申请/专利权人：浙江大学

申请日：2023-08-14

公开（公告）日：2023-12-12

公开（公告）号：CN117217832A

主分类号：G06Q30/0242

分类号：G06Q30/0242;G06F18/213;G06F18/25;G06F18/214;G06N3/0442;G06N3/08;G06N5/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.29#实质审查的生效;2023.12.12#公开

摘要：本发明公开一种基于因果推断的在线广告的广告主出价与效果预估模型构建方法，包括步骤：收集广告和在每次流量上的出价及效果的历史数据；对广告和表示商品基本属性的特征向量和与其他随出价和效果变动的特征向量与进行预处理；构建时间序列深度神经网络模型，得到基准出价和基准展现；构建基于多任务学习和因果推断的双塔模型，得到效果相对基准效果的比例，再得到最终效果。本发明通过因果推断，预估广告投放一天的效果，并且通过融合先验知识，解决了反事实推断和可解释性的问题；相较其他方法，本发明的预估模型在指标上均有所提升。

主权项：1.一种基于因果推断的在线广告的广告主出价与效果预估模型构建方法，其特征在于，包括以下步骤：S1、收集广告和在每次流量上的出价及效果的历史数据，在天级别时间维度和广告维度对出价及效果的历史数据进行预处理，作为广告出价与效果预估模型的输入；S2、对广告和表示商品基本属性的特征向量和与其他随出价和效果变动的特征向量与进行预处理，得到降维后的特征向量和广告和历史出价的数值特征向量，降维后的特征向量和广告和历史效果的数值特征向量；S3、构建时间序列深度神经网络模型，将步骤S2所得降维后的特征向量和广告和历史出价的数值特征向量拼接在一起，作为时间序列深度神经网络的输入；经训练后时间序列深度神经网络输出广告和基准出价的预估值；S4、基于历史出价行为和效果，通过回放系统，模拟出可能的出价与效果，并通过最小二乘拟合发现广告出价与效果服从的参数分布作为先验知识，广告出价与效果服从的分布为带有四个参数的四参数曲线4PL；S5、构建基于多任务学习和因果推断的双塔模型，将步骤S2所得降维后的表示商品基本属性的特征向量与步骤S3所得基准出价和基准效果的数值特征向量拼接在一起，作为双塔模型的输入；双塔模型输出广告在任意出价下效果相对基准效果的比例的直接预估值和步骤S4先验知识的参数的预估值；S6、利用平均绝对百分误差计算广告在任意出价下效果相对基准效果的比例的预估值和步骤S4先验知识的参数的预估值的损失；S7、将步骤S5所得广告在任意出价下效果相对基准效果的比例的预估值和步骤S4先验知识的参数的预估值的损失加权融合，得到最终损失；并得到最终比例值，将最终比例值与步骤S3所得基准效果相乘，得到最终效果的预估值；最终损失的计算公式为Loss＝λ1loss1+λ2loss2，λ1和loss1分别表示比例的直接预估值的权重系数和利用平均绝对百分误差得到的直接预估值的损失，λ2和loss2分别表示先验知识的参数的预估值的权重系数和利用平均绝对百分误差得到的先验知识的参数的预估值的损失。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于因果推断的在线广告的广告主出价与效果预估模型构建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD