CN107545444B - 一种业务广告数据推荐方法以及装置 - Google Patents
一种业务广告数据推荐方法以及装置 Download PDFInfo
- Publication number
- CN107545444B CN107545444B CN201610460896.0A CN201610460896A CN107545444B CN 107545444 B CN107545444 B CN 107545444B CN 201610460896 A CN201610460896 A CN 201610460896A CN 107545444 B CN107545444 B CN 107545444B
- Authority
- CN
- China
- Prior art keywords
- service
- target
- information
- click
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开一种业务广告数据推荐方法以及装置,包括:根据广告业务特征信息以及用户业务特征信计算与目标用户关联的目标业务广告数据对应的点击率;获取目标用户所属的目标人群范围信息以及目标业务广告数据所属的目标业务源,并在点击注册率映射表中查找与目标人群范围信息以及目标业务源共同映射的点击注册率;根据点击率和所查找出的点击注册率计算与目标用户关联的目标业务广告数据对应的推荐权重值,并当目标业务广告数据为业务广告数据集中具有与目标用户关联的最大推荐权重值的业务广告数据时,将目标业务广告数据作为目标用户的推荐数据。采用本发明,可提高业务广告的推荐命中率,以提高业务广告在单位时间内的点击量和注册量。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种业务广告数据推荐方法以及装置。
背景技术
随着互联网的发展,互联网中的业务种类也越来越多,如游戏业务中就有成千上百种游戏,因此,如何向用户推荐用户所喜好的业务也显得越来越重要,如业务广告推荐。目前,主要是通过人工经验的方式进行业务广告推荐,但是由于人工经验的方式的鲁棒性较差,所以难以保证所推荐的业务广告可以命中用户所喜好的业务,即降低了业务广告的推荐命中率,进而无法提高业务广告在单位时间内的点击量和注册量。
发明内容
本发明提供一种业务广告数据推荐方法以及装置,可提高业务广告的推荐命中率,以提高业务广告在单位时间内的点击量和注册量。
本发明实施例提供了一种业务广告数据推荐方法,包括:
获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息,根据所述广告业务特征信息以及所述用户业务特征信计算与所述目标用户关联的所述目标业务广告数据对应的点击率;
获取所述目标用户所属的目标人群范围信息以及所述目标业务广告数据所属的目标业务源,并在预设的点击注册率映射表中查找与所述目标人群范围信息以及所述目标业务源共同映射的点击注册率;
根据所述点击率和所查找出的所述点击注册率计算与所述目标用户关联的所述目标业务广告数据对应的推荐权重值,并当所述目标业务广告数据为业务广告数据集中具有与所述目标用户关联的最大推荐权重值的业务广告数据时,将所述目标业务广告数据作为所述目标用户的推荐数据。
相应地,本发明实施例还提供了一种业务广告数据推荐装置,包括:
计算模块,用于获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息,根据所述广告业务特征信息以及所述用户业务特征信计算与所述目标用户关联的所述目标业务广告数据对应的点击率;
查找模块,用于获取所述目标用户所属的目标人群范围信息以及所述目标业务广告数据所属的目标业务源,并在预设的点击注册率映射表中查找与所述目标人群范围信息以及所述目标业务源共同映射的点击注册率;
推荐模块,用于根据所述点击率和所查找出的所述点击注册率计算与所述目标用户关联的所述目标业务广告数据对应的推荐权重值,并当所述目标业务广告数据为业务广告数据集中具有与所述目标用户关联的最大推荐权重值的业务广告数据时,将所述目标业务广告数据作为所述目标用户的推荐数据。
本发明实施例通过计算与目标用户关联的目标业务广告数据对应的点击率,并根据目标用户所属的目标人群范围信息查找与目标用户关联的目标业务广告数据对应的点击注册率,从而可以根据点击率和所查找出的点击注册率计算与目标用户关联的目标业务广告数据对应的推荐权重值,并当目标业务广告数据为业务广告数据集中具有与目标用户关联的最大推荐权重值的业务广告数据时,将目标业务广告数据作为目标用户的推荐数据,从而避免了单纯依靠人工经验进行推荐,即通过计算推荐权重值进行推荐可提高业务广告的推荐命中率,以提高业务广告在单位时间内的点击量和注册量。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种业务广告数据推荐方法的流程示意图;
图2是本发明实施例提供的另一种业务广告数据推荐方法的流程示意图;
图3是本发明实施例提供的一种业务广告数据推荐装置的结构示意图;
图4是本发明实施例提供的一种计算模块的结构示意图;
图5是本发明实施例提供的一种特征获取单元的结构示意图;
图6是本发明实施例提供的一种查找模块的结构示意图;
图7是本发明实施例提供的另一种业务广告数据推荐装置的结构示意图;
图8是本发明实施例提供的又一种业务广告数据推荐装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参见图1,是本发明实施例提供的一种业务广告数据推荐方法的流程示意图,所述方法可以包括:
S101,获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息,根据所述广告业务特征信息以及所述用户业务特征信计算与所述目标用户关联的所述目标业务广告数据对应的点击率;
具体的,服务器可以获取目标用户的身份基础信息和业务兴趣信息,所述身份基础信息可以包括用户年龄、用户性别、用户所在地域等信息。所述业务兴趣信息可以指用户所述目标用户所感兴趣的业务信息;以游戏业务为例,若所述目标用户喜好赛车类游戏、射击类游戏、回合制游戏,则所述目标用户的所述业务兴趣信息可以包括赛车类游戏信息、射击类游戏信息、回合制游戏信息。同时,所述服务器还获取业务广告数据集中的目标业务广告数据对应的广告业务属性信息,所述业务广告数据集中包括多个业务广告数据,所述目标业务广告数据为所述多个业务广告数据中的任意一个业务广告数据,所述广告业务属性信息可以包括广告界面信息和所述目标业务广告数据所属的业务源的业务类型,所述业务源可以指所述目标业务广告数据的上层业务,如所述业务源可以指所述目标业务广告数据所属的某款游戏,所述业务类型即是指该款游戏的游戏类型,如射击类、战争类等游戏类型;又如目标业务广告数据为某射击类游戏的广告数据,则对应的广告业务属性信息可以包括射击类游戏信息、血腥类游戏信息、战争类游戏信息等等。
进一步的,所述服务器可以根据预设的信息划分规则将所述身份基础信息和业务兴趣信息分别转换为对应的多个用户特征值,并将所有用户特征值组合为用户业务特征信息;同时还根据所述信息划分规则将所述广告业务属性信息转换为对应的多个业务特征值,并将所有业务特征值组合为广告业务特征信息。例如,所述预设的信息划分规则可以将年龄划分为5段,并用x0表示年龄段1、x1表示年龄段2、x2表示年龄段3、x3表示年龄段4、x4表示年龄段5,若所述目标用户的所述身份基础信息中的用户年龄属于年龄段4,则可以将所述目标用户的用户年龄对应的用户特征值设置为:x0=0、x1=0、x2=0、x3=1、x4=0;进一步的,还可以继续根据所述信息划分规则将性别划分为3段,并用x5表示男、x6表示女、x7表示未知,若所述目标用户为男,则可以将所述目标用户的用户性别对应的用户特征值设置为:x5=1、x6=0、x7=0;所述信息划分规则还可以将地域按照省份划分为31种,并分别用x8至x38来表示不同地域,因此,可以根据所述目标用户的用户所在地域设置x8至x38的用户特征值;所述信息划分规则还可以将业务兴趣划分为51种兴趣类型,并分别用x39至x89来表示不同的业务兴趣,因此,可以根据所述目标用户的业务兴趣信息设置x39至x89的用户特征值;所述信息划分规则还可以将所述广告业务属性信息中的广告界面信息和业务类型划分为m种,并分别用x90至xn(n=90+m-1)来表示不同的广告界面信息和业务类型,因此,可以根据所述目标业务广告数据对应的广告业务属性信息设置x90至xn的业务特征值;其中,x0至x89可以组合为用户业务特征信息,x90至xn可以组合为广告业务特征信息。
