[發明專利]廣告點擊率預測模型的訓練方法、預測方法及裝置

在審

• 申請號: 202110759367.1
• 申請日: 2021-07-05
• 公開（公告）號: CN113409090A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 孟靖祥;雷志亮;李策凡;張帆
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 孫蕾

1.一種廣告點擊率預測模型的訓練方法，其中，所述廣告點擊率預測模型包括依次級聯的特征提取網絡和預測網絡，所述方法包括：

獲取訓練樣本數據集，其中，所述訓練樣本數據集包括多個樣本數據組，每個所述樣本數據組中包括用戶特征數據以及廣告特征數據；

將所述訓練樣本數據集中的樣本數據組輸入所述特征提取網絡，輸出有效特征數據，其中，所述特征提取網絡包括依次級聯的特征組合網絡和有效特征提取網絡；以及

利用所述有效特征數據訓練所述預測網絡，得到訓練完成的廣告點擊率預測模型。

2.根據權利要求1所述的方法，其中，所述特征組合網絡包括N個特征組合子網絡；

所述將所述訓練樣本數據集輸入所述特征提取網絡，輸出有效特征數據包括：

將所述訓練樣本數據集輸入所述N個特征組合子網絡，所述N個特征組合子網絡分別輸出第一特征值；

根據N個所述第一特征值，利用獨熱編碼算法生成第二特征值；

將所述第二特征值輸入所述有效特征提取網絡，輸出所述有效特征數據。

3.根據權利要求2所述的方法，其中，所述有效特征提取網絡包括依次級聯的卷積層和池化層；

所述將所述第二特征值輸入所述有效特征提取網絡，輸出所述有效特征數據包括：

將所述第二特征值輸入所述卷積層，輸出第一特征數據；

將所述第一特征數據輸入所述池化層，輸出所述有效特征數據。

4.根據權利要求2所述的方法，其中，所述將所述訓練樣本數據集輸入所述N個特征組合子網絡包括：

將所述用戶特征數據和所述廣告特征數據拼接得到特征數據，并將所述特征數據輸入所述N個特征組合子網絡。

5.根據權利要求1所述的方法，其中，所述樣本數據組還包括標簽信息；

所述利用所述有效特征數據訓練所述預測網絡，得到訓練完成的廣告點擊率預測模型包括：

將所述有效特征數據輸入所述預測層，輸出預測結果，其中，所述預測結果表征樣本用戶點擊樣本廣告的概率，所述樣本用戶包括與所述用戶特征數據對應的用戶，所述樣本廣告包括與所述廣告特征數據對應的廣告；

根據所述預測結果，以所述預測結果趨近于標簽信息為目標，迭代調整所述預測網絡以及所述有效特征提取網絡的網絡參數，直至所述預測網絡以及所述有效特征提取網絡收斂，得到所述訓練完成的廣告點擊率預測模型。

6.根據權利要求1所述的方法，其中，所述特征組合網絡包括基于梯度提升決策樹算法構建得到的特征組合網絡；

所述有效特征提取網絡包括基于卷積神經網絡構建得到的有效特征提取網絡。

7.根據權利要求1所述的方法，其中，所述用戶特征數據包括以下一種或多種：用戶位置信息，用戶基本信息，用戶設備信息。

8.根據權利要求1所述的方法，其中，所述廣告特征數據包括下一種或多種：廣告類型、廣告主名稱、廣告高度、廣告寬度、廣告對應的消費人群。

9.一種廣告點擊率預測方法，包括：

獲取待測數據集，其中，所述待測數據集包括待測數據組，所述數據組中包括目標廣告特征數據以及目標用戶特征數據；以及

將所述待測數據集輸入廣告點擊率預測模型，輸出預測結果，其中，所述預測結果表征目標用戶點擊目標廣告的概率，所述廣告點擊率預測模型由權利要求1至8任一項所述的廣告點擊率預測模型的訓練方法訓練得到。