CN109993559A - 模型训练方法和系统 - Google Patents

Abstract

本公开提供了一种模型训练方法，包括：获取至少一组数据，所述一组数据中包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据；基于所述至少一组数据确定多个特征；根据所述至少一组数据计算所述多个特征的重要度，确定所述多个特征中的至少一个特征作为模型特征；使用所述至少一组数据中关于所述至少一个模型特征的相关数据训练至少一个模型。

Description

模型训练方法和系统

技术领域

本公开涉及计算机技术领域，更具体地，涉及一种模型训练方法和一种模型训练系统。

背景技术

随着计算机和互联网技术的快速发展，服务商在各种网络平台中为用户提供各式各样的服务，针对服务商提供的服务，不同的用户对所提供的服务反应不同。因此，如何预估用户对服务商所提供的服务是否感兴趣成为服务商提高服务质量以及做出针对性服务战略的一个重点考虑的问题。例如，在电子商务中，广告主如何预估用户点击特定广告的概率，成为广告主制定营销战略的重要考虑因素。

在实现本发明构思的过程中，发明人发现现有技术中至少存在如下问题，现有的预估用户是否对服务商所提供的服务感兴趣的方法往往不够准确，导致服务商难以针对用户的需求制定相应的营销战略等。

发明内容

有鉴于此，本公开提供了一种优化的模型训练方法和模型训练系统。

本公开的一个方面提供了一种模型训练方法，该方法包括：获取至少一组数据，所述一组数据中包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据，基于所述至少一组数据确定多个特征，根据所述至少一组数据计算所述多个特征的重要度，确定所述多个特征中的至少一个特征作为模型特征，使用所述至少一组数据中关于所述至少一个模型特征的相关数据训练至少一个模型。

根据本公开的实施例，上述方法还包括：对所述多个特征进行预处理，确定所述多个特征中符合预设规则的至少一个第一特征，所述根据所述至少一组数据计算所述多个特征的重要度，确定所述多个特征中的至少一个特征作为模型特征，包括：根据所述至少一组数据计算所述至少一个第一特征的重要度，确定所述至少一个第一特征中的至少一个第一特征作为模型特征。

根据本公开的实施例，上述训练至少一个模型包括训练多个模型，所述方法还包括：对所述多个模型进行评价。

根据本公开的实施例，上述对所述多个模型进行评价包括：使用至少一组校验数据对所述多个模型进行校验，得到校验结果，所述至少一组校验数据包括离线数据和/或在线数据，基于所述校验结果，通过至少一个指标确定所述多个模型中的第一模型。

根据本公开的实施例，上述至少一个模型用于接收当前数据，所述至少一个模型根据接收的当前数据对当前场景下用户点击概率进行预测，所述当前数据包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据。

本公开的另一方面提供了一种模型训练系统，包括获取模块、第一确定模块、第二确定模块、以及训练模块。其中，获取模块获取至少一组数据，所述一组数据中包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据，第一确定模块基于所述至少一组数据确定多个特征，第二确定模块根据所述至少一组数据计算所述多个特征的重要度，确定所述多个特征中的至少一个特征作为模型特征，训练模块使用所述至少一组数据中关于所述至少一个模型特征的相关数据训练至少一个模型。

根据本公开的实施例，上述系统还包括：处理模块，对所述多个特征进行预处理，确定所述多个特征中符合预设规则的至少一个第一特征，所述根据所述至少一组数据计算所述多个特征的重要度，确定所述多个特征中的至少一个特征作为模型特征，包括：根据所述至少一组数据计算所述至少一个第一特征的重要度，确定所述至少一个第一特征中的至少一个第一特征作为模型特征。

根据本公开的实施例，上述训练至少一个模型包括训练多个模型，所述系统还包括：评价模块，对所述多个模型进行评价。

根据本公开的实施例，上述对所述多个模型进行评价包括校验模块和第三确定模块。其中，校验模块使用至少一组校验数据对所述多个模型进行校验，得到校验结果，所述至少一组校验数据包括离线数据和/或在线数据，第三确定模块基于所述校验结果，通过至少一个指标确定所述多个模型中的第一模型。

根据本公开的实施例，上述至少一个模型用于接收当前数据，所述至少一个模型根据接收的当前数据对当前场景下用户点击概率进行预测，所述当前数据包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据。

