CN112150184A - 点击率预估方法及其系统、计算机系统及计算机可读介质 - Google Patents

Abstract

本公开提供了一种点击率预估方法，包括：基于目标用户的第一属性和目标对象的第二属性，构建多组训练样本，其中，第一属性包括目标用户的固有属性和针对目标对象的操作数据；针对多组训练样本，构建多个集成树模型，其中，各集成树模型与多组训练样本中的各组训练样本一一对应；将各组训练样本分别输入至对应的集成树模型，以得到多个点击率中间预估结果；以及将多个点击率中间预估结果输入至逻辑回归模型，以得到点击率最终预估结果。此外，本公开还提供了一种点击率预估系统，一种计算机系统以及一种计算机可读介质。

Description

点击率预估方法及其系统、计算机系统及计算机可读介质

技术领域

本公开涉及个性化推荐领域，更具体地，涉及一种点击率预估方法及其系统，计算机系统及计算机可读介质。

背景技术

随着大数据、人工智能技术的发展，“千人千面”应运而生，即为每一位用户推荐的商品是根据该用户的历史行为预测的，认为用户会感兴趣的商品。计算用户对圈定范围内的商品的点击概率的点击率预估是一种实现这个目的的机器学习方法，其中点击概率值大的商品会被判定为用户会点击的商品。

在点击率预估领域，一种方法是构建用户-商品的交互矩阵(交互指浏览，点击，加购，购买等行为)，通过矩阵分解对矩阵中的缺失值进行填充，得到用户对商品的预测评分从而实现推荐。

在实现本公开构思的过程中，发明人发现相关技术中至少存在以下缺陷：点击率预估方法缺乏可解释性，阻碍前台运营人员和中台技术人员之间的沟通，导致技术人员无法解释推荐商品的逻辑性。

针对相关技术中的上述问题，目前还未提出有效的解决方案。

公开内容

有鉴于此，本公开提供了一种点击率预估方法、一种点击率预估系统、一种计算机系统以及一种计算机可读介质。

本公开的第一个方面提供了一种点击率预估方法，包括：基于目标用户的第一属性和目标对象的第二属性，构建多组训练样本，其中，上述第一属性包括上述目标用户的固有属性和针对上述目标对象的操作数据；针对上述多组训练样本，构建多个集成树模型，其中，各集成树模型与上述多组训练样本中的各组训练样本一一对应；将上述各组训练样本分别输入至对应的集成树模型，以得到多个点击率中间预估结果；以及将上述多个点击率中间预估结果输入至逻辑回归模型，以得到点击率最终预估结果。

根据本公开的实施例，上述基于目标用户的第一属性和目标对象的第二属性，构建多组训练样本包括：基于目标用户的第一属性和目标对象的第二属性，构建多个训练特征组；获取初始训练样本；以及基于上述多个训练特征组，拆分上述初始训练样本，以构建多组训练样本，其中，上述多组训练样本中的各组训练样本与上述多个训练特征组中的各训练特征组一一对应。

根据本公开的实施例，上述多个训练特征组包括用户画像特征组、对上述目标用户与上述目标对象之间的关联加以表征的特征组、对象画像特征组和对上述目标用户与上述品类之间的关联加以表征的特征组中的至少一个，上述基于目标用户的第一属性和目标对象的第二属性，构建多个训练特征组包括：基于上述第一属性中包括的固有属性，构建上述目标用户的用户画像特征组；基于上述第一属性中包括的上述操作数据，构建对上述目标用户与上述目标对象之间的关联加以表征的特征组；基于上述第二属性，构建上述目标对象的对象画像特征组；基于上述第二属性，获取上述目标对象所属品类的品类属性；基于上述品类属性，构建对上述目标用户与上述品类之间的关联加以表征的特征组。

根据本公开的实施例，上述方法还包括：针对上述多个集成树模型，确定各集成树模型对应的初始权重值；以及基于上述初始权重值，构建上述逻辑回归模型，以使得上述逻辑回归模型基于上述多个点击率中间预估结果生成上述点击率最终预估结果。

