[发明专利]广告推荐方法、装置、电子设备及存储介质

权利要求书

1.一种广告推荐方法，其特征在于，所述方法包括：

获取待预测特征，所述待预测特征包括：待预测广告的广告特征和要点击所述待预测广告的用户的用户特征；

提取所述待预测特征中的稳定特征，将所述稳定特征输入预先建立的点击概率模型中的稳定模块，得到稳定特征值；提取所述待预测特征中的敏感特征，将所述敏感特征输入所述点击概率模型中的敏感模块，得到敏感特征值，其中，所述稳定特征为：所述用户特征与所述广告特征中包含的短期内不会随着时间变化而变化的特征，所述敏感特征为：所述用户特征与所述广告特征中包含的短期内会随着时间变化而变化的特征；

所述点击概率模型是根据各历史样本特征与所述各历史样本特征对应的点击概率进行神经网络训练得到的，所述点击概率模型包括：稳定模块、敏感模块和输出层；

通过校准样本对所述敏感特征值进行校准，得到校准后的敏感特征值，所述校准样本为预先获取的在当前时刻之前的预设数量个样本；

将所述稳定特征值和所述校准后的敏感特征值输入所述点击概率模型的输出层，得到所述用户对所述待预测广告的点击概率预测值；

根据所述点击概率预测值确定是否为所述用户推荐所述待预测广告。

2.根据权利要求1所述的广告推荐方法，其特征在于，所述点击概率模型的建立方法，包括：

获取所述各历史样本特征，每个历史样本特征包括：历史样本用户的用户特征和历史样本广告的广告特征；

获取每个历史样本特征对应的历史样本用户对历史样本广告的点击概率；

根据所述各历史样本特征与各点击概率的对应关系进行神经网络训练，得到所述点击概率模型。

3.根据权利要求1所述的广告推荐方法，其特征在于，所述通过校准样本对所述敏感特征值进行校准，得到校准后的敏感特征值，包括：

若校准样本为R个，所述敏感特征值为N维，V_i表示第i个维度的敏感特征值，V_i′表示第i个维度的校准后的敏感特征值，若校准后的敏感特征值满足关系式：V_i′＝V_i +αW_i；α表示预先设置的校准权重系数，W_i表示第i个维度的校准值，i为1～N的整数，R为大于0的整数；

根据公式：求解W_i，P_r表示第r个样本的点击概率，表示将所述校准后的敏感特征值输入所述输出层得到的点击概率；

根据W_i、V_i、α以及V_i′＝V_i+αW_i，得到校准后的敏感特征值V_i′。

4.根据权利要求1所述的广告推荐方法，其特征在于，所述根据所述点击概率预测值确定是否为所述用户推荐所述待预测广告，包括：

若所述点击概率预测值大于预设阈值，确定为所述用户推荐所述待预测广告；

若所述点击概率预测值不大于预设阈值，确定不为所述用户推荐所述待预测广告。