[发明专利]一种广告投放方法及装置

说明书

技术领域

本发明涉及互联网领域，尤其涉及一种广告投放方法及装置。

背景技术

品牌广告主在进行广告投放时，首要关注的往往是广告是否达到一定的 展现量，希望广告能够吸引更多的观看的用户点击广告来进一步了解他们的 产品，也就是说，在一定展现量的前提下需要提升广告的点击率。一只广告 的点击率与很多因素有关，除了与广告素材本身做得引人入胜等原因外，最 重要的因素是这支广告是否正好切中观看用户的喜好与需求。然而，目前视 频网站并不具备搜索引擎那样能够获取用户直接的需求信息的能力，造成视 频网站的品牌广告的点击率较低，广告点击率优化工作难以取得长足的进步， 可见一种优化广告点击率的方案有待被提出。

发明内容

本发明提供例一种广告点击率优化方法及装置，用于解决现有技术中视 频网站无法根据用户需求投放广告导致广告点击率较低的问题。

根据本发明的一个方面，提供了一种广告投放方法，包括：根据广告的 历史访问数据确定用户对广告的偏好信息；对偏好信息进行特征提取；以提 取到的特征数据为训练数据，按照预设的算法模型进行训练得到训练模型； 使用训练模型对广告测试数据进行预测，得到广告的预测点击率；根据预测 点击率投放广告。

其中，对偏好信息进行特征提取包括：提取偏好信息中的发生点击或展 示广告时的上下文环境信息、广告的描述信息、点击或展示广告的用户属性 信息以及用户对广告的偏好信息。

其中，以提取到的特征数据为训练数据，按照预设的算法模型进行训练 得到训练模型包括：使用逻辑回归模型和/或树模型算法对训练数据进行训 练，得到训练模型。

其中，使用逻辑回归模型和/或树模型算法对训练数据进行训练，得到训 练模型包括：在仅使用逻辑回归模型的情况下，使用逻辑回归模型在训练数 据的向量空间中计算每一个特征维度的权重值，针对广告的点击日志或展示 日志中的每一条记录计算权重值与对应特征值的加权和，再将加权和代入逻 辑回归函数；在仅适用树模型的情况下，使用一个树对训练数据进行训练， 逐渐加入新的树对上一次训练得到的模型进行增强，得到训练模型；在同时 使用逻辑回归模型以及树模型的情况下，使用树模型对广告的点击日志或展 示日志中的每条记录进行分区，得到新的特征集合，使用逻辑回归模型对新 的特征集合进行训练。

其中，根据广告的历史访问数据确定用户对广告的偏好信息包括：对广 告的点击日志或展示日志对储存在用户本地终端上的数据、会话标识ID、广 告ID进行整合；通过广告的点击日志或展示日志中的广告素材ID与广告素 材信息库进行整合得到广告素材的行业描述信息；通过广告的点击日志或展 示日志里的储存在用户本地终端上的数据与用户信息进行连接整合得到该用 户的属性信息与对广告的偏好信息；对经过整合的数据进行清洗去掉不合法 的储存在用户本地终端上的数据。

进一步的，上述方法还包括：在对偏好信息进行特征提取之后，如果偏 好信息中的特征为具有有限类别的离散型特征，对离散型特征进行离散化编 码；如果偏好数据中的特征为连续型特征，则根据预设模型算法的类型确定 是否对连续型特征进行离散化编码。

其中，根据预测点击率投放广告包括：在得到广告的预测点击率之后， 使用广告的验证数据确定广告的最佳点击率阈值；如果广告的预测点击率大 于最佳点击率阈值，则投放该广告，否则放弃投放该广告。

根据本发明的另一个方面，提供了一种广告投放装置，包括：第一确定 模块，用于根据广告的历史访问数据确定用户对广告的偏好信息；提取模块， 用于对偏好信息进行特征提取；训练模块，用于以提取到的特征数据为训练 数据，按照预设的算法模型进行训练得到训练模型；预测模块，使用训练模 型对广告测试数据进行预测，得到广告的预测点击率；投放模块，用于根据 预测点击率投放广告。

其中，上述提取模块具体用于：提取偏好信息中的发生点击或展示广告 时的上下文环境信息、广告的描述信息、点击或展示广告的用户属性信息以 及用户对广告的偏好信息。

其中，上述训练模块具体用于：使用逻辑回归模型和/或树模型算法对训 练数据进行训练，得到训练模型。