【技术实现步骤摘要】
用于确定在广告渠道下的产品的广告点击率的方法及装置
本说明书的实施例涉及互联网领域，具体地，涉及一种用于预测点击率的方法及装置。
技术介绍
为了使得计算机广告利润实现最大化，广告主或广告运营商期望能在投放广告之前能够获知广告点击率，由此CTR(Click-ThroughRate,点击率通过率)预测技术便应运而生了。在目前的点击率预测的相关技术中，当存在多个预测对象(例如不同渠道的不同产品)时，一般会针对每个对象单独配置对应的CTR模型，需要配置多个CTR模型，导致成本较高且不便于维护。针对上述问题，目前业界暂无较佳的解决方案。
技术实现思路
鉴于上述问题，本说明书的实施例提供了一种用于确定在广告渠道下的产品的广告点击率的方法及装置。利用该方法及装置，使用多任务学习模型，可以确定多个不同的广告渠道产品的多个广告点击率，而不需要维护多个CTR模型，降低了运营维护成本。另外，通过多任务学习模型可以使用不同广告点击率预测任务之间的共有信息，从而提高所确定的广告点击率的精确度。根据本说明书实...
【技术保护点】
1.一种用于确定在广告渠道下的产品的广告点击率的方法，包括：/n获取点击率预测特征数据集，每一点击率预测特征数据与至少一个评测广告渠道中的各个注册用户标识唯一对应，所述点击率预测特征数据包括针对注册用户标识的用户属性特征数据、至少一个评测广告渠道的广告渠道特征数据和至少一个评测产品的产品属性特征数据；/n将所述点击率预测特征数据集提供给点击概率预测模型，以由该点击概率预测模型确定不同的注册用户标识分别针对各个评测广告渠道下的各个评测产品的曝光点击概率，所述点击概率预测模型为多任务学习模型；/n针对各个评测广告渠道下的各个评测产品，根据该评测广告渠道中的各个注册用户针对该评测...
【技术特征摘要】
1.一种用于确定在广告渠道下的产品的广告点击率的方法，包括：
获取点击率预测特征数据集，每一点击率预测特征数据与至少一个评测广告渠道中的各个注册用户标识唯一对应，所述点击率预测特征数据包括针对注册用户标识的用户属性特征数据、至少一个评测广告渠道的广告渠道特征数据和至少一个评测产品的产品属性特征数据；
将所述点击率预测特征数据集提供给点击概率预测模型，以由该点击概率预测模型确定不同的注册用户标识分别针对各个评测广告渠道下的各个评测产品的曝光点击概率，所述点击概率预测模型为多任务学习模型；
针对各个评测广告渠道下的各个评测产品，根据该评测广告渠道中的各个注册用户针对该评测产品的曝光点击概率来确定相应的广告点击率。
2.如权利要求1所述的方法，其中，所述点击率预测特征数据还包括针对注册用户标识在各个评测广告渠道下的各个评测产品的点击特征数据。
3.如权利要求1或2所述的方法，其中，所述点击概率预测模型的训练样本集标签包括关于针对至少一个广告渠道下曝光的至少一个产品的点击信息。
4.如权利要求1或2所述的方法，其中，所述点击概率预测模型包括共享特征处理层和至少一个点击概率输出层，且每一点击概率输出层与各个针对评测广告渠道下的评测产品的点击概率预测任务唯一对应，
其中，基于所述点击概率预测模型，执行包括以下的操作：
基于所述共享特征处理层，确定与点击率预测特征数据相对应的共享特征数据；
针对各个点击概率输出层，基于该点击概率输出层来确定针对注册用户标识的与所述共享特征数据和所述点击率预测特征数据相对应的曝光点击概率。
5.如权利要求4所述的方法，其中，针对各个点击概率输出层，基于该点击概率输出层来确定针对注册用户标识的与所述共享特征数据和所述点击率预测特征数据相对应的曝光点击概率包括：
基于各个点击概率输出层针对所述共享特征处理层所对应的各个权重矩阵来分别校准该共享特征数据；
各个点击概率输出层分别基于所述点击率预测特征数据和相应的经校准的共享特征数据，确定针对用户标识的各个曝光点击概率。
6.如权利要求1所述的方法，其中，各个评测产品之间具有至少一个相同的产品属性。
7.一种用于确定在广告渠道下的产品的广告点击率的装置，包括：
预测特征数据...
【专利技术属性】
技术研发人员：郑妍妍，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33
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。