广告推荐方法、装置、终端设备和计算机可读存储介质制造方法及图纸

本申请提供了一种广告推荐方法、装置、终端设备和计算机可读存储介质，获取需要广告推荐的用户的广告点击和曝光行为数据；根据预设的广告召回逻辑规则召回广告，以形成初始广告集；将广告点击和曝光行为数据以及初始广告集输入至预先训练的LightGBM模型，计算初始广告集各广告的点击率评分；基于各点击率评分从初始广告集中选择预设数量的广告推荐至用户。该方法基于用户的广告点击和曝光行为数据并采用LightGBM模型可以准确计算出广告的点击率评分，进而可以提供推荐广告的准确率，大大减少了用户筛选广告的时间。另外，采用该方法可以对不同用户进行差异化的广告推荐，满足不同客户的需求。客户的需求。客户的需求。

【技术实现步骤摘要】
广告推荐方法、装置、终端设备和计算机可读存储介质


[0001]本申请涉及广告推荐
，具体涉及一种广告推荐方法、装置、终端设备和计算机可读存储介质。

技术介绍

[0002]广告创意定制平台，是为广告主提供广告商品创意定制服务的撮合平台。当用户需要购买广告时可以进入广告创意定制平台，商品平台会展示不同的商品供客户挑选，用户选中广告点击进入详情页，最终完成下单的转化。然而在广告创意定制平台中往往具有大量的广告，用户需要浏览大量的广告才能选出自己需要的内容，操作非常麻烦。虽然目前的广告创意定制平台具备广告推荐能力，但目前推荐的广告往往不是用户需要的，即推荐的准确率低，效果差。

