[發(fā)明專利]用于訓練點擊率預估模型的方法和裝置

在審

• 申請?zhí)枺?/td>: 201910083845.4
• 申請日: 2019-01-29
• 公開（公告）號: CN111488517A
• 公開（公告）日: 2020-08-04
• 發(fā)明（設(shè)計）人: 李思雯;嚴嚴
• 申請（專利權(quán)）人: 北京沃東天駿信息技術(shù)有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/62
• 代理公司: 北京英賽嘉華知識產(chǎn)權(quán)代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于訓練點擊率預估模型的方法，包括：

獲取訓練樣本，其中，所述訓練樣本包括訓練樣本信息和訓練樣本標簽，所述訓練樣本標簽用于標識所述訓練樣本信息的點擊情況；

獲取所述訓練樣本的樣本權(quán)重；

利用所述訓練樣本和所述樣本權(quán)重對初始點擊率預估模型進行訓練，得到所述點擊率預估模型。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述獲取所述訓練樣本的樣本權(quán)重，包括：

獲取所述訓練樣本信息的歷史瀏覽時間，其中，所述樣本信息是歷史瀏覽信息；

基于所述歷史瀏覽時間，確定所述樣本權(quán)重。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述基于所述歷史瀏覽時間，確定所述樣本權(quán)重，包括：

基于所述歷史瀏覽時間，計算樣本半衰期；

基于牛頓冷卻定律和樣本半衰期，計算所述樣本權(quán)重。

4.根據(jù)權(quán)利要求3所述的方法，其中，所述基于所述歷史瀏覽時間，計算樣本半衰期，包括：

獲取候選樣本半衰期和預測樣本，其中，所述預測樣本包括預測樣本信息和預測樣本標簽，所述預測樣本標簽用于標識所述預測樣本信息的點擊情況；

基于牛頓冷卻定律和所述候選樣本半衰期，計算候選樣本權(quán)重；

利用所述訓練樣本和所述候選樣本權(quán)重對所述初始點擊率預估模型進行訓練，得到候選點擊率預估模型；

將所述預測樣本信息輸入至所述候選點擊率預估模型，得到所述預測樣本信息的預估點擊率；

基于所述預估點擊率和所述預測樣本標簽，計算所述候選半衰期對應(yīng)的正樣本排在負樣本前面的概率；

基于所述正樣本排在負樣本前面的概率，從所述候選樣本半衰期中確定所述樣本半衰期。

5.根據(jù)權(quán)利要求1所述的方法，其中，所述利用所述訓練樣本和所述樣本權(quán)重對初始點擊率預估模型進行訓練，得到所述點擊率預估模型，包括：

基于所述訓練樣本和所述樣本權(quán)重對所述初始點擊率預估模型的交叉熵損失函數(shù)進行改進，得到代價函數(shù)；

將所述代價函數(shù)引入所述初始點擊率預估模型，得到改進初始點擊率預估模型；

將所述訓練樣本信息和所述樣本權(quán)重作為輸入，將所述訓練樣本標簽作為輸出，對所述改進初始點擊率預估模型進行訓練，得到所述點擊率預估模型。

6.根據(jù)權(quán)利要求1-5之一所述的方法，其中，所述方法還包括：

獲取候選推送信息；

將所述候選推送信息輸入至所述點擊率預估模型，得到所述候選推送信息的預估點擊率；

基于所述預估點擊率，從所述候選推送信息中確定推送信息，以及推送所述推送信息。

7.一種用于訓練點擊率預估模型的裝置，包括：

樣本獲取單元，被配置成獲取訓練樣本，其中，所述訓練樣本包括訓練樣本信息和訓練樣本標簽，所述訓練樣本標簽用于標識所述訓練樣本信息的點擊情況；

權(quán)重獲取單元，被配置成獲取所述訓練樣本的樣本權(quán)重；

模型訓練單元，被配置成利用所述訓練樣本和所述樣本權(quán)重對初始點擊率預估模型進行訓練，得到所述點擊率預估模型。

8.根據(jù)權(quán)利要求7所述的裝置，其中，所述樣本獲取單元包括：

時間獲取子單元，被配置成獲取所述訓練樣本信息的歷史瀏覽時間，其中，所述樣本信息是歷史瀏覽信息；

權(quán)重確定子單元，被配置成基于所述歷史瀏覽時間，確定所述樣本權(quán)重。

9.根據(jù)權(quán)利要求8所述的裝置，其中，所述權(quán)重確定子單元包括：

半衰期計算模塊，被配置成基于所述歷史瀏覽時間，計算樣本半衰期；

權(quán)重計算模塊，被配置成基于牛頓冷卻定律和樣本半衰期，計算所述樣本權(quán)重。