进一步的,所述服务器将所述广告业务特征信息以及所述用户业务特征信息输入至预设的点击率计算模型,并根据所述点击率计算模型中的逻辑回归函数对所述广告业务特征信息以及所述用户业务特征信息进行计算,以得到与所述目标用户关联的所述目标业务广告数据对应的点击值;根据所述点击率计算模型中的转换函数将所得到的点击值转换为与所述目标用户关联的所述目标业务广告数据对应的点击率。其中,所述逻辑回归函数为:f(θ,X)=θ0*x0+θ1*x1+θ2*x2+…+θn*xn,其中,θ0、θ1、…、θn为预先训练好的模型参数;其中,所述转换函数为:h(x)=ef(θ,X)/(1+ef(θ,X)),由此可见,将所述目标用户对应的所述用户业务特征信息以及所述目标业务广告数据对应的所述广告业务特征信息(即已确定数值的x0至xn)输入至逻辑回归函数f(θ,X),即可计算对应的点击值f(θ,X),再将点击值f(θ,X)代入到转换函数中,即可将点击值转换为点击率。
S102,获取所述目标用户所属的目标人群范围信息以及所述目标业务广告数据所属的目标业务源,并在预设的点击注册率映射表中查找与所述目标人群范围信息以及所述目标业务源共同映射的点击注册率;
具体的,所述服务器可以根据所述目标用户的身份基础信息,在预设的多个人群范围信息中查找所述目标用户所属的目标人群范围信息;所述预设的多个人群范围信息是根据年龄性别进行划分的,因此,根据所述目标用户的身份基础信息中的用户年龄和用户性别即可查找出所述目标用户所属的目标人群范围信息。所述服务器还在预设的多个业务源中查找所述目标业务广告数据所属的目标业务源,所述业务源即指所述目标业务广告数据的上层业务,如所述业务源可以指所述目标业务广告数据所属的某款游戏,因此,预设的多个业务源可以指预设的多款游戏,且所述预设的多个业务源中包括所述目标业务广告数据所属的目标业务源。所述服务器进一步获取预设的点击注册率映射表;所述点击注册率映射表包括所述多个人群范围信息和所述多个业务源与多个点击注册率之间的多个映射关系,一个映射关系包括一个人群范围信息、一个业务源以及被共同映射的一个点击注册率,即一个人群范围信息和一个业务源共同映射一个点击注册率;其中,所述点击注册率映射表中的多个映射关系是通过大量的历史数据统计出来的,且所述点击注册率是指用户对业务广告数据进行点击后的注册概率。所述服务器可以在所述点击注册率映射表中的多个映射关系中查找包含所述目标人群范围信息和所述目标业务源的目标映射关系,以查找出所述目标映射关系中被共同映射的点击注册率,并将查找出的点击注册率作为与所述目标用户关联的所述目标业务广告数据对应的点击注册率。
S103,根据所述点击率和所查找出的所述点击注册率计算与所述目标用户关联的所述目标业务广告数据对应的推荐权重值,并当所述目标业务广告数据为业务广告数据集中具有与所述目标用户关联的最大推荐权重值的业务广告数据时,将所述目标业务广告数据作为所述目标用户的推荐数据;
具体的,所述服务器将与所述目标用户关联的所述目标业务广告数据对应的点击率和点击注册率相乘,以得到与所述目标用户关联的所述目标业务广告数据对应的推荐权重值(即所述推荐权重值=点击率*点击注册率)。所述服务器基于同样的方法,分别计算所述业务广告数据集中其余的业务广告数据对应的与所述目标用户关联的推荐权重值,此时,所述服务器可以在所述业务广告数据集中的各个业务广告数据分别对应的与所述目标用户关联的推荐权重值中,查找出最大的推荐权重值,以作为所述目标用户的推荐数据。即当所述目标业务广告数据为业务广告数据集中具有与所述目标用户关联的最大推荐权重值的业务广告数据时,说明所查找出最大的推荐权重值为与所述目标用户关联的所述目标业务广告数据对应的推荐权重值,因此,可以将所述目标业务广告数据作为所述目标用户的推荐数据。
本发明实施例通过计算与目标用户关联的目标业务广告数据对应的点击率,并根据目标用户所属的目标人群范围信息查找与目标用户关联的目标业务广告数据对应的点击注册率,从而可以根据点击率和所查找出的点击注册率计算与目标用户关联的目标业务广告数据对应的推荐权重值,并当目标业务广告数据为业务广告数据集中具有与目标用户关联的最大推荐权重值的业务广告数据时,将目标业务广告数据作为目标用户的推荐数据,从而避免了单纯依靠人工经验进行推荐,即通过计算推荐权重值进行推荐可提高业务广告的推荐命中率,以提高业务广告在单位时间内的点击量和注册量。
请参见图2,是本发明实施例提供的另一种业务广告数据推荐方法的流程示意图,所述方法可以包括:
S201,获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息;
具体的,服务器可以获取目标用户的身份基础信息和业务兴趣信息,所述身份基础信息可以包括用户年龄、用户性别、用户所在地域等信息。所述业务兴趣信息可以指用户所述目标用户所感兴趣的业务信息;以游戏业务为例,若所述目标用户喜好赛车类游戏、射击类游戏、回合制游戏,则所述目标用户的所述业务兴趣信息可以包括赛车类游戏信息、射击类游戏信息、回合制游戏信息。同时,所述服务器还获取业务广告数据集中的目标业务广告数据对应的广告业务属性信息,所述业务广告数据集中包括多个业务广告数据,所述目标业务广告数据为所述多个业务广告数据中的任意一个业务广告数据,所述广告业务属性信息可以包括广告界面信息和所述目标业务广告数据所属的业务源的业务类型,所述业务源可以指所述目标业务广告数据的上层业务,如所述业务源可以指所述目标业务广告数据所属的某款游戏,所述业务类型即是指该款游戏的游戏类型,如射击类、战争类等游戏类型;又如目标业务广告数据为某射击类游戏的广告数据,则对应的广告业务属性信息可以包括射击类游戏信息、血腥类游戏信息、战争类游戏信息等等。
进一步的,所述服务器可以根据预设的信息划分规则将所述身份基础信息和业务兴趣信息分别转换为对应的多个用户特征值,并将所有用户特征值组合为用户业务特征信息;同时还根据所述信息划分规则将所述广告业务属性信息转换为对应的多个业务特征值,并将所有业务特征值组合为广告业务特征信息。例如,所述预设的信息划分规则可以将年龄划分为5段,并用x0表示年龄段1、x1表示年龄段2、x2表示年龄段3、x3表示年龄段4、x4表示年龄段5,若所述目标用户的所述身份基础信息中的用户年龄属于年龄段4,则可以将所述目标用户的用户年龄对应的用户特征值设置为:x0=0、x1=0、x2=0、x3=1、x4=0;进一步的,还可以继续根据所述信息划分规则将性别划分为3段,并用x5表示男、x6表示女、x7表示未知,若所述目标用户为男,则可以将所述目标用户的用户性别对应的用户特征值设置为:x5=1、x6=0、x7=0;所述信息划分规则还可以将地域按照省份划分为31种,并分别用x8至x38来表示不同地域,因此,可以根据所述目标用户的用户所在地域设置x8至x38的用户特征值;所述信息划分规则还可以将业务兴趣划分为51种兴趣类型,并分别用x39至x89来表示不同的业务兴趣,因此,可以根据所述目标用户的业务兴趣信息设置x39至x89的用户特征值;所述信息划分规则还可以将所述广告业务属性信息中的广告界面信息和业务类型划分为m种,并分别用x90至xn(n=90+m-1)来表示不同的广告界面信息和业务类型,因此,可以根据所述目标业务广告数据对应的广告业务属性信息设置x90至xn的业务特征值;其中,x0至x89可以组合为用户业务特征信息,x90至xn可以组合为广告业务特征信息。
S202,将所述广告业务特征信息以及所述用户业务特征信息输入至预设的点击率计算模型,并根据所述点击率计算模型中的逻辑回归函数对所述广告业务特征信息以及所述用户业务特征信息进行计算,以得到与所述目标用户关联的所述目标业务广告数据对应的点击值;
S203,根据所述点击率计算模型中的转换函数将所得到的点击值转换为与所述目标用户关联的所述目标业务广告数据对应的点击率;
