本申请涉及广告投放方法、装置、电子装置和存储介质，其中，该广告投放方法包括：接收广告请求信息，并对其进行数据预处理，得到第一特征数据；利用广告预测模型处理第一特征数据，获得广告请求信息对应的第一预测分类标签，其中，广告预测模型是根据采集的广告访问日志训练得到的，广告预测模型被训练为用于根据特征数据得到与该特征数据对应的预测分类标签，预测分类标签包括该特征数据对应各种预设广告类别的概率；根据第一预测分类标签确定广告请求信息的预测结果，并结合预设排序规则返回对应的广告进行展示。通过本申请，解决了相关技术中广告投放精准度低，投放效率不高的问题，实现了广告的高效精准匹配。实现了广告的高效精准匹配。实现了广告的高效精准匹配。
【技术实现步骤摘要】
广告投放方法、装置、电子装置和存储介质
[0001]本申请涉及广告投放
，特别是涉及广告投放方法、装置、电子装置和存储介质。
技术介绍
[0002]随着网络技术和数字经济的发展，互联网广告投放发展迅猛。相比传统广告模式，互联网广告投放的高点击率、高转化率，以及基于大数据有选择地针对客户需求进行广告投放，受众更加精准，广告投放效果更好。当业务逐渐常态化，需要将服务进一步地提升，这时候就需要对不同类别的用户与广告做更精准的匹配以满足更好的用户体验，同时提升广告投放效果。
[0003]目前广告投放策略，通过分析用户喜好、广告请求等相关信息，虽然能够达到较精准的投放，但是需要定期对用户访问相关信息进行分析，评估广告投放效果，再根据投放效果对广告投放策略进行调整，费时费力；重要的是，广告需要先运行再根据效果进行调整，因此可能需要运行一段时间才能达到精准的匹配，影响了用户体验与广告时效性，甚至可能错过广告投放的黄金时间；并且如果想要获得较准确的效果评估，进而使得调整后的广告投放策略能够精准匹配，则分析精细度也需要进一步提高，这又会使得运营更加复杂和耗时。
[0004]目前针对相关技术中对广告投放精准度低，投放效率不高的问题，尚未提出有效的解决方案。
技术实现思路
[0005]本申请实施例提供了一种广告投放方法、装置、电子装置和存储介质，以至少解决相关技术中广告投放需精准度低，投放效率不高的问题。
[0006]第一方面，本申请实施例提供了一种广告投放方法，包括：接收广告请求信息，并对所述广告请求信息进行数据预处理，得到第一特征数据，其中，所述数据预处理包括：独热化处理；利用广告预测模型处理所述第一特征数据，获得所述广告请求信息对应的第一预测分类标签，其中，所述广告预测模型是根据采集的广告访问日志训练得到的，所述广告预测模型被训练为用于根据特征数据得到与该特征数据对应的预测分类标签，所述预测分类标签包括该特征数据对应各种预设广告类别的概率；根据所述第一预测分类标签确定所述广告请求信息的预测结果，并结合预设排序规则返回对应的广告进行展示。
[0007]在其中一些实施例中，根据所述第一预测分类标签确定所述广告请求信息的预测结果，包括：在所述第一预测分类标签中，检测所述第一特征数据对应各种预设广告类别的预测概率的概率值；选取所述概率值最大的所述预测概率对应的所述预设广告类别作为预测结果。
[0008]在其中一些实施例中，所述方法还包括：采集所述广告访问日志；其中，所述广告访问日志包括：广告请求与响应信息、展示与回调信息、用户相关信息、终端设备相关信息、
地理位置GIS信息、用户与广告交互信息；对所述广告访问日志进行数据预处理，得到第二特征数据；利用所述第二特征数据训练得到所述广告预测模型。
[0009]在其中一些实施例中，对所述广告访问日志进行数据预处理，得到第二特征数据，包括：对所述广告访问日志进行数据清洗；将数据清洗后的数据进行独热化处理，结合各个预设特征维度信息，得到所述第二特征数据。
[0010]在其中一些实施例中，所述广告预测模型包括以下其中一种预测模型：逻辑回归预测模型、梯度提升决策树预测模型、深度神经网络预测模型。
[0011]在其中一些实施例中，所述广告预测模型包括逻辑回归预测模型，利用广告预测模型处理所述第一特征数据，获得所述广告请求信息对应的第一预测分类标签，包括：利用所述广告预测模型检测所述第一特征数据中对应各个预设特征维度的数据信息，并计算对应各个预设特征维度的数据信息对预测结果影响的权重值；基于阶跃函数，确定所述第一特征数据对应各种预设广告类别的预测概率的概率值；根据所述概率值，确定所述广告请求信息对应的第一预测分类标签。
[0012]在其中一些实施例中，根据所述第一预测分类标签确定所述广告请求信息的预测结果，并结合预设排序规则返回对应的广告进行展示之后，所述方法还包括：记录所述广告访问日志；其中，所述广告访问日志包括：广告请求与响应信息、展示与回调信息、用户相关信息、终端设备相关信息、地理位置GIS信息、用户与广告交互信息。
[0013]第二方面，本申请实施例提供了一种广告投放装置，包括：