本公开的另一个方面提供了一种模型训练系统，包括：一个或多个处理器，存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上所述的方法。

本公开的另一个方面提供了一种计算机可读介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行如上所述的方法。

根据本公开的实施例，可以至少部分地解决现有的预估用户是否对服务商所提供的服务感兴趣的方法往往不够准确，导致服务商难以针对用户的需求制定相应的营销战略的问题，并因此可以实现提高预估准确性的技术效果。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的可以应用于模型训练方法和模型训练系统的示例性系统框架；

图2示意性示出了根据本公开实施例的模型训练方法的应用场景；

图3示意性示出了根据本公开实施例的模型训练方法的流程图；

图4A～图4B示意性示出了根据本公开另一实施例的模型训练方法的流程图；

图5示意性示出了根据本公开实施例的模型训练系统的框图；

图6A～图6B示意性示出了根据本公开另一实施例的模型训练系统的框图；以及

图7示意性示出了根据本公开实施例的适于实现模型训练的计算机系统的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。本领域技术人员还应理解，实质上任意表示两个或更多可选项目的转折连词和/或短语，无论是在说明书、权利要求书还是附图中，都应被理解为给出了包括这些项目之一、这些项目任一方、或两个项目的可能性。例如，短语“A或B”应当被理解为包括“A”或“B”、或“A和B”的可能性。

附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。

因此，本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外，本公开的技术可以采取存储有指令的计算机可读介质上的计算机程序产品的形式，该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。在本公开的上下文中，计算机可读介质可以是能够包含、存储、传送、传播或传输指令的任意介质。例如，计算机可读介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。计算机可读介质的具体示例包括：磁存储装置，如磁带或硬盘(HDD)；光存储装置，如光盘(CD-ROM)；存储器，如随机存取存储器(RAM)或闪存；和/或有线/无线通信链路。

本公开的实施例提供了一种模型训练方法，该方法包括：获取至少一组数据，一组数据中包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据，基于至少一组数据确定多个特征，根据至少一组数据计算多个特征的重要度，确定多个特征中的至少一个特征作为模型特征，使用至少一组数据中关于至少一个模型特征的相关数据训练至少一个模型。

图1示意性示出了根据本公开实施例的可以应用于模型训练方法和模型训练系统的示例性系统框架100。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的模型训练方法一般可以由服务器105执行。相应地，本公开实施例所提供的模型训练装置一般可以设置于服务器105中。本公开实施例所提供的模型训练方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的模型训练系统也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

例如，至少一组数据(包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据等)可以存储在终端设备101、102、或者103中的任意一个(例如，终端设备101，但不限于此)之中。然后，终端设备101可以将数据发送到服务器或者服务器集群中，并由接收到该数据的服务器或者服务器集群来执行本公开实施例所提供的模型训练方法。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

图2示意性示出了根据本公开实施例的模型训练方法的应用场景200。

如图2所示，模型训练方法的应用场景包括用户201、设备202、以及模型203。其中，设备202例如可以是电脑、手机等电子设备，模型203例如可以是多个不同的模型。具体的，用户201例如可以在设备202上进行点击广告的操作，从而设备202可以获得与该次操作相关的特征和特征对应的数据(例如可以获取用户、媒体、场景、广告等相关特征)，将相关特征以及对应的数据发送给到模型203，在本公开实施例中，此次获得的数据可以用作训练模型203的训练数据；也可以作为实时数据，使用训练好的模型203从而获得当前场景下用户进行点击的预测概率。

当训练出多个模型203后，将该多个模型203中的至少一个模型应用于在线广告点击率预估中。具体地，例如用户浏览百度网页，百度网页例如存在广告位，在用户点击百度网页时，获取用户的数据、网页的数据(百度)、广告位的数据、以及场景数据(用户发起请求时间、设备类型等)，以及需求方平台(Demand Sise Platform，DSP)中广告商想要在该广告位推广的广告数据，将该些数据输入到训练好的模型中，得到该用户对不同广告的点击概率，广告商根据点击概率，对该广告位进行竞价，广告出价和点击概率乘积最高的广告，将获得该次针对该用户的该广告位投放广告的权利。

