[发明专利]一种广告转化率预估模型及其训练方法

权利要求书

1.一种广告转化率预估模型的建立方法，包括编码网络和预测网络，所述预测网络输入编码网络得到的整体特征向量后输出预测结果，其特征在于，还包括损失函数计算模块；所述损失函数计算模块根据预测网络得到的部分预测结果和广告主标签数据计算出具体的损失函数值；所述预测网络根据所述损失函数值更新自身网络；损失函数值的具体计算公式为：

loss＝-(y*log(p)+(1-y)*log(1-p))

其中，p为预测结果的概率值；y为其对应的转化标签值；

所述损失函数值加上拉普拉斯机制的差分隐私，具体的公式为：

loss_dp＝loss+Y

其中Y服从拉普拉斯分布，均值为0，Δf表示两个相邻数据集D，D′为最大距离；

所述编码网络利用编码层来得到各个特征的特征向量，将同一特征域的特征向量取平均，不同特征域的特征向量做拼接，得到的结果输入到全连接层，得到整体特征向量；编码网络在点击率预估任务下进行训练，利用广告平台自身拥有的特征数据以及点击标签数据，得到的特征向量直接迁移到转化率预估任务中使用。

2.一种广告转化率预估模型的训练方法，其特征在于，用于训练上述权利要求1中的所建立的广告转化率预估模型，包括以下步骤：

步骤一：将训练数据输入编码网络，得到所述训练数据的整体特征向量，再输入到预测网络中得到所述训练数据对应的预测结果；

步骤二：将预测结果传送给广告主，广告主根据预测结果计算损失函数值并加入差分隐私机制后将损失函数值回传至预测网络，预测网络利用损失函数值进一步计算网络参数梯度，并更新预测网络的参数；

步骤三：重复步骤一和步骤三，直到达到最大迭代次数或是损失值在预设的迭代次数内不再下降，完成广告转化率预估模型训练。

3.根据权利要求2所述的一种广告转化率预估模型的训练方法，其特征在于，在进行步骤一前，需要对编码网络预训练，并保存网络参数。

4.根据权利要求2所述的一种广告转化率预估模型的训练方法，其特征在于：在所述步骤二中，广告主根据预测结果计算损失函数值的具体步骤为：

S1：从广告平台方接收一批由当前预测网络计算得到的预测结果；

S2：从预测结果中随机取一部分，并使用自身拥有的标签数据，计算损失函数值。

5.根据权利要求4所述的一种广告转化率预估模型的训练方法，其特征在于：所述损失函数值由随机选取的一部分预测结果数据计算得出，然后加上拉普拉斯机制的差分隐私进行计算获得最终的损失函数值，广告主将最终的损失函数值回传至预测网络。