亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

對廣告點擊率進行預測的方法及裝置的制造方法_2

文檔序號:8943628閱讀:來源:國知局
4] 屬于投放用戶的特征相關(guān)信息;
[0065] 或?qū)儆谕斗派舷挛牡奶卣飨嚓P(guān)信息。
[0066] 本發(fā)明的又一實施例還提供了一種根據(jù)廣告點擊率的預測計算結(jié)果進行應用推 薦的終端設(shè)備,其特征在于,包括:
[0067] 用于獲取與目標用戶相關(guān)的特征相關(guān)信息的裝置;
[0068] 用于將所述目標用戶相關(guān)的特征相關(guān)信息與多個待推薦廣告分別進行交叉組合 來確定多個交叉特征集,并計算確定該多個交叉特征集對應的交叉特征標識的裝置;
[0069] 用于基于預先訓練得到模型訓練參數(shù)與所述多個待推薦廣告的交叉特征標識,進 行預測計算以確定所述多個待推薦廣告的廣告點擊率的裝置;
[0070] 用于根據(jù)預測計算得到的廣告點擊率對所述多個待推薦廣告進行篩選的裝置;
[0071] 用于將篩選出的一個或多個待推薦廣告推薦給所述目標用戶的裝置。
[0072] 本發(fā)明的技術(shù)方案中,提出了一種對廣告點擊率進行預測的方案,在對廣告點擊 率進行預測的前期數(shù)據(jù)準備過程中,對歷史投放廣告的多種特征信息進行交叉,使得交叉 組合后的交叉特征更加豐富有效,能夠更加準確地反應廣告投放的實際投放情形,從而為 廣告的預測計算提供了更加有效可靠的訓練數(shù)據(jù),避免了現(xiàn)有技術(shù)中僅使用單個特征的不 準確性;同時,根據(jù)準確性較高的訓練數(shù)據(jù)得到的模型訓練參數(shù)可進一步保證廣告點擊率 的預測計算結(jié)果的準確性,從而為后續(xù)根據(jù)廣告點擊率對廣告進行篩選提供了可靠依據(jù)。
[0073] 本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出,這些將從下面的描述中變 得明顯,或通過本發(fā)明的實踐了解到。
【附圖說明】
[0074] 本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結(jié)合附圖對實施例的描述中將變 得明顯和容易理解,其中:
[0075] 圖1為本發(fā)明中一個實施例的對廣告點擊率進行預測的方法的流程圖;
[0076] 圖2為本發(fā)明中一個優(yōu)選實施例的對廣告點擊率進行預測的方法的流程圖;
[0077] 圖3為本發(fā)明中一個實施例的根據(jù)廣告點擊率的預測計算結(jié)果進行應用推薦的 方法的流程圖;
[0078] 圖4為本發(fā)明中另一實施例的對廣告點擊率進行預測的裝置的結(jié)構(gòu)示意圖;
[0079] 圖5為本發(fā)明中另一個實施例的根據(jù)廣告點擊率的預測計算結(jié)果進行應用推薦 的裝置的結(jié)構(gòu)示意圖。
【具體實施方式】
[0080] 下面詳細描述本發(fā)明的實施例,所述實施例的示例在附圖中示出,其中自始至終 相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附 圖描述的實施例是示例性的,僅用于解釋本發(fā)明,而不能解釋為對本發(fā)明的限制。
[0081] 本技術(shù)領(lǐng)域技術(shù)人員可以理解,除非特意聲明,這里使用的單數(shù)形式"一"、"一 個"、"所述"和"該"也可包括復數(shù)形式。應該進一步理解的是,本發(fā)明的說明書中使用的措 辭"包括"是指存在所述特征、整數(shù)、步驟、操作、元件和/或組件,但是并不排除存在或添加 一個或多個其他特征、整數(shù)、步驟、操作、元件、組件和/或它們的組。應該理解,當我們稱元 件被"連接"或"耦接"到另一元件時,它可以直接連接或耦接到其他元件,或者也可以存在 中間元件。此外,這里使用的"連接"或"耦接"可以包括無線連接或無線耦接。這里使用 的措辭"和/或"包括一個或更多個相關(guān)聯(lián)的列出項的全部或任一單元和全部組合。
[0082] 本技術(shù)領(lǐng)域技術(shù)人員可以理解,除非另外定義,這里使用的所有術(shù)語(包括技術(shù) 術(shù)語和科學術(shù)語),具有與本發(fā)明所屬領(lǐng)域中的普通技術(shù)人員的一般理解相同的意義。還應 該理解的是,諸如通用字典中定義的那些術(shù)語,應該被理解為具有與現(xiàn)有技術(shù)的上下文中 的意義一致的意義,并且除非像這里一樣被特定定義,否則不會用理想化或過于正式的含 義來解釋。
[0083] 圖1為本發(fā)明中一個實施例的對廣告點擊率進行預測的方法的流程圖。
