[发明专利]点击率预估及模型训练方法、系统和装置

权利要求书

1.一种点击率预估方法，包括：

响应于受众的商品展示请求，获得候选展示商品和搜索参数；

基于搜索参数，从所述受众的历史行为数据中查询与所述搜索参数匹配的第一历史行为数据；

从所述受众的历史行为数据中，获取指定时间范围内所述受众产生的第二历史行为数据；

将所述第一历史行为数据、所述第二历史行为数据、所述受众的静态特征数据和候选展示商品的特征数据输入经过训练的点击率预估模型，预测所述受众对所述候选展示商品的点击率。

2.如权利要求1所述的方法，其中，响应于受众的商品展示请求，获得候选展示商品和搜索参数，包括：

响应于受众的商品展示请求，获得待推送给所述受众的候选展示商品；

至少基于所述候选展示商品的类目信息，构造搜索参数。

3.如权利要求2所述方法，基于搜索参数，从所述受众的历史行为数据中查询与所述搜索参数匹配的第一历史行为数据，包括：

根据候选展示商品的类目，从所述受众的历史行为数据查找所述受众针对与所述类目相同或相近的展示商品产生的历史行为数据，得到所述受众的与所述搜索参数匹配的第一历史行为数据。

4.如权利要求1所述的方法，其中，将所述第一历史行为数据、第二历史行为数据、所述受众的静态特征数据和候选展示商品的特征数据输入经过训练的点击率预估模型，包括：

将所述第一历史行为数据、所述第二历史行为数据、所述受众的静态特征数据和候选展示商品的特征数据分别进行向量化处理；

将向量化处理后的所述第一历史行为数据、所述第二历史行为数据、所述受众的静态特征数据和候选展示商品的特征数据中包括的各维度的数据进行组合，得到一个组合后的表征向量，输入点击率预估模型。

5.如权利要求4所述的方法，其中，所述将所述第一历史行为数据、所述第二历史行为数据、所述受众的静态特征数据和候选展示商品的特征数据分别进行向量化处理，包括：

根据历史行为数据标识，将所述第一历史行为数据包括的历史行为数据分别进行向量化处理，得到包括多个表征向量的第一历史行为特征序列，将所述第一历史行为特征序列包括的多个表征向量在每个向量维度上进行合并处理，得到第一历史行为数据的表征向量；

根据历史行为数据标识，分别将所述第二历史行为数据包括的历史行为数据分别进行向量化处理，得到包括多个表征向量的第二历史行为特征序列，将所述第二历史行为特征序列包括的多个表征向量在每个向量维度上进行合并处理，得到第二历史行为数据的表征向量；

将所述受众的静态特征数据进行向量化处理，得到所述受众的静态特征数据的表征向量；

将所述候选展示商品的特征数据进行向量化处理，得到所述候选展示商品的特征数据的表征向量。

6.如权利要求1-5任一所述的方法，还包括：

获取候选展示商品的下列至少一项特征数据：展示商品ID、展示商品类目、展示商品的发布者、展示商品所在位置和展示商品的描述信息；

和/或

获取所述受众的静态特征数据，所述静态特征数据是用于反映受众个体特征的的数据。

7.一种点击率预估模型训练方法，包括：

根据样本展示商品信息，确定搜索参数；

基于搜索参数，从样本受众的历史行为数据中查询与所述搜索参数匹配的第一历史行为数据；

从所述样本受众的历史行为数据中获取指定时间范围内所述样本受众产生的第二历史行为数据；

将所述第一历史行为数据、所述第二历史行为数据、样本受众的静态特征数据和样本展示商品的特征数据输入待训练的点击率预估模型，预测样本受众对样本展示商品的点击率；

当根据多条样本数据的所述点击率，确定所述点击率预估模型的预估准确率符合预设条件时，得到训练好的点击率预估模型。