根据本公开的实施例，上述方法还包括：基于上述点击率最终预估结果，调整上述初始权重值，以确定上述各集成树模型对应的当前权重值；以及基于上述当前权重值，更新上述逻辑回归模型。

本公开的第二个方面提供了一种点击率预估系统，包括：第一构建模块，被配置为基于目标用户的第一属性和目标对象的第二属性，构建多组训练样本，其中，上述第一属性包括上述目标用户的固有属性和针对上述目标对象的操作数据；第二构建模块，被配置为针对上述多组训练样本，构建多个集成树模型，其中，各集成树模型与上述多组训练样本中的各组训练样本一一对应；第一处理模块，被配置为将上述各组训练样本分别输入至对应的集成树模型，以得到多个点击率中间预估结果；以及第二处理模块，被配置为将上述多个点击率中间预估结果输入至逻辑回归模型，以得到点击率最终预估结果。

根据本公开的实施例，上述第一构建模块包括：第一构建子模块，被配置为基于目标用户的第一属性和目标对象的第二属性，构建多个训练特征组；获取子模块，被配置为获取初始训练样本；以及第二构建子模块，被配置为基于上述多个训练特征组，拆分上述初始训练样本，以构建多组训练样本，其中，上述多组训练样本中的各组训练样本与上述多个训练特征组中的各训练特征组一一对应。

根据本公开的实施例，上述多个训练特征组包括用户画像特征组、对上述目标用户与上述目标对象之间的关联加以表征的特征组、对象画像特征组和对上述目标用户与上述品类之间的关联加以表征的特征组中的至少一个，上述第一构建子模块包括：第一构建单元，被配置为基于上述第一属性中包括的固有属性，构建上述目标用户的用户画像特征组；第二构建单元，被配置为基于上述第一属性中包括的上述操作数据，构建对上述目标用户与上述目标对象之间的关联加以表征的特征组；第三构建单元，被配置为基于上述第二属性，构建上述目标对象的对象画像特征组；获取单元，被配置为基于上述第二属性，获取上述目标对象所属品类的品类属性；第四构建单元，被配置为基于上述品类属性，构建对上述目标用户与上述品类之间的关联加以表征的特征组。

根据本公开的实施例，上述系统还包括：确定模块，被配置为针对上述多个集成树模型，确定各集成树模型对应的初始权重值；以及第三构建模块，被配置为基于上述初始权重值，构建上述逻辑回归模型，以使得上述逻辑回归模型基于上述多个点击率中间预估结果生成上述点击率最终预估结果。

根据本公开的实施例，上述系统还包括：调整模块，被配置为基于上述点击率最终预估结果，调整上述初始权重值，以确定上述各集成树模型对应的当前权重值；以及更新模块，被配置为基于上述当前权重值，更新上述逻辑回归模型。

本公开的第三个方面提供了一种计算机系统，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，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如上所述的点击率预估方法。

本公开的第四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实现如上所述的点击率预估方法。

通过本公开的实施例，综合目标用户的属性和目标对象的属性等多个维度属性对点击率预估的影响差异，构建多组训练样本；将多组训练样本输入第一层集成树模型，得到不同属性的点击率预测结果，再通过第二层的线性回归模型进行整合，得到点击率最终预估结果。由此，能够通过层级机器学习算法框架来提升点击率预测准确率，同时增强推荐结果的可解释性。

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1A示意性示出了根据本公开实施例的可以应用点击率预估方法的系统架构；

图1B示意性示出了根据本公开实施例的可以应用点击率预估方法的应用场景；

图2示意性示出了根据本公开实施例的点击率预估方法的流程图；

图3A示意性示出了根据本公开实施例的基于目标用户的第一属性和目标对象的第二属性，构建多组训练样本的流程图；

图3B示意性示出了根据本公开实施例的数据流向图；

图3C示意性示出了根据本公开另一实施例的点击率预估方法的流程图；

图4示意性示出了根据本公开实施例的点击率预估系统的框图；

图5A示意性示出了根据本公开实施例的第一构建模块的框图；

图5B示意性示出了根据本公开实施例的点击率预估系统的框图；以及

图6示意性示出了根据本公开实施例的适于实现点击率预估方法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。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。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。