[0084] 步驟SllO :獲取在預定歷史時間段內(nèi)與多個歷史投放廣告相關(guān)的多種特征類型 的特征相關(guān)信息;步驟S120 :將各個歷史投放廣告的至少兩種特征類型的特征相關(guān)信息進 行交叉組合來確定多個交叉特征集,并計算確定多個交叉特征集分別對應的交叉特征標 識;步驟S130 :提取在預定歷史時間段內(nèi)各個交叉特征集對應的廣告展現(xiàn)量及廣告點擊 量,并計算確定各個交叉特征集對應的廣告點擊率以作為交叉特征值;步驟S140 :基于多 個交叉特征集分別對應的交叉特征標識及交叉特征值,對邏輯回歸模型進行訓練,以計算 確定模型訓練參數(shù);步驟S150 :基于模型訓練參數(shù)對多個待預測廣告進行廣告點擊率的預 測計算。
[0085] 步驟SllO :獲取在預定歷史時間段內(nèi)與多個歷史投放廣告相關(guān)的多種特征類型 的特征相關(guān)信息。
[0086] 其中,歷史投放廣告指在預定歷史時間段內(nèi)已進行投放的廣告。
[0087] 其中,特征類型包括但不限于:投放用戶;投放上下文;歷史投放廣告。
[0088] 其中,投放用戶的特征相關(guān)信息包括但不限于:
[0089] 用戶屬性信息,例如,性別、年齡、教育程度、收入、職業(yè)信息等;
[0090] 用戶的歷史興趣信息,例如,用戶歷史點擊或瀏覽的廣告信息、用戶歷史瀏覽的網(wǎng) 頁信息、用戶歷史的購買信息;
[0091] 用戶的實時興趣信息,例如,用戶當前瀏覽的網(wǎng)頁信息。
[0092] 其中,投放上下文的特征相關(guān)信息包括但不限于:
[0093] 終端設(shè)備相關(guān)信息,例如,終端設(shè)備的型號、操作系統(tǒng)類型、操作系統(tǒng)版本;
[0094] 網(wǎng)絡(luò)相關(guān)信息,例如,終端設(shè)備連接網(wǎng)絡(luò)的網(wǎng)絡(luò)運營商信息、網(wǎng)絡(luò)類型;
[0095] 地理位置信息,例如,終端設(shè)備的地理位置信息;
[0096] 廣告展現(xiàn)相關(guān)信息,例如,廣告尺寸信息、廣告投放位置。
[0097] 例如,針對多個歷史投放廣告,獲取在過去三個月內(nèi)的每個歷史投放廣告的用戶 屬性信息的特征相關(guān)信息、投放上下文的特征相關(guān)信息及歷史投放廣告的廣告標識。例如, 針對一個歷史投放廣告,獲取與其相關(guān)的投放用戶的用戶ID、用戶性別,投放上下文的終端 設(shè)備的操作系統(tǒng)信息、投放應用的APP_ID。
[0098] 步驟S120 :將各個歷史投放廣告的至少兩種特征類型的特征相關(guān)信息進行交叉 組合來確定多個交叉特征集,并計算確定多個交叉特征集分別對應的交叉特征標識。
[0099] 具體地,將各個歷史投放廣告的多種特征類型中的兩種或兩種以上的特征相關(guān)信 息進行交叉組合來確定多個交叉特征集,隨后,通過如哈希算法等方式,計算確定各個交叉 特征集分別對應的具有唯一性的數(shù)值,將該數(shù)值作為交叉特征標識,如交叉特征ID。
[0100] 例如,接上例,針對一個歷史投放廣告,將與其相關(guān)的投放用戶的用戶ID、用戶性 另IJ,投放上下文的終端設(shè)備的操作系統(tǒng)信息、投放應用的APP_ID進行交叉組合,來確定多 個交叉特征集,如下表1所示,每一行代表一個交叉特征集;隨后,將交叉特征集中的各個 特征相關(guān)信息均用數(shù)值表達方式來表征,通過哈希算法計算確定各個交叉特征集分別對應 的具有唯一性的數(shù)值,將該數(shù)值作為交叉特征ID。
[0101] 表 1
[0102]
[0103] 步驟S130 :提取在預定歷史時間段內(nèi)各個交叉特征集對應的廣告展現(xiàn)量及廣告 點擊量,并計算確定各個交叉特征集對應的廣告點擊率以作為交叉特征值。
[0104] 具體地,針對一個歷史投放廣告,提取在預定歷史時間段內(nèi)每個交叉特征集中的 特征相關(guān)信息均出現(xiàn)的情況下對應的廣告展現(xiàn)量及廣告點擊量,隨后,計算廣告展現(xiàn)量及 廣告點擊量的比值來確定各個交叉特征集對應的廣告點擊率以作為交叉特征值。
[0105] 例如,如下表2所示,針對歷史投放廣告ADl,提取在過去三個月內(nèi)在用戶ID、用戶 性別、操作系統(tǒng)信息及APP_ID同時出現(xiàn)的情況下確定的交叉特征集對應的廣告展現(xiàn)量及 廣告點擊量,隨后,通過公式1):
[0106] CTR = PV/Click 公式 1)
[0107] 來計算確定交叉特征值,其中,CTR代表交叉特征值,PV代表廣告展現(xiàn)量,Click代 表廣告點擊量。
[0108] 表 2
[0110] 優(yōu)選地,該方法還包括步驟S160 (圖中未示出);步驟S160 :判斷各個交叉特征集 對應的廣告展現(xiàn)量和/或廣告點擊量是否符合
當前第2頁1 2 3 4 5 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1