[发明专利]点击率预估方法、装置、计算设备及存储介质

说明书

本发明提供了一种点击率预估方法、装置、计算设备及存储介质。其中，首先，建立以用户特征和物品特征为节点的特征评价网络。然后，基于特征评价网络建立点击率预估模型。于是，可以基于点击率预估模型预估用户对物品的点击率。这样，点击率预估模型可以以网络的形式体现用户特征与物品特征之间的关联关系，从而能够方便地预估广告点击率。

技术领域

本发明涉及互联网应用技术领域，尤其涉及点击率预估方法及装置。

背景技术

点击率预估在计算广告学、推荐系统等领域有广泛的应用。对广告点 击率进行统计，可以了解不同用户感兴趣的广告，从而向每个用户更精确 地推送广告，以提高广告的点击率。准确的广告点击率预估可以提高真实 的广告点击率，从而增加广告收益。

根据不同的广告数据特征采用不同的广告点击率预估模型，可以获得 较好的预估效果。逻辑回归模型、支持向量机模型、贝叶斯模型、神经网 络模型等广告点击率预估模型适用于历史广告点击率数据丰富的情况。层 次聚类模型、相似项预估模型、因式分解机等模型适用于无历史广告点击 数据和广告点击数据稀疏的模型。

目前的点击率预估方法采用人工特征工程结合逻辑回归算法，首先抽 取用户输入关键词和候选广告的相关特征，并将该相关特征输入线性模型 中得到对应广告的点击率，但相关特征的抽取需要花费较高的人力和时间 成本。并且这种方法主观性太强容易筛选出大量无用特征影响模型评估的 准确性，并且逻辑回归算法是广义线性模型，线性模型学习能力有限，模 型中各个特征对预测结果的关系都是互相独立，彼此不受影响的，因此无 法学习特征之间的非线性关系，进而导致获取的预测结果的准确性较差。 此外，线性模型会导致其它问题，例如高维场景下如何选择特征，一般采 用人工特征工程，随着过程的深入，这种方式的收益会逐步达到上限。

因此，仍然需要一种新的广告点击率预估方案。

发明内容

本发明要解决的技术问题是提供一种新型的广告点击率预估方法及 装置，能够方便地预估广告点击率。

根据本发明的一个方面，提供了一种广告点击率预估方法，可以包括： 建立以用户特征和物品特征为节点的特征评价网络；基于特征评价网络建 立点击率预估模型；以及基于点击率预估模型预估用户对物品的点击率。

本方案中的点击率预估模型以网络的形式体现了用户特征与物品特 征之间的关联关系，能够方便地预估广告点击率。

优选地，其中，建立以用户特征和物品特征为节点的特征评价网络的 步骤可以包括：生成用户特征集合和物品特征集合，用户特征集合包括至 少一个用户特征Ui，物品特征集合包括至少一个物品特征Ij，i和j分别为 正整数；建立用户特征集合中各个用户特征与物品特征集合中各个物品特 征之间的连接。

其中，用户特征集合中的每个用户特征可以看作是一个点击率预估专 家，物品特征集合中的每个物品特征可以看作是从某一角度看待该物品。

优选地，生成用户特征集合的步骤可以包括：

基于用户画像数据生成用户特征，其中用户画像数据可以包括用户属 性、内容偏好中至少一项；和/或

通过基于用户和/或物品的协同过滤推荐算法生成用户特征；和/或

根据基于关联规则数据挖掘算法计算出的用户特征组合，生成用户特 征。

生成物品特征集合的步骤可以包括：

基于物品信息生成物品特征，其中，物品信息可以包括物品、物品分 类、物品关键词中至少一项；和/或

通过基于用户和/或物品的协同过滤推荐算法生成物品特征；和/或