[发明专利]信息流媒体广告创意推荐方法及装置在审
申请号: | 201910962318.0 | 申请日: | 2019-10-11 |
公开(公告)号: | CN110728541A | 公开(公告)日: | 2020-01-24 |
发明(设计)人: | 罗毅;罗文辉;招伟锦;杨忠轩;吕子锋 | 申请(专利权)人: | 广州市丰申网络科技有限公司 |
主分类号: | G06Q30/02 | 分类号: | G06Q30/02;G06F16/9535 |
代理公司: | 11534 北京奥文知识产权代理事务所(普通合伙) | 代理人: | 张文;苗丽娟 |
地址: | 510623 广东省广州市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 向量 用户人群 素材数据 效果数据 媒体广告 存储 信息流 数据库 预处理 广告投放数据 数据预处理 数据挖掘 效果评估 点击率 概率 构建 输出 观看 | ||
本发明公开了提供了一种信息流媒体广告创意推荐方法及装置,该方法包括:构建底层存储,底层存储对应的数据库内存储有广告投放数据。从数据库内获取文案数据、素材数据、创意效果数据和用户人群数据。对文案数据、素材数据、创意效果数据和用户人群数据进行数据预处理。对预处理后的文案数据、素材数据、创意效果数据和用户人群数据进行数据挖掘和特征工程,获取用户向量、创意向量和One‑Hot向量。将用户向量、创意向量和One‑Hot向量输入Wide&Deep模型,Wide&Deep模型输出创意推荐给对应用户人群的概率y,y∈【0,1】。根据创意推荐给对应用户人群的概率进行效果评估。本发明的信息流媒体广告创意推荐方法及装置,可以提高用户在观看创意时的点击率。
技术领域
本发明涉及广告推荐技术领域,尤其涉及一种信息流媒体广告创意推荐方法及装置。
背景技术
创意是由素材(图片)和文案(文字)构成,目前在信息流媒体创意推荐领域中,采取的主流结构是输入素材、文案内容以及创意效果数据,选用机器学习模型去构建CTR预估模型,CTR(Click-Through-Rate)即点击通过率,在此具体指的是该创意的实际点击次数除以创意的展现量。
业界传统的CTR预估解法是广义线性模型LR(logistic regression,逻辑斯特回归)+人工特征工程。LR使用了Logit变换将函数值映射到[0,1]区间,映射后的函数值就是CTR的预估值。LR这种线性模型很容易并行化,处理上亿条训练样本不是问题。但这种解法的不足是,因为线性模型的学习能力有限,需要引入大量的领域知识来人工设计特征以及特征之间的交叉组合来间接补充算法的非线性学习能力,非常消耗人力和机器资源,迁移性不够友好。此外还有常见的Tree based方法,这种方法虽然能够有效解决LR模型的特征组合问题,但缺点就是仍然是对历史行为的记忆,泛化能力差。还有像FM(factorizationmachine)模型,能自动学习高阶属性的权值,不用通过人工的方式选取特征来做交叉,但FM模型只能拟合特定的非线性模式,无法自动做特征交叉,运算量随着数据量成幂数倍增长。并且,由于当前主流模型一般只使用创意(素材和文案)本身的特征变量和它的效果数据,没有与所推荐的用户群体构建联系,导致创意推荐模型离线效果较好但线上表现不尽如意。
发明内容
为解决上述现有技术中存在的技术问题,本发明提供了一种信息流媒体广告创意推荐方法及装置。具体技术方案如下:
第一方面,提供了一种信息流媒体广告创意推荐方法,所述方法包括:
构建底层存储,所述底层存储对应的数据库内存储有广告投放数据;
从所述数据库内获取文案数据、素材数据、创意效果数据和用户人群数据;
对所述文案数据、素材数据、创意效果数据和用户人群数据进行数据预处理;
对预处理后的所述文案数据、素材数据、创意效果数据和用户人群数据进行数据挖掘和特征工程,获取用户向量、创意向量和One-Hot向量;
将所述用户向量、创意向量和One-Hot向量输入Wide&Deep模型,采取梯度下降算法更新模型权重数值,得到降低模型损失的效果,所述Wide&Deep模型输出创意推荐给对应用户人群的概率y,y∈【0,1】;
根据所述创意推荐给对应用户人群的概率进行效果评估。
在一种可能的设计中,数据预处理包括:数据归一化、缺失值处理、编码格式统一和无效特征处理。
在一种可能的设计中,通过下述转化函数进行数据归一化:
x2=(x1-u)/σ
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州市丰申网络科技有限公司,未经广州市丰申网络科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910962318.0/2.html,转载请声明来源钻瓜专利网。