[发明专利]广告点击率预测方法、装置、电子设备和可读存储介质

权利要求书

1.一种广告点击率预测方法，其特征在于，所述方法包括：

获取待预测广告的待预测数据；

将所述待预测数据输入预先建立的点击率预测模型，得到点击率预测结果，其中，所述点击率预测模型是通过获取历史广告数据集，并利用所述历史广告数据集对预先构建的初始点击率预测模型进行训练得到的，所述初始点击率预测模型包括自上而下的袋装结构和堆叠结构。

2.根据权利要求1所述的广告点击率预测方法，其特征在于，所述初始点击率预测模型是按照以下方式进行构建的：

基于袋装法构建由多个基学习器并列连接的袋装结构；

基于堆叠法构建包括融合模型的堆叠结构，得到所述点击率预测模型。

3.根据权利要求2所述的广告点击率预测方法，其特征在于，所述基学习器为因子分解机模型、梯度提升树、逻辑回归模型和感知分解机模型中的任意一个。

4.根据权利要求1所述的广告点击率预测方法，其特征在于，所述获取历史广告数据集，并利用所述历史广告数据集对预先构建的初始点击率预测模型进行训练的步骤，包括：

基于交叉验证法将所述历史广告数据集划分为多组训练集和测试集；

依次使用每组训练集对所述袋装结构中的每个基学习器进行训练，直至训练次数达到预设值；

使用每组训练集对应的测试集对所述点击率预测模型进行性能验证，得到每个基学习器在所有测试集中的性能分值；

基于所述堆叠结构，按照每个基学习器的所有性能分值，计算每个基学习器在所述点击率预测模型中的权重，得到点击率预测模型。

5.根据权利要求4所述的广告点击率预测方法，其特征在于，所述使用每组训练集对应的测试集对所述点击率预测模型进行性能验证的步骤包括：

基于预设性能验证模型，使用每组训练集对应的测试集对所述点击率预测模型进行性能验证，其中，所述性能验证模型为AUC值、gROC值及LogLoss值中的任意一个。

6.根据权利要求4所述的广告点击率预测方法，其特征在于，所述按照每个基学习器的所有性能分值，计算每个基学习器在所述点击率预测模型中的权重的步骤包括：

计算每个基学习器的所有性能分值的平均值，将该平均值作为各基学习器的初始权重；

对所有基学习器的初始权重进行归一化，得到每个基学习器在所述点击率预测模型中的权重。

7.根据权利要求4所述的广告点击率预测方法，其特征在于，所述按照每个基学习器的所有性能分值，计算每个基学习器在所述点击率预测模型中的权重的步骤包括：

计算每个基学习器的所有性能分值的中位数，将该中位数作为各基学习器的初始权重；

对所有基学习器的初始权重进行归一化，得到每个基学习器在所述点击率预测模型中的权重。

8.一种广告点击率预测装置，其特征在于，所述装置包括：

获取模块，用于获取待预测广告的待预测数据；

输入输出模块，用于将所述待预测数据输入预先建立的点击率预测模型，得到点击率预测结果，其中，所述点击率预测模型是通过获取历史广告数据集，并利用所述历史广告数据集对预先构建的初始点击率预测模型进行训练得到的，所述初始点击率预测模型包括自上而下的袋装结构和堆叠结构。

9.一种电子设备，其特征在于，所述电子设备包括处理器、存储器及总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器及所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行权利要求1-7中任意一项所述的广告点击率预测方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序被执行时实现权利要求1-7中任一项所述的广告点击率预测方法。