一种新闻点击率预测算法制造技术

本发明专利技术基于已观测到的点击次数Ci、展示次数Ii对新闻点击率ri进行预测，本发明专利技术旨在应用于迷你页弹窗的新闻点击，而迷你页弹窗是一个为用户提供新闻资讯的工具，热点资讯点击率远高于普通咨询，所以捕获真正的热点成为了迷你页提升点击率的核心，本发明专利技术旨在解决上述技术问题，通过矩估计与不动点估计相结合的方法，进而获取到接近真实点击率的估计值，本发明专利技术基于与所述参数α相关联的第一初始值、与参数β相关联的第二初始值，构造似然函数的一个下界函数，所述下界函数可以求得所述下界函数最大值处的闭式解，将上述闭式解作为新的估计，并重复上述步骤，直至收敛。本发明专利技术使用方便、功能强大、能精准的计算新闻点击率，具有极高的商业价值。

A prediction algorithm of news click through rate

【技术实现步骤摘要】
一种新闻点击率预测算法
本专利技术属于互联网统计领域，具体地，涉及一种新闻点击率预测算法。
技术介绍
互联网的出现，意味着"信息大爆炸"，用户担心的，不再是信息太少，而是信息太多。如何从大量信息之中，快速有效地找出最重要的内容，成了互联网的一大核心问题，各种各样的排名算法，是目前过滤信息的主要手段之一。对信息进行排名，意味着将信息按照重要性依次排列，并且及时进行更新。排列的依据，可以基于信息本身的特征，也可以基于用户的投票，即让用户决定，什么样的信息可以排在第一位，基于点击率的热门排行榜的应用非常普遍，比如贴吧帖子的热度，新闻网站新闻的热度等。目前已经实现的包括：一、美味书签Delicious网站的热门书签排行榜：统计过去60分钟内被收藏的次数进行排名，每60分钟统计一次；二、HackerNews社会化新闻网站的帖子热门排行榜：同时考虑用户的投票与时间因素进行排名，排名随时间衰减。具体地，一、Delicious网站的热门书签排行榜算法，其优点为比较简单，容易实现，内容更新相当快，而缺点为排名变化不够平滑，波动大，前一个小时还排名靠前的内容，往往第二个小时就一落千丈，另一方面，缺乏自动淘汰旧项目的机制，某些热门内容可能会长期占据排行榜前列。二、HackerNews社会化新闻网站的帖子热门排行榜算法，其优点为同时考虑时间因素与用户投票，防止热门内容长期占据排行榜前列，但缺点是内容更新慢，算法实现复杂度高。而目前并没有一种能够解决上述问题的技术方案，具体地，缺少一种新闻点击率预测算法。专利技术内容针对现有技术存在的技术缺陷，本专利技术的目的是提供一种新闻点击率预测算法，基于已观测到的点击次数Ci、展示次数Ii对新闻点击率ri进行预测，所述新闻点击率ri通过如下公式计算：ri＝(Ci+α^)/(Ii+α^+β^)；其中，所述α^为参数α的估计，所述β^为参数β的估计。优选地，通过求解如下最大似然函数来计算所述α^以及所述β^，其中，误差在第一阈值范围内的α^和β^的解为所述最大似然函数的解：P(C1,C2,...,CN|I1,I2,...,IN,α,β)；其中，所述(C1,C2,...,CN)为观测到的点击数据，所述(I1,I2,...,IN)表示广告被展示的次数。优选地，通过如下步骤求解所述最大似然函数：a.基于与所述参数α相关联的第一初始值、与所述参数β相关联的第二初始值，构造似然函数的一个下界函数，其中，所述下界函数可以求得所述下界函数最大值处的闭式解；b.将上述闭式解作为新的估计，并重复上述步骤a，直至收敛。优选地，所述第一初始值和/或所述第二初始值通过如下步骤计算获得：α＝[mean*(1-mean)/var-1]*mean；β＝[mean*(1-mean)/var-1]*(1-mean)；其中，mean＝E(x)＝α/(α+β)；var＝D(x)＝αβ/(α+β)2(α+β+1)。优选地，通过SparkStreaming程序将用户行为记录在zookeeper节点上，其中，所述用户行为至少包括所述点击次数Ci。优选地，通过Kafka分布式消息中间件对所述用户行为进行采集，其中，所述用户行为至少包括所述点击次数Ci。优选地，所述用户行为还至少包括如下操作或指令中任一种或任多种：-滑动窗口；-对窗口执行放大、缩小操作；以及-下拉滚动条。优选地，基于已观测到的点击次数Ci、展示次数Ii以及时间衰减对新闻点击率ri进行预测，所述新闻点击率ri还可以通过如下公式计算：ri＝(Ci+α^)/(Ii+α^+β^)(T+1)；其中，所述α^为参数α的估计，所述β^为参数β的估计，所述T为第一次曝光距离现在的时间。本专利技术基于已观测到的点击次数Ci、展示次数Ii对新闻点击率ri进行预测，本专利技术旨在应用于迷你页弹窗的新闻点击，而迷你页弹窗是一个为用户提供新闻资讯的工具，热点资讯点击率远高于普通咨询，所以捕获真正的热点成为了迷你页提升点击率的核心，本专利技术旨在解决上述技术问题，通过矩估计与不动点估计相结合的方法，进而获取到接近真实点击率的估计值，同时，本专利技术基于与所述参数α相关联的第一初始值、与所述参数β相关联的第二初始值，构造似然函数的一个下界函数，所述下界函数可以求得所述下界函数最大值处的闭式解，将上述闭式解作为新的估计，并重复上述步骤，直至收敛。本专利技术使用方便、功能强大、能精准的计算新闻点击率，具有极高的商业价值。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1示出了本专利技术的具体实施方式的，求解所述最大似然函数的具体流程示意图。具体实施方式为了更好的使本专利技术的技术方案清晰地表示出来，下面结合附图对本专利技术作进一步说明。针对现有技术存在缺乏自动淘汰旧项目的机制、内容更新慢、算法实现复杂度高等等技术缺陷，本专利技术旨在提供一种能够将矩估计与不动点估计相结合的方法，从而更为精准的计算新闻点击率，本专利技术旨在服务于迷你页弹窗的新闻点击，但这并不代表其不能使用于其他
具体地，本专利技术提供一种新闻点击率预测算法，基于已观测到的点击次数Ci、展示次数Ii对新闻点击率ri进行预测，所述新闻点击率ri通过如下公式计算：ri＝(Ci+α^)/(Ii+α^+β^)；其中，所述α^为参数α的估计，所述β^为参数β的估计，本专利技术所记载的实施方案优选地使用智能终端来完成，所述智能终端包括但不限于移动智能终端，即本专利技术优选地采用移动终端作为实施载体，在这样的实施例中，所述已观测到的点击次数Ci即为用户通过浏览新闻时，对某新闻产生兴趣后所采取的用户行为：点击，所述展示次数Ii则代表系统随机或有目的的向用户进行推送的新闻信息，即在一个优选地实施例中，系统向用户终端发起弹窗，并共计展示有10则新闻，而用户可以根据自己的喜好选择其中的任意或全部进行点击，则将点击数除以展示数即可大致得出新闻点击率，而在本专利技术中，由于需要考虑到数据的稀疏性，需要对其进行平滑处理，在此，可以引入参数来对其点击率进行数据修正，即参数α以及参数β，更为具体地，参数α以及参数β为一定的取值范围，如何从多个取值中选取最优解作为上述公式最后的代入，即为选取所述α^以及所述β^的过程。本领域技术人员理解，所谓数据的稀疏性，是指数据会因为“分子”、“分母”之间的差距过大或过小而造成数据的偏差，进一步地，新闻点击率CTR是度量一个用户对于一个新闻的行为的最好的度量方法，新闻点击率可以定义为：对于一个新闻的被点击(click)的次数于被展示(impression)的次数的比值，在计算CTR时由于数据的稀疏性，利用上述的计算方法得到的CTR通常具有较大的偏差，这样的偏差主要表现在如下的两种情况：1、例如展示impression的次数很小，如1次，其中，点击的次数的数值也很小，如1，按照上述本文档来自技高网...

