[发明专利]用户个性化特征挖掘方法和系统

说明书

本申请实施例提供了一种用户个性化特征挖掘方法，所述方法包括：获取用户历史广告行为数据；从所述历史广告行为数据中提取至少一个广告维度的展现数、点击数；对所述展现数进行特征离散化处理以得到离散展现数；及将所述离散展现数与所述点击数结合以作为用户个性化特征，所述用户个性化特征用于训练CTR模型。本申请实施例通过离散化处理得到的离散展现树和点击数，作为用户个性化特征可以有效地提升CTR模型对用户点击行为的特征学习效率。

技术领域

本申请实施例涉及特征挖掘领域，尤其涉及一种用户个性化特征挖掘方法、系统、设备及计算机可读存储介质。

背景技术

CTR(Click Through Rate，点击率)模型用于预测投放广告所对应的广告点击率。传统的CTR模型通常会使用用户、广告、上下文等特征对用户的点击行为进行预测。虽然这些特征能够在一定程度上学习到用户的点击行为，但是也存在诸多弊端，例如：当广告和用户的数据量增多，而用户与广告交互行为较少时，会使得CTR模型无法高效地学习到用户的兴趣偏好。

因此，如何通过提升CTR模型对用户点击行为的特征学习效率，成为了当前要解决的技术问题之一。

发明内容

本申请实施例的目的是提供一种用户个性化特征挖掘方法、系统、计算机设备及计算机可读存储介质，用于解决CTR模型对用户点击行为的特征学习效率低的技术问题。

本申请实施例的一个方面提供了一种用户个性化特征挖掘方法，获取用户历史广告行为数据；从所述历史广告行为数据中提取至少一个广告维度的展现数、点击数；对所述展现数进行特征离散化处理以得到离散展现数；及将所述离散展现数与所述点击数结合以作为用户个性化特征，所述用户个性化特征用于训练CTR模型。

可选的，所述从所述历史广告行为数据中提取至少一个广告维度的展现数、点击数包括：以预设时间为滑动时间窗口，统计所述滑动时间窗口内至少一个广告维度的展现数、点击数。

可选的，所述至少一个广告维度包括广告层级、广告行业、广告语义特征。

可选的，所述广告层级包括：账户ID、计划ID、单元ID及创意ID；所述广告行业包括：广告一级行业ID、广告二级行业ID；所述广告语义特征包括：广告创意标签、广告标题分词。

可选的，所述对所述展现数进行特征离散化处理以得到离散展现数包括：通过等频离散法对所述展现数进行特征离散化处理。

可选的，所述将所述离散展现数与所述点击数结合以作为用户个性化特征包括：将所述离散展现数与所述点击数结合，以“展现数-点击数”形式作为所述用户个性化特征。

可选的，所述方法还包括：将所述用户行为个性化特征加入CTR模型进行训练；通过所述训练之后的CTR模型提供广告点击率预测服务。

本申请实施例的一个方面又提供了一种用户个性化特征挖掘系统，包括：获取模块，用于获取用户历史广告行为数据；提取模块，用于从所述历史广告行为数据中提取至少一个广告维度的展现数、点击数；离散模块，用于对所述展现数进行特征离散化处理以得到离散展现数；及结合模块，用于将所述离散展现数与所述点击数结合以作为用户个性化特征。

本申请实施例的一个方面又提供了一种计算机设备，所述计算机设备包括存储器、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，所述处理器执行所述计算机程序时用于实现上述的用户个性化特征挖掘方法的步骤。

本申请实施例的一个方面又提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如上述的用户个性化特征挖掘方法的步骤。