[发明专利]点击率预测方法、装置以及计算机设备

说明书

本发明公开了一种点击率预测方法，该方法包括：接收点击率预测请求，获取所述点击率预测请求中的广告采样数据；对所述广告采样数据进行特征参数解析，得到第一特征参数集；在预设的特征列表中查找出包含所述第一特征参数集的第二特征参数集；从模型文件库中调用所述第二特征参数集对应的目标预测模型；根据所述目标预测模型对所述广告采样数据根据执行点击率预测。本发明还提供一种点击率预测装置、计算机设备以及计算机可读存储介质。本发明能够简化对于大量广告数据进行点击率预测的繁杂度，提升预测效率。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种点击率预测方法、装置、计算机设备及计算机可读存储介质。

背景技术

随着科学技术的快速发展，手机等终端智能设备的广泛使用，电子广告营销也普遍出现在我们的日常生活中。广告商在对广告位的定价或者竞拍过程中，一般都会预先采用预测模型对目标广告位的采样数据进行点击率的预测，然后根据所述点击率评估该目标广告位的价值从而决定竞价范围。

由于不同的广告数据中包含的特征参数不一样，广告商在对于广告平台的不同的广告位的点击率进行预测时，需要分别采集每一个广告位的广告采样数据，然后输入到对应的预测模型进行预测，从而得到对应的点击率。也就是说，这样的点击率预测方式，过程较为繁杂，效率比较低下。

发明内容

有鉴于此，本发明提出一种点击率预测方法、装置、计算机设备及计算机可读存储介质，能够解决上述的广告展示平台的广告位点击率预测过程繁杂，效率较低的问题。

首先，为实现上述目的，本发明提供一种点击率预测方法，所述方法包括：

接收点击率预测请求，获取所述点击率预测请求中的广告采样数据；对所述广告采样数据进行特征参数解析，得到第一特征参数集；在预设的特征列表中查找出包含所述第一特征参数集的第二特征参数集；从模型文件库中调用所述第二特征参数集对应的目标预测模型；根据所述目标预测模型对所述广告采样数据根据执行点击率预测。

在一个例子中，所述对所述广告采样数据进行特征参数解析，得到第一特征参数集包括：提取出所述广告数据的用户对象信息和广告样式信息；根据预设的第一数据格式从所述用户对象信息分解出用户特征参数，以及根据预设的第二数据格式从所述广告样式信息中分解出广告特征参数；将用户特征参数和广告特征参数组成所述第一特征参数集。

在一个例子中，所述在预设的特征列表中查找出包含所述第一特征参数集的第二特征参数集包括：对所述第一特征参数集中的每个特征参数进行哈希计算，得到对应的哈希值数组；在所述特征列表中查找出包括所述哈希值数组的每个哈希值的目标特征行；获取所述目标特征行关联的第二特征参数集。

在一个例子中，所述从模型文件库中调用所述第二特征参数集对应的目标预测模型包括：将所述第二特征参数集的每个特征参数与所述模型文件库中的每个预测模型的适用特征参数进行对比；查找并调用适用特征参数包含所述第二特征参数集的每个特征参数的目标预测模型。

此外，为实现上述目的，本发明还提供一种点击率预测装置，所述装置包括：

接收模块，用于接收点击率预测请求，获取所述点击率预测请求中的广告采样数据；解析模块，用于对所述广告采样数据进行特征参数解析，得到第一特征参数集；查找模块，用于在预设的特征列表中查找出包含所述第一特征参数集的第二特征参数集；调用模块，用于从模型文件库中调用所述第二特征参数集对应的目标预测模型；预测模块，用于根据所述目标预测模型对所述广告采样数据根据执行点击率预测。

在一个例子中，所述解析模块还用于：提取出所述广告数据的用户对象信息和广告样式信息；根据预设的第一数据格式从所述用户对象信息分解出用户特征参数，以及根据预设的第二数据格式从所述广告样式信息中分解出广告特征参数；将用户特征参数和广告特征参数组成所述第一特征参数集。