申请/专利权人：西安点告网络科技有限公司

申请日：2021-04-29

公开（公告）日：2024-05-07

公开（公告）号：CN113222651B

主分类号：G06F18/213

分类号：G06F18/213;G06Q30/0242;G06F18/27;G06F18/25

优先权：

专利状态码：有效-授权

法律状态：2024.05.07#授权;2021.08.24#实质审查的生效;2021.08.06#公开

摘要：本发明属于广告投放领域，公开了一种广告投放模型统计类特征离散化方法、系统、设备及介质，包括获取若干广告投放历史数据样本，获取各广告投放历史数据样本的统计类特征的CTR值；按照统计类特征的CTR值从小到大的顺序，将统计类特征分为连续的n组得到连续的n个初始离散特征；将各初始离散特征分别输入预设的权重确定模型，得到各初始离散特征的模型权重；遍历各初始离散特征，当当前初始离散特征的模型权重前一个初始离散特征的模型权重时，将当前初始离散特征与前一个初始离散特征合并，至任一初始离散特征的模型权重均前一个初始离散特征的模型权重，得到最终的离散特征。分段方式合理，统计的CTR值跟最终模型的权重一致，模型鲁棒性强。

主权项：1.一种广告投放模型统计类特征离散化方法，其特征在于，包括以下步骤：S1：获取若干广告投放历史数据样本，获取各广告投放历史数据样本中的统计类特征的CTR值；S2：按照统计类特征的CTR值从小到大的顺序，将所有广告投放历史数据样本中的统计类特征分为连续的n组，得到连续的n个初始离散特征；S3：将各初始离散特征分别输入预设的权重确定模型，得到各初始离散特征的模型权重；S4：遍历各初始离散特征，当当前初始离散特征的模型权重＜前一个初始离散特征的模型权重时，将当前初始离散特征与前一个初始离散特征合并；S5：重复S3～S4，至遍历各初始离散特征后，任一初始离散特征的模型权重均≥前一个初始离散特征的模型权重，得到最终的离散特征；所述获取各广告投放历史数据样本中的统计类特征的CTR值的具体方法为：获取各广告投放历史数据样本中统计类特征的维度特征的特征值，得到若干维度特征的特征值；遍历各维度特征的特征值，由下式得到各维度特征的特征值的CTR值：维度特征的特征值的CTR值＝MN其中，M表示统计类特征的时间周期内的所有广告投放历史数据样本中，包含当前维度特征的特征值且标记为点击的广告投放历史数据样本条数；N表示统计类特征的时间周期内的所有广告投放历史数据样本中，包含当前维度特征的特征值的广告投放历史数据样本条数；将各广告投放历史数据样本中维度特征的特征值的CTR值，作为各广告投放历史数据样本的统计类特征的CTR值；所述权重确定模型为经过历史广告投放历史数据样本训练的逻辑回归模型；所述将各初始离散特征分别输入预设的权重确定模型的具体方法为：将各初始离散特征进行one-hot编码，将编码后的各初始离散特征分别输入预设的权重确定模型；其中，所述的逻辑回归模型为：是否点击[y]＝特征向量[x]*权重向量[w]，特征向量就是初始离散特征one-hot编码后的各初始离散特征，权重向量是需要求的量，是否点击是已知的，以经过历史广告投放历史数据样本，通过不断迭代优化并修改逻辑回归模型的参数，让[x]*[w]的值越来越接近[y]，以确定最终的逻辑回归模型的参数。

全文数据：

权利要求：

百度查询： 西安点告网络科技有限公司 广告投放模型统计类特征离散化方法、系统、设备及介质

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