[发明专利]用于预测在线用户交互的机器学习方法和系统

说明书

一种计算机实现的方法，包括访问在线数据存储库以检索与内容投放事件相关的记录以及与用户交互事件相关的记录。从原始特征值计算丰富训练特征向量集合，并将其与交互事件标签一起使用以训练机器学习模型。处理器被配置为执行机器学习模型，并且接收与在线内容投放位相关的信息和与用户相关的信息。处理器基于所选择的用于在在线内容投放位内投放的内容项、与用户相关的信息以及与在线内容投放位相关的信息，计算丰富估计特征向量。处理器基于丰富估计特征向量执行机器学习模型，以确定用户与所选择的内容项交互的可能性的估计。

技术领域

本发明涉及机器学习模型在预测在线用户的行为方面的应用。特别地，本发明的实施例基于先前用户在相似上下文中的聚合行为来预测用户与在线内容元素的交互的可能性。本发明可以应用于在线广告系统中，例如以确定是否对要例如经由移动应用内的网页呈现给用户的广告的投放进行竞价。

背景技术

在线(例如，基于web、移动或应用内)广告与传统媒体中的广告不同之处在于其个性化受众定向的程度。例如，广播媒体广告(诸如电视广告之类)旨在到达由广泛特性(诸如年龄组、社会经济状态和/或一般兴趣之类)所定义的目标人群，而在线广告旨在到达对所呈现的产品、服务或信息具有特定兴趣的个人。

高度个性化受众定向技术已使得特定于在线广告的商业模型的发展。例如，现在对于提供新闻、聚合信息和特定用户感兴趣的其他内容的网站来说，托管第三方广告作为产生收入的手段已经很常见。这些网站上出现的广告的广告主可以基于观看机会或印象(通常如以“每千次印象(impression)成本”(又名CPM)来计量)、基于每次点击成本(CPC)或根据某种其它性能计量来向运营商付款。投放在要呈现给个人用户的网页上的广告的实际选择至少可以部分地基于竞价处理，由此愿意支付更高CPM、CPC或其它费用计量的广告主更可能将其广告呈现给用户。

根据一种常见的模型，“广告交易(exchange)平台”促进了竞价处理。广告交易所是这样的技术平台，其实现允许广告主和网站以及其它在线内容的发布者通常通过实时拍卖来买卖广告空间的数字市场。著名的广告交易平台包括DoubleClick^TM(由Google^TM拥有)、AppNexus^TM、Microsoft^TM Ad Exchange^TM和OpenX^TM。

广告交易所维护“广告位”池。发布者将其广告位(例如，嵌入在用于用户的网页内的可用广告位)贡献到池中。然后，买家可以对他们想要购买的广告位竞价。竞价决策通常基于诸如广告所用于的用户的先前行为、一天中的时间、设备类型、广告位置等信息实时做出。在实践中，这些竞价决策本身必须非常迅速地做出，例如，使用通常称为需求方平台(DSP)的技术平台在最多几十毫秒内做出。由于广告主通过广告交易购买印象会产生实际成本，因此DSP中部署的用于评估用户的潜在“价值”以便做出竞价决策的技术和算法的性能可能具有重大的业务影响。

举例来说，基于web的显示广告的平均点击率(CTR)约为0.05％，即每10,000次印象有5次点击。在经由广告交易购买广告位的情况下，每次印象都表示成本(即，获胜竞价后支付的价格)。但是，在采用CPC模型的情况下，平均只有0.05％的印象会导致产生收入。因此，较低的CTR会导致技术资源(诸如DSP的处理资源之类)的低效使用以及对于成功广告主的更高成本(由于较少的“点击”次数必须覆盖所有印象的成本)。此外，较低的CTR指示向在线用户显示的广告缺乏适当性或相关性。

因此，非常期望在DSP平台中部署能够导致更高CTR的技术。通过增强技术资源的利用率和增加用户与广告内容的交互产生的收入，此类技术可以使DSP运营商受益。广告主也可以从更有效和更成功的广告投放中受益，从而获得更高的点击率，并送达更多潜在感兴趣的顾客的受众。在线用户也从中受益，因为更高的CTR一般是由具有对用户的更大适当性和相关性的广告投放来实现的。