[發明專利]一種CTR預估方法、裝置及計算機可讀存儲介質

在審

• 申請號: 202210314233.3
• 申請日: 2022-03-28
• 公開（公告）號: CN114880920A
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 王貴森;任萬鑫
• 申請（專利權）人: 成都人人互娛科技有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q30/02;G06F119/02
• 代理公司: 北京城烽知識產權代理事務所(特殊普通合伙) 11829
• 代理人: 王新月

本發明實施例公開了一種CTR預估方法，包括：獲取預設天數內的廣告日志數據，按目標鍵值對廣告日志數據進行統計計算，根據用戶點擊行為生成每條目標鍵值下的標簽，將每條目標鍵值下對應的統計計算結果與標簽合并，得到第一數據集；構建多維畫像，將多維畫像作為第二數據集；以目標鍵值為數據標識，將第一數據集及第二數據集合并為第三數據集；對第三數據集進行特征工程處理，得到訓練數據集；采用CNN算法及內積算法對訓練數據集進行局部特征交叉，采用FM算法對訓練數據集進行全局特征交叉，訓練得到預估模型；使用預估模型對待測數據進行CTR預估，得到預估的CTR結果。通過融合FM及CNN，解決了稀疏特征全量交互效果差的問題，提高了模型的預估準確性。

技術領域

本發明涉及互聯網廣告技術領域，尤其涉及一種CTR預估方法、裝置及計算機可讀存儲介質。

背景技術

隨著互聯網的發展，互聯網廣告成為互聯網企業的重要收入渠道。廣告系統作為用戶和廣告主的紐帶，一方面為用戶帶來了個性化的體驗，另一方面為廣告主的品牌拓展、產品推廣和銷量提升等帶來巨大的商業價值。廣告系統中的點擊率預估(Click ThroughRate，以下簡稱CTR)，是根據用戶對廣告的歷史行為數據建模，根據請求的用戶和廣告來預測用戶對廣告的點擊概率。CTR預估作為廣告系統的重要組成部分，提升CTR模型的預估能力，能夠提升廣告系統的質量、提升用戶的體驗、提升廣告主的營銷質量，為互聯網廣告企業創造更高的價值。

目前業界CTR預估最常用的一種方案就是直接根據歷史結構化數據進行建模。在其下的諸多網絡結構，傳統方法是從原始特征中學習低階特征和高階特征的交互，例如，DCN的Cross交叉層、PNN的Product乘積層、AFM的Attention注意力層等。上述方法再結合DNN能夠對學習全量特征交互有較好的效果，但是在廣告CTR場景中，存在大量的稀疏數據，即有用的交互大多是稀疏的，因此上述方法很難在大量參數中高效的學習它們，所以直接使用傳統特征交互方法效果反而不太理想。

針對現有技術中訓練模型時無法對稀疏特征進行有效學習的問題，目前還沒有一個有效的解決方法。

發明內容

為解決上述問題，本發明提供一種CTR預估方法，通過對廣告日志數據進行統計計算、打標及多維畫像構建得到特征豐富的訓練數據集，在特征訓練時采用CNN算法及內積算法對局部特征進行訓練，采用FM算法對全局特征進行訓練，得到預估模型，從而加強對稀疏特征的關注度，以解決現有技術中訓練模型時無法對稀疏特征進行有效學習的問題。

為達到上述目的，本發明提供了一種CTR預估方法，包括：獲取預設天數內的廣告日志數據，按目標鍵值對所述廣告日志數據進行統計計算，得到統計計算結果，根據用戶點擊行為生成每條目標鍵值下的標簽，將每條目標鍵值下對應的統計計算結果與標簽合并，得到第一數據集；根據所述廣告日志數據構建多維畫像，將所述多維畫像作為第二數據集；以目標鍵值為數據標識，將所述第一數據集及第二數據集合并為第三數據集；對第三數據集進行特征工程處理，得到訓練數據集；采用CNN算法及內積算法對訓練數據集進行局部特征交叉，采用FM算法對訓練數據集進行全局特征交叉，訓練得到預估模型；使用預估模型對待測數據進行CTR預估，得到預估的CTR結果。

進一步可選的，所述采用CNN算法及內積算法對訓練數據集進行局部特征交叉，采用FM算法對訓練數據集進行全局特征交叉，訓練得到預估模型包括：識別所述訓練數據集中的稀疏特征及稠密特征；將所述稀疏特征依次經過CNN算法及內積算法進行特征交叉，得到第一特征數據；將稠密特征與向量化后的稀疏特征進行拼接，得到第二特征數據；將所述稀疏特征及稠密特征進行特征交叉，得到第三特征數據；將所述第一特征數據、第二特征數據及第三特征數據進行訓練，得到所述預估模型。

進一步可選的，所述對第三數據集進行特征工程處理包括：對所述第三數據集進行缺失值處理；和/或對所述第三數據集進行特征選擇；和/或對所述第三數據集進行異常值剔除；和/或對所述第三數據集進行無量綱化；和/或對所述第三數據集進行數據修正。