[發明專利]一種基于增量學習的在線廣告投放方法、裝置和電子設備

有效

• 申請號: 202010724441.1
• 申請日: 2020-07-24
• 公開（公告）號: CN111598633B
• 公開（公告）日: 2021-11-12
• 發明（設計）人: 李達;丁楠;蘇綏綏
• 申請（專利權）人: 北京淇瑀信息科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62
• 代理公司: 北京清誠知識產權代理有限公司 11691
• 代理人: 喬東峰

1.一種基于增量學習的在線廣告投放方法，用于根據實時評估的當前用戶的轉化率來進行在線廣告的投放，其特征在于，包括：

獲取歷史用戶數據，建立訓練數據集，使用所述訓練數據集訓練XGboost模型，以構建初始的轉化率評估模型；

建立小客群樣本數據庫，以用于與訓練數據集配合使用；

若當前用戶屬于所述訓練數據集所不包含的小客群時，讀取該小客群樣本的歷史用戶數據，進行數據匹配；

使用所述小客群樣本的歷史用戶數據，在所述初始的轉化率評估模型的基礎上進行增量訓練，通過增量學習的方式來調整所述初始的轉化率評估模型，以使所述初始的轉化率評估模型適應于小樣本，以更新所述轉化率評估模型；

使用增量學習后的轉化率評估模型計算所述當前用戶的轉化率評估值；

根據所述轉化率評估值決定是否對所述當前用戶進行廣告投放及廣告投放方式。

2.根據權利要求1所述的基于增量學習的在線廣告投放方法，其特征在于，根據所述轉化率評估值決定是否對所述當前用戶進行廣告投放及廣告投放方式包括：

根據所述轉化率評估值以及預定的目標用戶篩選規則和/或競價策略決定是否對該當前用戶進行廣告投放競價，并在決定競價時確定競價額。

3.根據權利要求2所述的基于增量學習的在線廣告投放方法，其特征在于，

通過廣告競價管理平臺在廣告投放平臺投放廣告；

所述目標用戶篩選規則和/或競價策略存儲于所述廣告競價管理平臺上。

4.根據權利要求3所述的基于增量學習的在線廣告投放方法，其特征在于，

所述廣告競價管理平臺獲取所述當前用戶的信息并將其送入所述轉化率評估模型，并從所述轉化率評估模型獲取對該用戶的轉化率評估值。

5.根據權利要求4所述的基于增量學習的在線廣告投放方法，其特征在于，在所述初始的轉化率評估模型的基礎上進行增量訓練包括：

根據預設篩選規則，確定增量學習方法，所述預設篩選規則包括根據實時獲取當前用戶的用戶特征數據判斷是否保持樹結構；

在判斷為保持樹結構的情況下，使用調整葉節點權重的增量學習方法；

在判斷為不保持樹結構的情況下，再 使用變更樹結構的增量學習方法。

6.根據權利要求5所述的基于增量學習的在線廣告投放方法，其特征在于，

在匹配度小于特定閾值的情況下，在當前迭代樹的基礎上增加新樹，使用所述訓練數據集訓練當前迭代樹，并使用所述當前用戶和與當前用戶的用戶特征相似的新數據訓練所述新樹，以進行增量訓練。

7.根據權利要求6所述的基于增量學習的在線廣告投放方法，其特征在于，

在匹配度大于或等于特定閾值的情況下，當前迭代樹結構不變，重新計算葉節點權重，將所述當前用戶的特征數據增加至所述訓練數據集，以進行增量訓練。

8.一種基于增量學習的在線廣告投放裝置，用于根據實時評估的當前用戶的轉化率來進行在線廣告的投放，其特征在于，包括：

數據獲取模塊，用于獲取歷史用戶數據，建立訓練數據集，使用所述訓練數據集訓練XGboost模型，以構建初始的轉化率評估模型，建立小客群樣本數據庫，以用于與訓練數據集配合使用；

讀取模塊，用于若當前用戶屬于所述訓練數據集所不包含的小客群時，讀取該小客群樣本的歷史用戶數據，進行數據匹配；

更新模塊，用于使用所述小客群樣本的歷史用戶數據，在所述初始的轉化率評估模型的基礎上進行增量訓練，通過增量學習的方式來調整所述初始的轉化率評估模型，以使所述初始的轉化率評估模型適應于小樣本，以更新所述轉化率評估模型；

計算模塊，用于使用增量學習后的轉化率評估模型計算所述當前用戶的轉化率評估值；

判斷模塊，用于根據所述轉化率評估值決定是否對所述當前用戶進行廣告投放及廣告投放方式。