具体的,所述服务器将所述广告业务特征信息以及所述用户业务特征信息输入至预设的点击率计算模型,并根据所述点击率计算模型中的逻辑回归函数对所述广告业务特征信息以及所述用户业务特征信息进行计算,以得到与所述目标用户关联的所述目标业务广告数据对应的点击值;根据所述点击率计算模型中的转换函数将所得到的点击值转换为与所述目标用户关联的所述目标业务广告数据对应的点击率。其中,所述逻辑回归函数为:f(θ,X)=θ0*x0+θ1*x1+θ2*x2+…+θn*xn,其中,θ0、θ1、…、θn为预先训练好的模型参数;其中,所述转换函数为:h(x)=ef(θ,X)/(1+ef(θ,X)),由此可见,将所述目标用户对应的所述用户业务特征信息以及所述目标业务广告数据对应的所述广告业务特征信息(即已确定数值的x0至xn)输入至逻辑回归函数f(θ,X),即可计算对应的点击值f(θ,X),再将点击值f(θ,X)代入到转换函数中,即可将点击值转换为点击率。
优选地,在S201之前,所述服务器需要先创建初始点击率计算模型,并初始化所述初始点击率计算模型中的逻辑回归函数和转换函数,即所述逻辑回归函数中的θ0、θ1、…、θn为初始化的模型参数。所述服务器进一步获取第二预设时间段内的多个第二历史业务行为数据;每个第二历史业务行为数据均关联有对应的业务操作状态、历史用户信息以及历史业务广告数据;所述业务操作状态为业务点击状态或业务未点击状态;例如,某个第二历史业务行为数据可以指某个用户对某款游戏的某个游戏广告进行点击的行为,则该第二历史业务行为数据所关联的业务操作状态为业务点击状态,历史用户信息为该用户的信息,历史业务广告数据即为该款游戏的该游戏广告。所述服务器进一步根据每个第二历史业务行为数据所关联的所述业务操作状态、所述历史用户信息的历史用户业务特征信息以及所述历史业务广告数据的历史广告业务特征信息,并基于极大似然估计函数和梯度下降法,对初始化的逻辑回归函数中的模型参数进行训练,以得到可用于计算点击率的点击率计算模型;
具体的,所述服务器根据所述信息划分规则对所述历史用户信息(具体包括历史身份基础信息和历史业务兴趣信息)和所述历史业务广告数据的历史广告业务属性信息进行划分,其划分过程具体可以参见S201中对所述身份基础信息、所述业务兴趣信息以及所述广告业务属性信息的划分过程,其中,划分后可以得到历史身份基础信息、历史业务兴趣信息以及所述历史广告业务属性信息分别对应的特征,如S201步骤中的x0至xn。可选的,还可以在划分后所得到的多个特征中进行特征高阶组合,以历史用户年龄对应的特征和历史用户性别对应的特征为例,若历史用户年龄对应的特征为x0至x4(x0表示年龄段1、x1表示年龄段2、x2表示年龄段3、x3表示年龄段4、x4表示年龄段5),历史用户性别对应的特征为x5至x7(x5表示男、x6表示女、x7表示未知),则对历史用户年龄对应的特征和历史用户性别对应的特征进行高阶组合(具体为二阶组合)后,可以得到新的特征x0至x14,一个新的特征代表一种年龄段和一种性别的组合,如新的特征x0代表年龄段为1且为男性,同时还对原特征x8至xn进行平移,即原特征x8至xn将用新的特征x15至xn+7来表示,当然还可以根据预设需求继续进行三阶组合(三阶组合即指对两个二阶组合后的用户特征值再进行二阶组合)或更高阶的组合。确定好特征的个数以及各特征所代表的含义后(特征的个数确定了,模型参数的个数也就确定了,即特征x0至xn的数量与模型参数θ0至θn的数量相同),即可分别将多个第二历史业务行为数据分别对应的特征值添加至所确定的各个特征中,以得到多个第二历史业务行为数据分别对应的x0至xn的值,将x0至xn的值带入到极大似然估计函数和梯度下降法函数中,即可训练出逻辑回归函数中的模型参数θ0、θ1、…、θn。其中,极大似然估计函数为:其中yi是指第i个第二历史业务行为数据的业务操作状态(yi=1代表业务点击状态,yi=0代表业务未点击状态),Xi是指第i个第二历史业务行为数据所对应的特征x0至xn的值;其中,梯度下降法函数为
其中,yi也是指第i个第二历史业务行为数据的业务操作状态,Xi也是指第i个第二历史业务行为数据所对应的特征x0至xn的值。
S204,根据所述目标用户的身份基础信息,在预设的多个人群范围信息中查找所述目标用户所属的目标人群范围信息;
具体的,所述服务器可以根据所述目标用户的身份基础信息,在预设的多个人群范围信息中查找所述目标用户所属的目标人群范围信息;所述预设的多个人群范围信息是根据年龄性别进行划分的,因此,根据所述目标用户的身份基础信息中的用户年龄和用户性别即可查找出所述目标用户所属的目标人群范围信息。
S205,在预设的多个业务源中查找所述目标业务广告数据所属的目标业务源;
具体的,所述服务器还在预设的多个业务源中查找所述目标业务广告数据所属的目标业务源,所述业务源即指所述目标业务广告数据的上层业务,如所述业务源可以指所述目标业务广告数据所属的某款游戏,因此,预设的多个业务源可以指预设的多款游戏,且所述预设的多个业务源中包括所述目标业务广告数据所属的目标业务源。
S206,获取预设的点击注册率映射表;所述点击注册率映射表包括所述多个人群范围信息和所述多个业务源与多个点击注册率之间的多个映射关系,一个映射关系包括一个人群范围信息、一个业务源以及被共同映射的一个点击注册率;
S207,在所述点击注册率映射表中的多个映射关系中查找包含所述目标人群范围信息和所述目标业务源的目标映射关系,以查找出所述目标映射关系中被共同映射的点击注册率;
具体的,所述服务器进一步获取预设的点击注册率映射表;所述点击注册率映射表包括所述多个人群范围信息和所述多个业务源与多个点击注册率之间的多个映射关系,一个映射关系包括一个人群范围信息、一个业务源以及被共同映射的一个点击注册率,即一个人群范围信息和一个业务源共同映射一个点击注册率;其中,所述点击注册率映射表中的多个映射关系是通过大量的历史数据统计出来的,且所述点击注册率是指用户对业务广告数据进行点击后的注册概率。所述服务器可以在所述点击注册率映射表中的多个映射关系中查找包含所述目标人群范围信息和所述目标业务源的目标映射关系,以查找出所述目标映射关系中被共同映射的点击注册率,并将查找出的点击注册率作为与所述目标用户关联的所述目标业务广告数据对应的点击注册率。
优选的,在S201的步骤之前,所述服务器还可以获取第一预设时间段内的多个第一历史业务行为数据;所述第一历史业务行为数据为业务未点击行为数据或业务点击后未注册行为数据或业务点击后注册行为数据,且每个第一历史业务行为数据均关联有对应的历史用户信息和对应的业务源;根据所述多个第一历史业务行为数据分别对应的历史用户信息和所述预设的多个人群范围信息,将所述每个第一历史业务行为数据关联到对应的人群范围信息;根据每个人群范围信息所关联的至少一个第一历史业务行为数据中的所述业务点击后注册行为数据的数量,统计所述每个人群范围信息所关联的每个业务源分别对应的点击注册率;根据所述每个人群范围信息、所述每个业务源与所述点击注册率之间的对应关系,创建点击注册率映射表。例如,若某人群范围信息关联到100个第一历史业务行为数据,且这100个第一历史业务行为数据中有40个第一历史业务行为数据为对业务源A的广告进行点击和注册、有10个第一历史业务行为数据为对业务源B的广告进行点击和注册、有4个第一历史业务行为数据为对业务源C的广告进行点击和注册、有0个第一历史业务行为数据为对业务源D的广告进行点击和注册,则可以确定该人群范围信息所关联的业务源A对应的点击注册率为40%,该人群范围信息所关联的业务源B对应的点击注册率为10%,该人群范围信息所关联的业务源C对应的点击注册率为4%,该人群范围信息所关联的业务源D对应的点击注册率为0%。
S208,根据所述点击率和所查找出的所述点击注册率计算与所述目标用户关联的所述目标业务广告数据对应的推荐权重值,并当所述目标业务广告数据为业务广告数据集中具有与所述目标用户关联的最大推荐权重值的业务广告数据时,将所述目标业务广告数据作为所述目标用户的推荐数据;
具体的,所述服务器将与所述目标用户关联的所述目标业务广告数据对应的点击率和点击注册率相乘,以得到与所述目标用户关联的所述目标业务广告数据对应的推荐权重值(即所述推荐权重值=点击率*点击注册率)。所述服务器基于同样的方法,分别计算所述业务广告数据集中其余的业务广告数据对应的与所述目标用户关联的推荐权重值,此时,所述服务器可以在所述业务广告数据集中的各个业务广告数据分别对应的与所述目标用户关联的推荐权重值中,查找出最大的推荐权重值,以作为所述目标用户的推荐数据。即当所述目标业务广告数据为业务广告数据集中具有与所述目标用户关联的最大推荐权重值的业务广告数据时,说明所查找出最大的推荐权重值为与所述目标用户关联的所述目标业务广告数据对应的推荐权重值,因此,可以将所述目标业务广告数据作为所述目标用户的推荐数据。
