[发明专利]一种广告触达率预估方法、装置、电子设备及介质

权利要求书

1.一种广告触达率预估方法，其特征在于，包括：

基于获取到的若干条广告数据构建广告数据集，并将所述广告数据集划分为训练集和测试集，每条所述广告数据包括广告特征和广告触达率；

对所述训练集和测试集进行离散特征编码，分别得到所述训练集对应的广告特征向量和测试集对应的广告特征向量；

构建基于梯度提升决策树的广告触达率预估模型；

将所述训练集对应的广告特征向量输入待训练的广告触达率预估模型中，对所述广告触达率预估模型中广告特征和广告触达率之间的映射关系进行训练；

将目标广告的广告特征输入训练好的广告触达率预估模型中预估所述目标广告投放之后的广告触达率。

2.根据权利要求1所述的方法，其特征在于，在基于获取到的若干条广告数据构建广告数据集之后，在将所述广告数据集划分为训练集和测试集之前，还包括：

对所述广告数据集进行包括去空值和特征筛选的数据清洗处理。

3.根据权利要求1所述的方法，其特征在于，所述广告特征包括：商品信息、广告媒体信息、广告形式、目标受众信息、用户设备信息、广告市场信息、曝光量中的至少一项。

4.根据权利要求1所述的方法，其特征在于，将目标广告的广告特征输入训练好的广告触达率预估模型中预估所述目标广告投放之后的广告触达率之前，还包括：

将所述测试集对应的广告特征向量输入训练好的广告触达率预估模型中进行测试；

基于测试结果对所述广告触达率预估模型的性能指标进行评估。

5.根据权利要求4所述的方法，其特征在于，所述广告触达率预估模型的性能指标包括：拟合优度、均方根误差、平均绝对误差和平均绝对百分误差中的至少一项。

6.根据权利要求1所述的方法，其特征在于，对所述训练集和测试集进行离散特征编码，分别得到所述训练集对应的广告特征向量和测试集对应的广告特征向量，包括：

采用标签编码对所述训练集和测试集中的离散特征进行离散特征编码；

采用直方图编码对所述训练集和测试集中的连续特征进行离散特征编码。

7.根据权利要求1所述的方法，其特征在于，构建基于梯度提升决策树的广告触达率预估模型，包括：

初始化弱学习器，初始化时梯度提升决策树为一棵只有根节点的树；

针对每个强学习器执行以下步骤：

针对每个样本，计算其平方损失函数的负梯度；

将所述负梯度的近似值作为残差，基于所述残差构造下棵树的训练数据，得到一颗回归树；

针对所述回归树的叶子节点区域，计算其目标拟合值；

基于所述目标拟合值更新该强学习器；

基于所述弱学习器和各个强学习器的累加和，得到目标学习器，从而构建出基于梯度提升决策树的广告触达率预估模型。

8.一种广告触达率预估装置，其特征在于，包括：

划分模块，用于基于获取到的若干条广告数据构建广告数据集，并将所述广告数据集划分为训练集和测试集，每条所述广告数据包括广告特征和广告触达率；

编码模块，用于对所述训练集和测试集进行离散特征编码，分别得到所述训练集对应的广告特征向量和测试集对应的广告特征向量；

构建模块，用于构建基于梯度提升决策树的广告触达率预估模型；

训练模块，用于将所述训练集对应的广告特征向量输入待训练的广告触达率预估模型中，对所述广告触达率预估模型中广告特征和广告触达率之间的映射关系进行训练；

预估模块，用于将目标广告的广告特征输入训练好的广告触达率预估模型中预估所述目标广告投放之后的广告触达率。

9.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质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，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至7任一所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述方法的步骤。