【技术实现步骤摘要】
广告预估模型的上线评估方法及相关装置
本申请涉及人工智能
，具体而言，涉及一种广告预估模型的上线评估方法及相关装置。
技术介绍
广告的点击率与转化率的预估都需要机器学习或者深度学习等广告预估模型来进行。针对线上广告预估模型优化后的待上线广告预估模型以及用于进行评价广告的相关特征在模型上线之前都需要进行离线评估，因此离线评估的结果决定了广告预估模型是否能够正常上线使用。广告预估模型评估时所使用的特征数据不可避免加入大量的标识(ID)类特征，当数据充分时这类特征可以对模型产生比较好的影响，但该类特征容易让模型发生过拟合，并且干扰在其他特征调研评估时的作用，导致广告预估模型的上线评估结果不准确。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本申请实施例的目的在于提供一种广告预估模型的上线评估方法及装置，其能够有效提升广告预估模型的上线评估准确性。根据本申请的一个实施例，一种广告预...
【技术保护点】
1.一种广告预估模型的上线评估方法，其特征在于，包括：/n获取广告的特征数据集，并将所述特征数据集中特殊数据所来源的广告划分为训练组与评估组，其中，所述特征数据集中包括训练数据集及预测数据集；/n从所述训练数据集中获取对应于所述训练组的子训练数据集，并从所述预测数据集中获取对应于所述评估组的子预测数据集；/n利用所述子训练数据集训练线上广告预估模型及待上线广告预估模型，并使用所述子预测数据集进行预测，得到所述线上广告预估模型的第一预测结果及所述待上线广告预估模型的第二预测结果；/n比较所述第一预测结果与所述第二预测结果，得到所述待上线广告预估模型的第一上线评估结果。/n
【技术特征摘要】
1.一种广告预估模型的上线评估方法，其特征在于，包括：
获取广告的特征数据集，并将所述特征数据集中特殊数据所来源的广告划分为训练组与评估组，其中，所述特征数据集中包括训练数据集及预测数据集；
从所述训练数据集中获取对应于所述训练组的子训练数据集，并从所述预测数据集中获取对应于所述评估组的子预测数据集；
利用所述子训练数据集训练线上广告预估模型及待上线广告预估模型，并使用所述子预测数据集进行预测，得到所述线上广告预估模型的第一预测结果及所述待上线广告预估模型的第二预测结果；
比较所述第一预测结果与所述第二预测结果，得到所述待上线广告预估模型的第一上线评估结果。
2.根据权利要求1所述的方法，其特征在于，所述将所述特征数据集中特征数据所来源的广告划分为训练组与评估组，包括：
利用所述特征数据集中所包含特征数据对所述广告进行聚类，得到多个广告聚类簇；
将所述广告聚类簇划分为两组，得到所述训练组及所述评估组。
3.根据权利要求1所述的方法，其特征在于，所述比较所述第一预测结果与所述第二预测结果，得到所述待上线广告预估模型的第一上线评估结果，包括：
根据所述第一预测结果计算对应于所述线上广告预估模型的第一AUC结果；
根据所述第二预测结果计算对应于所述待上线广告预估模型的第二AUC结果；
比较所述第一AUC结果及所述第二AUC结果，得到所述待上线广告预估模型的第一上线评估结果。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一预测结果计算对应于所述线上广告预估模型的第一AUC结果，包括：
获取所述子预测数据集中各广告在所来源排序阶段中的占比，并根据所述占比确定各所述广告对应的加权系数，所述排序阶段指示广告展示生命周期中应用广告预估模型对广告进行评价排序的阶段；
根据所述子预测数据集中各广告在所述第一预测结果中对应的预测结果，计算对应于各所述广告的第一子AUC结果；
基于各所述广告对应的所述加权系数，计算所述子预测数据集中所有广告对应的所述第一子AUC结果的加权和，得到所述第一AUC结果。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第二预测结果计算对应于所述待上线广告预估模型的第二AUC结果，包括：
根据所述子预测数据集中各广告在所述第二预测结果中对应的预测结果，计算对应于各所述广告的第二子AUC结果；
基于各所述广告对应的所述加权系数，计算所述子预测数据集中所有广告对应的所述第二子AUC结果的加权和，得到所述第二AUC结果...
【专利技术属性】
技术研发人员：胡乐，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44
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。