本发明实施例通过计算与目标用户关联的目标业务广告数据对应的点击率,并根据目标用户所属的目标人群范围信息查找与目标用户关联的目标业务广告数据对应的点击注册率,从而可以根据点击率和所查找出的点击注册率计算与目标用户关联的目标业务广告数据对应的推荐权重值,并当目标业务广告数据为业务广告数据集中具有与目标用户关联的最大推荐权重值的业务广告数据时,将目标业务广告数据作为目标用户的推荐数据,从而避免了单纯依靠人工经验进行推荐,即通过计算推荐权重值进行推荐可提高业务广告的推荐命中率,以提高业务广告在单位时间内的点击量和注册量。
请参见图3,是本发明实施例提供的一种业务广告数据推荐装置的结构示意图。所述业务广告数据推荐装置1可以应用于服务器中,所述业务广告数据推荐装置1可以包括:计算模块10、查找模块20、推荐模块30;
所述计算模块10,用于获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息,根据所述广告业务特征信息以及所述用户业务特征信计算与所述目标用户关联的所述目标业务广告数据对应的点击率;
具体的,请一并参见图4,是本发明实施例提供的一种计算模块10的结构示意图,所述计算模块10包括:特征获取单元101、点击率计算单元102;
所述特征获取单元101,用于获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息;
具体的,所述特征获取单元101可以获取目标用户的身份基础信息和业务兴趣信息,所述身份基础信息可以包括用户年龄、用户性别、用户所在地域等信息。所述业务兴趣信息可以指用户所述目标用户所感兴趣的业务信息;以游戏业务为例,若所述目标用户喜好赛车类游戏、射击类游戏、回合制游戏,则所述目标用户的所述业务兴趣信息可以包括赛车类游戏信息、射击类游戏信息、回合制游戏信息。同时,所述特征获取单元101还获取业务广告数据集中的目标业务广告数据对应的广告业务属性信息,所述业务广告数据集中包括多个业务广告数据,所述目标业务广告数据为所述多个业务广告数据中的任意一个业务广告数据,所述广告业务属性信息可以包括广告界面信息和所述目标业务广告数据所属的业务源的业务类型,所述业务源可以指所述目标业务广告数据的上层业务,如所述业务源可以指所述目标业务广告数据所属的某款游戏,所述业务类型即是指该款游戏的游戏类型,如射击类、战争类等游戏类型;又如目标业务广告数据为某射击类游戏的广告数据,则对应的广告业务属性信息可以包括射击类游戏信息、血腥类游戏信息、战争类游戏信息等等。所述特征获取单元101可以根据预设的信息划分规则将所述身份基础信息和业务兴趣信息分别转换为对应的多个用户特征值,并将所有用户特征值组合为用户业务特征信息;同时还根据所述信息划分规则将所述广告业务属性信息转换为对应的多个业务特征值,并将所有业务特征值组合为广告业务特征信息。例如,所述预设的信息划分规则可以将年龄划分为5段,并用x0表示年龄段1、x1表示年龄段2、x2表示年龄段3、x3表示年龄段4、x4表示年龄段5,若所述目标用户的所述身份基础信息中的用户年龄属于年龄段4,则可以将所述目标用户的用户年龄对应的用户特征值设置为:x0=0、x1=0、x2=0、x3=1、x4=0;进一步的,还可以继续根据所述信息划分规则将性别划分为3段,并用x5表示男、x6表示女、x7表示未知,若所述目标用户为男,则可以将所述目标用户的用户性别对应的用户特征值设置为:x5=1、x6=0、x7=0;所述信息划分规则还可以将地域按照省份划分为31种,并分别用x8至x38来表示不同地域,因此,可以根据所述目标用户的用户所在地域设置x8至x38的用户特征值;所述信息划分规则还可以将业务兴趣划分为51种兴趣类型,并分别用x39至x89来表示不同的业务兴趣,因此,可以根据所述目标用户的业务兴趣信息设置x39至x89的用户特征值;所述信息划分规则还可以将所述广告业务属性信息中的广告界面信息和业务类型划分为m种,并分别用x90至xn(n=90+m-1)来表示不同的广告界面信息和业务类型,因此,可以根据所述目标业务广告数据对应的广告业务属性信息设置x90至xn的业务特征值;其中,x0至x89可以组合为用户业务特征信息,x90至xn可以组合为广告业务特征信息。
进一步的,请一并参见图5,是本发明实施例提供的一种特征获取单元101的结构示意图,所述特征获取单元101包括:第一获取子单元1011、第二获取子单元1012;
所述第一获取子单元1011,用于获取目标用户的身份基础信息和业务兴趣信息,并根据预设的信息划分规则将所述身份基础信息和业务兴趣信息分别转换为对应的多个用户特征值,并将所有用户特征值组合为用户业务特征信息;
所述第二获取子单元1012,用于获取业务广告数据集中的目标业务广告数据对应的广告业务属性信息,并根据所述信息划分规则将所述广告业务属性信息转换为对应的多个业务特征值,并将所有业务特征值组合为广告业务特征信息;
其中,所述第一获取子单元1011和所述第二获取子单元1012的实现方式可以参见上述对所述特征获取单元101的具体描述,这里不再进行赘述。
所述点击率计算单元102,用于将所述广告业务特征信息以及所述用户业务特征信息输入至预设的点击率计算模型,并根据所述点击率计算模型中的逻辑回归函数对所述广告业务特征信息以及所述用户业务特征信息进行计算,以得到与所述目标用户关联的所述目标业务广告数据对应的点击值;
所述点击率计算单元102,还用于根据所述点击率计算模型中的转换函数将所得到的点击值转换为与所述目标用户关联的所述目标业务广告数据对应的点击率;
具体的,所述点击率计算单元102将所述广告业务特征信息以及所述用户业务特征信息输入至预设的点击率计算模型,并根据所述点击率计算模型中的逻辑回归函数对所述广告业务特征信息以及所述用户业务特征信息进行计算,以得到与所述目标用户关联的所述目标业务广告数据对应的点击值,并根据所述点击率计算模型中的转换函数将所得到的点击值转换为与所述目标用户关联的所述目标业务广告数据对应的点击率。其中,所述逻辑回归函数为:f(θ,X)=θ0*x0+θ1*x1+θ2*x2+…+θn*xn,其中,θ0、θ1、…、θn为预先训练好的模型参数;其中,所述转换函数为:h(x)=ef(θ,X)/(1+ef(θ,X)),由此可见,将所述目标用户对应的所述用户业务特征信息以及所述目标业务广告数据对应的所述广告业务特征信息(即已确定数值的x0至xn)输入至逻辑回归函数f(θ,X),即可计算对应的点击值f(θ,X),再将点击值f(θ,X)代入到转换函数中,即可将点击值转换为点击率。
所述查找模块20,用于获取所述目标用户所属的目标人群范围信息以及所述目标业务广告数据所属的目标业务源,并在预设的点击注册率映射表中查找与所述目标人群范围信息以及所述目标业务源共同映射的点击注册率;
具体的,请一并参见图6,是本发明实施例提供的一种查找模块20的结构示意图,所述查找模块20包括:范围查找单元201、类型查找单元202、映射表获取单元203、注册率查找单元204;
所述范围查找单元201,用于根据所述目标用户的身份基础信息,在预设的多个人群范围信息中查找所述目标用户所属的目标人群范围信息;
具体的,所述范围查找单元201可以根据所述目标用户的身份基础信息,在预设的多个人群范围信息中查找所述目标用户所属的目标人群范围信息;所述预设的多个人群范围信息是根据年龄性别进行划分的,因此,根据所述目标用户的身份基础信息中的用户年龄和用户性别即可查找出所述目标用户所属的目标人群范围信息。
所述类型查找单元202,用于在预设的多个业务源中查找所述目标业务广告数据所属的目标业务源;
具体的,所述类型查找单元202可以在预设的多个业务源中查找所述目标业务广告数据所属的目标业务源,所述业务源即指所述目标业务广告数据的上层业务,如所述业务源可以指所述目标业务广告数据所属的某款游戏,因此,预设的多个业务源可以指预设的多款游戏,且所述预设的多个业务源中包括所述目标业务广告数据所属的目标业务源。
所述映射表获取单元203,用于获取预设的点击注册率映射表;所述点击注册率映射表包括所述多个人群范围信息和所述多个业务源与多个点击注册率之间的多个映射关系,一个映射关系包括一个人群范围信息、一个业务源以及被共同映射的一个点击注册率;