本公开提供一种点击率预估方法，包括：基于目标用户的第一属性和目标对象的第二属性，构建多组训练样本，其中，第一属性包括目标用户的固有属性和针对目标对象的操作数据，针对多组训练样本，构建多个集成树模型，其中，各集成树模型与多组训练样本中的各组训练样本一一对应，将各组训练样本分别输入至对应的集成树模型，以得到多个点击率中间预估结果；以及将多个点击率中间预估结果输入至逻辑回归模型，以得到点击率最终预估结果。

图1A示意性示出了根据本公开实施例的可以应用点击率预估方法的系统架构100。需要注意的是，图1A所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1A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点击率预估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点击率预估系统一般可以设置于服务器105中。本公开实施例所提供的点击率预估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点击率预估系统电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。

应该理解，图1A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1B示意性示出了根据本公开实施例的可以应用点击率预估方法的应用场景。

在个性化推荐领域，为了给每一位用户打造智能的选品，“千人千面”应运而生，点击率预估正是实现这一目的的机器学习运用方法。如图1B所示，本公开实施例可以应用在实现个性化推荐的点击率预测应用场景110中，该场景可以包括但不限于训练样本(离线数据)、点击率预估模型(机器学习模型)、用户、商品池以及用户对商品池中商品的点击概率。

该应用场景110中，在通过训练样本训练得到点击率预估模型之后，可以将点击率预估模型部署到线上工程，向指定平台的用户提供个性化推荐服务。

考虑到平台向外售卖的商品数以万亿，若当每一位用户点击进入推荐页面时，都计算一遍该用户对所有商品的点击概率，计算量过大。因此，可以按照一定的圈定规则，例如品类、运营规则以及商品属性等，对平台向外售卖的商品进行圈定，以得到商品池，缩小计算点击率概率时商品的范围，减少模型的运算量，提高推荐效率，降低工程部署上线难度。

在得到针对每一个用户自己的商品池的情况下，当用户点击进入推荐页面时，利用点击率预估模型，可以计算该用户对商品池中每个商品的点击概率。可以理解的是，商品对应的点击概率值越大，说明用户点击该商品的可能性越大，概率值大的商品被判定为用户可能点击的商品。因此，可以将预测点击概率大的前n名商品推荐给用户，从而达成对每一位用户进行个性化推荐的目的，最终达到提升商品销量的目的。

应该理解，图1B中的线上供给渠道、线下供给渠道的数目仅仅是示意性的。根据实际业务场景的需要，可以具有任意数目的线上供给渠道和线下供给渠道，本公开不做限定。

本公开实施例利用购物平台强大的大数据平台，兼顾用于表征用户和商品多个不同属性的训练样本组对点击率预估问题的不同影响，提出了一种多层级(例如，第一层级为集成树模型，第二层级为逻辑回归模型)的机器学习算法框架，来提升离线点击率预测的准确率，同时增强推荐结果的可解释性，快速定位并优化解决前台运营信息的反馈。

利用不同的训练样本组从不同的角度对用户的点击行为进行建模，理论上角度越丰富，越能够准确地捕捉到点击行为背后抽象行为逻辑进行数字具象化。在本公开提供的多层级点击率预估算法框架中，若特征组有增加或减少，可以相应地增加或减少集成树模型的数目，例如增加两个特征组，就只需在第一层的集成树模型中增加对应的两个集成树模型；减少一个特征组，就只需在第一层的集成树模型中减少对应的一个集成树模型，组件化的框架思路可以提升模型的拓展性，同时降低工程的开发难度。

