[发明专利]广告位流量预测方法、系统、设备及存储介质

权利要求书

1.一种广告位流量预测方法，其特征在于，包括如下步骤：

采集样本特征数据，所述样本特征数据包括广告位的历史流量特征和预测日时间特征；

为所述样本特征数据添加预测日流量值标签；

基于所述样本特征数据训练得到流量预测模型，所述流量预测模型的输入为历史流量特征和预测日时间特征，输出为预测日的流量预测值；

获取待预测的广告位的历史流量特征和待预测日时间特征，输入所述流量预测模型；

根据所述流量预测模型的输出数据，确定待预测的广告位在待预测日的流量预测值。

2.根据权利要求1所述的广告位流量预测方法，其特征在于，为所述样本特征数据添加预测日流量值标签，包括如下步骤：

为所述样本特征数据添加第一流量值标签和第二流量值标签，所述第一流量值标签为后续x1日内的流量值，所述第二流量值标签为后续x2日内的流量值，x1x2。

3.根据权利要求2所述的广告位流量预测方法，其特征在于，基于所述样本特征数据训练得到流量预测模型，包括如下步骤：

基于所述样本特征数据和所述第一流量值标签，训练得到第一流量预测模型；

基于所述样本特征数据和所述第二流量值标签，训练得到所述第二流量预测模型。

4.根据权利要求3所述的广告位流量预测方法，其特征在于，获取待预测的广告位的历史流量特征和待预测日时间特征，输入所述流量预测模型，包括如下步骤：

获取待预测的广告位的历史流量特征和待预测日时间特征；

判断待预测日为后续x1日还是后续x2日；

如果所述待预测日是后续x1日，则将所述待预测的广告位的历史流量特征和待预测日时间特征输入所述第一流量预测模型；

如果所述待预测日是后续x2日，则将所述待预测的广告位的历史流量特征和待预测日时间特征输入所述第二流量预测模型。

5.根据权利要求4所述的广告位流量预测方法，其特征在于，将所述待预测的广告位的历史流量特征和待预测日时间特征输入所述第一流量预测模型之后，还包括如下步骤：

采用赫尔移动平均平滑算法对所述第一流量预测模型的输出数据进行处理。

6.根据权利要求3所述的广告位流量预测方法，其特征在于，所述第一流量预测模型为XGBoost模型，训练所述第一流量预测模型时，采用的损失函数为Huber损失函数；

所述第二流量预测模型采用类时序卷积网络结构，训练所述第二流量预测模型时，采用的损失函数为Huber损失函数。

7.根据权利要求3所述的广告位流量预测方法，其特征在于，所述训练得到所述第二流量预测模型之后，还包括如下步骤：

将所述第二流量预测模型的输出预测值乘以矫正系数，得到矫正值，所述矫正系数为所述第一流量预测模型的输出预测值与所述第二流量预测模型的输出预测值的比例值；

基于所述第一流量值标签和所述矫正值对所述第一流量预测模型和所述第二流量预测模型进行联合矫正。

8.根据权利要求1所述的广告位流量预测方法，其特征在于，所述广告位的历史流量特征包括所述广告位的历史流量序列数据和序列自相关系数，所述预测日时间特征包括所述预测日是否是假期、预测日距离上一次假期的天数、预测日距离下一次假期的天数、预测日所处星期、预测日所处季度、预测日是否为工作日和预测日是否为周末中的一种或多种。

9.根据权利要求1所述的广告位流量预测方法，其特征在于，所述样本特征数据中的广告位的历史流量特征为所述广告位的第一帧的历史流量特征；

根据所述流量预测模型的输出数据，确定待预测的广告位在待预测日的流量预测值，包括如下步骤：

根据所述流量预测模型的输出数据，确定待预测的广告位的第一帧在待预测日的流量预测值；

获取所述待预测的广告位的后续帧相比于第一帧的衰减系数；

将所述待预测的广告位的第一帧在待预测日的流量预测值乘以所述衰减系数，得到后续帧在待预测日的流量预测值。