[发明专利]基于决策树的广告点击率预估方法与应用推荐方法及装置

权利要求书

1.一种基于决策树的广告点击率预估方法，其特征在于，包括以下步 骤：

获取预定历史时间段内特定历史投放广告的相关特征信息；

获取目标用户的个性化特征信息；

基于所述获取的目标用户个性化特征信息及特定历史投放广告的相 关特征信息组成的特征向量通过决策树模型计算，以确定用于预估所述特 定历史投放广告的点击率的交叉特征向量，其中所述决策树模型的每个叶 子节点表征一个交叉特征；

基于所述交叉特征向量及预先训练得到的模型训练参数，进行计算以 预估所述特定历史投放广告的点击率。

2.根据权利要求1所述的方法，其特征在于，所述获取目标用户个性 化特征信息的步骤如下：

获取目标的用户的用于表征其身份特征的信息；

基于所述用户身份特征信息向云端服务器发送请求，以获取该用户对 应的个性化特征信息；

接收云端服务器推送的依据该用户身份特征信息确定的个性化特征 信息。

3.根据权利要求2所述的方法，其特征在于，所述目标用户的身份特 征信息包括目标用户注册的第三方账户信息、用户绑定的账户信息。

4.根据权利要求2所述的方法，其特征在于，还包括以下步骤：

提取目标用户的个性化特征信息；

通过远程接口发送至云端服务器进行保存。

5.一种应用软件推荐方法，其特征在于，包括以下步骤：

获取预定历史时间段内多个历史投放应用软件的相关特征信息；

获取目标用户的个性化特征信息；

基于所述获取的目标用户个性化特征信息及多个历史投放应用软件 的相关特征信息组成的特征向量通过决策树模型计算，以分别确定用于预 估所述多个历史投放应用的点击率的交叉特征向量，其中所述决策树模型 的每个叶子节点表征一个交叉特征；

基于所述交叉特征向量及预先训练得到的模型训练参数，分别进行计 算以预估所述多个历史投放应用软件的点击率；

对所述多个历史投放应用软件的点击率进行排序，以确定向用户推荐 的应用软件。

6.根据权利要求5所述的方法，其特征在于，所述点击率排序为依据 所述点击率值从大到小进行排序。

7.根据权利要求6所述的方法，其特征在于，所述向用户推荐的应用 软件为点击率排序最前面的一个或多个应用软件。

8.根据权利要求5所述的方法，其特征在于，所述获取目标用户个性 化特征信息的步骤如下：

获取目标的用户的用于表征其身份特征的信息；

基于所述用户身份特征信息向云端服务器发送请求，以获取该用户对 应的个性化特征信息；

接收云端服务器推送的依据该用户身份特征信息确定的个性化特征 信息。

9.一种基于决策树的广告点击率预估装置，其特征在于，包括：

第一特征信息获取模块：用于获取预定历史时间段内特定历史投放广 告的相关特征信息；

第二特征信息获取模块：用于获取目标用户的个性化特征信息；

交叉特征向量生成模块：用于基于所述获取的目标用户个性化特征信 息及特定历史投放广告的相关特征信息组成的特征向量通过决策树模型 计算，以确定用于预估所述特定历史投放广告的点击率的交叉特征向量， 其中所述决策树模型的每个叶子节点表征一个交叉特征；

预估模块：用于基于所述交叉特征向量及预先训练得到的模型训练参 数，进行计算以预估所述特定历史投放广告的点击率。

10.一种应用软件推荐装置，其特征在于，包括：

第一特征信息获取模块：用于获取预定历史时间段内多个历史投放应 用软件的相关特征信息；

第二特征信息获取模块：用于获取目标用户的个性化特征信息；

交叉特征向量生成模块：用于基于所述获取的目标用户个性化特征信 息及多个历史投放应用软件的相关特征信息组成的特征向量通过决策树 模型计算，以分别确定用于预估所述多个历史投放应用的点击率的交叉特 征向量，其中所述决策树模型的每个叶子节点表征一个交叉特征；

预估模块：用于基于所述交叉特征向量及预先训练得到的模型训练参 数，分别进行计算以预估所述多个历史投放应用软件的点击率；

排序模块：用于对所述多个历史投放应用软件的点击率进行排序，以 确定向用户推荐的应用软件。