技术实现思路

[0003]有鉴于此，本申请实施例中提供了一种广告推荐方法、装置、终端设备和计算机可读存储介质，以克服现有技术中广告推荐准确率低，效果差的问题。
[0004]第一方面，本申请实施例提供了一种广告推荐方法，该方法包括：
[0005]获取需要广告推荐的用户的广告点击和曝光行为数据；其中所述广告点击和曝光行为数据为用户进入广告创意定制平台进行对广告进行点击形成的数据；
[0006]根据预设的广告召回逻辑规则召回广告，以形成初始广告集；
[0007]将所述广告点击和曝光行为数据以及所述初始广告集输入至预先训练的LightGBM模型，计算所述初始广告集各广告的点击率评分；
[0008]基于各所述点击率评分从所述初始广告集中选择预设数量的广告推荐至用户。
[0009]第二方面，本申请实施例提供了一种广告推荐装置，该装置包括：
[0010]数据获取模块，用于获取需要广告推荐的用户的广告点击和曝光行为数据；其中所述广告点击和曝光行为数据为用户进入广告创意定制平台进行对广告进行点击形成的数据；
[0011]广告召回模块，用于根据预设的广告召回逻辑规则召回广告，以形成初始广告集；
[0012]点击率评分模块，用于将所述广告点击和曝光行为数据以及所述初始广告集输入至预先训练的LightGBM模型，计算所述初始广告集各广告的点击率评分；
[0013]广告推荐模块，用于基于各所述点击率评分从所述初始广告集中选择预设数量的广告推荐至用户。
[0014]第三方面，本申请实施例提供了一种终端设备，包括：存储器；一个或多个处理器，与所述存储器耦接；一个或多个应用程序，其中，一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个应用程序配置用于执行上述第一方面提供的广告推荐方法。
[0015]第四方面，本申请实施例提供了一种计算机可读取存储介质，计算机可读取存储
介质中存储有程序代码，程序代码可被处理器调用执行上述第一方面提供的广告推荐方法。
[0016]本申请实施例提供的广告推荐方法、装置、终端设备和计算机可读存储介质，首先获取需要广告推荐的用户的广告点击和曝光行为数据；其中广告点击和曝光行为数据为用户进入广告创意定制平台进行对广告进行点击形成的数据；然后根据预设的广告召回逻辑规则召回广告，以形成初始广告集；在将广告点击和曝光行为数据以及初始广告集输入至预先训练的LightGBM模型，计算初始广告集各广告的点击率评分；最后基于各点击率评分从初始广告集中选择预设数量的广告推荐至用户。
[0017]本申请实施例提供的广告推荐方法，采用LightGBM模型(即点击率预测模型)并根据用户的广告点击和曝光行为数据来对初步召回的初始广告集中的广告的点击率进行评分，其中点击率评分表示用户对某一广告进行点击下单的概率，当其取值越高，用户点击下单的可能性越大，反之则用户点击下单的可能性越小；然后根据点击率评分来对用户推荐广告。该方法基于用户的广告点击和曝光行为数据并采用LightGBM模型可以准确计算出广告的点击率评分，进而可以提供推荐广告的准确率，大大减少了用户筛选广告的时间。另外，采用该方法可以对不同用户进行差异化的广告推荐，满足不同客户的需求。
附图说明
[0018]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0019]图1为本申请实施例提供的广告推荐方法的应用场景示意图；
[0020]图2为本申请一个实施例提供的广告推荐方法的流程示意图；
[0021]图3为本申请一个实施例中提供的广告推荐装置的结构示意图；
[0022]图4为本申请一个实施例中提供的终端设备的结构示意图；
[0023]图5为本申请一个实施例中提供的计算机可读存储介质的结构示意图。
具体实施方式
[0024]下面将对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0025]为了更详细说明本申请，下面结合附图对本申请提供的一种广告推荐方法、装置、终端设备和计算机可读存储介质，进行具体地描述。
[0026]请参考图1，图1示出了本申请实施例提供的广告推荐方法的应用场景的示意图，该应用场景包括本申请实施例提供的终端设备100，终端设备100可以是具有显示屏的各种电子设备(如102、104、106和108的结构图)，包括但不限于智能手机和计算机设备，其中计算机设备可以是台式计算机、便携式计算机、膝上型计算机、平板电脑等设备中的至少一种。终端设备100可以泛指多个终端设备中的一个，本实施例仅以终端设备100来举例说明。
本领域技术人员可以知晓，上述终端设备的数量可以更多或更少。比如上述终端设备可以仅为几个，或者上述终端设备为几十个或几百个，或者更多数量，本申请实施例对终端设备的数量和类型不加以限定。终端设备100可以用来执行本申请实施例中提供的一种广告推荐方法。
[0027]在一种可选的实施方式中，该应用场景包括本申请实施例提供的终端设备100之外，还可以包括服务器，其中服务器与终端设备之间设置有网络。网络用于在终端设备和服务器之间提供通信链路的介质。网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0028]应该理解，终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。比如服务器可以是多个服务器组成的服务器集群等。其中，终端设备通过网络与服务器交互，以接收或发送消息等。服务器可以是提供各种服务的服务器。其中服务器可以用来执行本申请实施例中提供的一种广告推荐方法的步骤。此外，终端设备在执行本申请实施例中提供的一种广告推荐方法时，可以将一部分步骤在终端设备执行，一部分步骤在服务器执行，在这里不进行限定。
[0029]基于此，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种广告推荐方法，其特征在于，所述方法包括：获取需要广告推荐的用户的广告点击和曝光行为数据；其中所述广告点击和曝光行为数据为用户进入广告创意定制平台进行对广告进行点击形成的数据；根据预设的广告召回逻辑规则召回广告，以形成初始广告集；将所述广告点击和曝光行为数据以及所述初始广告集输入至预先训练的LightGBM模型，计算所述初始广告集各广告的点击率评分；基于各所述点击率评分从所述初始广告集中选择预设数量的广告推荐至用户。2.根据权利要求1所述的方法，其特征在于，所述基于各所述点击率评分从所述初始广告集中选择预设数量的广告推荐至用户，包括：从所述初始广告集中选择所述点击率评分大于预设阈值的广告，以形成候选广告集；从所述候选广告集中选择预设数量的广告推荐至用户。3.根据权利要求1所述的方法，其特征在于，训练所述LightGBM模型，包括：获取广告点击和曝光行为数据样本，并将所述广告点击和曝光行为数据样本分成训练集和测试集；将所述训练集中的广告点击和曝光行为数据样本输入至所述LightGBM模型，调整所述LightGBM模型的参数直至收敛，以得到初始LightGBM模型；采用所述测试集中的广告点击和曝光行为数据样本来对所述初始LightGBM模型进行测试，并且采用特征数据来对所述初始LightGBM模型的feat_importance特征树进行评估，在测试和评估都通过时，以得到训练的所述LightGBM模型。4.根据权利要求3所述的方法，其特征在于，所述调整所述LightGBM模型的参数，包括：采用LGBMClassifier函数来调整所述LightGBM模型的参数。5.根据权利要求1
‑
4任一项所述的方法，其特征在...

【专利技术属性】
技术研发人员：于长颖，朱火庚，
申请(专利权)人：广州钛动科技股份有限公司，
类型：发明
国别省市：