所述注册率查找单元204,用于在所述点击注册率映射表中的多个映射关系中查找包含所述目标人群范围信息和所述目标业务源的目标映射关系,以查找出所述目标映射关系中被共同映射的点击注册率;
具体的,所述映射表获取单元203进一步获取预设的点击注册率映射表;所述点击注册率映射表包括所述多个人群范围信息和所述多个业务源与多个点击注册率之间的多个映射关系,一个映射关系包括一个人群范围信息、一个业务源以及被共同映射的一个点击注册率,即一个人群范围信息和一个业务源共同映射一个点击注册率;其中,所述点击注册率映射表中的多个映射关系是通过大量的历史数据统计出来的,且所述点击注册率是指用户对业务广告数据进行点击后的注册概率。所述注册率查找单元204可以在所述点击注册率映射表中的多个映射关系中查找包含所述目标人群范围信息和所述目标业务源的目标映射关系,以查找出所述目标映射关系中被共同映射的点击注册率,并将查找出的点击注册率作为与所述目标用户关联的所述目标业务广告数据对应的点击注册率。
所述推荐模块30,用于根据所述点击率和所查找出的所述点击注册率计算与所述目标用户关联的所述目标业务广告数据对应的推荐权重值,并当所述目标业务广告数据为业务广告数据集中具有与所述目标用户关联的最大推荐权重值的业务广告数据时,将所述目标业务广告数据作为所述目标用户的推荐数据;
具体的,所述推荐模块30将与所述目标用户关联的所述目标业务广告数据对应的点击率和点击注册率相乘,以得到与所述目标用户关联的所述目标业务广告数据对应的推荐权重值(即所述推荐权重值=点击率*点击注册率)。基于同样的方法分别计算所述业务广告数据集中其余的业务广告数据对应的与所述目标用户关联的推荐权重值,此时,所述推荐模块30可以在所述业务广告数据集中的各个业务广告数据分别对应的与所述目标用户关联的推荐权重值中,查找出最大的推荐权重值,以作为所述目标用户的推荐数据。即当所述目标业务广告数据为业务广告数据集中具有与所述目标用户关联的最大推荐权重值的业务广告数据时,说明所查找出最大的推荐权重值为与所述目标用户关联的所述目标业务广告数据对应的推荐权重值,因此,可以将所述目标业务广告数据作为所述目标用户的推荐数据。
本发明实施例通过计算与目标用户关联的目标业务广告数据对应的点击率,并根据目标用户所属的目标人群范围信息查找与目标用户关联的目标业务广告数据对应的点击注册率,从而可以根据点击率和所查找出的点击注册率计算与目标用户关联的目标业务广告数据对应的推荐权重值,并当目标业务广告数据为业务广告数据集中具有与目标用户关联的最大推荐权重值的业务广告数据时,将目标业务广告数据作为目标用户的推荐数据,从而避免了单纯依靠人工经验进行推荐,即通过计算推荐权重值进行推荐可提高业务广告的推荐命中率,以提高业务广告在单位时间内的点击量和注册量。
再请参见图7,是本发明实施例提供的另一种业务广告数据推荐装置的结构示意图。所述业务广告数据推荐装置1可以应用于服务器中,所述业务广告数据推荐装置1可以包括上述图3对应实施例中的计算模块10、查找模块20、推荐模块30,进一步的,所述业务广告数据推荐装置1还可以包括:第一历史数据获取模块40、范围关联模块50、统计模块60、映射表创建模块70、模型创建模块80、第二历史数据获取模块90、模型训练模块100;
所述第一历史数据获取模块40,用于获取第一预设时间段内的多个第一历史业务行为数据;所述第一历史业务行为数据为业务未点击行为数据或业务点击后未注册行为数据或业务点击后注册行为数据,且每个第一历史业务行为数据均关联有对应的历史用户信息和对应的业务源;
所述范围关联模块50,用于根据所述多个第一历史业务行为数据分别对应的历史用户信息和所述预设的多个人群范围信息,将所述每个第一历史业务行为数据关联到对应的人群范围信息;
所述统计模块60,用于根据每个人群范围信息所关联的至少一个第一历史业务行为数据中的所述业务点击后注册行为数据的数量,统计所述每个人群范围信息所关联的每个业务源分别对应的点击注册率;例如,若某人群范围信息关联到100个第一历史业务行为数据,且这100个第一历史业务行为数据中有40个第一历史业务行为数据为对业务源A的广告进行点击和注册、有10个第一历史业务行为数据为对业务源B的广告进行点击和注册、有4个第一历史业务行为数据为对业务源C的广告进行点击和注册、有0个第一历史业务行为数据为对业务源D的广告进行点击和注册,则可以确定该人群范围信息所关联的业务源A对应的点击注册率为40%,该人群范围信息所关联的业务源B对应的点击注册率为10%,该人群范围信息所关联的业务源C对应的点击注册率为4%,该人群范围信息所关联的业务源D对应的点击注册率为0%。
所述映射表创建模块70,用于根据所述每个人群范围信息、所述每个业务源与所述点击注册率之间的对应关系,创建点击注册率映射表;
其中,所述第一历史数据获取模块40、所述范围关联模块50、所述统计模块60以及所述映射表创建模块70是用于预设点击注册率映射表。
所述模型创建模块80,用于创建初始点击率计算模型,并初始化所述初始点击率计算模型中的逻辑回归函数和转换函数;
所述第二历史数据获取模块90,用于获取第二预设时间段内的多个第二历史业务行为数据;每个第二历史业务行为数据均关联有对应的业务操作状态、历史用户信息以及历史业务广告数据;所述业务操作状态为业务点击状态或业务未点击状态;
所述模型训练模块100,用于根据每个第二历史业务行为数据所关联的所述业务操作状态、所述历史用户信息的历史用户业务特征信息以及所述历史业务广告数据的历史广告业务特征信息,并基于极大似然估计函数和梯度下降法,对初始化的逻辑回归函数中的模型参数进行训练,以得到可用于计算点击率的点击率计算模型;
具体的,所述模型创建模块80、所述第二历史数据获取模块90以及所述模型训练模块100是用于创建和训练所述点击率计算模型。所述模型创建模块80需要先创建初始点击率计算模型,并初始化所述初始点击率计算模型中的逻辑回归函数和转换函数,即所述逻辑回归函数中的θ0、θ1、…、θn为初始化的模型参数。所述第二历史数据获取模块90可以获取第二预设时间段内的多个第二历史业务行为数据;每个第二历史业务行为数据均关联有对应的业务操作状态、历史用户信息以及历史业务广告数据;所述业务操作状态为业务点击状态或业务未点击状态;例如,某个第二历史业务行为数据可以指某个用户对某款游戏的某个游戏广告进行点击的行为,则该第二历史业务行为数据所关联的业务操作状态为业务点击状态,历史用户信息为该用户的信息,历史业务广告数据即为该款游戏的该游戏广告。所述模型训练模块100可以根据每个第二历史业务行为数据所关联的所述业务操作状态、所述历史用户信息的历史用户业务特征信息以及所述历史业务广告数据的历史广告业务特征信息,并基于极大似然估计函数和梯度下降法,对初始化的逻辑回归函数中的模型参数进行训练,以得到可用于计算点击率的点击率计算模型;
具体的,所述模型训练模块100根据所述信息划分规则对所述历史用户信息(具体包括历史身份基础信息和历史业务兴趣信息)和所述历史业务广告数据的历史广告业务属性信息进行划分,其划分过程具体可以参见上述图4对应实施例中的所述特征获取单元101对所述身份基础信息、所述业务兴趣信息以及所述广告业务属性信息进行划分的过程,其中,划分后可以得到历史身份基础信息、历史业务兴趣信息以及所述历史广告业务属性信息分别对应的特征,如上述图4对应实施例中的所述特征获取单元101中所描述到的x0至xn。可选的,所述模型训练模块100还可以在划分后所得到的多个特征中进行特征高阶组合,以历史用户年龄对应的特征和历史用户性别对应的特征为例,若历史用户年龄对应的特征为x0至x4(x0表示年龄段1、x1表示年龄段2、x2表示年龄段3、x3表示年龄段4、x4表示年龄段5),历史用户性别对应的特征为x5至x7(x5表示男、x6表示女、x7表示未知),则对历史用户年龄对应的特征和历史用户性别对应的特征进行高阶组合(具体为二阶组合)后,可以得到新的特征x0至x14,一个新的特征代表一种年龄段和一种性别的组合,如新的特征x0代表年龄段为1且为男性,同时还对原特征x8至xn进行平移,即原特征x8至xn将用新的特征x15至xn+7来表示,当然还可以根据预设需求继续进行三阶组合(三阶组合即指对两个二阶组合后的用户特征值再进行二阶组合)或更高阶的组合。确定好特征的个数以及各特征所代表的含义后(特征的个数确定了,模型参数的个数也就确定了,即特征x0至xn的数量与模型参数θ0至θn的数量相同),所述模型训练模块100即可分别将多个第二历史业务行为数据分别对应的特征值添加至所确定的各个特征中,以得到多个第二历史业务行为数据分别对应的x0至xn的值,将x0至xn的值带入到极大似然估计函数和梯度下降法函数中,即可训练出逻辑回归函数中的模型参数θ0、θ1、…、θn。其中,极大似然估计函数为:其中yi是指第i个第二历史业务行为数据的业务操作状态(yi=1代表业务点击状态,yi=0代表业务未点击状态),Xi是指第i个第二历史业务行为数据所对应的特征x0至xn的值;其中,梯度下降法函数为
