【技术实现步骤摘要】
一种广告转化率预测的方法、装置、存储介质及程序产品
[0001]本申请实施例涉及计算机
,具体涉及一种广告转化率预测的方法、装置、存储介质及程序产品。
技术介绍
[0002]转换率预测是广告领域中十分重要的一项任务,能够在实现广告的精准投放、评估广告投放价值等场景中都具有重要意义。
[0003]随着深度学习的兴起,传统的转化率的预测方式都是基于神经网络进行预测。通过编码层把高维稀疏的特征向量转化为低维稠密的特征向量,并把得到的低维稠密的特征向量再通过多层神经网络完成特征向量的简单组合,从而得到转化率的预估值。然而,采用上述提及的传统转化率预测方式来预测转化率时,不仅会削弱底层特征所传递的信息,而且难以选取出合适的特征组合,容易造成较大的预测误差,无法准确地预测转化率。
技术实现思路
[0004]本申请实施例提供了一种广告转化率预测的方法、装置、存储介质及程序产品,能够准确地预测目标广告的转化率,提高预测准确度。
[0005]第一方面,本申请实施例提供了一种广告转化率预测的方法。该方法包括:获取对象属性特征、上下文特征以及目标广告的广告特征,对象属性特征用于指示请求目标广告时对应的终端设备的属性情况,上下文特征用于指示请求目标广告时的广告请求情况;对对象属性特征、上下文特征以及广告特征分别进行映射处理,生成对象属性特征的嵌入向量、上下文特征的嵌入向量以及广告特征的嵌入向量;基于第一预测模型对对象属性特征的嵌入向量、上下文特征的嵌入向量以及广告特征的嵌入向量进行预测处理,得到目标广告 ...
【技术保护点】
【技术特征摘要】
1.一种广告转化率预测的方法,其特征在于,包括:获取对象属性特征、上下文特征以及目标广告的广告特征,所述对象属性特征用于指示请求所述目标广告时对应的终端设备的属性情况,所述上下文特征用于指示请求所述目标广告时的广告请求情况;对所述对象属性特征、所述上下文特征以及所述广告特征分别进行映射处理,生成所述对象属性特征的嵌入向量、所述上下文特征的嵌入向量以及所述广告特征的嵌入向量;基于第一预测模型对所述对象属性特征的嵌入向量、所述上下文特征的嵌入向量以及所述广告特征的嵌入向量进行预测处理,得到所述目标广告的第一预测转化率;基于多门控专家网络对所述对象属性特征的嵌入向量、所述上下文特征的嵌入向量以及所述广告特征的嵌入向量进行预测处理,得到所述目标广告的第二预测转化率;基于所述第一预测转化率与所述第二预测转化率确定目标预测转化率,所述目标预测转化率用于指示所述目标广告的广告转化情况。2.根据权利要求1所述的方法,其特征在于,在所述基于多门控专家网络对所述对象属性特征的嵌入向量、所述上下文特征的嵌入向量以及所述广告特征的嵌入向量进行预测处理,得到所述目标广告的第二预测转化率之前,所述方法还包括:基于预设特征筛选模型对所述对象属性特征的嵌入向量、所述上下文特征的嵌入向量以及所述广告特征的嵌入向量进行特征筛选处理,得到目标特征的嵌入向量;基于多门控专家网络对所述对象属性特征的嵌入向量、所述上下文特征的嵌入向量以及所述广告特征的嵌入向量进行预测处理,得到所述目标广告的第二预测转化率,包括:基于所述多门控专家网络对所述目标特征的嵌入向量进行预测处理,得到所述目标广告的第二预测转化率。3.根据权利要求2所述的方法,其特征在于,所述基于所述多门控专家网络对所述目标特征的嵌入向量进行预测处理,得到所述目标广告的第二预测转化率,包括:基于所述多门控专家网络中的每个专家子网络对所述目标特征的嵌入向量进行处理,得到对应的所述专家子网络的特征表示,每个所述专家子网络的网络参数不相同;基于所述多门控专家网络中的门控子网络对所述目标特征的嵌入向量进行特征权重处理,得到每个所述专家子网络的权重;对每个所述专家子网络的权重与对应的所述专家子网络的特征表示进行加权求和处理,得到所述多门控专家网络的目标特征表示;对所述多门控专家网络的目标特征表示进行预测处理,得到所述目标广告的第二预测转化率。4.根据权利要求2或3所述的方法,其特征在于,所述预设特征筛选模型对所述对象属性特征的嵌入向量、所述上下文特征的嵌入向量以及所述广告特征的嵌入向量进行特征筛选处理,得到目标特征的嵌入向量,包括:基于所述预设特征筛选模型对所述对象属性特征的嵌入向量、所述上下文特征的嵌入向量以及所述广告特征的嵌入向量进行权重计算处理,得到所述对象属性特征的特征权重、所述上下文特征的特征权重以及所述广告特征的特征权重;基于所述对象属性特征的特征权重、所述上下文特征的特征权重以及所述广告特征的特征权重分别对所述对象属性特征的嵌入向量、所述上下文特征的嵌入向量以及所述广告
特征的嵌入向量进行特征筛选处理,得到目标特征。5.根据权利要求4所述的方法,其特征在于,所述基于所述预设特征筛选模型对所述对象属性特征的嵌入向量、所述上下文特征的嵌入向量以及所述广告特征的嵌入向量进行权重计算处理,得到获取所述对象属性特征的特征权重、所述上下文特征的特征权...
【专利技术属性】
技术研发人员:吴航,纪天旭,汪伟,熊思儒,漆洪凯,
申请(专利权)人:腾讯科技深圳有限公司,
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。