应当理解，本公开实施例中的点击率预估模型不限于DSP环境下的广告点击率预估，也可以作用于其他环境下的点击率预估问题中。

下面结合图1的系统架构以及图2的应用场景，参考图3～图4B来描述根据本公开示例性实施方式的模型训练方法。需要注意的是，上述系统架构和应用场景仅是为了便于理解本公开的精神和原理而示出，本公开的实施方式在此方面不受任何限制。相反，本公开的实施方式可以应用于适用的任何系统架构和应用场景。

图3示意性示出了根据本公开实施例的模型训练方法的流程图。

如图3所示，该方法包括操作S310～S340。

在操作S310，获取至少一组数据，一组数据中包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据。

根据本公开实施例，至少一组数据例如可以是多组数据，例如可以是用户点击广告的历史数据。

在本公开实施例中，一组数据可以包括以下数据中的一种或者几种：媒体数据、广告数据、场景数据、用户数据。可以理解，本公开提供的模型训练方法不限于上述数据，具体选择哪些数据可以根据实际情况进行确定。其中，媒体数据例如可以是推广广告的媒体，例如可以包括媒体的名字(例如百度、京东等)，媒体的类型(例如是搜索类、电商类等)等数据。广告数据例如可以包括广告位信息(广告位所在网站、广告位展示广告时间)、广告的图片信息(广告的图像、文字等)等。场景数据例如可以包括用户的发起请求时间、用户使用的设备类型、用户设备网络类型等。用户数据例如可以包括用户年龄、用户性别、用户地域等。

例如，关于用户A对百度网页中的广告a发起请求。此时，媒体数据例如可以是关于百度网页的数据(例如百度网页的名字、网页的类型等)。广告数据例如可以是关于广告a的相关数据。场景数据例如可以是用户A发起广告请求的请求时间、用户使用的设备类型(例如电脑、手机等)，用户设备的网络类型等。用户数据例如是用户A的年龄、性别、以及用户所在的地域等等。

根据本公开实施例，例如在模型训练之前可以将数据进行重排操作，至少可以部分避免模型训练中出现的局部最小值或者收敛过慢等问题。本公开实施例还可以采用随机梯度下降法学习模型参数，达到优化模型收敛的效果。

可以理解，本公开实施例对获取的数据类型不做限制，除了上述举例的媒体数据、广告数据、场景数据、用户数据，还可以是其他类型的数据，本领域技术人员可根据实际应用情况具体选择。

在操作S320，基于至少一组数据确定多个特征。

根据本公开实施例，多个特征例如可以是从上述数据中选出的多个特征。例如媒体特征可以包括“媒体名称”、“媒体类型”等。广告特征例如可以包括“广告位”、“图片信息”等。场景特征例如可以包括“请求时间”、“设备类型”等。用户特征例如可以包括“用户年龄”、“用户性别”等。

在操作S330，根据至少一组数据计算多个特征的重要度，确定多个特征中的至少一个特征作为模型特征。

根据本公开实施例，计算多个特征的重要度，例如可以是根据多种指标来判断特征的重要度，例如可以是根据信息增益、信息增益比、以及基尼指数等多种指标来判断。例如可以是计算多个特征的信息增益、信息增益比、以及基尼指数等，其中，特征的重要度例如可以是特征满足多种指标中的一种或多种的预设条件的特征作为重要度大的特征。例如可以计算多个特征的信息增益比，将信息增益比较大的特征作为重要度大的特征。

根据本公开实施例，模型特征例如可以是多个特征中与广告点击相关程度较高的特征。在本公开实施例中，模型特征例如可以是较为重要的特征，例如可以是重要度大的特征。例如，计算得到特征“媒体名称”、“广告位”、“请求时间”、“用户年龄”等的重要度大时，该些特征例如可以作为模型特征。

可以理解，计算多个特征的重要度除了计算特征的信息增益、信息增益比、以及基尼指数，还可以是依据其他方式计算特征的重要度，本公开不限制特征重要度的计算方式，本领域技术人员可根据实际应用具体设定。

在操作S340，使用至少一组数据中关于至少一个模型特征的相关数据训练至少一个模型。

根据本公开实施例，至少一个模型例如可以是多个模型，其中，训练至少一个模型包括训练多个模型。在本公开实施例中，训练模型可以采用多种机器学习模型和深度学习模型，例如基于机器学习模型：逻辑回归(Logistic Regression，LR)模型、因子分解(Factorization Machines，FM)模型、梯度提升决策树(Gradient Boosting DecisionTree，GBDT)模型等。基于深度学习模型例如可以采用卷积神经网络(ConvolutionalNeural Network，CNN)模型、深度神经网络(Deep Neural Network，DNN)、循环神经网络(Recurrent Neural Network，RNN)等。

