[发明专利]点击率预测方法、装置、服务器以及存储介质

权利要求书

1.一种点击率预测方法，其特征在于，所述方法包括：

确定待预测用户；

根据所述待预测用户的历史时序行为特征和待预测的多个内容项，获取所述待预测用户的目标时序行为特征；

将所述待预测用户的目标时序行为特征输入点击率预测模型，获取所述多个内容项的点击率；所述目标时序行为特征包括所述多个内容项对应的时序行为特征；所述待预测用户的时序行为特征包括用户，内容项、用户，归属用户和用户，内容项类型维度的时序行为特征，所述待预测用户的每个内容项对应的时序行为特征包括：所述待预测用户的内容项的频次特征，所述内容项的频次特征基于所述内容项的点击频次和曝光频次生成；所述待预测用户的内容项的归属用户的频次特征和内容项类型的频次特征；所述归属用户的频次特征基于第一指定内容项的点击频次和曝光频次生成；在所述第一指定内容项的当前被点击次数不小于第一数值的情况下，所述第一指定内容项的点击频次的数值为所述第一数值，在所述第一指定内容项的当前曝光次数不小于第二数值的情况下，所述第一指定内容项的曝光频次的数值为所述第二数值，所述第一指定内容包括与所述内容项属于同一归属用户的所有内容项；所述内容项类型的频次特征基于第二指定内容项的点击频次和曝光频次生成，在所述第二指定内容项的当前被点击次数不小于第三数值的情况下，所述第二指定内容项的点击频次的数值为所述第三数值，在所述第二指定内容项的当前曝光次数不小于第四数值的情况下，所述第二指定内容项的曝光频次的数值为所述第四数值，所述第二指定内容包括与所述内容项属于同一内容项类型的所有内容项；所述归属用户包括提供所述内容项的用户，所述内容项类型包括所述内容项所属行业；所述待预测用户的每个内容项对应的时序行为特征，还包括：所述待预测用户的所述内容项的时间间隔特征，所述待预测用户的所述内容项的归属用户的时间间隔特征，以及所述待预测用户的所述内容项的内容项类型的时间间隔特征；所述内容项的时间间隔特征基于所述内容项的点击行为或曝光行为距离上一次同类行为的时间间隔生成；所述内容项的归属用户的时间间隔特征基于所述内容项的点击行为或曝光行为距离上一次所述第一指定内容项的同类行为的时间间隔生成；所述内容项的内容项类型的时间间隔特征基于所述内容项的点击行为或曝光行为距离上一次所述第二指定内容项的同类行为的时间间隔生成；

其中，所述点击率预测模型基于多个样本用户的时序行为特征以及各个时序行为特征对应的实际点击率训练得到；所述点击率预测模型是每次接收到内容项日志时，根据所述内容项日志生成时序行为特征，利用所述时序行为特征对已有的点击率预测模型进行更新得到的；所述点击率预测模型的更新过程和所述待预测用户的点击率预测过程是基于实时流式的计算架构进行的；所述历史时序行为特征是每次接收到内容项日志时，根据所述内容项日志生成时序行为特征，利用所述时序行为特征对已有的历史时序行为特征进行更新得到的。

2.根据权利要求1所述的方法，其特征在于，所述根据所述待预测用户的历史时序行为特征和待预测的多个内容项，获取所述待预测用户的目标时序行为特征，包括：

根据所述待预测用户的用户标识，获取所述待预测用户的历史时序行为特征，所述历史时序行为特征基于所述待预测用户对已曝光过或已点击过的内容项的时序数据生成；

根据所述待预测用户的历史时序行为特征，获取所述待预测用户的所述多个内容项对应的时序行为特征。

3.根据权利要求2所述的方法，其特征在于，所述根据所述待预测用户的历史时序行为特征，获取所述待预测用户的所述多个内容项对应的时序行为特征，包括：

对于所述多个内容项中的每个内容项，根据所述内容项的各个属性，从所述待预测用户的历史时序行为特征中获取与所述内容项的各个属性对应的时序行为特征，将获取到的时序行为特征作为所述内容项对应的时序行为特征。

4.根据权利要求1所述的方法，其特征在于，所述确定待预测用户之前，所述方法，还包括：

接收所述待预测用户的内容项日志，所述内容项日志用于记录所述待预测用户对内容项的实时行为，所述实时行为包括曝光行为和点击行为；

根据所述内容项日志，生成所述待预测用户的内容项对应的时序行为特征；

存储所述待预测用户的内容项对应的时序行为特征。