[发明专利]一种基于用户行为的广告点击率预测方法和装置

说明书

技术领域

本发明涉及广告点击率预测、用户行为分析、回归模型，具体涉及试图通过分析用户的网络浏览或搜索行为对其行为进行建模分析，从而预测其对投放广告的点击率。

背景技术

互联网的兴起使人们可以在浏览相同页面时看到不同的广告，实现广告的个性化展示。通过这种方式，可以向每个用户更精准的展示其可能感兴趣的广告，从而提高广告的点击率，改善广告投放效果。

现有广告精准投放策略主要包括如下三类：搜索触发(sponsored search)、内容匹配(content match)、行为定向(behavioral targeting)。

其中，搜索触发策略包括根据用户向搜索引擎提交的关键词来进行广告检索，由于关键词直接反映了用户当前的兴趣，故可以向用户推送与当前搜索内容相关的广告。

内容匹配策略则包括对用户正在浏览的网页的内容进行建模分析，向用户展示与网页内容相近的广告。

行为定向策略包括根据用户的历史行为记录对其兴趣进行建模分析，向用户展示符合其兴趣特点的广告。当不同用户浏览同一页面或提交相同的查询请求时，所看到的广告也是不同的。

搜索触发和内容匹配两类技术并没用考虑用户的个性化兴趣，不同用户搜索同一关键词或浏览同一网页时，所展示的广告往往是相同的，而在实际应用中，两个用户浏览同一页面或进行同一查询时，其关注点可能并不相同。而行为定向方法则较少的考虑用户在同一类别中的大量广告中的偏好，即同一用户在浏览不同页面时可能会展现相同的广告。因此，现有技术中的广告投放策略没有较好地考虑用户个性化兴趣，不能较为精确地预测用户对广告的点击率，从而不能精准地投放用户感兴趣的广告。

发明内容

为了解决上述技术问题，本发明提供了一种将行为定向方法与内容匹配/搜索触发方法进行结合的基于用户行为的两阶段广告点击率预测方法和系统，目的是帮助广告主比较方便定位可能对其广告感兴趣的用户群体，同时在向用户投放广告时充分考虑用户的当前浏览或检索行为所反映的兴趣点，以增强广告投放效果，本发明将行为定向方法与内容匹配/搜索触发方法进行结合，以充分利用不同方法的优势。

本发明提供了一种基于用户行为的广告点击率预测方法，其特征在于，包括以下步骤：行为定向预测步骤，通过分析用户行为来训练行为定向模型，根据所述行为定向模型预测所述用户对不同类别广告的点击率，得到点击率预测值；类别内排序步骤，根据所述用户当前行为类型对每个类别内的广告排序，得到类别内广告排序列表；综合排序步骤，基于所述点击率预测值和所述类别内广告排序列表对所有广告的点击率进行排序，得到综合排序列表。

进一步，该方法还包括，所述行为定向预测步骤具体包括以下步骤：步骤A，获取与所述用户点击广告的行为相关的用户特征信息；步骤B，根据所述用户特征信息分别得到用户行为信息和融合特征信息，分别得到用户行为信息和融合特征信息，其中所述用户行为信息为与用户感兴趣的广告类别相关的信息，所述融合特征信息为将所述用户特征信息中的各类特征进行合并得到的信息；步骤C，基于所述用户行为信息和所述融合特征信息训练行为定向模型；步骤D，利用所述行为定向模型预测所述用户对不同类别广告的点击率，得到所述点击率预测值。

进一步，该方法还包括，所述类别内排序步骤具体包括以下步骤：步骤E，根据所述点击率预测值得到所述用户所感兴趣的每个类别的广告列表；步骤F，基于所述用户当前的行为类型分别对所述每个类别的广告列表中的广告进行排序，得到所述类别内广告排序列表。

进一步，该方法还包括，所述综合排序步骤进一步包括：根据所述综合排序列表，向所述用户展示预定数量的点击率最高的广告。

进一步，该方法还包括，所述步骤C中包括展示预测模型训练和点击预测模型训练，以得到点击预测模型的权重矩阵和展示预测模型的权重矩阵。

进一步，该方法还包括，所述点击预测模型训练包括以下步骤：步骤C11，初始化广告类别的权重矩阵；步骤C12，基于所述权重矩阵计算所述用户对每个类别广告的点击次数预测值；步骤C13，依据所述点击次数预测值，更新所述权重矩阵；步骤C14，重复步骤C12和C13，进行迭代处理，直至过程收敛或达到预定的迭代次数，得到所述点击预测模型的权重矩阵。