本公开实施例例如可以采用LR模型、FM模型、GBDT+LR模型(其中，+表示GBDT模型和LR模型的组合模型)和DNN+LR模型等等不同类型的模型。其中，例如LR模型作为基础版模型，是基于其具有简单、快速、可解释性强的优点，，其他FM模型、GBDT+LR模型和DNN+LR模型可以作为对比模型等。本公开实施例中，多个模型除了可以是不同类型的模型，还可以是一种类型的模型中模型特征或模型参数不同的模型(即，一种类型的模型中，模型特征或模型参数不同构成多种模型)，其中，模型参数例如可以包括学习率、正则化项、迭代次数等。

在本公开实施例中，使用关于模型特征的相关数据来训练模型，例如可以是将与多个模型特征相关的数据来训练一个或多个模型，例如模型特征为“媒体名称”、“广告位”、“请求时间”、“用户年龄”等时，关于该些模型特征的相关数据例如可以是多个媒体的名称、多个广告位的数据、多个用户的请求时间、多个用户的年龄等等。

本公开实施例通过媒体数据、广告数据、场景数据、用户数据等获取多维度的多个特征，通过计算多个特征的重要度确定模型特征，以模型特征相应的数据来训练多个模型，因此，本公开实施例从原始数据中提取有效的模型特征以及与之对应的数据来训练模型，大幅度提高了模型训练的效率，避免了无用数据造成资源浪费等。此外，通过训练多个模型，多个模型可进行对比，提高模型的效果，提高模型的准确性。

图4A～图4B示意性示出了根据本公开另一实施例的模型训练方法的流程图。

如图4A所示，该方法包括S310、S320、S340以及S410～S430。其中，操作S310、S320、S340与上述参考图3描述的方法相同或类似，在此不再赘述。

在操作S410，对多个特征进行预处理，确定多个特征中符合预设规则的至少一个第一特征。

根据本公开实施例，对多个特征进行预处理例如可以是去除一些无效的特征。具体的，例如可以是对多个特征对应的数据进行统计分析，该统计分析例如可以是对数据总样本数的统计和多个特征分布的统计，其中，特征分布的统计例如包括特征总数占总样本的比例、特征中包含正样本(产生点击行为的样本)占总样本中正样本的比例，特征值本身的取值范围，特征值稀疏度等信息。该统计分析有助于发现异常特征以及特征对应的无效数据，排除对模型训练无用的特征，进一步提高模型训练的效率和模型预测的准确度。

在操作S420，根据至少一组数据计算多个特征的重要度，确定多个特征中的至少一个特征作为模型特征，包括：根据至少一组数据计算至少一个第一特征的重要度，确定至少一个第一特征中的至少一个第一特征作为模型特征。其中，计算重要度例如可以与操作S330相同或类似，在此不再赘述。

在操作S430，对多个模型进行评价。

根据本公开实施例，对多个模型进行评价，例如可以是对多个训练好的模型进行评价，例如可以是对LR模型、FM模型、GBDT+LR模型和DNN+LR等多个模型进行评价。对模型的评价例如可以是评价模型的点击率和预估概率值的准确性。

如图4B所示，操作S430包括S431～S432。

在操作S431，使用至少一组校验数据对多个模型进行校验，得到校验结果，至少一组校验数据包括离线数据和/或在线数据。

根据本公开实施例，校验数据例如可以包括离线数据和在线数据中的一种或者两种数据。其中，离线数据例如可以是包含媒体数据、广告数据、场景数据、用户数据的历史数据。在线数据例如可以是包含媒体数据、广告数据、场景数据、用户数据的实时数据。

在本公开实施例中，离线数据对模型进行校验例如可以是，将离线数据分为训练数据和测试数据两个部分，其中训练数据例如用来训练多个模型，测试数据例如可以用来对多个模型进行离线实验对多个模型进行校验。

在本公开实施例中，在线数据对模型进行校验例如可以是，通过配置在线旁路系统，将实时获取的在线数据输入模型中，基于模型的点击率预估结果计算模型在线实时效果。

根据本公开实施例，校验结果例如可以是通过将离线数据和在线数据输入模型中得到的模型的点击率预估概率值，通过离线数据和在线数据对多个模型进行校验，根据模型对离线数据和在线数据校验结果的一致性，至少可以部分避免出现离线校验效果好而在线数据校验效果差的情况。

