[发明专利]一种基于用户行为的广告点击率预测方法和装置

权利要求书

1.一种基于用户行为的广告点击率预测方法，其特征在于，包括以下步骤：

行为定向预测步骤，通过分析用户行为来训练行为定向模型，根据所述行为定向模型预测所述用户对不同类别广告的点击率，得到点击率预测值；

类别内排序步骤，根据所述用户当前行为类型对每个类别内的广告排序，得到类别内广告排序列表；

综合排序步骤，基于所述点击率预测值和所述类别内广告排序列表对所有广告的点击率进行排序，得到综合排序列表。

2.根据权利要求1所述的方法，其特征在于，所述行为定向预测步骤具体包括以下步骤：

步骤A，获取与所述用户点击广告的行为相关的用户特征信息；

步骤B，根据所述用户特征信息分别得到用户行为信息和融合特征信息，其中所述用户行为信息为与用户感兴趣的广告类别相关的信息，所述融合特征信息为将所述用户特征信息中的各类特征进行合并得到的信息；

步骤C，基于所述用户行为信息和所述融合特征信息训练行为定向模型；

步骤D，利用所述行为定向模型预测所述用户对不同类别广告的点击率，得到所述点击率预测值。

3.根据权利要求1或2所述的方法，其特征在于，所述类别内排序步骤具体包括以下步骤：

步骤E，根据所述点击率预测值得到所述用户所感兴趣的每个类别的广告列表；

步骤F，基于所述用户当前的行为类型分别对所述每个类别的广告列表中的广告进行排序，得到所述类别内广告排序列表。

4.根据权利要求1或2所述的方法，其特征在于，所述综合排序步骤进一步包括：

根据所述综合排序列表，向所述用户展示预定数量的点击率最高的广告。

5.根据权利要求2所述的方法，其特征在于，所述步骤C中包括展示预测模型训练和点击预测模型训练，以得到点击预测模型的权重矩阵和展示预测模型的权重矩阵。

6.根据权利要求5所述的方法，其特征在于，所述点击预测模型训练包括以下步骤：

步骤C11，初始化广告类别的权重矩阵；

步骤C12，基于所述权重矩阵计算所述用户对每个类别广告的点击次数预测值；

步骤C13，依据所述点击次数预测值，更新所述权重矩阵；

步骤C14，重复步骤C12和C13，进行迭代处理，直至过程收敛或达到预定的迭代次数，得到所述点击预测模型的权重矩阵。

7.根据权利要求5所述的方法，其特征在于，所述展示预测模型训练包括以下步骤：

步骤C21，初始化广告类别的权重矩阵；

步骤C22，基于所述权重矩阵计算所述用户对每个类别广告的展示次数预测值；

步骤C23，依据所述展示次数预测值，更新所述权重矩阵；

步骤C24，重复步骤C22和C23，进行迭代处理，直至过程收敛或达到预定的迭代次数，得到所述展示预测模型的权重矩阵。

8.根据权利要求5至7任一项所述的方法，其特征在于，在所述步骤D中，根据所述点击预测模型的权重矩阵计算点击预测次数，根据所述展示预测模型的权重矩阵计算展示预测次数，基于所述点击预测次数和所述展示预测次数得到所述点击率预测值。

9.根据权利要求3所述的方法，其特征在于，在所述步骤F中，所述用户当前行为类型为利用搜索引擎进行搜索或浏览网页；

如果所述用户当前的行为是利用搜索引擎进行搜索，则根据所述用户所提交的查询词采用搜索触发模型对类别内广告按点击率进行排序；

如果所述用户当前的行为是浏览网页，则根据所述用户所浏览的网页内容，选用内容匹配模型对类别内广告按点击率进行排序。

10.根据权利要求1所述的方法，其特征在于，在所述综合排序步骤中，将所述点击率预测值和所述广告排序列表中的点击率值进行乘积、线性加权或非线性组合，得到所述综合排序列表。

11.一种基于用户行为的广告点击率预测装置，所述装置包括：

行为定向预测单元，用于通过分析用户行为来训练行为定向模型，根据所述行为定向模型预测所述用户对不同类别广告的点击率，得到点击率预测值；

类别内排序单元，用于根据所述用户当前行为类型对每个类别内的广告排序，得到类别内广告排序列表；

综合排序单元，用于基于所述点击率预测值和所述类别内广告排序列表对所有广告的点击率进行排序，得到综合排序列表。