[發明專利]一種基于特征組合與表示學習的點擊轉化率預測方法

有效

• 申請號: 202011207345.6
• 申請日: 2020-11-03
• 公開（公告）號: CN112270570B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 曾楊;肖云鵬;李暾;劉紅;桑春艷;周由勝;劉宴兵
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06;G06Q10/04;G06N3/08;G06F40/289;G06F40/216;G06F16/2458
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 王海軍

本發明屬于電商大數據推薦領域，特別涉及一種基于特征組合與表示學習的點擊轉化率預測方法，包括；獲取書城電商平臺銷售數據和基礎數據，包括用戶數據和書籍數據；通過表示學習與特征組合的方法獲取用戶數據和書籍數據中的隱藏的屬性特征；通過與特征組合與表示學習的聯合訓練建立預測模型，將獲得的隱藏的屬性特征作為輸入，通過該模型得到點擊轉化率預測結果本發明針對文本等特征進行深度挖掘得到完整特征空間，通過分析圖書營銷活動的動態性來預測點擊購買的轉化率，本發明能夠針對書城電商平臺提升精準營銷的效果。

技術領域

本發明屬于電商大數據推薦領域，特別涉及一種基于特征組合與表示學習的點擊轉化率預測方法。

背景技術

隨著網購平臺的發展，各大互聯網電商平臺的競爭日益激烈，阿里、Amazon、Criteo等廠商團隊都在針對電商平臺打造一個點擊率預測模型或點擊轉化率模型來提高廣告相關性的用戶體驗從而提高收入。近兩年，各大著名電商平臺將預測模型應用于自己的線上系統對實現了一定程度上的精準營銷。可見，一個有效的點擊率預測方法或者點擊轉化率模型，對電商平臺的利益以及對用戶的購物體驗都有很大的提升。

在當前的電商平臺中，盡管營銷人員想知道網絡訪問者的反應，但是使用當前技術幾乎不可能量化對網站的情感反應以及該網站對公司品牌的影響。不過，點擊率和點擊后的購買轉化率很容易獲得。點擊率衡量的是頁面訪問者數量與該頁面商品廣告點擊后并將其重定向到另一個頁面的訪問者的比例，在該頁面中，他們可以購買商品或了解有關產品或服務的更多信息。而點擊轉化率則是點擊后購買的次數與點擊次數的比率。

通常，點擊率越高，則表明該廣告商品更有商業價值或是該營銷活動更吸引人。而點擊后的購買轉化率則更能夠反映一個書籍的商業價值。大多數電商網站旨在通過點擊率和點擊后的購買轉化率預測來調整主頁商品廣告的展示，做個性化推薦，或者調整新商品的進貨量。

各大互聯網研究團隊以及學者在近幾年對于點擊率，點擊轉化率模型相關的研究突破主要在以下兩方面：一方面是通過深度學習模型代替傳統的機器學習方法，代替了初期工業界廣泛應用的邏輯回歸模型。另一方面是研究者們針對電商平臺大量高維稀疏特征間的特征組合問題做出了一定的研究。但是現階段針對書城電商平臺仍存在以下不足：

1.在圖書電商平臺中，交互特征信息以及大量文本信息中所包含的豐富隱藏信息往往是關鍵信息，挖掘這些隱藏信息比較困難，單純地采用自動特征組合模型難以在特定商品電商平臺中取得好的效果。

2.圖書電商平臺中文本類特征復雜多樣，基于文檔建模的方法通過額外使用文本數據(如摘要或概要)能有效提高預測準確性，但如何在不損失文本核心信息下減少特征詞，提取有效特征從而簡化計算顯然是一個問題。

3.用戶連續購買多本圖書間隨時間變化的關聯程度以及營銷活動熱度隨時間變化的程度，這一系列變化對整個模型的預測準確性帶來了挑戰。

發明內容

針對上述不足，本發明提出一種基于特征組合與表示學習的點擊轉化率預測方法，具體包括以下步驟：

S1、獲取書城電商平臺銷售數據和基礎數據，包括用戶數據和書籍數據；

S2、通過表示學習與特征組合的方法獲取用戶數據和書籍數據中的隱藏的屬性特征；

S3、通過與特征組合與表示學習的聯合訓練建立預測模型，將獲得的隱藏的屬性特征作為輸入，通過該模型得到點擊轉化率預測結果。

進一步的，通過表示學習與特征組合的方法獲取隱藏的屬性特征具體包括：

S21、構建圖書-用戶-活動特征矩陣Triad＝[bo_i,bu_i,a_i]；