[发明专利]点击率预测方法、预测模型的训练方法、装置及设备

说明书

本申请公开了一种点击率预测方法、预测模型的训练方法、装置及设备，属于机器学习领域。该方法可以将获取到的用户信息和推荐对象的属性信息输入至预测模型，并获取预测模型输出的该推荐对象的点击率。该预测模型基于多个训练样本训练得到，且每个训练样本的权重是根据训练样本的类型和训练样本中样本对象的热度信息确定的，因此可以确保训练得到的预测模型的预测精度较高，采用该预测模型预测得到的点击率较为准确。

技术领域

本申请涉及机器学习领域，特别涉及一种点击率预测方法、预测模型的训练方法、装置及设备。

背景技术

在新闻或广告等对象推荐系统中，可以采用预先训练好的预测模型对推荐对象的点击率进行预测，进而可以基于预测结果进行对象推荐。

相关技术中，可以采用机器学习算法对多个训练样本进行训练，从而得到预测模型。其中，每个训练样本通常包括：用户信息、样本对象的属性信息以及点击标签，该点击标签用于指示用户是否点击了该样本对象。相应的，在采用预测模型进行点击率预测时，可以将用户信息和推荐对象的属性信息输入至预测模型，从而得到预测结果。

但是，相关技术中的预测模型的预测准确度较低。

发明内容

本申请提供了一种点击率预测方法、预测模型的训练方法、装置及设备，可以解决相关技术中的预测模型的预测准确度较低的问题。所述技术方案如下：

一方面，提供了一种点击率预测方法，所述方法包括：

获取用户信息和推荐对象的属性信息，所述属性信息包括热度信息，所述热度信息用于反映所述推荐对象的被关注程度；

将所述用户信息和所述推荐对象的属性信息输入至预测模型，所述预测模型基于多个训练样本训练得到，每个所述训练样本的权重根据所述训练样本的类型和所述训练样本中样本对象的热度信息确定，其中，所述训练样本的类型包括正样本或负样本；

获取所述预测模型输出的所述推荐对象的点击率。

另一方面，提供了一种预测模型的训练方法，所述方法包括：

获取多个训练样本，所述多个训练样本包括类型为正样本的训练样本，以及类型为负样本的训练样本；

对于每个所述训练样本，根据所述训练样本的类型和所述训练样本中样本对象的热度信息，确定所述训练样本的权重；

根据每个所述训练样本的权重，对所述多个训练样本进行训练，得到预测模型。

又一方面，提供了一种点击率预测装置，所述装置包括：

第一获取模块，用于获取用户信息和推荐对象的属性信息，所述属性信息包括热度信息，所述热度信息用于反映所述推荐对象的被关注程度；

输入模块，用于将所述用户信息和所述推荐对象的属性信息输入至预测模型，所述预测模型基于多个训练样本训练得到，每个所述训练样本的权重根据所述训练样本的类型和所述训练样本中样本对象的热度信息确定，其中，所述训练样本的类型包括正样本或负样本；

第二获取模块，用于获取所述预测模型输出的所述推荐对象的点击率。

再一方面，提供了一种预测模型的训练装置，所述装置包括：

获取模块，用于获取多个训练样本，所述多个训练样本包括类型为正样本的训练样本，以及类型为负样本的训练样本；

确定模块，用于对于每个所述训练样本，根据所述训练样本的类型和所述训练样本中样本对象的热度信息，确定所述训练样本的权重；

训练模块，用于根据每个所述训练样本的权重，对所述多个训练样本进行训练，得到预测模型。