[发明专利]投放信息点击率的预估方法和装置

说明书

本发明公开了一种投放信息点击率的预估方法和装置。该方法包括：将针对投放信息点击率的第一预估请求输入至第一DNN模型进行预估，以获取所述投放信息的点击率预估结果，且将所述预估过程中的DNN模型隐层信息进行存储；根据所述点击率预估结果对所述投放信息进行筛选；根据筛选后的投放信息、预估特征信息和所述隐层信息，形成第二预估请求，输入至第二DNN模型进行预估，获取筛选后投放信息的点击率预估结果。本发明在第二DNN模型中复用第一DNN模型的隐层信息，不必再重复计算，增加的计算量不大，从而在筛选投放信息时可以保留较多的投放信息，保证了最终投放信息的候选队列，且提高了预估准确度。

技术领域

本发明实施例涉及网络技术，尤其涉及一种投放信息点击率的预估方法和装置。

背景技术

在搜索引擎中，需要利用预估系统对投放信息点击率进行预估。预估系统一般分为多个阶段进行预估，即分层进行预估，从上之下，能够获取到的信息逐层增加，导致样本数、特征数倍增，进而导致计算量倍增。

考虑到系统性能问题，要根据各阶段的预估结果对投放信息的数量进行截断，使得系统预估的投放信息数目逐层减少，类似于漏斗形。对投放信息的排序计费使用的是漏斗形底层的投放信息点击率预估结果，因此，底层能够计算的投放信息数量，计算的准确度严重影响预估系统的效果。

现有技术中，为了平衡性能，随着信息量的不断增加，通常严格控制投放信息数目的截断量，采用计算量小且结构简单的小模型，并引入上层的计算结果等特征。存在的缺陷在于使得最终投放信息的候选队列变短，而且预估准确度低。

发明内容

有鉴于此，本发明实施例提供一种投放信息点击率的预估方法和装置，以保证最终投放信息的候选队列，提高预估准确度。

第一方面，本发明实施例提供了一种投放信息点击率的预估方法，所述方法包括：

将针对投放信息点击率的第一预估请求输入至第一DNN模型进行预估，以获取所述投放信息的点击率预估结果，且将所述预估过程中的DNN模型隐层信息进行存储；

根据所述点击率预估结果对所述投放信息进行筛选；

根据筛选后的投放信息、预估特征信息和所述隐层信息，形成第二预估请求，输入至第二DNN模型进行预估，获取筛选后投放信息的点击率预估结果。

第二方面，本发明实施例还提供了一种投放信息点击率的预估装置，所述装置包括：

第一点击率预估模块，用于将针对投放信息点击率的第一预估请求输入至第一深度神经网络DNN模型进行预估，以获取所述投放信息的点击率预估结果，且将所述预估过程中的DNN模型隐层信息进行存储；

投放信息筛选模块，用于根据所述点击率预估结果对所述投放信息进行筛选；

第二点击率预估模块，用于根据筛选后的投放信息、预估特征信息和所述隐层信息，形成第二预估请求，输入至第二DNN模型进行预估，获取筛选后投放信息的点击率预估结果。

本发明实施例通过在对筛选后的投放信息进行点击率预估时，在第二DNN模型中复用第一DNN模型的隐层信息，不必再重复计算，增加的计算量不大，从而在筛选投放信息时可以保留较多的投放信息，保证了最终投放信息的候选队列，且提高了预估准确度。

附图说明

图1是本发明实施例一提供的一种投放信息点击率的预估方法的流程图；

图2是本发明实施例提供的投放信息点击率的预估方法中的DNN模型的结构示意图；

图3是本发明实施例提供的投放信息点击率的预估方法中的获取筛选后投放信息的点击率预估结果的流程图；

图4是本发明实施例提供的投放信息点击率的预估方法中的第二DNN模型的结构示意图；