广告投放方法、终端及计算机可读存储介质技术

本发明专利技术实施例公开了一种广告投放方法、终端及计算机可读存储介质，其中方法包括：接收总询价流量，根据总询价流量获取模型训练数据、用户的静态属性特征数据和动态属性特征数据；根据模型训练数据、静态属性特征数据和动态属性数据确定关于曝光/点击的全场景数据；根据单阶特征，结合逻辑回归模型和梯度增强决策树模型预测多支广告的多个潜在点击率值；接收用户输入的广告点击价值预估值，根据多个潜在点击率值和广告点击价值预估值，计算出多支广告的出价；对多支广告的出价进行排序以得到广告出价排序表，并根据广告出价排序表进行广告投放。实施本发明专利技术实施例，实现了对广告点击率pCTR进行更准确地估计，进一步地实现了准确投放广告。

Advertisement delivery method, terminal and computer readable storage medium

An embodiment of the invention discloses an advertisement method, a terminal and a computer readable storage medium. The method includes receiving the total inquiry flow, obtaining the model training data, the user's static attribute data and the dynamic attribute data according to the total inquiry flow, and training data and the static attribute number according to the model. According to the dynamic attribute data, the full scene data about exposure / click is determined. According to the single order feature, the multiple potential clicks are predicted by combining the logistic regression model and the gradient enhancement decision tree model. The value of the ad Click value of the received user input is estimated, according to the multiple potential clicks and the ad Click value. Valuations are used to calculate the price of a number of advertisements; to sort out the bids of multiple ads to get the list of advertising bid, and to advertise it according to the order list of the advertising bid. The embodiment of the invention realizes the more accurate estimation of the advertisement click rate pCTR, and further realizes the accurate advertising.

【技术实现步骤摘要】
广告投放方法、终端及计算机可读存储介质
本专利技术涉及媒体
，具体涉及一种广告投放方法、终端及计算机可读存储介质。
技术介绍
在广告投放的需求方平台中，广告的出价是由预测的广告点击率pCTR和对点击价值的预估值pCPC所决定的。目前，对广告点击率pCTR是通过对历史曝光点击数据进行统计估算得到的，该种预测方法非常地粗糙、不够准确，从而严重影响了对广告出价的估计结果，导致难以准确地投放广告。
技术实现思路
本专利技术实施例的目的在于提供一种广告投放方法、终端及计算机可读存储介质，以对广告点击率pCTR进行更准确地估计，进一步地准确投放广告。为实现上述目的，第一方面，本专利技术实施例提供了一种广告投放方法，包括：接收总询价流量，根据所述总询价流量获取模型训练数据、用户的静态属性特征数据和动态属性特征数据，所述总询价流量包括多支广告的询价流量，所述模型训练数据包括每次广告的曝光记录和点击行为记录；根据所述模型训练数据、静态属性特征数据和动态属性数据确定关于曝光/点击的全场景数据，所述全场景数据包括多个单阶特征；根据所述单阶特征，结合逻辑回归模型和梯度增强决策树模型预测多支广告的多个潜在点击率值；接收用户输入的广告点击价值预估值，根据多个所述潜在点击率值和所述广告点击价值预估值，计算出多支广告的出价；对多支广告的出价进行排序以得到广告出价排序表，并根据所述广告出价排序表进行广告投放。作为本申请一种优选的实施方式，接收总询价流量之前，所述方法还包括：通过埋点落日志记录每次广告的曝光与点击行为。作为本申请一种优选的实施方式，所述静态属性特征数据包括年龄、性别及兴趣爱好，所述动态属性特征数据包括浏览行为；所述单阶特征包括用户属性特征、媒体方特征及广告方特征。作为本申请一种优选的实施方式，，根据所述单阶特征，结合逻辑回归模型和梯度增强决策树模型预测多支广告的多个潜在点击率值，具体包括：根据多个所述单阶特征构建组合特征；采用所述梯度增强决策树模型对多个所述单阶特征和所述组合特征进行重新组合，以得到目标特征；采用所述逻辑回归模型对所述目标特征进行训练，以预测得到多支广告的多个潜在点击率值。第二方面，本专利技术实施例提供了一种广告投放终端，包括：获取单元，用于接收总询价流量，根据所述总询价流量获取模型训练数据、用户的静态属性特征数据和动态属性特征数据，所述总询价流量包括多支广告的询价流量，所述模型训练数据包括每次广告的曝光记录和点击行为记录；确定单元，用于根据所述模型训练数据、静态属性特征数据和动态属性数据确定关于曝光/点击的全场景数据，所述全场景数据包括多个单阶特征；预测单元，根据所述单阶特征、结合逻辑回归模型和梯度增强决策树模型预测多支广告的多个潜在点击率值；计算单元，用于接收用户输入的广告点击价值预估值、根据多个所述潜在点击率值和所述广告点击价值预估值计算出多支广告的出价；投放单元，用于对多支广告的出价进行排序以得到广告出价排序表、并根据所述广告出价排序表进行广告投放。作为本申请一种优选的实施方式，广告投放终端还包括：记录单元，用于通过埋点落日志记录每次广告的曝光与点击行为。作为本申请一种优选的实施方式，预测单元具体用于：根据多个所述单阶特征构建组合特征；采用所述梯度增强决策树模型对多个所述单阶特征和所述组合特征进行重新组合，以得到目标特征；采用所述逻辑回归模型对所述目标特征进行训练，以预测得到多支广告的多个潜在点击率值。第三方面，本专利技术实施例还提供了一种广告投放终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面所述的方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面所述的方法。实施本专利技术实施例，根据模型训练数据、静态属性特征数据和动态属性数据确定关于曝光/点击的全场景数据，该全场景数据包括多个单阶特征，根据单阶特征，结合逻辑回归模型和梯度增强决策树模型预测多支广告的多个潜在点击率值，从而实现了对广告点击率pCTR进行更准确地估计，基于该潜在点击率值进行广告出价计算及排序，并根据排序表进行广告投放，提高了广告投放的准确性。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1是本专利技术第一实施例提供的广告投放方法的示意流程图；图2是本专利技术第一实施例提供的广告投放终端的结构示意图；图3是本专利技术第二实施例提供的广告投放终端的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。请参考图1，是本专利技术第一实施例所提供的广告投放方法的流程示意图，如图所示，该方法可以包括如下步骤：S101，通过埋点落日志记录每次广告的曝光与点击行为。具体地，后台系统通过埋点落日志，将每次广告展现曝光于点击行为都记录下来，以作为模型训练数据，即作为模型训练的正负样本与相关特征数据。S102，接收总询价流量。其中，该总询价流量包括多支广告的询价流量，例如包括广告1的询价流量、广告2的询价流量。当需要进行广告投放时，需先进行广告出价计算。首先，后台系统会获取用户发起的总询价流量。S103，根据总询价流量获取模型训练数据、用户的静态属性特征数据和动态属性特征数据。其中，模型训练数据包括每次广告的曝光记录和点击行为记录。后台系统接收总询价流量后，以此作为触发条件，获取模型训练数据，进一步地地，从极光自由的数据管理方平台(DMP)处，可以获取用户的静态属性特征数据和动态本文档来自技高网...