在操作S432，基于校验结果，通过至少一个指标确定多个模型中的第一模型。

根据本公开实施例，至少一个指标例如可以包括多个指标，例如可以是AUC(AreaUnder Curve)排序指标、NE(Normalized Entropy，归一化熵)指标、以及OE(ObservationOver Expectation，平均预估点击率与真实点击率之比)指标共同作为点击率预估模型的评价指标，利用多个指标可以从多个维度评价点击率预估的效果，提高点击率预估的准确性。根据本公开实施例例，第一模型例如可以是满足多个指标值的模型，例如可以是选择较优的模型作为第一模型，第一模型例如可以作为线上使用的模型实时预估用户的点击概率。

根据本公开实施例，AUC排序指标可以描述为从一堆样本中随机抽一个，抽到正样本的概率比抽到负样本的概率大的可能性。假设有M⁺个正样本数，N-个负样本数，共有M^+*N-为正负样本对个数。对于每一个可能的值对应一个抽中的概率，按照概率从高到低进行排序，每一个正样本可以得到一个排序号rank_i。

AUC的计算公式：

该AUC计算方法相比ROC曲线(Receiver Operation Characteristic Curve，ROC)下的面积计算AUC的方法，可以大幅降低计算复杂度，提高计算效率。由AUC的原理可以看出，AUC指标能够表示点击率预估概率值的排序质量，然而其忽略了点击率预估概率值本身的情况，例如，当点击率预估概率值都提高或减少两倍，所得到的AUC值是相同的，而点击率预估的效果却大不相同。

根据本公开实施例，归一化熵，又称标准化熵。假设给定的训练集有N个带有y_i∈{+1，-1}的样本，预估点击的概率值为p_i，i＝1，2，…，N。给定真实点击率为NE计算公式：

由NE计算原理和公式可以看出，NE值越低表示模型预估越准确。

平均预估点击率和真实点击率之比(Observation Over Expectation，OE)，其计算公式如下：

其中，平均预估点击率为所有样本中预估点击率的平均值。若OE大于1，表示点击率预估偏高，则可能会带来亏损；若OE小于1，表示点击率预估偏低，则可能使出价变低，流量减少，同样影响利润。因此，OE值越接近于1表示模型预估越准确。

对于个别广告位出现OE值偏高的情况，可以对其进行校正，即，若该广告位计算得到的OE值一直偏高两倍，则可以对模型在该广告位上的预估概率值除以2，来对其进行校正。

通过广告主在DSP下真实广告投放的数据表明，结合使用三种评价指标来对点击率预估进行评价，更有助于提高点击率预估的准确性，从而实现广告收益的最大化。

根据本公开实施例，点击率预估概率值偏高和偏低都会直接影响到广告投放的利润。若点击率预估偏高，则可能会以高于本次广告价值的价格发起竞价，从而引起亏损；若点击率预估偏低，会使出价变低流量减少，同样有损利润。此外，由于广告主通常选择多个广告位进行广告投放，因此在评价点击率预估模型好坏时，不仅需要考虑整体数据的模型效果，还需要给出不同广告位下点击率预估模型的效果。本发明在业界普遍采用的AUC排序指标的基础上，引入另外两个评价指标，NE和OE，三种指标共同作为点击率预估模型的评价指标，可以从多个维度评价点击率预估的效果。

根据本公开实施例，训练好的至少一个模型用于接收当前数据，至少一个模型根据接收的当前数据对当前场景下用户点击概率进行预测，当前数据包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据。

根据本公开实施例，在需求方平台(Demand Side Platform，DSP)环境中，所涉及的详细广告请求和触发流程例如可以是，需求方平台(DSP)从广告交易平台(Ad Exchange，ADX)接收到广告请求，并通过与ADX所对接的接口中获取到用户、媒体、场景、广告等相关信息，与此同时从自身广告库中召回符合条件的广告数据给竞价模块，竞价模块将用户、媒体、场景、广告等相关特征发送给在线预测模块进行点击率预估，在线预测模块会根据离线训练出的模型和在线特征计算出点击率预估的概率值后回传给竞价模块，并产生广告请求日志数据，竞价模块将最终竞价成功的广告回传给ADX进行广告竞价。

