[发明专利]点击率预估及模型训练方法、系统和装置

说明书

本发明公开了一种点击率预估及模型训练方法、系统和装置。所述方法包括：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。通过对引入的受众的历史行为数据进行筛选，减少数据量，降低信息噪声，获得更准确的预估结果。

技术领域

本发明涉及计算机技术领域，特别涉及一种点击率预估及模型训练方法、系统和装置。

背景技术

随着电商行业的成熟，电商平台中有海量的商品信息，受众(比如消费者)期待能够从电商客户端展示的海量商品快速找到或者发现适合自己的商品，同时，商家也期望电商平台能够将自家的商品推送/推荐给青睐这些商品的受众，促进交易。

为满足受众和商家的需求，现有技术通常会基于受众在电商平台产生的历史行为(如浏览商品、点击商品等)数据，预测受众对商品的偏好和点击率，并基于受众对商品的偏好和点击率进行商品的推送/推荐/排序。本申请发明人发现，现有技术一般以受众短期的历史行为数据作为预测的依据。该方案的问题是，受众短期的历史行为数据存在时间和数据量的限制，再加上受众行为本身具有不确定性和易变性，同一受众可能会因为场景不同，在相同的时间产生不同的行为选择。由于短期历史行为数据能够表达的受众兴趣偏好是有限的，现有技术也有考虑引入蕴含更多受众偏好信息的长期历史行为数据，但由于长期历史行为数据的数据量过大，对长期历史行为数据不做任何处理直接引入点击率预估存在困难，而如果在引入时将长期历史行为数据进行处理，比如，压缩，则必然会导致信息损失，影响预测结果的准确性。因此，提升商品点击率预估的效率和准确率是相关领域技术人员需要不断寻找技术性解决方案的问题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种点击率预估及模型训练方法、系统和装置。

本发明实施例提供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。

在一些可选的实施例中，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。

在一些可选的实施例中，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。

在一些可选的实施例中，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；