[0014]数据处理模块，用于接收广告请求信息，并对所述广告请求信息进行数据预处理，得到第一特征数据，其中，所述数据预处理包括：独热化处理。
[0015]预测模块，用于利用广告预测模型处理所述第一特征数据，获得所述广告请求信息对应的第一预测分类标签，其中，所述广告预测模型是根据采集的广告访问日志训练得到的，所述广告预测模型被训练为用于根据特征数据得到与该特征数据对应的预测分类标签，所述预测分类标签包括该特征数据对应各种预设广告类别的概率。
[0016]推送模块，用于根据所述第一预测分类标签确定所述广告请求信息的预测结果，并结合预设排序规则返回对应的广告进行展示。
[0017]第三方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的广告投放方法。
[0018]第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的广告投放方法。
[0019]相比于相关技术，本申请实施例提供的广告投放方法、装置、电子装置以及存储介质，通过接收广告请求信息，并对所述广告请求信息进行数据预处理，得到第一特征数据，其中，所述数据预处理包括：独热化处理；利用广告预测模型处理所述第一特征数据，获得所述广告请求信息对应的第一预测分类标签，其中，所述广告预测模型是根据采集的广告访问日志训练得到的，所述广告预测模型被训练为用于根据特征数据得到与该特征数据对应的预测分类标签，所述预测分类标签包括该特征数据对应各种预设广告类别的概率；根据所述第一预测分类标签确定所述广告请求信息的预测结果，并结合预设排序规则返回对应的广告进行展示。解决了相关技术中广告投放精准度低，投放效率不高的问题，实现了广
告的高效精准匹配，同时提升了用户体验与广告投放效果。
[0020]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
[0021]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0022]图1是根据本申请实施例的广告投放方法的终端的硬件结构框图；
[0023]图2是根据本申请实施例的广告投放方法的流程图；
[0024]图3是根据本申请实施例的广告预测模型的构建流程图；
[0025]图4是根据本申请优选实施例的广告投放方法的流程图；
[0026]图5是根据本申请优选实施例的广告投放方法的实际场景应用说明图；
[0027]图6是根据本申请实施例的广告投放装本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种广告投放方法，其特征在于，所述方法包括：接收广告请求信息，并对所述广告请求信息进行数据预处理，得到第一特征数据，其中，所述数据预处理包括：独热化处理；利用广告预测模型处理所述第一特征数据，获得所述广告请求信息对应的第一预测分类标签，其中，所述广告预测模型是根据采集的广告访问日志训练得到的，所述广告预测模型被训练为用于根据特征数据得到与该特征数据对应的预测分类标签，所述预测分类标签包括该特征数据对应各种预设广告类别的概率；根据所述第一预测分类标签确定所述广告请求信息的预测结果，并结合预设排序规则返回对应的广告进行展示。2.根据权利要求1所述的广告投放方法，其特征在于，根据所述第一预测分类标签确定所述广告请求信息的预测结果，包括：在所述第一预测分类标签中，检测所述第一特征数据对应各种预设广告类别的预测概率的概率值；选取所述概率值最大的所述预测概率对应的所述预设广告类别作为预测结果。3.根据权利要求1所述的广告投放方法，其特征在于，所述方法还包括：采集所述广告访问日志；其中，所述广告访问日志包括：广告请求与响应信息、展示与回调信息、用户相关信息、终端设备相关信息、地理位置GIS信息、用户与广告交互信息；对所述广告访问日志进行数据预处理，得到第二特征数据；利用所述第二特征数据训练得到所述广告预测模型。4.根据权利要求3所述的广告投放方法，其特征在于，对所述广告访问日志进行数据预处理，得到第二特征数据，包括：对所述广告访问日志进行数据清洗；将数据清洗后的数据进行独热化处理，结合各个预设特征维度信息，得到所述第二特征数据。5.根据权利要求1所述的广告投放方法，其特征在于，所述广告预测模型包括以下其中一种预测模型：逻辑回归预测模型、梯度提升决策树预测模型、深度神经网络预测模型。6.根据权利要求5所述的广告投放方法，其特征在于，所述广告预测模型包括逻辑回归预...
【专利技术属性】
技术研发人员：李雷雷，常城，
申请(专利权)人：杭州友电科技有限公司，
类型：发明
国别省市：
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。