其中,yi也是指第i个第二历史业务行为数据的业务操作状态,Xi也是指第i个第二历史业务行为数据所对应的特征x0至xn的值。
本发明实施例通过预设点击率计算模型和点击注册率映射表,可以在后续过程中通过点击率计算模型计算与目标用户关联的目标业务广告数据对应的点击率,并根据点击注册率映射表查找与目标用户关联的目标业务广告数据对应的点击注册率,从而可以根据点击率和所查找出的点击注册率计算与目标用户关联的目标业务广告数据对应的推荐权重值,并当目标业务广告数据为业务广告数据集中具有与目标用户关联的最大推荐权重值的业务广告数据时,将目标业务广告数据作为目标用户的推荐数据,从而避免了单纯依靠人工经验进行推荐,即通过计算推荐权重值进行推荐可提高业务广告的推荐命中率,以提高业务广告在单位时间内的点击量和注册量。
请参见图8,是本发明实施例提供的又一种业务广告数据推荐装置的结构示意图。如图8所示,所述业务广告数据推荐装置1000可以应用于服务器中,所述业务广告数据推荐装置1000可以包括:至少一个处理器1001,例如CPU,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。其中,用户接口1003可以包括显示屏(Display)、键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图8所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在图8所示的业务广告数据推荐装置1000中,网络接口1004主要用于连接客户端;而用户接口1003主要用于为用户提供输入的接口,获取用户输出的数据;而处理器1001可以用于调用存储器1005中存储的设备控制应用程序,以实现
获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息,根据所述广告业务特征信息以及所述用户业务特征信计算与所述目标用户关联的所述目标业务广告数据对应的点击率;
获取所述目标用户所属的目标人群范围信息以及所述目标业务广告数据所属的目标业务源,并在预设的点击注册率映射表中查找与所述目标人群范围信息以及所述目标业务源共同映射的点击注册率;
根据所述点击率和所查找出的所述点击注册率计算与所述目标用户关联的所述目标业务广告数据对应的推荐权重值,并当所述目标业务广告数据为业务广告数据集中具有与所述目标用户关联的最大推荐权重值的业务广告数据时,将所述目标业务广告数据作为所述目标用户的推荐数据。
在一个实施例中,所述处理器1001在执行获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息,根据所述广告业务特征信息以及所述用户业务特征信计算与所述目标用户关联的所述目标业务广告数据对应的点击率时,具体执行以下步骤:
获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息;
将所述广告业务特征信息以及所述用户业务特征信息输入至预设的点击率计算模型,并根据所述点击率计算模型中的逻辑回归函数对所述广告业务特征信息以及所述用户业务特征信息进行计算,以得到与所述目标用户关联的所述目标业务广告数据对应的点击值;
根据所述点击率计算模型中的转换函数将所得到的点击值转换为与所述目标用户关联的所述目标业务广告数据对应的点击率。
在一个实施例中,所述处理器1001在执行获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息时,具体执行以下步骤:
获取目标用户的身份基础信息和业务兴趣信息,并根据预设的信息划分规则将所述身份基础信息和业务兴趣信息分别转换为对应的多个用户特征值,并将所有用户特征值组合为用户业务特征信息;
获取业务广告数据集中的目标业务广告数据对应的广告业务属性信息,并根据所述信息划分规则将所述广告业务属性信息转换为对应的多个业务特征值,并将所有业务特征值组合为广告业务特征信息。
在一个实施例中,所述处理器1001在执行获取所述目标用户所属的目标人群范围信息以及所述目标业务广告数据所属的目标业务源,并在预设的点击注册率映射表中查找与所述目标人群范围信息以及所述目标业务源共同映射的点击注册率时,具体执行以下步骤:
根据所述目标用户的身份基础信息,在预设的多个人群范围信息中查找所述目标用户所属的目标人群范围信息;
在预设的多个业务源中查找所述目标业务广告数据所属的目标业务源;
获取预设的点击注册率映射表;所述点击注册率映射表包括所述多个人群范围信息和所述多个业务源与多个点击注册率之间的多个映射关系,一个映射关系包括一个人群范围信息、一个业务源以及被共同映射的一个点击注册率;
在所述点击注册率映射表中的多个映射关系中查找包含所述目标人群范围信息和所述目标业务源的目标映射关系,以查找出所述目标映射关系中被共同映射的点击注册率。
在一个实施例中,所述处理器1001在执行获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息,根据所述广告业务特征信息以及所述用户业务特征信计算与所述目标用户关联的所述目标业务广告数据对应的点击率之前,还执行以下步骤:
获取第一预设时间段内的多个第一历史业务行为数据;所述第一历史业务行为数据为业务未点击行为数据或业务点击后未注册行为数据或业务点击后注册行为数据,且每个第一历史业务行为数据均关联有对应的历史用户信息和对应的业务源;
根据所述多个第一历史业务行为数据分别对应的历史用户信息和所述预设的多个人群范围信息,将所述每个第一历史业务行为数据关联到对应的人群范围信息;
根据每个人群范围信息所关联的至少一个第一历史业务行为数据中的所述业务点击后注册行为数据的数量,统计所述每个人群范围信息所关联的每个业务源分别对应的点击注册率;
根据所述每个人群范围信息、所述每个业务源与所述点击注册率之间的对应关系,创建点击注册率映射表。
在一个实施例中,所述处理器1001在执行获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息,根据所述广告业务特征信息以及所述用户业务特征信计算与所述目标用户关联的所述目标业务广告数据对应的点击率之前,还执行以下步骤:
创建初始点击率计算模型,并初始化所述初始点击率计算模型中的逻辑回归函数和转换函数;
获取第二预设时间段内的多个第二历史业务行为数据;每个第二历史业务行为数据均关联有对应的业务操作状态、历史用户信息以及历史业务广告数据;所述业务操作状态为业务点击状态或业务未点击状态;
根据每个第二历史业务行为数据所关联的所述业务操作状态、所述历史用户信息的历史用户业务特征信息以及所述历史业务广告数据的历史广告业务特征信息,并基于极大似然估计函数和梯度下降法,对初始化的逻辑回归函数中的模型参数进行训练,以得到可用于计算点击率的点击率计算模型。
本发明实施例通过计算与目标用户关联的目标业务广告数据对应的点击率,并根据目标用户所属的目标人群范围信息查找与目标用户关联的目标业务广告数据对应的点击注册率,从而可以根据点击率和所查找出的点击注册率计算与目标用户关联的目标业务广告数据对应的推荐权重值,并当目标业务广告数据为业务广告数据集中具有与目标用户关联的最大推荐权重值的业务广告数据时,将目标业务广告数据作为目标用户的推荐数据,从而避免了单纯依靠人工经验进行推荐,即通过计算推荐权重值进行推荐可提高业务广告的推荐命中率,以提高业务广告在单位时间内的点击量和注册量。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种业务广告数据推荐方法,其特征在于,包括:
