[发明专利]基于机器学习与成本模型的关键词推荐方法及系统

权利要求书

1.基于机器学习与成本模型的关键词推荐方法，其特征在于包括如下步骤：

S1：根据价格数据库输入关键词价格数据；

S2：通过机器学习建立价格波动模型；

S3：根据关键词实时价格数据和价格波动模型预测价格波动；

S4：根据预测价格，预测成本是否超支，如果否，返回执行步骤S3，如果是，更新推荐的关键词集合。

2.根据权利要求1所述的关键词推荐方法，其特征在于：在步骤S2中，所述价格波动模型为：

设定价格的控制下限和控制上限，假设某一关键词竞价价格在控制下限以下或控制上限以上时期价格保持稳定，则称其为稳定期，在控制下限和控制上限之间价格剧烈波动，则成其为波动期；

在波动期，对关键词的竞价波动参数μ和σ²进行最大似然估计，获取估计值，即和其中，最大似然估计公式为：

μ^=1nΣi=1npi]]>

σ^2=1nΣi=1npi2-(1nΣi=1npi)2]]>

其中，p_i为取样的价格，n为样本的数量，i≤n，且为整数；

获取竞价价格P在一定时间区间的移动平均p_平均，当小于一指定比率，则竞价价格处于稳定期，维持竞价价格P不变；

当大于一指定比率，则竞价价格即将进入或处于价格波动期，利用正态分布公式和估计的波动参数和对未来竞价价格f(p)进行价格预测，所述正态分布公式为：

f(p)=12πe-(p-μ)22σ2.]]>

3.根据权利要求1所述的关键词推荐方法，其特征在于：在步骤S3中，预测价格波动后，还包括根据关键词效益/成本模型对预测价格进行优化步骤，获取预测后的优化竞价价格。