[发明专利]广告位流量预测方法、系统、设备及存储介质

说明书

本发明提供了一种广告位流量预测方法、系统、设备及存储介质，该方法包括：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。本发明实现了对广告资源位的流量进行更精确的预测。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种广告位流量预测方法、系统、设备及存储介质。

背景技术

互联网广告位广告位流量预测问题实际上是个典型的时间序列预测问题，即基于不同广告位的历史真实流量数据来预测未来一段时间的流量。通常来说，用于解决此类问题的方法可分为两类：一类是传统时间序列预测模型，比如移动平均、ARIMA、指数平滑法等，另一类则是机器学习模型，比如线性回归、XGBoost、神经网络(RNN、DNN、CNN)等。

目前工业实践上，较为普遍的是采用传统时间序列预测模型进行广告位流量预测。传统时间序列预测模型具有可解释性、简单直观、理论成熟等优点，而且对于某些特殊场景通过调整参数便能得到较好的效果。在涉及多个广告位多个帧的广告位流量预测时，如果应用传统时间序列预测模型，由于不同广告位的流量量级不同，同一广告位不同帧的表现也不一样，所以需要针对每一个广告位不同帧流量序列进行单独调参和训练，这无疑增加了工作量和成本。除此之外，传统时间序列预测模型处理多步预测时，往往采用滚动预测的策略，即使用前一期预测值作为实际值加入模型，从而得到下一期的预测，这种策略会导致预测误差累计，从而使得多步预测的精准性越来越差。

发明内容

针对现有技术中的问题，本发明的目的在于提供一种广告位流量预测方法、系统、设备及存储介质，对广告资源位的流量进行更精确的预测。

本发明实施例提供一种广告位流量预测方法，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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；