[发明专利]一种广告点击率的预测方法、装置及计算机可读存储介质

权利要求书

1.一种广告点击率的预测方法，其特征在于，包括：

获取广告点击数据；

将所述广告点击数据输入广告点击率预测模型，得到广告点击数据对应广告的点击率预测结果，其中，所述广告点击率预测模型包括高阶特征向量提取层、低阶特征向量提取层和第一通道融合层；

所述高阶特征向量提取层，用于提取所述广告点击数据的高阶特征向量；

所述低阶特征向量提取层，用于提取所述广告点击数据的低阶特征向量；

所述第一通道融合层，用于将所述高阶特征向量和所述低阶特征向量进行通道融合，得到所述广告点击数据的特征向量；

所述低阶特征向量提取层包括：卷积结构层、第一卷积池化结构层、第二卷积池化结构层和池化结构层；

所述卷积结构层，用于提取所述广告点击数据的特征信息，得到所述广告点击数据的初始特征图；

所述第一卷积池化结构层，用于提取所述初始特征图中的特征信息，得到所述广告点击数据的第一低阶特征向量；

所述第二卷积池化结构层，用于提取所述第一低阶特征向量中的特征信息，得到所述广告点击数据的第二低阶特征向量；

所述池化结构层，用于去除所述第二低阶特征向量中的冗余信息，并对去除冗余信息后的第二低阶特征向量进行突出特征信息的提取，得到所述广告点击数据的低阶特征向量，其中，所述突出特征信息为去除冗余信息后的第二低阶特征向量中权重值最大的特征信息；

所述卷积结构层包括：第一卷积层和第二通道融合层，其中，所述第一卷积层共有8层；

所述第一卷积层，用于对所述广告点击数据进行第一卷积处理，得到所述广告点击数据的第三低阶特征向量；

所述第二通道融合层，用于对所述第一卷积层中的第m层和第n层进行第一卷积处理得到的所述第三低阶特征向量进行通道融合，得到所述广告点击数据的初始特征图，其中，m、n为正整数，m＜8，n≤8，且m≠n。

2.如权利要求1所述的方法，其特征在于，所述第一卷积池化结构层包括：第二卷积层、第一最大池化层和第三通道融合层，其中，所述第二卷积层的层数为1；

所述第二卷积层，用于对所述初始特征图进行第二卷积处理，得到所述广告点击数据的第四低阶特征向量；

所述第一最大池化层，用于对所述初始特征图进行第一最大池化处理，得到所述广告点击数据的第五低阶特征向量；

所述第三通道融合层，用于将所述第四低阶特征向量和所述第五低阶特征向量进行通道融合，得到所述广告点击数据的所述第一低阶特征向量。

3.如权利要求1所述的方法，其特征在于，所述第二卷积池化结构层包括：第二最大池化层、第三卷积层、第四卷积层、第四通道融合层和第五卷积层，其中，所述第三卷积层和所述第五卷积层的层数分别为1，所述第四卷积层的层数为2；

所述第二最大池化层，用于对所述第一低阶特征向量进行第二最大池化处理，得到所述广告点击数据的第六低阶特征向量；

所述第三卷积层，用于对所述第一低阶特征向量进行第三卷积处理，得到所述广告点击数据的第七低阶特征向量；

所述第四卷积层，用于对所述第一低阶特征向量进行第四卷积处理，得到所述广告点击数据的第八低阶特征向量；

所述第四通道融合层，用于将所述第六低阶特征向量、所述第七低阶特征向量和所述第八低阶特征向量进行通道融合，得到所述广告点击数据的第九低阶特征向量；

所述第五卷积层，用于对所述第九低阶特征向量进行第五卷积处理，得到所述广告点击数据的所述第二低阶特征向量。

4.如权利要求1所述的方法，其特征在于，所述池化结构层包括：第五通道融合层、第三最大池化层和三种平均池化层，其中，所述三种平均池化层中的每种平均池化层的层数均为1；

所述三种平均池化层中的每种平均池化层，用于对所述第二低阶特征向量进行平均池化处理，分别得到所述广告点击数据的第十低阶特征向量、第十一低阶特征向量和第十二低阶特征向量；

所述第五通道融合层，用于将所述第十低阶特征向量、所述第十一低阶特征向量和所述第十二低阶特征向量进行通道融合，得到所述广告点击数据的第十三低阶特征向量；

所述第三最大池化层，用于对所述第十三低阶特征向量进行第三最大池化处理，得到所述广告点击数据的低阶特征向量。