[发明专利]广告数据处理方法、装置、介质以及电子设备

说明书

本公开提供了一种广告数据处理方法、装置、介质以及电子设备。该方法包括：确定待优化预测模型，并获取与待优化预测模型对应的广告数据；确定与待优化预测模型对应的标注规则，并按照标注规则标注广告数据得到数据矩阵；对数据矩阵进行矩阵分解处理得到广告隐式特征，以利用广告隐式特征优化待优化预测模型。本公开对广告数据生成的数据矩阵进行矩阵分解处理得到广告隐式特征，挖掘过程无需过多用户特征和物品特征，减少了挖掘广告隐式特征的人力成本和时间成本，提高了特征挖掘效率；另一方面，利用广告隐式特征优化的待优化预测模型有至少两种，丰富了挖掘到的用户隐式特征的应用场景，并且优化了各个应用场景中的待优化预测模型的预测效果。

技术领域

本公开涉及人工智能技术领域，具体而言，涉及一种广告数据处理方法、广告数据处理装置、计算机可读介质以及电子设备。

背景技术

随着互联网技术的快速发展，网络空间中的信息量呈指数级增长，从而导致在海量数据中挖掘到有用的数据变得愈发困难。

尤其是在广告数据处理领域，挖掘到广告隐式特征对预测用户的数据具有极为重要的影响。但是，目前通过双塔模型挖掘广告隐式特征是十分困难的。

鉴于此，本领域亟需开发一种新的广告数据处理方法及装置。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本申请的技术背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种广告数据处理方法、广告数据处理装置、计算机可读介质以及电子设备，进而至少在一定程度上克服广告隐式特征挖掘困难的技术问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的一个方面，提供一种广告数据处理方法，该方法包括：确定待优化预测模型，并获取与所述待优化预测模型对应的广告数据；

确定与所述待优化预测模型对应的标注规则，并按照所述标注规则标注所述广告数据得到数据矩阵；

对所述数据矩阵进行矩阵分解处理得到广告隐式特征，以利用所述广告隐式特征优化所述待优化预测模型。

根据本公开实施例的一个方面，提供一种广告数据处理装置，该装置包括：模型确定模块，被配置为确定待优化预测模型，并获取与所述待优化预测模型对应的广告数据；

数据标注模块，被配置为确定与所述待优化预测模型对应的标注规则，并按照所述标注规则标注所述广告数据得到数据矩阵；

模型优化模块，被配置为对所述数据矩阵进行矩阵分解处理得到广告隐式特征，以利用所述广告隐式特征优化所述待优化预测模型。

在本公开的一些实施例中，基于以上技术方案，所述数据标注模块包括：点击率样本单元，被配置为确定与所述广告点击率预测模型对应的点击率正样本标注规则和点击率负样本标注规则；

点击率规则单元，被配置为将所述点击率正样本标注规则和所述点击率负样本标注规则确定为标注规则。

在本公开的一些实施例中，基于以上技术方案，所述数据标注模块包括：转化率样本单元，被配置为确定与所述广告转换率预测模型对应的转化率正样本标注规则和转化率负样本标注规则；

转化率规则单元，被配置为将所述转化率正样本标注规则和所述转化率负样本标注规则确定为标注规则。

在本公开的一些实施例中，基于以上技术方案，所述模型优化模块包括：矩阵分解单元，被配置为利用矩阵分解模型对所述数据矩阵进行矩阵分解处理得到用户隐式特征；

特征确定单元，被配置为确定所述用户隐式特征为广告隐式特征。