[發(fā)明專利]一種針對購物節(jié)的搜索廣告轉(zhuǎn)化率預測方法及裝置

有效

• 申請?zhí)枺?/td>: 202010146512.4
• 申請日: 2020-03-05
• 公開（公告）號: CN111352976B
• 公開（公告）日: 2023-05-09
• 發(fā)明（設計）人: 賴粵;錢毅霖;余榮;吳茂強
• 申請（專利權(quán)）人: 廣東工業(yè)大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06N20/00;G06Q30/0201;G06Q30/0242
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 黃忠

本申請公開了一種針對購物節(jié)的搜索廣告轉(zhuǎn)化率預測方法及裝置，包括：獲取購物節(jié)當天以及購物節(jié)之前的購物數(shù)據(jù)集；將購物節(jié)之前的購物數(shù)據(jù)集作為第一訓練集，訓練廣告轉(zhuǎn)化率模型，預測得到購物節(jié)當天的第一預測結(jié)果；將購物節(jié)當天的部分時間的購物數(shù)據(jù)集作為第二訓練集，將購物節(jié)當天的另一部分時間的購物數(shù)據(jù)集作為測試集，將第二訓練集中的部分數(shù)據(jù)作為驗證集，將第一預測結(jié)果作為新特征分別加入到第二訓練集、驗證集以及測試集中；訓練廣告轉(zhuǎn)化率模型，得到購物節(jié)當天的最終預測結(jié)果。解決了日常時期構(gòu)建的訓練集預測購物節(jié)時期構(gòu)建的測試集導致預測結(jié)果不準確的問題。

技術領域

本申請涉及數(shù)據(jù)挖掘技術領域，尤其涉及一種針對購物節(jié)的搜索廣告轉(zhuǎn)化率預測方法及裝置。

背景技術

搜索廣告是根據(jù)用戶搜索行為在返回界面中展現(xiàn)的與搜索詞相關的廣告。電商平臺作為一個復雜的系統(tǒng)，會受到各種因素的影響。在諸如雙十一、618等大型購物節(jié)，商家和平臺的各種活動會導致流量分布的急劇變化，我們稱這種特殊時期的廣告轉(zhuǎn)化相關數(shù)據(jù)為特殊流量。而日常時期訓練的模型很難有效地匹配特殊流量。

對于該類問題，與本發(fā)明最相似的實現(xiàn)方案是把轉(zhuǎn)化率預測當做傳統(tǒng)的回歸預測問題，通過滑動時間窗口的方法對數(shù)據(jù)集進行劃分，使用多個不同機器學習算法作為模型，運用Stacking方法進行融合，得到最終的結(jié)果。

現(xiàn)有技術常常將傳統(tǒng)的回歸問題預測方法不加修改地遷移到轉(zhuǎn)化率預測問題上來，或者很少對日常時期和大型購物節(jié)時期兩種數(shù)據(jù)分布下的轉(zhuǎn)化率預測方法加以區(qū)分。因此，現(xiàn)有技術存在以下幾個缺點，包括：1、沒有針對大型購物節(jié)時期的特殊數(shù)據(jù)分布進行適配，而是直接用日常時期構(gòu)建的訓練集預測購物節(jié)時期構(gòu)建的測試集。由于日常時期數(shù)據(jù)集中平均轉(zhuǎn)化率較低，如果用它來預測高轉(zhuǎn)化率的測試集，可以想見預測結(jié)果會偏低；2、對高維特征采用獨熱向量編碼，或是不加區(qū)分地對所有特征都采用同一種方法進行編碼，這些編碼方法效果都不夠好，還有很大的提升空間；3、現(xiàn)有方案使用固定的時間窗口滑窗提取特征，但購物節(jié)及其附近時期存在多種不同的數(shù)據(jù)分布，需要進行另一種方式的數(shù)據(jù)集劃分，避免造成數(shù)據(jù)的浪費；4、現(xiàn)有方案在計算轉(zhuǎn)化率特征時采用貝葉斯平滑法進行平滑處理，但這種方法計算參數(shù)的時間較長，當轉(zhuǎn)化率特征較多時，效率將嚴重下降，需要另行采取時間上更快的平滑方法；5、現(xiàn)有方案采取多種不同機器學習算法分別預測，采用加權(quán)或Stacking方法對多個模型進行融合。多模型預測的缺點是雖然精度比較高，但會耗費更多的時間，同時可能還需要構(gòu)建不同的特征工程；融合方法的缺點是：①加權(quán)方法權(quán)重不容易確定；②Stacking方法對包含時間序列因素的數(shù)據(jù)集會有數(shù)據(jù)穿越問題。

發(fā)明內(nèi)容

本申請?zhí)峁┝艘环N針對購物節(jié)的搜索廣告轉(zhuǎn)化率預測方法及裝置，使得解決了日常時期構(gòu)建的訓練集預測購物節(jié)時期構(gòu)建的測試集導致預測結(jié)果不準確的問題。

有鑒于此，本申請第一方面提供了一種針對購物節(jié)的搜索廣告轉(zhuǎn)化率預測方法，所述方法包括：

獲取購物節(jié)當天以及購物節(jié)之前的購物數(shù)據(jù)集；

將所述購物節(jié)之前的購物數(shù)據(jù)集作為第一訓練集，訓練廣告轉(zhuǎn)化率模型，預測得到購物節(jié)當天的第一預測結(jié)果；

將購物節(jié)當天的部分時間的所述購物數(shù)據(jù)集作為第二訓練集，將購物節(jié)當天的另一部分時間的所述購物數(shù)據(jù)集作為測試集，將所述第二訓練集中的部分數(shù)據(jù)作為驗證集，將所述第一預測結(jié)果作為新特征分別加入到所述第二訓練集、所述驗證集以及所述測試集中；

采用加入新特征的所述第二訓練集、所述驗證集以及所述測試集訓練所述廣告轉(zhuǎn)化率模型，得到購物節(jié)當天的最終結(jié)果。

可選的，在所述將購物節(jié)之前的購物數(shù)據(jù)集作為第一訓練集，訓練所述廣告轉(zhuǎn)化率模型，預測得到購物節(jié)當天的第一預測結(jié)果，之前還包括：

將所述購物數(shù)據(jù)集中的數(shù)據(jù)進行預處理，得到符合廣告轉(zhuǎn)化率模型輸入格式的數(shù)據(jù)。

可選的，所述將所述購物數(shù)據(jù)集中的數(shù)據(jù)進行預處理具體為：