一种广告转化率预测的方法、装置、存储介质及程序产品制造方法及图纸

本申请实施例公开了一种广告转化率预测的方法、装置、存储介质及程序产品，至少涉及人工智能中机器学习等技术，能准确预测广告的转化率。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、多门控专家网络分别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，得到目标广告的第一预测转化率、目标广告的第二预测转化率；基于第一预测转化率与第二预测转化率确定目标预测转化率，目标预测转化率用于指示目标广告的广告转化情况。转化情况。转化情况。

【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，得到目标广告的第一预测转化率；基于多门控专家网络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，得到目标广告的第二预测转化率；基于第一预测转化率与第二预测转化率确定目标预测转化率，目标预测转化率用于指示目标广告的广告转化情况。
[0006]第二方面，本申请实施例提供了一种广告转化率预测装置。该广告转化率预测装置包括获取单元和处理单元。其中，获取单元，用于获取对象属性特征、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。处理单元用于：处理单元，用于对对象属性特征、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；处理单元，用于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，得到目标广告的第一预测转化率；处理单元，用于基于多门控专家网络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，得到目标广告的第二预测转化率；处理单元，用于基于第一预测转化率与第二预测转化率确定目标预测转化
率，目标预测转化率用于指示目标广告的广告转化情况。
[0007]在一些可选的实施方式中，处理单元还用于：在基于多门控专家网络对对象属性特征、上下文特征以及广告特征进行预测处理，得到目标广告的第二预测转化率之前，基于预设特征筛选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特征筛选处理，得到目标特征的嵌入向量。处理单元用于：基于多门控专家网络对目标特征的嵌入向量进行预测处理，得到目标广告的第二预测转化率。
[0008]在另一些可选的实施方式中，处理单元用于：基于多门控专家网络中的每个专家子网络对目标特征的嵌入向量进行处理，得到对应的专家子网络的特征表示，每个专家子网络的网络参数不相同；基于多门控专家网络中的门控子网络对目标特征的嵌入向量进行特征权重处理，得到每个专家子网络的权重；对每个专家子网络的权重与对应的专家子网络的特征表示进行加权求和处理，得到多门控专家网络的目标特征表示；对多门控专家网络的目标特征表示进行预测处理，得到目标广告的第二预测转化率。
[0009]在另一些可选的实施方式中，处理单元用于：基于预设特征筛选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权重计算处理，得到对象属性特征的特征权重、上下文特征的特征权重以及广告特征的特征权重；基于对象属性特征的特征权重、上下文特征的特征权重以及广告特征的特征权重分别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特征筛选处理，得到目标特征。
[0010]在另一些可选的实施方式中，处理单元用于：基于预设特征筛选模型中的全连接层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特征处理，得到全连接层的第一特征表示；基于预设特征筛选模型中的激活层对全连接层的第一特征表示进行处理，得到激活层的特征表示；基于全连接层对激活层的特征表示进行处理，得到全连接层的第二特征表示，第二特征表示的特征维度与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的特征维度相同；对全连接层的第二特征表示进行预测处理，得到对象属性特征的特征权重、上下文特征的特征权重以及广告特征的特征权重。
[0011]在另一些可选的实施方式中，处理单元用于：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中的每两个特征进行交叉处理，得到第一交叉特征；对第一交叉特征进行预测处理，得到目标广告的第一预测转化率。
[0012]在另一些可选的实施方式中，处理单元用于：将第一预测转化率和第二预测转化率进行求和处理，得到第一值；基于预设激活模型对第一值进行映射处理，得到目标预测转化率。
[0013]在另一些可选的实施方式中，获取单元还用于在基于第一预测转化率与第二预测转化率确定目标预测转化率之后，获取目标广告的出价、目标广告的点击率。处理单元用于基于出价、点击率以及目标预测转化率，计算目标广告的每千次展示收益ECPM。
[0014]本申请实施例第三方面提供了一种广告转化率预测设备，包括：存储器、输入/输出(I/O)接口和存储器。存储器用于存储程序指令。处理器用于执行存储器中的程序指令，以执行上述第一方面的实施方式对应的广告转化率预测的方法。
[0015]本申请实施例第四方面提供了一种计算机可读存储介质，计算机可读存储介质中
存储有指令，当其在计算机上运行时，使得计算机执行以执行上述第一方面的实施方式对应的方法。
[0016]本申请实施例第五方面提供了一种包含指令的计算机程序产品，当其在计算机或者处理器上运行时，使得计算机或者处理器执行上述以执行上述第一方面的实施方式对应的方法。
[0017]从以上技术方案可以看出，本申请实施例具有以下优点：
[0018]本申请实施例中，由于对象属性特征能够指示出请求目标广告时的终端设备的属性情况，上下文特征能够指示出请求该目标广告时的广告请求情况，那么在获取到对象属性特征、上下文特征以及该目标广告的广告特征后，先对对象属性特征、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本文档来自技高网...

【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：