[发明专利]广告推荐预测系统及方法

权利要求书

1.一种广告推荐预测系统，其特征在于，所述系统包含数据获取模块、特征提取与预处理模块、模型构建与训练模块和预测推荐模块；

所述数据获取模块用于获取用户日志数据和广告信息数据；

所述特征提取与预处理模块用于根据所述用户日志数据和所述广告信息数据获得用户有效点击数据；根据所述用户有效点击数据分析获得对应的特征图谱；

所述模型构建与训练模块用于根据所述特征图谱通过循环神经网络算法构建GRU神经网络模型；根据所述广告信息数据建立正负样本训练集，根据所述正负样本训练集构建二分类模型；通过所述二分类模型和所述GRU神经网络模型获得预测模型；

所述预测推荐模块用于根据所述预测模型和待测数据获得广告预测点击率，根据所述广告预测点击率获得广告预测数据。

2.根据权利要求1所述的广告推荐预测系统，其特征在于，所述特征提取与预处理模块还包含预处理单元，所述预处理单元用于将所述用户日志数据和所述广告信息数据按预设时间周期划分为训练数据和测试数据；比对筛除所述训练数据中所述用户日志数据和所述广告信息数据中用户的无效点击数据，获得用户有效点击数据。

3.根据权利要求2所述的广告推荐预测系统，其特征在于，所述特征提取与预处理模块包含排序单元，所述排序单元用于根据所述用户有效点击数据的对应时间信息，对所述用户有效点击数据进行排序处理获得序列数据。

4.根据权利要求3所述的广告推荐预测系统，其特征在于，所述特征提取与预处理模块还包含挖掘单元，所述挖掘单元用于通过对所述序列数据进行cnn深度网络挖掘结合dropout技术获得特征图谱。

5.根据权利要求1所述的广告推荐预测系统，其特征在于，所述数据获取模块还包含转换单元，所述转换单元用于将所述用户日志数据和所述广告信息数据中非结构化数据通过预设数据字典转换为结构化数据。

6.根据权利要求2所述的广告推荐预测系统，其特征在于，所述模型构建与训练模块包含二分类模型构建单元，所述二分类模型构建单元用于根据所述广告信息数据建立正负样本训练集，根据所述正负样本训练集构建二分类模型；通过所述二分类模型和预设的影响点击量的信息计算获得损失值。

7.根据权利要求6所述的广告推荐预测系统，其特征在于，所述模型构建与训练模块包含GRU模型构建单元，所述GRU模型构建单元包含Dense层，所述Dense层用于将输出的向量转换为标签向量的维度后分析获得所述GRU神经网络模型的损失函数，根据所述损失函数和所述损失值调整所述GRU神经网络模型获得预测模型。

8.一种广告推荐预测方法，其特征在于，所述方法包含：

获取用户日志数据和广告信息数据；

根据所述用户日志数据和所述广告信息数据获得用户有效点击数据；

根据所述用户有效点击数据分析获得对应的特征图谱；

根据所述特征图谱通过循环神经网络算法构建GRU神经网络模型；

根据所述广告信息数据建立正负样本训练集，根据所述正负样本训练集构建二分类模型；

通过所述二分类模型和所述GRU神经网络模型获得预测模型；

根据所述预测模型和待测数据获得广告预测点击率，根据所述广告预测点击率获得广告预测数据。

9.根据权利要求8所述的广告推荐预测方法，其特征在于，根据所述用户日志数据和所述广告信息数据获得用户有效点击数据包含：

将所述用户日志数据和所述广告信息数据按预设时间周期划分为训练数据和测试数据；

比对筛除所述训练数据中所述用户日志数据和所述广告信息数据中用户的无效点击数据，获得用户有效点击数据。