[发明专利]用于预估广告的点击率的方法、装置、设备和存储介质

说明书

本发明公开了一种用于预估广告的点击率的方法、装置、设备和存储介质，其中的方法主要包括：获取待推送广告的目标用户的用户特征以及所述目标用户当前接入互联网的上下文特征；将所述用户特征、所述上下文特征和待预估广告的广告特征提供给因子分解机模型；根据所述因子分解机模型输出的信息，获得所述目标用户针对待预估广告执行点击操作的点击率。

技术领域

本发明涉及互联网技术，尤其是一种用于预估广告的点击率的方法、装置、电子设备以及计算机可读存储介质。

背景技术

目前，互联网已经成为很多用户工作和娱乐生活中的一个重要组成部分。用户可以利用其智能移动电话、平板电脑以及笔记型计算机等移动智能终端随时随地的访问互联网。

在一些互联网应用(如APP或者客户端等)中，往往需要向用户推送互联网广告。如何向用户推送其感兴趣的广告，以提高推送广告的CTR(Click ThroughRate，点击率)，是一个值得关注的技术问题。

发明内容

本发明实施例所要解决的一个技术问题是：提供一种用于预估广告的点击率的技术方案。

根据本发明实施例的一个方面，提供的一种用于预估广告的点击率的方法，该方法主要包括：获取待推送广告的目标用户的用户特征以及所述目标用户当前接入互联网的上下文特征；将所述用户特征、所述上下文特征和待预估广告的广告特征提供给因子分解机模型；根据所述因子分解机模型输出的信息，获得所述目标用户针对待预估广告执行点击操作的点击率。

可选地，在基于本发明上述方法的另一个实施例中，所述目标用户包括：冷启动用户；且在目标用户为冷启动用户的情况下，所述目标用户的用户特征包括：与所述冷启动用户属于同一类别的至少一个非冷启动用户的用户特征。

可选地，在基于本发明上述方法的另一个实施例中，所述方法还包括：离线获取预定时间范围内的多个非冷启动用户的样本数据；根据预设聚类数量以及所述样本数据中的用户接入互联网的上下文特征，对所述非冷启动用户的样本数据进行聚类处理，并确定每一类别的中心点上下文特征；在所述目标用户处于在线状态下，计算所述目标用户的上下文特征与各类别的中心点上下文特征的相似度，以确定所述目标用户所属的类别。

可选地，在基于本发明上述方法的另一个实施例中，所述方法具体包括：获取与待推送广告的目标用户属于同一类别的多个非冷启动用户的用户特征以及所述多个非冷启动用户接入互联网的上下文特征；针对每一个非冷启动用户，将非冷启动用户的用户特征、所述上下文特征和待预估广告的广告特征提供给因子分解机模型；经由所述因子分解机模型输出的各个非冷启动用户分别针对待预估广告执行点击操作的点击率；根据各非冷启动用户的权值对所述因子分解机模型输出的各点击率进行加权平均计算，并将加权平均计算结果作为所述目标用户针对待预估广告执行点击操作的点击率。

可选地，在基于本发明上述方法的另一个实施例中，所述接入互联网的上下文特征包括：广告的投放位置、接入互联网的地域位置信息、接入互联网的用户设备类型信息、用户设备接入互联网所采用的网络信息、用户设备接入互联网的时间所属的时间段信息以及用户设备接入互联网时的天气信息中的至少两个。

可选地，在基于本发明上述方法的另一个实施例中，所述用户特征包括：年龄信息、收入信息、性别信息、教育程度、在线时长、长期偏好信息以及短期偏好信息中的至少两个。

可选地，在基于本发明上述方法的另一个实施例中，所述长期偏好信息包括：长期偏好类别；或者，所述长期偏好信息包括：长期偏好类别以及偏好程度；所述短期偏好信息包括：短期偏好类别；或者，所述短期偏好信息包括：短期偏好类别以及偏好程度。

可选地，在基于本发明上述方法的另一个实施例中，所述用户特征包括：离散型用户特征；且所述方法还包括：利用XGBoost将连续型用户特征转换为离散型用户特征。