[發明專利]信息轉化率預測方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202010943346.0
• 申請日: 2020-09-09
• 公開（公告）號: CN112070542A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 譚奔;鄭文琛
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N20/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 張志江

本發明公開了一種信息轉化率預測方法，包括以下步驟：獲取擴展用戶數據，并基于擴展用戶數據對原始訓練數據進行重新構建，得到增強型訓練數據，進行聯合模型訓練，得到信息轉化率預測模型以及輔助模型，并基于輔助模型對信息轉化率預測模型進行優化，在接收到信息轉化率預測請求時，根據優化后的信息轉化率預測模型得到信息轉化率預測請求對應的信息內容的轉化率預測結果。本發明還公開了一種裝置、設備及可讀存儲介質。通過在聯合模型訓練過程中引入基于增強型訓練數據訓練的輔助模型，實現信息轉化率預測模型可兼容輔助模型的預測效果，從而得到高質量的信息轉化率預測模型，提高了在線信息投放預測準確率，進而提升信息精準投放的成功率。

技術領域

本發明涉及金融科技(Fintech)的人工智能技術領域，尤其涉及一種信息轉化率預測方法、裝置、設備及可讀存儲介質。

背景技術

隨著金融科技，尤其是互聯網科技金融的不斷發展，越來越多的技術應用在金融領域，但金融業也對技術提出了更高的要求，如金融業對在線信息推廣也有更高的要求。

推送的信息包括廣告，在線廣告已經成為一種常用的廣告投放方式，轉化率預估是在線廣告精準投放的重要模塊。基于機器學習算法，預估模塊利用用戶的基礎屬性信息、行為數據，分析廣告內容數據等，為用戶找到最合適的廣告進行投放。

現有在線廣告的轉化率預估，一般僅僅使用系統前期收集的用戶信息，例如用戶的基礎屬性信息，用戶興趣信息等，以及用戶的轉化行為數據來訓練轉化率預估模型。由于進行轉化率預估的數據量不夠豐富，進而導致廣告的轉化率預測準確率不高，影響廣告精準投放。

發明內容

本發明的主要目的在于提供一種信息轉化率預測方法、裝置、設備及可讀存儲介質，旨在解決現有在線信息的轉化率預測準確率不高，影響信息精準投放的技術問題。

為實現上述目的，本發明提供一種信息轉化率預測方法，所述信息轉化率預測方法包括：

獲取原始訓練數據的用戶設備號對應的擴展用戶數據，并基于所述擴展用戶數據對所述原始訓練數據進行重新構建，得到增強型訓練數據；

利用所述原始訓練數據以及所述增強型訓練數據進行聯合模型訓練，得到信息轉化率預測模型以及輔助模型，并基于所述輔助模型對所述信息轉化率預測模型進行優化；

在接收到信息轉化率預測請求時，根據優化后的所述信息轉化率預測模型得到所述信息轉化率預測請求對應的信息內容的轉化率預測結果。

進一步地，所述原始訓練數據包括原始信息特征數據和用戶設備號對應的原始轉化率；

所述獲取原始訓練數據的用戶設備號對應的擴展用戶數據，并基于所述擴展用戶數據對所述原始訓練數據進行重新構建，得到增強型訓練數據的步驟包括：

在預設的用戶輔助信息庫中，根據所述用戶設備號查找所述擴展用戶數據，并在預設的用戶畫像數據庫中，根據所述用戶設備號查找用戶畫像數據；

基于所述用戶設備號，將所述擴展用戶數據、所述用戶畫像數據、所述原始信息特征數據以及所述原始轉化率關聯保存作為所述增強型訓練數據。

進一步地，所述利用所述原始訓練數據以及所述增強型訓練數據進行聯合模型訓練，得到信息轉化率預測模型以及輔助模型，并基于所述輔助模型對所述信息轉化率預測模型進行優化的步驟包括：

將所述原始訓練數據輸入初始預測模型進行模型訓練，同時將所述增強型訓練數據輸入輔助模型進行模型訓練，基于所述初始預測模型的第一預測值以及所述輔助模型的第二預測值，構造所述初始預測模型對應的第一總損失函數以及所述輔助模型的第二總損失函數；

基于所述第一總損失函數以及所述第二總損失函數進行模型迭代訓練，利用所述輔助模型的第二預測值對所述初始預測模型進行優化；