[发明专利]一种基于用户间相似关系的广告点击率预测方法

摘要

本发明涉及一种基于用户间相似关系的广告点击率预测方法，基于用户间相似关系的广告点击率预测方法，基于广告点击日志中数据的提取，构建贝叶斯网络模型的结构和参数，实现用户之间相似关系的分析，由此，进一步实现用户对广告点击率的预测，最终实现广告的准确投放；其中，贝叶斯网络模型的建立，具有较高的准确性，不会导致结果没有依据，并且在创建贝叶斯网络模型时，去除了冗余边，增强了贝叶斯网络模型的可靠性和有效性；不仅如此，在贝叶斯网络模型的建立过程中，通过多种方法进行贝叶斯网络的推理，得到间接相似用户，具有较高的灵活性和选择性；实现了较好的广告点击率预测效果。

主权项

1.一种基于用户间相似关系的广告点击率预测方法，其特征在于，包括如下步骤：步骤001.根据服务器中的广告点击日志，分别针对各个用户，获得用户在预设筛选周期内其所有的搜索关键词，以及该用户在预设筛选周期内分别针对向其展示的各支广告的点击率，然后进入步骤002；步骤002.针对所有用户，获得所有两两用户之间在预设筛选周期内搜索关键词上的相似度值，再选取大于预设相似度阈值的各个相似度值所分别对应的两两用户，分别构成各组具有直接相似关系的两个用户，并获得该各组两个用户之间的依赖关系，根据各组两个用户之间的依赖关系，确定各个用户的直接相似用户，然后进入步骤003；步骤003.针对各组具有直接相似关系的两个用户，以及各组两个用户之间的依赖关系建立贝叶斯网络模型，其中，各个用户分别采用各个用户节点表示，各组具有直接相似关系的两个用户之间的依赖关系采用用户节点之间的有向箭头表示，然后进入步骤004；步骤004.分别针对贝叶斯网络模型中的各个用户节点，若用户节点存在用户父节点，则获得该用户节点分别在其各个用户父节点点击广告和不点击广告两种状态的不同组合下，其对应点击广告状态的后验概率，即获得该用户节点以其各个用户父节点分别作为各个直接相似用户，在各个直接相似用户点击广告和不点击广告两种状态的不同组合下，该用户节点对应点击广告状态的后验概率；若用户节点不存在用户父节点，则获得该用户节点对应点击广告状态和不点击广告状态的概率；然后进入步骤005；步骤005.根据贝叶斯网络模型的结构，以及不存在用户父节点的各个用户节点，对应点击广告状态和不点击广告状态的概率，分别针对贝叶斯网络模型中的各个用户节点，获得用户节点分别相对与其间接联系的其它各个用户节点在点击广告状态下，该用户节点对应点击广告状态的后验概率，并选取大于预设概率阈值的各个后验概率所分别对应的两个间接联系的用户节点，即分别构成各组具有间接相似关系的两个用户，然后进入步骤006；步骤006.获得对应于目标预测用户的各个直接相似用户、各个间接相似用户，并进一步获得目标预测用户分别相对各个直接相似用户点击广告和不点击广告两种状态的不同组合下，目标预测用户对应点击广告状态的后验概率；以及目标预测用户分别相对各个间接相似用户在点击广告状态下，目标预测用户对应点击广告状态的后验概率，即将目标预测用户的直接相似用户、间接相似用户统称为相似用户，获得目标预测用户相对其各位相似用户、分别对应其点击广告状态的后验概率；然后进入步骤007；步骤007.根据各个用户在预设筛选周期内分别针对向其展示的各支广告的点击率，获得目标预测用户相对各位相似用户、分别对应其点击广告状态的后验概率分别与对应各个相似用户针对目标广告的点击率的乘积，最后将各个乘积相加后乘以归一化因子所得值，即为目标预测用户针对目标广告的预测点击率。