[發明專利]特征聚合的方法及裝置

在審

• 申請號: 201910618663.2
• 申請日: 2019-07-09
• 公開（公告）號: CN110310161A
• 公開（公告）日: 2019-10-08
• 發明（設計）人: 張浩
• 申請（專利權）人: 西安點告網絡科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 徐麗

1.一種特征聚合的方法，其特征在于，所述方法包括：

獲取廣告的特征信息，所述特征信息包括廣告的訪問量PV和點擊率CTR；

在二維坐標系中根據所述廣告的PV和CTR確定廣告特征點；

對所述二維坐標系劃分形成M*N個網格，以使得落入每列的PV的總和相同且落入同列的每個網格的PV的總和相同，或者以使得落入每行的PV的總和相同且落入同行的每個網格的PV的總和相同；以及

根據所述M*N個網格輸出聚合后的特征組，每個特征組的PV為落入每個網格的所述廣告特征點的PV之和，每個特征組的CTR為落入每個網格的所述廣告特征點的CTR之和；

其中，所述M和N是大于或等于2的整數。

2.根據權利要求1所述的方法，其特征在于，所述對所述二維坐標系劃分形成M*N個網格，包括：

按照從小到大的順序對廣告特征點中的PV排序；

按照PV將所述二維坐標系中的X軸劃分N列，每列的PV的總和相同；以及

按照CTR分別將所述N列中的每列劃分為M行，同列的每個格子的PV的總和相同。

3.根據權利要求1所述的方法，其特征在于，所述對所述二維坐標系劃分形成M*N個網格，包括：

按照從小到大的順序對廣告特征點中的CTR排序；

按照CTR值將所述二維坐標系中的Y軸劃分為M行，每行的CTR的總和相同；以及

按照PV分別將所述M行中的每行劃分為N列，同行的每個格子的PV的總和相同。

4.根據權利要求2所述的方法，其特征在于，還包括：

根據CTR預估模型的權重驗證聚合結果。

5.根據權利要求4所述的方法，其特征在于，所述根據CTR預估模型的權重驗證聚合結果，包括：

當CTR預估模型的權重和所述聚合結果不一致時，調整M和N的大小，直到所述CTR預估模型的權重和所述聚合結果保持一致。

6.一種廣告點擊率預估的方法，其特征在于，所述方法包括：

通過權利要求1-5任一項所述的方法生成聚合后的特征組；

根據所述聚合后的特征組訓練點擊率預估模型；以及

根據訓練后的點擊率預估模型預估待投放廣告的點擊率。

7.一種特征聚合的裝置，其特征在于，所述裝置包括：

獲取模塊，被配置為用于獲取廣告的特征信息，所述特征信息包括廣告的訪問量PV和點擊率CTR；

確定模塊，被配置為用于在二維坐標系中根據所述廣告的PV和CTR確定廣告特征點；

劃分模塊，被配置為用于對所述二維坐標系劃分形成M*N個網格，以使得落入每列的PV的總和相同且落入同列的每個網格的PV的總和相同，或者以使得落入每行的PV的總和相同且落入同行的每個網格的PV的總和相同；以及

輸出模塊，被配置為用于根據所述M*N個網格輸出聚合后的特征組，每個特征組的PV為落入每個網格的所述廣告特征點的PV之和，每個特征組的CTR為落入每個網格的所述廣告特征點的CTR之和；

其中，所述M和N是大于或等于2的整數。

8.一種廣告點擊率預估的裝置，其特征在于，所述裝置包括：

生成模塊，被配置為用于通過權利要求7所述的裝置生成聚合后的特征組；

訓練模塊，被配置為用于根據所述聚合后的特征組訓練點擊率預估模型；以及

預估模塊，被配置為用于根據所述點擊率預估模型預估待投放廣告的點擊率。

9.一種電子設備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-6任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有可執行指令，該指令被處理器執行時使處理器執行如權利要求1-6任一項所述的方法。