一种基于模型融合的CTR预估方法技术

本发明专利技术属于大数据技术领域，其公开了一种基于模型融合的CTR预估方法，解决传统技术中采用单一推荐算法不能满足复杂业务场景需求的问题。该方法包括以下步骤：a.获取用户历史观看节目信息，生成模型训练样本集；b.应用多种不同推荐算法生成多个推荐列表；c.应用GBDT+LR模型进行特征选择和回归模型训练，得出特征权重值，计算推荐节目的评分；d.对多个推荐列表中的推荐节目进行组合排序，并作为最终输出结果。

A CTR prediction method based on model fusion

The invention belongs to the field of big data technology, and discloses a CTR prediction method based on model fusion, which solves the problem that single recommendation algorithm cannot meet the needs of complex business scenarios in traditional technology. The method comprises the following steps: acquiring A. user viewing history program information, generating model training set; B. application of a variety of different recommendation algorithms to generate multiple recommendation list; C. GBDT+LR model was used for feature selection and regression model, the feature weights, calculate the recommended program score; D. combined to sort the recommended program more the recommendation list, and as a result.

【技术实现步骤摘要】
一种基于模型融合的CTR预估方法
本专利技术属于大数据
，具体涉及一种基于模型融合的CTR(点击率)预估方法。
技术介绍
随着电子商务的兴起，电子商务网站的极速发展，物品的多样化导致很多用户在浏览网站时无法评估潜在的大量可供选择的物品，无法快速的选择自己有购买愿望的物品。用户迫切的需要一种能过滤出所有可用的替代品的推荐系统，以快速定位需要购买的物品；商家也需要一种推荐系统能快速的帮助用户定位物品，提高用户满意度并产生经济效益。推荐系统(RecommendSystem)是一种软件工具和技术方法，可以向用户建议有用的物品，这种建议适用于多种决策过程，如购买什么物品、听什么音乐、看什么电视节目、在网上浏览什么新闻等。“物品”是用来表示系统向用户推荐内容的总称，一个推荐系统通常专注于一个特定类型的物品(如CD或新闻)，因此它的设计、图形用户界面以及用于生成建议的核心的推荐技术都是为特定类型的物品提供有用和有效的建议而定制的。各个行业的推荐系统在整体架构上均保持一致，在具体实现上有不同表现。目前推荐系统中存在多个维度的推荐算法，有基于用户的协同过滤推荐算法，基于物品的协同过滤推荐算法，基本文档来自技高网...

【技术保护点】
一种基于模型融合的CTR预估方法，其特征在于，包括以下步骤：a.获取用户历史观看节目信息，生成模型训练样本集；b.应用多种不同推荐算法生成多个推荐列表；c.应用GBDT+LR模型进行特征选择和回归模型训练，得出特征权重值，计算推荐节目的评分；d.对多个推荐列表中的推荐节目进行组合排序，并作为最终输出结果。

【技术特征摘要】
1.一种基于模型融合的CTR预估方法，其特征在于，包括以下步骤：a.获取用户历史观看节目信息，生成模型训练样本集；b.应用多种不同推荐算法生成多个推荐列表；c.应用GBDT+LR模型进行特征选择和回归模型训练，得出特征权重值，计算推荐节目的评分；d.对多个推荐列表中的推荐节目进行组合排序，并作为最终输出结果。2.如权利要求1所述的一种基于模型融合的CTR预估方法，其特征在于，步骤a中，利用用户历史观看节目信息生成模型训练所需的正负样本，构建数据字典，将标称数据转换为数值数据进行模型训练。3.如权利要求1所述的一种基于模型融合的CTR预估方法，其特征在于...

【专利技术属性】
技术研发人员：牛文臣，刘鑫，于跃，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川,51