本公开实施例通过对多个特征进行预处理，去除无效的特征，使得大幅度提高了模型训练的效率，避免了无用数据造成资源浪费等，此外，通过利用多个指标可以从多个维度评价点击率预估的效果，提高点击率预估的准确性。

图5示意性示出了根据本公开实施例的模型训练系统的框图。

如图5所示，模型训练系统500可以包括获取模块510、第一确定模块520、第二确定模块530、以及训练模块540。

获取模块510可以获取至少一组数据，一组数据中包括媒体数据、广告数据、场景数据、用户数据。根据本公开实施例，获取模块510例如可以执行上文参考图3描述的操作S310，在此不再赘述。

第一确定模块520可以基于至少一组数据确定多个特征。根据本公开实施例，第一确定模块520例如可以执行上文参考图3描述的操作S320，在此不再赘述。

第二确定模块530可以根据至少一组数据计算多个特征的重要度，确定多个特征中的至少一个特征作为模型特征。根据本公开实施例，第二确定模块530例如可以执行上文参考图3描述的操作S330，在此不再赘述。

训练模块540可以使用至少一组数据中关于至少一个模型特征的相关数据训练至少一个模型。根据本公开实施例，训练模块540例如可以执行上文参考图3描述的操作S340，在此不再赘述。

图6A～图6B示意性示出了根据本公开另一实施例的模型训练系统的框图。

如图6A所示，模型训练系统500可以包括获取模块510、第一确定模块520、第二确定模块530、训练模块540、处理模块610、以及评价模块620。其中，获取模块510、第一确定模块520以及训练模块540与上述参考图5描述的模块相同或类似，在此不再赘述。

第二确定模块530可以根据至少一组数据计算至少一个第一特征的重要度，确定至少一个第一特征中的至少一个第一特征作为模型特征。根据本公开实施例，第二确定模块530例如可以执行上文参考图4A描述的操作S420，其中，操作S420与参考图3描述操作S330相同或类似，在此不再赘述。

处理模块610可以对多个特征进行预处理，确定多个特征中符合预设规则的至少一个第一特征。根据本公开实施例，处理模块610例如可以执行上文参考图4A描述的操作S410，在此不再赘述。

评价模块620可以对多个模型进行评价。根据本公开实施例，评价模块620例如可以执行上文参考图4A描述的操作S430，在此不再赘述。

如图6B所示，评价模块620可以包括校验模块621，以及第三确定模块622。

校验模块621可以使用至少一组校验数据对多个模型进行校验，得到校验结果，至少一组校验数据包括离线数据和/或在线数据。根据本公开实施例，校验模块621例如可以执行上文参考图4B描述的操作S431，在此不再赘述。

第三确定模块622可以基于校验结果，通过至少一个指标确定多个模型中的第一模型。根据本公开实施例，第三确定模块622例如可以执行上文参考图4B描述的操作S432，在此不再赘述。

可以理解的是，获取模块510、第一确定模块520、第二确定模块530、训练模块540、处理模块610、以及评价模块620可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例，获取模块510、第一确定模块520、第二确定模块530、训练模块540、处理模块610、以及评价模块620中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式的适当组合来实现。或者，获取模块510、第一确定模块520、第二确定模块530、训练模块540、处理模块610、以及评价模块620中的至少一个可以至少被部分地实现为计算机程序模块，当该程序被计算机运行时，可以执行相应模块的功能。

图7示意性示出了根据本公开实施例的适于实现模型训练的计算机系统的方框图。图7示出的计算机系统仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，根据本公开实施例的计算机系统700包括处理器701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行参考图3～图4B描述的根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 703中，存储有系统700操作所需的各种程序和数据。处理器701、ROM 702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行以上参考图3～图4B描述的模型训练方法的各种操作。需要注意，所述程序也可以存储在除ROM 702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行以上参考图3～图4B描述的模型训练方法的各种操作。

根据本公开的实施例，系统700还可以包括输入/输出(I/O)接口705，输入/输出(I/O)接口705也连接至总线704。系统700还可以包括连接至I/O接口705的以下部件中的一项或多项：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

根据本公开的实施例，上文参考流程图描述的方法可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。根据本公开的实施例，计算机可读介质可以包括上文描述的ROM 702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备执行：

