[发明专利]特征聚合的方法及装置

权利要求书

1.一种特征聚合的方法，其特征在于，所述方法包括：

获取广告的特征信息，所述特征信息包括广告的访问量PV和点击率CTR；

在二维坐标系中根据所述广告的PV和CTR确定广告特征点；

对所述二维坐标系划分形成M*N个网格，以使得落入每列的PV的总和相同且落入同列的每个网格的PV的总和相同，或者以使得落入每行的PV的总和相同且落入同行的每个网格的PV的总和相同；以及

根据所述M*N个网格输出聚合后的特征组，每个特征组的PV为落入每个网格的所述广告特征点的PV之和，每个特征组的CTR为落入每个网格的所述广告特征点的CTR之和；

其中，所述M和N是大于或等于2的整数。

2.根据权利要求1所述的方法，其特征在于，所述对所述二维坐标系划分形成M*N个网格，包括：

按照从小到大的顺序对广告特征点中的PV排序；

按照PV将所述二维坐标系中的X轴划分N列，每列的PV的总和相同；以及

按照CTR分别将所述N列中的每列划分为M行，同列的每个格子的PV的总和相同。

3.根据权利要求1所述的方法，其特征在于，所述对所述二维坐标系划分形成M*N个网格，包括：

按照从小到大的顺序对广告特征点中的CTR排序；

按照CTR值将所述二维坐标系中的Y轴划分为M行，每行的CTR的总和相同；以及

按照PV分别将所述M行中的每行划分为N列，同行的每个格子的PV的总和相同。

4.根据权利要求2所述的方法，其特征在于，还包括：

根据CTR预估模型的权重验证聚合结果。

5.根据权利要求4所述的方法，其特征在于，所述根据CTR预估模型的权重验证聚合结果，包括：

当CTR预估模型的权重和所述聚合结果不一致时，调整M和N的大小，直到所述CTR预估模型的权重和所述聚合结果保持一致。

6.一种广告点击率预估的方法，其特征在于，所述方法包括：

通过权利要求1-5任一项所述的方法生成聚合后的特征组；

根据所述聚合后的特征组训练点击率预估模型；以及

根据训练后的点击率预估模型预估待投放广告的点击率。

7.一种特征聚合的装置，其特征在于，所述装置包括：

获取模块，被配置为用于获取广告的特征信息，所述特征信息包括广告的访问量PV和点击率CTR；

确定模块，被配置为用于在二维坐标系中根据所述广告的PV和CTR确定广告特征点；

划分模块，被配置为用于对所述二维坐标系划分形成M*N个网格，以使得落入每列的PV的总和相同且落入同列的每个网格的PV的总和相同，或者以使得落入每行的PV的总和相同且落入同行的每个网格的PV的总和相同；以及

输出模块，被配置为用于根据所述M*N个网格输出聚合后的特征组，每个特征组的PV为落入每个网格的所述广告特征点的PV之和，每个特征组的CTR为落入每个网格的所述广告特征点的CTR之和；

其中，所述M和N是大于或等于2的整数。

8.一种广告点击率预估的装置，其特征在于，所述装置包括：

生成模块，被配置为用于通过权利要求7所述的装置生成聚合后的特征组；

训练模块，被配置为用于根据所述聚合后的特征组训练点击率预估模型；以及

预估模块，被配置为用于根据所述点击率预估模型预估待投放广告的点击率。

9.一种电子设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有可执行指令，该指令被处理器执行时使处理器执行如权利要求1-6任一项所述的方法。