[發明專利]一種點擊率的預測方法、裝置及電子設備

在審

• 申請號: 201910927957.3
• 申請日: 2019-09-27
• 公開（公告）號: CN110689376A
• 公開（公告）日: 2020-01-14
• 發明（設計）人: 趙嘉祥
• 申請（專利權）人: 支付寶(杭州)信息技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62
• 代理公司: 11315 北京國昊天誠知識產權代理有限公司
• 代理人: 許振新

本申請實施例提供一種點擊率的預測方法、裝置及電子設備。方法包括：提取待預測的目標推廣項的基礎特征；將目標推廣項的基礎特征輸入至極端梯度提升xgboost模型，得到目標推廣項的高階特征；其中，xgboost模型是基于第一歷史推廣項的基礎特征和第一歷史推廣項的標簽訓練得到的，第一歷史推廣項的標簽指示第一歷史推廣項投放后的點擊率；將目標推廣項的高階特征輸入至預測模型，得到目標推廣項的點擊率；其中，預測模型是基于第二歷史推廣項的高階特征和第二歷史推廣項的標簽訓練得到，第二歷史推廣項的標簽指示第二歷史推廣項投放后的點擊率，第二歷史推廣項的高階特征與第一歷史推廣項的高階特征具有相同的特征維度。

技術領域

本申請實施例涉及數據處理技術領域，尤其涉及一種點擊率的預測方法、裝置及電子設備。

背景技術

隨著網絡技術的快速發展，互聯網廣告成為互聯網企業最重要的盈利手段之一。研究表明，互聯網廣告的精準投放除了能夠獲得更好的廣告效益外，還可以有效減少用戶因未實現搜索預期，而向服務器發起的搜索請求的次數，從而降低服務器的壓力。

點擊率(CTR，Click-Through-Rate)是反映互聯網廣告投放精準性的關鍵指標。如何實現點擊率的預測，以為制定更合適的廣告投放決策提供數據支持，是當前亟需解決的技術問題。

發明內容

本申請實施例目的是提供一種方法點擊率的預測方法、裝置及電子設備，能夠實現點擊率的預測，以為制定更合適的廣告投放決策提供數據支持。

為了實現上述目的，本申請實施例是這樣實現的：

第一方面，提供一種點擊率的預測方法，包括：

提取待預測的目標推廣項的基礎特征；

將所述目標推廣項的基礎特征輸入至極端梯度提升xgboost模型，得到所述目標推廣項的高階特征；其中，所述xgboost模型是基于第一歷史推廣項的基礎特征和所述第一歷史推廣項的標簽訓練得到的，所述第一歷史推廣項的標簽指示所述第一歷史推廣項投放后的點擊率；

將所述目標推廣項的高階特征輸入至預測模型，得到所述目標推廣項的點擊率；其中，所述預測模型是基于第二歷史推廣項的高階特征和所述第二歷史推廣項的標簽訓練得到，所述第二歷史推廣項的標簽指示所述第二歷史推廣項投放后的點擊率，所述第二歷史推廣項的高階特征與所述第一歷史推廣項的高階特征具有相同的特征維度。

第二方面，提供一種點擊率的預測裝置，包括：

基礎特征提取模塊，提取待預測的目標推廣項的基礎特征；

高階特征提取模塊，將所述目標推廣項的基礎特征輸入至極端梯度提升xgboost模型，得到所述目標推廣項的高階特征；其中，所述xgboost模型是基于第一歷史推廣項的基礎特征和所述第一歷史推廣項的標簽訓練得到的，所述第一歷史推廣項的標簽指示所述第一歷史推廣項投放后的點擊率；

點擊率預測模塊，將所述目標推廣項的高階特征輸入至預測模型，得到所述目標推廣項的點擊率；其中，所述預測模型是基于第二歷史推廣項的高階特征和所述第二歷史推廣項的標簽訓練得到，所述第二歷史推廣項的標簽指示所述第二歷史推廣項投放后的點擊率，所述第二歷史推廣項的高階特征與所述第一歷史推廣項的高階特征具有相同的特征維度。

第三方面，提供一種電子設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執行：

提取待預測的目標推廣項的基礎特征；

將所述目標推廣項的基礎特征輸入至極端梯度提升xgboost模型，得到所述目標推廣項的高階特征；其中，所述xgboost模型是基于第一歷史推廣項的基礎特征和所述第一歷史推廣項的標簽訓練得到的，所述第一歷史推廣項的標簽指示所述第一歷史推廣項投放后的點擊率；