【技术实现步骤摘要】
一种广告转化率预估模型及其训练方法
本专利技术涉及通信
，更具体地，涉及一种广告转化率预估模型及其训练方法。
技术介绍
转化率预估是在线广告领域十分重要的一项任务，它在实现在线广告精准投放，评估广告投放价值等都具有重要应用，一个准确好用的转化率预估模型对实现广告平台和广告主双赢具有重大意义，其中广告主是指出资投放广告的一方，广告平台是指利用自身平台技术帮助广告主筛选出广告的目标用户的一方。当广告通过广告平台投放以后，会经历以下流程：首先是用户看到广告，这个过程称为曝光；在曝光以后，用户有可能会点击感兴趣的广告，这一行为称为点击；在点击广告过后，用户有可能会购买广告中的商品，或下载广告中的应用等，这一行为称为转化。预测广告投放以后用户会产生点击行为的概率称为点击率(post-viewclickthroughrate，CTR)预估，而预测广告投放以后用户会产生转化行为的概率称为转化率(post-clickconversionrate，CVR)预估。目前，转化率预估模型的方法通常是沿用点击率预估模型中用到的技...
【技术保护点】
1.一种广告转化率预估模型，包括编码网络和预测网络，所述预测网络输入编码网络得到的整体特征向量后输出预测结果，其特征在于，还包括损失函数计算模块；所述损失函数计算模块根据预测网络得到的部分预测结果和广告主标签数据计算出具体的损失函数值；所述预测网络根据所述损失函数值更新自身网络；损失函数值的具体计算公式为：/nloss＝-(y*log(p)+(1-y)*log(1-p))/n其中，p为预测结果的概率值；y为其对应的转化标签值。/n
【技术特征摘要】
1.一种广告转化率预估模型，包括编码网络和预测网络，所述预测网络输入编码网络得到的整体特征向量后输出预测结果，其特征在于，还包括损失函数计算模块；所述损失函数计算模块根据预测网络得到的部分预测结果和广告主标签数据计算出具体的损失函数值；所述预测网络根据所述损失函数值更新自身网络；损失函数值的具体计算公式为：
loss＝-(y*log(p)+(1-y)*log(1-p))
其中，p为预测结果的概率值；y为其对应的转化标签值。
2.根据权利要求1所述的一种广告转化率预估模型，其特征在于，所述损失函数值加上拉普拉斯机制的差分隐私，具体的公式为：
lossdp＝loss+Y
其中Y服从拉普拉斯分布，均值为0，Δf表示两个相邻数据集D，D′为最大距离。
3.根据权利要求1所述的一种广告转化率预估模型，其特征在于，所述编码网络利用编码层来得到各个特征的特征向量，将同一特征域的特征向量取平均，不同特征域的特征向量做拼接，得到的结果输入到全连接层，得到整体特征向量。
4.一种广告转化率预估模型的训练方法，其特征在于，用于训练上述权利要求1-3中的广告转化率预估模型，包括以下步骤：
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。