获取目标用户的身份基础信息和业务兴趣信息,并根据预设的信息划分规则将所述身份基础信息和业务兴趣信息分别转换为对应的多个用户特征值,并将所有用户特征值组合为用户业务特征信息;
获取业务广告数据集中的目标业务广告数据对应的广告业务属性信息,并根据所述信息划分规则将所述广告业务属性信息转换为对应的多个业务特征值,并将所有业务特征值组合为广告业务特征信息,根据所述广告业务特征信息以及所述用户业务特征信息计算与所述目标用户关联的所述目标业务广告数据对应的点击率;
获取所述目标用户所属的目标人群范围信息以及所述目标业务广告数据所属的目标业务源,并在预设的点击注册率映射表中查找与所述目标人群范围信息以及所述目标业务源共同映射的点击注册率;
根据所述点击率和所查找出的所述点击注册率计算与所述目标用户关联的所述目标业务广告数据对应的推荐权重值,并当所述目标业务广告数据为业务广告数据集中具有与所述目标用户关联的最大推荐权重值的业务广告数据时,将所述目标业务广告数据作为所述目标用户的推荐数据,其中,所述点击注册率是指:与目标人群范围信息关联的目标业务源的点击注册数量和与目标人群范围信息关联的目标业务源的总数量之间的比值。
2.如权利要求1所述的方法,其特征在于,所述获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息,根据所述广告业务特征信息以及所述用户业务特征信息计算与所述目标用户关联的所述目标业务广告数据对应的点击率,包括:
获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息;
将所述广告业务特征信息以及所述用户业务特征信息输入至预设的点击率计算模型,并根据所述点击率计算模型中的逻辑回归函数对所述广告业务特征信息以及所述用户业务特征信息进行计算,以得到与所述目标用户关联的所述目标业务广告数据对应的点击值;
根据所述点击率计算模型中的转换函数将所得到的点击值转换为与所述目标用户关联的所述目标业务广告数据对应的点击率。
3.如权利要求1所述的方法,其特征在于,所述获取所述目标用户所属的目标人群范围信息以及所述目标业务广告数据所属的目标业务源,并在预设的点击注册率映射表中查找与所述目标人群范围信息以及所述目标业务源共同映射的点击注册率,包括:
根据所述目标用户的身份基础信息,在预设的多个人群范围信息中查找所述目标用户所属的目标人群范围信息;
在预设的多个业务源中查找所述目标业务广告数据所属的目标业务源;
获取预设的点击注册率映射表;所述点击注册率映射表包括所述多个人群范围信息和所述多个业务源与多个点击注册率之间的多个映射关系,一个映射关系包括一个人群范围信息、一个业务源以及被共同映射的一个点击注册率;
在所述点击注册率映射表中的多个映射关系中查找包含所述目标人群范围信息和所述目标业务源的目标映射关系,以查找出所述目标映射关系中被共同映射的点击注册率。
4.如权利要求3所述的方法,其特征在于,在所述获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息,根据所述广告业务特征信息以及所述用户业务特征信息计算与所述目标用户关联的所述目标业务广告数据对应的点击率的步骤之前,还包括:
获取第一预设时间段内的多个第一历史业务行为数据;所述第一历史业务行为数据为业务未点击行为数据或业务点击后未注册行为数据或业务点击后注册行为数据,且每个第一历史业务行为数据均关联有对应的历史用户信息和对应的业务源;
根据所述多个第一历史业务行为数据分别对应的历史用户信息和所述预设的多个人群范围信息,将所述每个第一历史业务行为数据关联到对应的人群范围信息;
根据每个人群范围信息所关联的至少一个第一历史业务行为数据中的所述业务点击后注册行为数据的数量,统计所述每个人群范围信息所关联的每个业务源分别对应的点击注册率;
根据所述每个人群范围信息、所述每个业务源与所述点击注册率之间的对应关系,创建点击注册率映射表。
5.如权利要求2所述的方法,其特征在于,在所述获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息,根据所述广告业务特征信息以及所述用户业务特征信息计算与所述目标用户关联的所述目标业务广告数据对应的点击率的步骤之前,还包括:
创建初始点击率计算模型,并初始化所述初始点击率计算模型中的逻辑回归函数和转换函数;
获取第二预设时间段内的多个第二历史业务行为数据;每个第二历史业务行为数据均关联有对应的业务操作状态、历史用户信息以及历史业务广告数据;所述业务操作状态为业务点击状态或业务未点击状态;
根据每个第二历史业务行为数据所关联的所述业务操作状态、所述历史用户信息的历史用户业务特征信息以及所述历史业务广告数据的历史广告业务特征信息,并基于极大似然估计函数和梯度下降法,对初始化的逻辑回归函数中的模型参数进行训练,以得到可用于计算点击率的点击率计算模型。
6.一种业务广告数据推荐装置,其特征在于,包括:
计算模块,用于获取目标用户的身份基础信息和业务兴趣信息,并根据预设的信息划分规则将所述身份基础信息和业务兴趣信息分别转换为对应的多个用户特征值,并将所有用户特征值组合为用户业务特征信息;以及,
用于获取业务广告数据集中的目标业务广告数据对应的广告业务属性信息,并根据所述信息划分规则将所述广告业务属性信息转换为对应的多个业务特征值,并将所有业务特征值组合为广告业务特征信息;
并根据所述广告业务特征信息以及所述用户业务特征信息计算与所述目标用户关联的所述目标业务广告数据对应的点击率;
查找模块,用于获取所述目标用户所属的目标人群范围信息以及所述目标业务广告数据所属的目标业务源,并在预设的点击注册率映射表中查找与所述目标人群范围信息以及所述目标业务源共同映射的点击注册率;
推荐模块,用于根据所述点击率和所查找出的所述点击注册率计算与所述目标用户关联的所述目标业务广告数据对应的推荐权重值,并当所述目标业务广告数据为业务广告数据集中具有与所述目标用户关联的最大推荐权重值的业务广告数据时,将所述目标业务广告数据作为所述目标用户的推荐数据,其中,所述点击注册率是指:与目标人群范围信息关联的目标业务源的点击注册数量和与目标人群范围信息关联的目标业务源的总数量之间的比值。
7.如权利要求6所述的装置,其特征在于,所述计算模块包括:
特征获取单元,用于获取目标用户的用户业务特征信息和业务广告数据集中的目标业务广告数据的广告业务特征信息;
点击率计算单元,用于将所述广告业务特征信息以及所述用户业务特征信息输入至预设的点击率计算模型,并根据所述点击率计算模型中的逻辑回归函数对所述广告业务特征信息以及所述用户业务特征信息进行计算,以得到与所述目标用户关联的所述目标业务广告数据对应的点击值;
所述点击率计算单元,还用于根据所述点击率计算模型中的转换函数将所得到的点击值转换为与所述目标用户关联的所述目标业务广告数据对应的点击率。
8.如权利要求6所述的装置,其特征在于,所述查找模块包括:
范围查找单元,用于根据所述目标用户的身份基础信息,在预设的多个人群范围信息中查找所述目标用户所属的目标人群范围信息;
类型查找单元,用于在预设的多个业务源中查找所述目标业务广告数据所属的目标业务源;
映射表获取单元,用于获取预设的点击注册率映射表;所述点击注册率映射表包括所述多个人群范围信息和所述多个业务源与多个点击注册率之间的多个映射关系,一个映射关系包括一个人群范围信息、一个业务源以及被共同映射的一个点击注册率;
注册率查找单元,用于在所述点击注册率映射表中的多个映射关系中查找包含所述目标人群范围信息和所述目标业务源的目标映射关系,以查找出所述目标映射关系中被共同映射的点击注册率。
9.如权利要求8所述的装置,其特征在于,还包括:
第一历史数据获取模块,用于获取第一预设时间段内的多个第一历史业务行为数据;所述第一历史业务行为数据为业务未点击行为数据或业务点击后未注册行为数据或业务点击后注册行为数据,且每个第一历史业务行为数据均关联有对应的历史用户信息和对应的业务源;
范围关联模块,用于根据所述多个第一历史业务行为数据分别对应的历史用户信息和所述预设的多个人群范围信息,将所述每个第一历史业务行为数据关联到对应的人群范围信息;
统计模块,用于根据每个人群范围信息所关联的至少一个第一历史业务行为数据中的所述业务点击后注册行为数据的数量,统计所述每个人群范围信息所关联的每个业务源分别对应的点击注册率;
