[发明专利]广告筛选方法及装置

说明书

本公开是关于广告筛选方法及装置。方法包括：获取用户的用户向量及广告候选集中各候选广告的广告特征向量；用户向量是用户的用户数据的向量表示；各候选广告的广告特征向量是分别是各候选广告的广告特征数据的向量表示；根据神经网络预估模型、用户向量及各候选广告的广告特征向量，分别确定用户对于各候选广告的预估点击率；根据用户对于各候选广告的预估点击率，从广告候选集中筛选得到目标广告。本公开能够解决相关技术中存在的计算时间不可控及筛选效果差的问题。

技术领域

本公开涉及计算机技术领域，尤其涉及广告筛选方法及装置。

背景技术

计算广告是一个有着千亿规模的市场，而竞价广告占据了半壁江山。在竞价广告系统中，通常会有成千上万的广告参与一次广告竞价；但是对于一次广告请求，最后只有少数最优的广告会被显示出来，而最优广告的选择过程一般要在几十毫秒的时间内计算完成，可见，在线广告系统对于延时要求非常苛刻，要在极短的时间内完成大量的广告计算和优选是计算广告的核心技术之一。

相关技术中，基于轻量的逻辑回归(LR，Logistic Regression)模型进行广告优选。

发明内容

为克服相关技术中存在的问题，本公开实施例提供一种广告筛选方法及装置。所述技术方案如下：

根据本公开实施例的第一方面，提供一种广告筛选方法，方法包括：

获取用户的用户向量及广告候选集中各候选广告的广告特征向量；所述用户向量是所述用户的用户数据的向量表示；各所述候选广告的广告特征向量是分别是各所述候选广告的广告特征数据的向量表示；

根据神经网络预估模型、所述用户向量及各所述候选广告的广告特征向量，分别确定所述用户对于各所述候选广告的预估点击率；

根据所述用户对于各所述候选广告的预估点击率，从所述广告候选集中筛选得到目标广告。

在一个实施例中，所述方法还包括：

获取所述用户的用户数据及所述广告候选集中各所述候选广告的广告特征数据；

根据所述用户的用户数据，确定所述用户的用户向量；

根据各所述候选广告的广告特征数据，分别确定各所述候选广告的广告特征向量。

在一个实施例中，所述方法还包括：

获取用户样本的用户数据、广告样本的广告特征数据及点击率；

根据所述用户样本的用户数据、各所述广告样本的广告特征数据及点击率，训练得到所述神经网络预估模型。

在一个实施例中，所述根据所述用户对于各所述候选广告的预估点击率，从所述广告候选集中筛选得到目标广告，包括：

根据所述用户对于各所述候选广告的预估点击率，将所述广告候选集中预估点击率大于第一阈值的候选广告确定为目标广告。

在一个实施例中，所述根据所述用户对于各所述候选广告的预估点击率，从所述广告候选集中筛选得到目标广告，包括：

根据预估点击率由大到小的顺序，将所述广告候选集中预估点击率的排名大于第二阈值的候选广告确定为目标广告。

根据本公开实施例的第二方面，提供一种广告筛选装置，包括：

第一获取模块，用于获取用户的用户向量及广告候选集中各候选广告的广告特征向量；所述用户向量是所述用户的用户数据的向量表示；各所述候选广告的广告特征向量是分别是各所述候选广告的广告特征数据的向量表示；

第一确定模块，用于根据神经网络预估模型、所述用户向量及各所述候选广告的广告特征向量，分别确定所述用户对于各所述候选广告的预估点击率；