【技术保护点】
1.一种新闻点击率预测算法，基于已观测到的点击次数Ci、展示次数Ii对新闻点击率ri进行预测，其特征在于，所述新闻点击率ri通过如下公式计算：/nri＝(Ci+α^)/(Ii+α^+β^)；/n其中，所述α^为参数α的估计，所述β^为参数β的估计。/n

【技术特征摘要】
1.一种新闻点击率预测算法，基于已观测到的点击次数Ci、展示次数Ii对新闻点击率ri进行预测，其特征在于，所述新闻点击率ri通过如下公式计算：
ri＝(Ci+α^)/(Ii+α^+β^)；
其中，所述α^为参数α的估计，所述β^为参数β的估计。


2.根据权利要求1所述的算法，其特征在于，通过求解如下最大似然函数来计算所述α^以及所述β^，其中，误差在第一阈值范围内的α^和β^的解为所述最大似然函数的解：
P(C1,C2,...,CN|I1,I2,...,IN,α,β)；
其中，所述(C1,C2,...,CN)为观测到的点击数据，所述(I1,I2,...,IN)表示广告被展示的次数。


3.根据权利要求2所述的算法，其特征在于，通过如下步骤求解所述最大似然函数：
a.基于与所述参数α相关联的第一初始值、与所述参数β相关联的第二初始值，构造似然函数的一个下界函数，其中，所述下界函数可以求得所述下界函数最大值处的闭式解；
b.将上述闭式解作为新的估计，并重复上述步骤a，直至收敛。


4.根据权利要求3所述的算法，其特征在于，所述第一初始值和/或所述第二初始值通过如下步骤计算获得：
α＝[mean*(1-mea...

【专利技术属性】
技术研发人员：郑纪伟，黄修斌，
申请(专利权)人：上海二三四五网络科技有限公司，
类型：发明
国别省市：上海;31