广告点击率的预估方法、广告点击率的预估装置、电子设备及存储介质制造方法及图纸

本申请是关于一种广告点击率的预估方法、广告点击率的预估装置、电子设备及存储介质。所述广告点击率的预估方法包括：提取历史用户特征集和历史广告特征集；基于神经网络算法，建立提取嵌入特征的线下模型和实时预估广告的点击率的线上模型；以及基于所述线下模型和所述线上模型，得到目标用户对目标广告的点击率的实时预估值。将对广告的理解和用户的理解的工作任务都放在了线下模型，同时，线上模型只包含简单的神经网络算法，减小了计算量，从而提高了广告点击率预估的效率。

Estimation method of advertisement click-through rate, device for estimating advertisement click-through rate, electronic equipment and storage medium

This application is concerned with a method for estimating the click-through rate of advertisements, a device for estimating the click-through rate of advertisements, an electronic device and a storage medium. The methods for estimating the click-through rate of advertisements include: extracting the feature sets of historical users and historical advertisements; establishing the offline model for extracting embedded features and the online model for real-time predicting the click-through rate of advertisements based on the neural network algorithm; and obtaining the real-time prediction of the click-through rate of target users to target advertisements based on the offline model and the online model. The task of understanding advertisements and users is put in the offline model. At the same time, the online model only contains a simple neural network algorithm, which reduces the amount of calculation and improves the efficiency of advertisement click-through rate prediction.

【技术实现步骤摘要】
广告点击率的预估方法、广告点击率的预估装置、电子设备及存储介质
本申请属于信息预测领域，尤其是广告点击率的预估方法、广告点击率的预估装置、电子设备及存储介质。
技术介绍
在线广告是互联网的商业模式之一，随着在线推广技术的发展，广告由“粗放式”投放正在向“精准化”投放转变。广告的点击率是评价用户对广告的偏好程度的重要指标，对于广告的精准投放意义重大，因此点击率是信息检索和机器学习等领域研究的热点问题。随着深度学习技术的发展，深度神经网络模型开始在点击率预估上发挥作用。广告点击率预估，往往是在线预估，这种情况下对广告点击率预估的性能要求非常高。而深度神经网络计算量非常大，无法满足实时预测的要求。现有的使用深度神经网络模型来进行广告点击率预估的方法有两种。一种方法是利用比较简单的深度神经网络模型，例如多层感知器(mlp)，但是这种方法的广告点击率预估的效果往往比较差。另一种方法是利用昂贵的硬件比如gpu和fpga完成广告点击率预估模型的深度神经网络的实时计算，但是这种方法的花费成本巨大，投入产出比低。
技术实现思路
为克服相关技术中存在的广告点击率预估准确率低和实时性差的问题，本申请公开一种广本文档来自技高网...

【技术保护点】
1.一种广告点击率的预估方法，其特征在于，包括：提取历史用户特征集和历史广告特征集；基于神经网络算法，建立提取嵌入特征的线下模型和实时预估广告的点击率的线上模型；以及基于所述线下模型和所述线上模型，得到目标用户对目标广告的点击率的实时预估值。

【技术特征摘要】
1.一种广告点击率的预估方法，其特征在于，包括：提取历史用户特征集和历史广告特征集；基于神经网络算法，建立提取嵌入特征的线下模型和实时预估广告的点击率的线上模型；以及基于所述线下模型和所述线上模型，得到目标用户对目标广告的点击率的实时预估值。2.根据权利要求1所述的广告点击率的预估方法，其特征在于，所述线下模型包括：用于在线下提取历史用户嵌入特征向量集的用户模型和用于在线下提取历史广告嵌入特征向量集的广告模型；优选地，所述线上模型包括：广告点击率的实时预估模型。3.根据权利要求2所述的广告点击率的预估方法，其特征在于，所述基于所述线下模型和所述线上模型，得到目标用户对目标广告的点击率的实时预估值，包括：基于所述用户模型和所述广告模型，在线下提取历史用户嵌入特征向量集和历史广告嵌入特征向量集；在线上实时提取目标用户特征集和目标广告特征集；以及基于所述广告点击率的实时预估模型，得到目标用户对目标广告的点击率的实时预估值；优选地，所述基于所述用户模型和所述广告模型，在线下提取历史用户嵌入特征向量集和历史广告嵌入特征向量集，包括：将所述历史用户特征集输入所述用户模型，得到所述历史用户嵌入特征向量集；将所述历史广告特征集输入所述广告模型，得到所述历史广告嵌入特征向量集；优选地，所述基于所述用户模型和所述广告模型，在线下提取历史用户嵌入特征向量集和历史广告嵌入特征向量集，还包括：将所述历史用户嵌入特征向量集和所述历史广告嵌入特征向量集储存在线上缓存中；优选地，所述基于所述广告点击率的实时预估模型，得到目标用户对目标广告的点击率的实时预估值，包括：将所述目标用户特征集、所述目标广告特征集、所述历史用户特征集和所述历史广告特征集输入所述广告点击率的实时预估模型，得到目标用户对目标广告的点击率的所述实时预估值。4.根据权利要求3所述的广告点击率的预估方法，其特征在于，所述基于所述广告点击率的实时预估模型，得到目标用户对目标广告的点击率的实时预估值之前，包括：从所述线上缓存中获取所述历史用户嵌入特征向量集和所述历史广告嵌入特征向量集。5.根据权利要求4所述的广告点击率的预估方法，其特征在于，所述基于神经网络算法，建立提取嵌入特征的线下模型和实时预估广告...

【专利技术属性】
技术研发人员：孔东营，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京,11