[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

说明书

技术领域

本发明涉及计算机技术领域，具体而言，本发明涉及基于决策树的广 告点击率预估方法及装置，进一步涉及一种应用软件推荐方法及装置。

背景技术

随着互联网的快速发展，网络应用的普及，不同领域业务种类的逐渐 丰富，网络广告成为各大网站、搜索引擎及各终端设备应用程序的新型盈 利方式。随着互联网广告市场的不断增长，其发挥的效用越来越重要。其 中，用于表征广告点击率的值，即CRT，是互联网计算广告中的关键环节， 其预估准确性直接影响公司广告收入。通常意义上的CRT是指用户在搜 索引擎中输入关键词后，搜索引擎基于所述关键词进行搜索，然后按竞价 等因素将相关的网页按顺序进行排序显示给用户，由用户根据自己的兴趣 选择相应的网站点击进去，则广告点击率即为用户点击进入网站的次数占 网站被搜索出来的总次数的比例。

由于广告位的个数有限，如果用户能更加高效地查找到他们所需要的 内容，那将获得更好的体验，同时广告商能获得更多的利润，其投放广告 的效果更好，用户也能花费更少时间搜索他们所需的内容。同时，由于应 用软件市场的快速发展，其种类丰富多样，现有技术通常向用户随机推荐 应用软件，而无法精确知晓用户的需求，导致推荐应用软件的下载使用率 低，无法实现有效的应用软件推荐机制，基于此需要提供一种更加精确有 效的应用软件推荐方法，以满足商家和用户的双重需求。

发明内容

本发明的目的旨在解决上述至少一个问题，提供以下技术方案：

本发明实施例提供一种基于决策树的广告点击率预估方法，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。

其中，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。

具体的，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。

进一步，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。

具体的，所述提取目标用户的个性化特征信息包括通过记录的用户历 史点击所述广告的日志信息提取。

具体的，所述提取目标用户的个性化特征信息包括通过用户的交互应 用的历史信息提取。

可选的，所述交互应用包括但不限于如下任意一项或多项：

短消息、QQ、微信、易信。

可选的，所述用户个性化特征信息包括但不限于如下任意一项或多 项：

性别、省份、职业、收入、学校、年龄、学历、血型、星座、联网方 式、联网时间、偏好、婚恋情况。

可选的，所述特定历史投放广告的相关特征信息包括但不限于如下任 意一项或多项：

广告所属行业、广告尺寸、广告文本、广告图片、广告历史展现次数、 广告历史点击次数、广告位置归一化后的点击率。

其中，所述决策树模型具体包括200颗树。

具体的，所述预测历史投放广告点击率的模型为逻辑回归模型。

本发明另一实施例还提供一种应用软件推荐方法，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；