[发明专利]点击率的预测方法、点击率的确定方法及服务器

说明书

本发明公开一种点击率的确定方法，包括：获取第一待训练数据，其中，第一待训练数据包含多个样本数据，第一待训练数据对应于第一时刻；根据第一待训练数据确定第一待训练数据对应的梯度；采用第一加权系数对第一待训练数据中每个样本数据所对应的梯度进行加权平均处理，得到第一加权平均梯度；通过第一预测模型以及第一加权平均梯度确定第二时刻所对应的第一模型学习参数，其中，第二时刻为第一时刻之后的一个相邻时刻；通过第二预测模型以及第一模型学习参数确定第二时刻所对应的点击率。本发明还提供一种点击率的确定方法及服务器。本发明在模型训练的过程中充分考虑到随着时间变化而变化的用户偏好和点击内容，使得模型具有更好的预测性能。

技术领域

本发明涉及计算机技术领域，尤其涉及点击率的预测方法、点击率的确定方法及服务器。

背景技术

点击率通常是指网站页面上某一内容被点击的次数与被显示次数之比，点击率表示为百分比，用于反映网页上某一内容的受关注程度，经常用来衡量广告的吸引程度。为了预测某个内容的受关注程度，可以采用点击率预测模型进行预测。

目前，对于大型的在线内容(广告和新闻等)推荐系统而言，大部分是基于逻辑回归(Logistic Regression，LR)训练得到的点击率预测模型，将待预测的相关数据输入至模型后，可以输出相应的预测结果。

然而，由于在模型训练的过程中并未考虑到用户偏好和点击内容会随时间的变化而变化，因此并不适用于在线内容推荐的场景中，利用上述模型得到的预测结果与实际情况具有较大偏差性，从而降低了模型的性能

发明内容

本发明实施例提供了一种点击率的预测方法、点击率的确定方法及服务器，可以在模型训练的过程中充分考虑到随着时间变化而变化的用户偏好和点击内容，使得模型具有更好的预测性能。

有鉴于此，本发明第一方面提供了一种点击率的预测方法，包括：

获取待预测的用户数据；

通过第一预测模型确定所述待预测的用户数据所对应的目标模型学习参数，其中，所述第一预测模型表示加权平均梯度与模型学习参数之间的函数关系，所述加权平均梯度与时刻具有关联关系；

通过第二预测模型确定所述目标模型学习参数所对应的目标点击率，其中，所述第二预测模型表示所述模型学习参数与点击率之间的函数关系；

向客户端发送所述目标点击率，其中，所述客户端用于展示所述目标点击率。

本发明第二方面提供了一种点击率的确定方法，包括：

获取第一时刻所对应的第一待训练数据；

根据所述第一待训练数据确定所述第一待训练数据对应的梯度；

采用第一加权系数对所述第一待训练数据对应的梯度进行加权平均处理，得到第一加权平均梯度；

通过第一预测模型以及所述第一加权平均梯度确定第二时刻所对应的第一模型学习参数，其中，所述第二时刻为所述第一时刻之后的一个相邻时刻；

通过第二预测模型以及所述第一模型学习参数确定所述第二时刻所对应的点击率。

本发明第三方面提供了一种服务器，包括：

获取模块，用于获取第一时刻所对应的第一待训练数据；

确定模块，用于根据所述获取模块获取的所述第一待训练数据确定所述第一待训练数据对应的梯度；

处理模块，用于采用第一加权系数对所述确定模块确定的所述第一待训练数据对应的梯度进行加权平均处理，得到第一加权平均梯度；