图2示意性示出了根据本公开实施例的点击率预估方法的流程图。

如图2所示，该方法可以包括操作S210～S240。其中：

在操作S210，基于目标用户的第一属性和目标对象的第二属性，构建多组训练样本。

根据本公开的实施例，目标用户可以是待推荐商品的任一用户，第一属性可以包括但不限于目标用户的固有属性和针对目标对象的操作数据。其中，固有属性可以包括但不限于用户的年龄、性别、职业等属性，针对目标对象的操作数据可以包括但不限于用户的浏览、点击、加购、购买等历史操作行为相关的动态内容。

根据本公开的实施例，目的对象可以是任一待推荐商品，第二属性是用于表征商品的关联属性，可以包括但不限于该商品所属的品类、规格、外观、价格、销售数量以及好评率。

根据本公开的实施例，针对目标用户，可以在数据库中获取多条样本数据，每条样本数据可以包括但不限于该目标用户的个人信息和与该目标用户关联的目标对象信息，基于第一属性和被目标用户执行过操作的目标对象的第二属性，构建多组训练样本，训练样本可以通过用户ID+商品ID来进行定位，训练样本可以包括但不限于三部分：样本索引、样本特征(详见下文关于特征组的描述)以及样本标签。多组训练样本既相互独立，又相互联系，多组训练样本表征可以从多个角度反映对点击率预估结果产生的影响，每组训练样本可以从一个角度反映对点击率预估结果产生的影响，使得点击率预测结果可解释，有利于前台运营人员和中台计算人员之间的沟通。

在操作S220，针对多组训练样本，构建多个集成树模型。

因此，根据本公开的实施例，对应于在操作S210中构建得到的多组训练样本，可以离线构建多个集成树模型(第一层级)，其中，多个集成树模型中的各集成树模型与多组训练样本中的各组训练样本一一对应。具体的模型训练方法本公开不做限定，本领域技术人员可以根据实际业务场景，自行选择，此次不再赘述。

可以理解的是，为了评估机器学习算法模型的性能，在离线阶段可以借助在验证数据集上的预测能力来进行评估。相应地，除了要准备训练样本集之外，还需要准备预测样本集(也称为验证样本集)，通过训练样本来训练模型，通过预测样本集来验证模型性能。可以将[T-7，T-2]这个时间区间的数据来作为训练样本集，[T-1]的时间区间的数据作为验证样本集，T指目前的时间，单位为天。验证模型性能是通过衡量整个模型框架最终输出的预测点击概率与实际点击标签的符合程度完成。具体的符合程度多少的是通过机器学习中的常用评价指标进行衡量，在点击率预估这个二分类运用场景下，常用指标包括AUC(AeraUnder ROC Curve)和Recall(召回率)这两个指标。其中AUC指标衡量了预测的点击概率对实际点击标签的区分度，在改变概率阈值的情况下，预测的标签与实际的标签的准确度，最终得到一条ROC曲线(Receiver Operating Characteristic Curve)。本领域技术人员可以理解，ROC曲线与坐标围成的面积越大，AUC值越大，也即表明预测的概率与实际标签的匹配程度也越好，也即实际为正类(点击)的样本，预测出来的概率也越大，反之亦然。而Recall指标更关注对正类样本的预测准确率，该指标关心所有正类中被预测准确的比例，该指标反映了算法对于正类别的识别能力。在实际数据场景示例中，正类为用户点击商品的行为，而在这么多商品中，用户点击过的商品只占了非常少的比例。因此，Recall指标越高，比AUC值更能表明模型具有更好的预测能力。在操作S230，将各组训练样本分别输入至对应的集成树模型，以得到多个点击率中间预估结果。根据本公开的实施例，每一个集成树模型的输出概率描述的是每一个训练样本组的结果偏向。而实际情况中用户是否点击推荐商品，可能会受到多方面的影响，若仅从单方面的数据来描述用户点击的概率行为是以偏概全且不完备的决策链。

在操作S240，将多个点击率中间预估结果输入至逻辑回归模型，以得到点击率最终预估结果。

为了有效地利用多个集成树模型的点击率中间预估结果来汇总成一个点击率最终预估结果，根据本公开的实施例，在多个集成树模型层之后，设置一层逻辑回归(Logistic Regression，简称LR)模型。在这一层级算法中，LR模型接收多个集成树模型的点击率中间预估结果作为输入，通过训练输出唯一的点击率最终预估结果。

利用机器学习算法来预测出每一个用户对每一个商品的点击率概率，得到的点击率概率有两个作用：第一，通过点击率预测概率在离线阶段与样本标签共同对模型的预测性能进行评估(图1B中的虚线框部分)；第二，在在线阶段，预估出每位用户对商品池中各商品的点击概率之后对概率值大小进行倒排，选取点击概率大的n件商品并推送给用户(图1B中的灰色框部分)。

通过本公开的实施例，基于包括多个层级的层级机器学习算法预估点击率，从将样本按照不同属性切分为多训练样本组，输入进第一层集成树模型，得到不同属性之下的预测点击概率后再通过下一层的逻辑回归模型进行整合，最终输出唯一的预测点击概率。在运算能力的可承受范围内，不断地增加神经网络的层数就可以不断地提升点击率预估模型评价指标的数值。

图3A示意性示出了根据本公开实施例的基于目标用户的第一属性和目标对象的第二属性，构建多组训练样本的流程图。

如图3A所示，该方法可以包括操作S311～S313。其中：

在操作S311，基于目标用户的第一属性和目标对象的第二属性，构建多个训练特征组。

根据本公开的实施例，多个训练特征组包括用户画像特征组、对目标用户与目标对象之间的关联加以表征的特征组、对象画像特征组和对目标用户与品类之间的关联加以表征的特征组中的至少一个，基于目标用户的第一属性和目标对象的第二属性，构建多个训练特征组包括：基于第一属性中包括的固有属性，构建目标用户的用户画像特征组；基于第一属性中包括的操作数据，构建对目标用户与目标对象之间的关联加以表征的特征组；基于第二属性，构建目标对象的对象画像特征组；基于第二属性，获取目标对象所属品类的品类属性；基于品类属性，构建对目标用户与品类之间的关联加以表征的特征组。

根据本公开的实施例，离线训练特征组构建可以通过购物平台的大数据平台来进行，通过调取目标用户的个人信息、目标用户的浏览、点击、加购、购买等行为记录、商品信息等基础内容，通过一定的计算关系统计出所需的特征(数量可能达到几百个)。例如目标用户的价格敏感程度，目标用户对商品品类的喜好程度，商品的火热程度等特征。例如，可以将开发出来的几百个特征归为四个特征组，分别是：

特征组1：用户+商品特征组。通过用户对商品的搜索、浏览、购买、联系客服等行为统计出用户对于商品的偏好，该特征可以用于描述具体每个用户对于具体的商品的偏好程度。

特征组2：用户+品类特征组。该特征组可以圈定出用户的购买习惯及范围，用于描述具体每个用户对于商品所属品类的偏好程度，可以理解的是，该组特征的粒度要粗于用户+商品特征组。

特征组3：用户画像特征组。用户画像是一种勾画目标用户、联系用户诉求与设计方向的有效供给，在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待联系起来。该特征组用于描绘用户的个人信息，包括用户年龄、性别、地理位置、消费能力等能对用户进行分组的特征。

特征组4：商品画像特征组。该特征组用于描绘商品的信息，包括商品的价格段、销售数量、好评率等能对商品进行分组的特征。

需要说明的是，每一个训练样本通过用户标识(IDentity，简称ID)和商品ID来进行定位，样本标签在点击率预估的场景下为用户是否点击该商品，是一个二分类的标签，样本特征则是上述的四类离线特征。

在操作S312，获取初始训练样本。

在操作S313，基于多个训练特征组，拆分初始训练样本，以构建多组训练样本。

根据本公开的实施例，对应于多个训练特征组，可以对初始训练样本进行拆分，以得到多组训练样本。多组训练样本中的各组训练样本与多个训练特征组中的各训练特征组一一对应。

例如，训练数据X_i为第i个训练样本，训练样本中包括三部分：样本索引、样本特征以及样本标签。样本索引为用户ID+商品ID；样本特征为上一步骤所述的四个特征组；样本标签为索引所对应的用户是否点击对应的商品的标志，若用户点击商品则标签为1，若用户未点击商品则标签未0。针对上述四个训练特征组，初始训练样本X₁将被拆分为四份，分别是(用户+商品特征组，标签)，(用户+品类特征组，标签)，(用户画像特征组，标签)，(商品画像，标签)，所有的训练样本照此规则组成了四组训练样本。

以下将以集成树模型为XGBoost模型为例，对本公开实施例的点击率预估方法做示例性说明。XGBoost模型是一种在数据挖掘领域广泛使用的，解决分类问题的机器学习算法，尤其在结构化数据保存完整，调用方便的场景下，XGBoost算法是最能契合数据需求的业务场景的算法之一。XGBoost本质上是一种梯度提升决策树算法(Gradient BoostingDecision Tree，GBDT)，通过将分类回归树(Classification And Regression Tree，CART)按照Boosting集成方法集成起来的一种集成学习算法。

需要说明的是，本领域技术人员可以根据业务的实际情况，训练得到其他集成树模型，以获得点击率预估中间结果，本公开对集成树模型的具体形式不做限定。

图3B示意性示出了根据本公开实施例的数据流向图。

如图3B所示，基于用户+商品特征组，用户+品类特征组，用户画像特征组，以及商品画像特征组，多条初始训练样本中的任一条初始训练样本X_i均被拆分为四组，在图中以①、②、③、④表示，分别是(用户+商品特征组，标签)，(用户+品类特征组，标签)，(用户画像特征组，标签)，(商品画像特征组，标签)。每一个特征组对应一个集成树模型，以获得基于该特征组预测的点击率预估中间结果，具体的对应关系本公开不做限定。例如，用户+商品特征组可以对应XGBoost模型1，用户+品类特征组可以对应XGBoost模型2，用户画像特征组可以对应XGBoost模型3，商品画像特征组可以对应XGBoost模型4。

对应第一层级，将上述四组训练样本组分别输入进四个XGBoost模型中并发地进行训练。对于输入进这一层XGBoost模型的每一个样本，输出为一个(样本标签，XGBoost模型1预测的点击概率，XGBoost模型2预测的点击概率，XGBoost模型3预测的点击概率，XGBoost模型4预测的点击概率)的数组。

需要说明的是，每一个XGBoost算法模型接受对应特征组及标签作为输入，以每一棵树的叶子节点的输出累计求得对应的标签概率，即分布在[0，1]区间的数值。若定义每一个样本的标签＝1，代表着该用户有点击过商品，那么输出的概率值越大就代表着机器预测用户会点击该商品的可能性也越大。

对应第二层级，四个XGBoost模型的概率输出结果是第一层，每一个XGBoost模型的输出概率可以描述每一个特征组的结果偏向。例如若XGBoost模型1的输入特征组为用户画像组，则XGBoost模型1的输出概率是描述了在只考量用户个人信息情况下，用户对商品的点击概率。而实际当中用户是否会点击一件商品，会受到多方面的影响，只以单方面的数据来描述这个行为是一种以偏概全且不完备的决策链。例如“四川人对所有火锅食材的概率非常大”这样的决策思路其实是不完备的，因为火锅食材也有热销品及滞销品，荤素食材的偏爱也因人而异。这一部分的信息无法从用户画像的信息中挖掘出来，而解决这个问题最直观的方法即是构建多个XGBoost模型，以增加多个信息源来模拟出一个点击行为的决策链，最终输出每一个样本唯一的预测点击概率。

