jìn)行下一次訓(xùn)練，直至算法收斂或者達(dá)到預(yù)先設(shè)定的最大訓(xùn)練次數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，第二特征向量為所述i+1個(gè)不同維數(shù)的特征向量中的任意一個(gè)、且所述第二特征向量的維數(shù)不是所述最大維數(shù)；若所述第一特征向量的維數(shù)為所述最大維數(shù)，針對(duì)所述第二特征向量，所述根據(jù)所述目標(biāo)特征對(duì)應(yīng)的訓(xùn)練樣本，為所述目標(biāo)特征分別訓(xùn)練i+1個(gè)不同維數(shù)的特征向量，包括：

從所述目標(biāo)特征對(duì)應(yīng)的訓(xùn)練樣本中獲取目標(biāo)訓(xùn)練樣本；

根據(jù)所述目標(biāo)特征對(duì)應(yīng)的第二特征向量，通過(guò)所述點(diǎn)擊率預(yù)估模型計(jì)算所述目標(biāo)訓(xùn)練樣本的第二點(diǎn)擊率預(yù)估值；

根據(jù)通過(guò)所述第一點(diǎn)擊率預(yù)估值和所述第二點(diǎn)擊率預(yù)估值確定的損失函數(shù)計(jì)算對(duì)所述第二特征向量的梯度；

根據(jù)對(duì)所述第二特征向量的梯度修正所述第二特征向量的參數(shù)。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述從所述N個(gè)不同的候選維數(shù)中確定一個(gè)候選維數(shù)作為所述目標(biāo)特征對(duì)應(yīng)的最大維數(shù)，包括：

根據(jù)目標(biāo)特征所對(duì)應(yīng)的非零訓(xùn)練樣本的數(shù)量，從所述N個(gè)不同的候選維數(shù)中確定一個(gè)候選維數(shù)作為所述目標(biāo)特征對(duì)應(yīng)的最大維數(shù)。