映射表创建模块,用于根据所述每个人群范围信息、所述每个业务源与所述点击注册率之间的对应关系,创建点击注册率映射表。
10.如权利要求7所述的装置,其特征在于,还包括:
模型创建模块,用于创建初始点击率计算模型,并初始化所述初始点击率计算模型中的逻辑回归函数和转换函数;
第二历史数据获取模块,用于获取第二预设时间段内的多个第二历史业务行为数据;每个第二历史业务行为数据均关联有对应的业务操作状态、历史用户信息以及历史业务广告数据;所述业务操作状态为业务点击状态或业务未点击状态;
模型训练模块,用于根据每个第二历史业务行为数据所关联的所述业务操作状态、所述历史用户信息的历史用户业务特征信息以及所述历史业务广告数据的历史广告业务特征信息,并基于极大似然估计函数和梯度下降法,对初始化的逻辑回归函数中的模型参数进行训练,以得到可用于计算点击率的点击率计算模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610460896.0A CN107545444B (zh) | 2016-06-23 | 2016-06-23 | 一种业务广告数据推荐方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610460896.0A CN107545444B (zh) | 2016-06-23 | 2016-06-23 | 一种业务广告数据推荐方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107545444A CN107545444A (zh) | 2018-01-05 |
CN107545444B true CN107545444B (zh) | 2021-03-16 |
Family
ID=60960238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610460896.0A Active CN107545444B (zh) | 2016-06-23 | 2016-06-23 | 一种业务广告数据推荐方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107545444B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510309A (zh) * | 2018-02-27 | 2018-09-07 | 阿里巴巴集团控股有限公司 | 广告召回的方法及装置 |
CN108563680A (zh) * | 2018-03-07 | 2018-09-21 | 阿里巴巴集团控股有限公司 | 资源推荐方法及装置 |
CN110309418B (zh) * | 2018-04-26 | 2024-02-06 | 腾讯科技(北京)有限公司 | 推荐内容确定方法、装置、存储介质和计算机设备 |
CN111260383B (zh) * | 2018-11-30 | 2023-08-29 | 北京嘀嘀无限科技发展有限公司 | 注册概率预估方法及装置、概率预估模型构建方法及装置 |
CN112346951A (zh) * | 2019-08-06 | 2021-02-09 | 腾讯科技(深圳)有限公司 | 业务的测试方法及装置 |
CN113362097B (zh) * | 2020-03-06 | 2023-11-07 | 北京京东振世信息技术有限公司 | 一种用户确定方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065672A (zh) * | 2013-03-18 | 2014-09-24 | 华为技术有限公司 | 广告推送方法、客户端及广告推送系统 |
CN104504098A (zh) * | 2014-12-29 | 2015-04-08 | 北京奇虎科技有限公司 | 信息推荐方法和装置 |
CN105631707A (zh) * | 2015-12-23 | 2016-06-01 | 北京奇虎科技有限公司 | 基于决策树的广告点击率预估方法与应用推荐方法及装置 |
-
2016
- 2016-06-23 CN CN201610460896.0A patent/CN107545444B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065672A (zh) * | 2013-03-18 | 2014-09-24 | 华为技术有限公司 | 广告推送方法、客户端及广告推送系统 |
CN104504098A (zh) * | 2014-12-29 | 2015-04-08 | 北京奇虎科技有限公司 | 信息推荐方法和装置 |
CN105631707A (zh) * | 2015-12-23 | 2016-06-01 | 北京奇虎科技有限公司 | 基于决策树的广告点击率预估方法与应用推荐方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107545444A (zh) | 2018-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107545444B (zh) | 一种业务广告数据推荐方法以及装置 | |
CN108108821B (zh) | 模型训练方法及装置 | |
WO2017181612A1 (zh) | 个性化视频推荐方法及装置 | |
US11188950B2 (en) | Audience expansion for online social network content | |
WO2020048084A1 (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
US8732015B1 (en) | Social media pricing engine | |
WO2018103622A1 (zh) | 信息投放控制方法、装置及存储介质 | |
CN107463580B (zh) | 训练点击率预估模型方法和装置、点击率预估方法和装置 | |
CN109360057B (zh) | 信息推送方法、装置、计算机设备及存储介质 | |
US20150248721A1 (en) | Recommendation engine with profile analysis | |
CN107301247B (zh) | 建立点击率预估模型的方法及装置、终端、存储介质 | |
CN108510303A (zh) | 广告投放方法及装置 | |
CN109509010B (zh) | 一种多媒体信息处理方法、终端及存储介质 | |
WO2018145577A1 (zh) | 表情推荐方法和装置 | |
CN106372101B (zh) | 一种视频推荐方法和装置 | |
WO2018130201A1 (zh) | 确定关联账号的方法、服务器及存储介质 | |
CN110413867B (zh) | 用于内容推荐的方法及系统 | |
CN104537552B (zh) | 通过计算机实现的信息推荐方法及装置 | |
US10402465B1 (en) | Content authority ranking using browsing behavior | |
CN105590240A (zh) | 一种品牌广告效果优化的离散计算方法 | |
CN112989169B (zh) | 目标对象识别方法、信息推荐方法、装置、设备及介质 | |
TW201928724A (zh) | 使用深度神經語言模型於自動出價之系統與方法 | |
US20200098031A1 (en) | Product recommending apparatus and non-transitory computer readable medium | |
CN110782291A (zh) | 广告投放用户确定方法及装置、存储介质及电子装置 | |
CN105260458A (zh) | 一种用于显示装置的视频推荐方法及显示装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |