[发明专利]广告推荐方法、装置、电子设备及存储介质

说明书

本公开实施例提供了一种广告推荐方法、装置、电子设备及存储介质，应用于互联网技术领域，所述方法包括：获取待预测特征，待预测特征包括：待预测广告的广告特征和用户的用户特征；提取待预测特征中的稳定特征，将稳定特征输入预先建立的点击概率模型中的稳定模块，得到稳定特征值；提取待预测特征中的敏感特征，将敏感特征输入点击概率模型中的敏感模块，得到敏感特征值；通过校准样本对敏感特征值进行校准，得到校准后的敏感特征值；将稳定特征值和校准后的敏感特征值输入点击概率模型的输出层，得到用户对待预测广告的点击概率预测值。本公开实施例可提高广告推荐的准确性。

技术领域

本公开涉及互联网技术领域，特别是涉及一种广告推荐方法、装置、电子设备及存储介质。

背景技术

在互联网应用中，在线CTR(Click-Through-Rate，点击通过率)预测是计算广告与个性化推荐服务最重要的模块之一，其预测结果的精准性直接影响广告系统收入和推荐产品效果。CTR指在搜索引擎中输入关键词后进行搜索，然后按竞价等因素把相关的网页按顺序进行排列出来，然后用户会选择自己感兴趣的网站点击进去；把一个网站所有搜索出来的次数作为总次数，把所有用户点击并进入网站的次数占总次数的比例叫点击通过率。针对每个用户，用户点击并进入网站的概率为广告点击概率。

在线广告点击概率预测的准确性受到多种因素的影响，例如，流量的波动、广告或推荐物品的实时变更和依赖数据的质量变动等，点击概率模型对外界变化的响应能力直接影响到其预测结果的可信度。相关技术中，通过统计历史广告点击概率，利用当前广告点击概率作为参照，调整点击概率模型的预测结果。由于历史广告点击概率具有滞后性，利用当前广告点击概率调整时，调整的幅度基于经验或试验来设定，因此，广告点击概率预测的准确性较低，导致广告推荐的准确性较低。

发明内容

本公开提供一种广告推荐方法、装置、电子设备及存储介质，以至少解决相关技术中广告推荐的准确性较低的问题。具体技术方案如下：

根据本公开实施例的第一方面，提供一种广告推荐方法，所述方法包括：

获取待预测特征，所述待预测特征包括：待预测广告的广告特征和要点击所述待预测广告的用户的用户特征；

提取所述待预测特征中的稳定特征，将所述稳定特征输入预先建立的点击概率模型中的稳定模块，得到稳定特征值；提取所述待预测特征中的敏感特征，将所述敏感特征输入所述点击概率模型中的敏感模块，得到敏感特征值；

所述点击概率模型是根据各历史样本特征与所述各历史样本特征对应的点击概率进行神经网络训练得到的；

通过校准样本对所述敏感特征值进行校准，得到校准后的敏感特征值，所述校准样本为预先获取的在当前时刻之前的预设数量个样本；

将所述稳定特征值和所述校准后的敏感特征值输入所述点击概率模型的输出层，得到所述用户对所述待预测广告的点击概率预测值；

根据所述点击概率预测值确定是否为所述用户推荐所述待预测广告。

可选的，所述点击概率模型的建立方法，包括：

获取所述各历史样本特征，每个历史样本特征包括：历史样本用户的用户特征和历史样本广告的广告特征；

获取每个历史样本特征对应的历史样本用户对历史样本广告的点击概率；

根据所述各历史样本特征与各点击概率的对应关系进行神经网络训练，得到所述点击概率模型。

可选的，所述通过校准样本对所述敏感特征值进行校准，得到校准后的敏感特征值，包括：