【技术保护点】
1.一种广告投放方法，其特征在于，包括：接收总询价流量，根据所述总询价流量获取模型训练数据、用户的静态属性特征数据和动态属性特征数据，所述总询价流量包括多支广告的询价流量，所述模型训练数据包括每次广告的曝光记录和点击行为记录；根据所述模型训练数据、静态属性特征数据和动态属性数据确定关于曝光/点击的全场景数据，所述全场景数据包括多个单阶特征；根据所述单阶特征，结合逻辑回归模型和梯度增强决策树模型预测多支广告的多个潜在点击率值；接收用户输入的广告点击价值预估值，根据多个所述潜在点击率值和所述广告点击价值预估值，计算出多支广告的出价；对多支广告的出价进行排序以得到广告出价排序表，并根据所述广告出价排序表进行广告投放。

【技术特征摘要】
1.一种广告投放方法，其特征在于，包括：接收总询价流量，根据所述总询价流量获取模型训练数据、用户的静态属性特征数据和动态属性特征数据，所述总询价流量包括多支广告的询价流量，所述模型训练数据包括每次广告的曝光记录和点击行为记录；根据所述模型训练数据、静态属性特征数据和动态属性数据确定关于曝光/点击的全场景数据，所述全场景数据包括多个单阶特征；根据所述单阶特征，结合逻辑回归模型和梯度增强决策树模型预测多支广告的多个潜在点击率值；接收用户输入的广告点击价值预估值，根据多个所述潜在点击率值和所述广告点击价值预估值，计算出多支广告的出价；对多支广告的出价进行排序以得到广告出价排序表，并根据所述广告出价排序表进行广告投放。2.如权利要求1所述的广告投放方法，其特征在于，接收总询价流量之前，所述方法还包括：通过埋点落日志记录每次广告的曝光与点击行为。3.如权利要求2所述的广告投放方法，其特征在于，所述静态属性特征数据包括年龄、性别及兴趣爱好，所述动态属性特征数据包括浏览行为。4.如权利要求3所述的广告投放方法，其特征在于，所述单阶特征包括用户属性特征、媒体方特征及广告方特征。5.如权利要求4所述的广告投放方法，其特征在于，根据所述单阶特征，结合逻辑回归模型和梯度增强决策树模型预测多支广告的多个潜在点击率值，具体包括：根据多个所述单阶特征构建组合特征；采用所述梯度增强决策树模型对多个所述单阶特征和所述组合特征进行重新组合，以得到目标特征；采用所述逻辑回归模型对所述目标特征进行训练，以预测得到多支广告的多个潜在点击率值。6.一种广告投放终端，其特征在于，包括：获取单元，用于接收总询价流量，根据所述总询价流量获取模型训练数据、...

【专利技术属性】
技术研发人员：鲁文龙，陈霖，罗伟东，
申请(专利权)人：深圳市和讯华谷信息技术有限公司，
类型：发明
国别省市：广东,44