一种模型训练方法，该方法包括：获取至少一组数据，一组数据中包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据，基于至少一组数据确定多个特征，根据至少一组数据计算多个特征的重要度，确定多个特征中的至少一个特征作为模型特征，使用至少一组数据中关于至少一个模型特征的相关数据训练至少一个模型。

根据本公开的实施例，上述方法还包括：对多个特征进行预处理，确定多个特征中符合预设规则的至少一个第一特征，根据至少一组数据计算多个特征的重要度，确定多个特征中的至少一个特征作为模型特征，包括：根据至少一组数据计算至少一个第一特征的重要度，确定至少一个第一特征中的至少一个第一特征作为模型特征。

根据本公开的实施例，上述训练至少一个模型包括训练多个模型，方法还包括：对多个模型进行评价。

根据本公开的实施例，上述对多个模型进行评价包括：使用至少一组校验数据对多个模型进行校验，得到校验结果，至少一组校验数据包括离线数据和/或在线数据，基于校验结果，通过至少一个指标确定多个模型中的第一模型。

根据本公开的实施例，上述至少一个模型用于接收当前数据，至少一个模型根据接收的当前数据对当前场景下用户点击概率进行预测，当前数据包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (12)

1.一种模型训练方法，包括：

获取至少一组数据，所述一组数据中包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据；

基于所述至少一组数据确定多个特征；

根据所述至少一组数据计算所述多个特征的重要度，确定所述多个特征中的至少一个特征作为模型特征；

使用所述至少一组数据中关于所述至少一个模型特征的相关数据训练至少一个模型。

2.根据权利要求1所述的方法，其中：

所述方法还包括：对所述多个特征进行预处理，确定所述多个特征中符合预设规则的至少一个第一特征；

所述根据所述至少一组数据计算所述多个特征的重要度，确定所述多个特征中的至少一个特征作为模型特征，包括：根据所述至少一组数据计算所述至少一个第一特征的重要度，确定所述至少一个第一特征中的至少一个第一特征作为模型特征。

3.根据权利要求1所述的方法，其中：

所述训练至少一个模型包括训练多个模型；

所述方法还包括：对所述多个模型进行评价。

4.根据权利要求3所述的方法，其中，所述对所述多个模型进行评价包括：

使用至少一组校验数据对所述多个模型进行校验，得到校验结果，所述至少一组校验数据包括离线数据和/或在线数据；

基于所述校验结果，通过至少一个指标确定所述多个模型中的第一模型。

5.根据权利要求1所述的方法，其中，所述至少一个模型用于接收当前数据，所述至少一个模型根据接收的当前数据对当前场景下用户点击概率进行预测，所述当前数据包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据。

6.一种模型训练系统，包括：

获取模块，获取至少一组数据，所述一组数据中包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据；

第一确定模块，基于所述至少一组数据确定多个特征；

第二确定模块，根据所述至少一组数据计算所述多个特征的重要度，确定所述多个特征中的至少一个特征作为模型特征；

训练模块，使用所述至少一组数据中关于所述至少一个模型特征的相关数据训练至少一个模型。

7.根据权利要求6所述的系统，其中：

所述系统还包括：处理模块，对所述多个特征进行预处理，确定所述多个特征中符合预设规则的至少一个第一特征；

所述根据所述至少一组数据计算所述多个特征的重要度，确定所述多个特征中的至少一个特征作为模型特征，包括：根据所述至少一组数据计算所述至少一个第一特征的重要度，确定所述至少一个第一特征中的至少一个第一特征作为模型特征。

8.根据权利要求6所述的系统，其中：

所述训练至少一个模型包括训练多个模型；

所述系统还包括：评价模块，对所述多个模型进行评价。

9.根据权利要求8所述的系统，其中，所述对所述多个模型进行评价包括：

校验模块，使用至少一组校验数据对所述多个模型进行校验，得到校验结果，所述至少一组校验数据包括离线数据和/或在线数据；

第三确定模块，基于所述校验结果，通过至少一个指标确定所述多个模型中的第一模型。

10.根据权利要求6所述的系统，其中，所述至少一个模型用于接收当前数据，所述至少一个模型根据接收的当前数据对当前场景下用户点击概率进行预测，所述当前数据包括媒体数据、广告数据、场景数据、用户数据中的至少一种数据。

11.一种模型训练系统，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～5中任一项所述的方法。

12.一种计算机可读介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～5中任一项所述的方法。