图3C示意性示出了根据本公开另一实施例的点击率预估方法的流程图。

如图3C所示，该方法除了可以包括前述操作S210～S240之外，还可以包括操作S321、操作S322、操作S331以及操作S332。其中：

在操作S321，针对多个集成树模型，确定各集成树模型对应的初始权重值。

在操作S322，基于初始权重值，构建逻辑回归模型，以使得逻辑回归模型基于多个点击率中间预估结果生成点击率最终预估结果。

在操作S323，基于点击率最终预估结果，调整初始权重值，以确定各集成树模型对应的当前权重值。

在操作S324，基于当前权重值，更新逻辑回归模型。

根据本公开的实施例，虽说模型在离线评估时的指标与线上推荐结果的满意度正相关，但依旧不能忽略模型在线下指标和线上推荐结果之间存在的语义间隔。因为推荐的商品是否符合用户的喜好是一个非常复杂的决策过程。

例如，用户A在几天前频繁地搜索并点击B品牌手机，点击率预估模型根据A用户的历史行为计算得到的点击率高的商品全是不同型号，不同参数的B品牌手机。显然，这样的结果从原理上来说是正确的，因为用户的历史行为表明用户对于B品牌手机是有非常高的兴趣的，但从运营的角度来说这并不是一个好的推荐决策，因为能展示给用户的推荐商品数量有限，全推一种商品并不符合常理。所以运营会向研发进行反馈，要求对这样的问题进行修正。而研发在接受反馈之后需定位问题再去分析。本公开提供的层级算法框架可以有效地提升研发定位问题的效率。在该框架的算法第二层是一个LR算法，LR算法将多个XGBoost算法输出的概率值整合成一个最终的预测点击概率公式为：

其中：X为输入向量，也即为XGBoost算法输出的概率向量，而W和b是训练算法得到的特征权重向量及偏置项，p(X；W，b)为LR模型最终输出的预测的点击概率。

将p(X；W，b)记为p，上式可变为如下形式：

其中：p为用户点击商品的概率，

被称作优势比(Odd Ratio)，该值越大代表用户越有意愿去点击商品。

等式右侧是线性回归，x_i为第i个XGBoost输出的预测概率，ω_i为对应的权重数值。

多个不同的集成树模型输出的点击率中间预估结果，即预测概率值是一个变化程度及区间都一致的数值。因此，可以认为权重值ω_i绝对值的大小对应每个中间预估结果的重要程度，而每个中间预估结果的数据上游特征都具有一定的业务含义。例如，可以是用户画像，可以是用户对商品的偏好信息，这部分特征分别具有不同的实际业务含义。因此，在一定程度上本公开提供的点击率预估算法得出的点击率预估结果对推荐结果是能够提供解释性的。需要说明的是，可以为各集成树模型设置初始权重值，再根据实际情况，对初始权重值进行调整，可以手动调整，也可以自动调整，例如根据点击率预估结果的反馈结果调整，本公开不做限定。

例如，沿用上述用户A点击B品牌手机的例子，用户-商品特征组对应的ω的绝对值最大。为了规避推荐多个B品牌手机的情形，可以调整LR模型的每个特征组对应的XGBoost模型对应的ω的绝对值大小，可以将用户-商品特征组对应的ω的绝对值调小，将用户-品类特征组对应的ω的绝对值调大，使得推荐结果中，即能捕捉到用户对于手机的偏好，将符合用户偏好的商品推荐给用户，同时又规避了全部推荐B品牌手机的问题。

通过本公开的实施例，根据实际业务需要，基于点击率最终预估结果，调整初始权重值，以确定各集成树模型对应的当前权重值，可以使得点击率最终预估结果随着用户喜好的改变及时更新，提高点击率预估结果的准确性。

基于同一发明构思，本公开还提供了一种点击率预估系统。

图4示意性示出了根据本公开实施例的点击率预估系统的框图。

如图4所示，该点击率预估系统400可以包括第一构建模块410、第二构建模块420、第一处理模块430以及第二处理模块440。其中：

第一构建模块410，被配置为基于目标用户的第一属性和目标对象的第二属性，构建多组训练样本。

第二构建模块420，被配置为针对多组训练样本，构建多个集成树模型。

第一处理模块430，被配置为将各组训练样本分别输入至对应的集成树模型，以得到多个点击率中间预估结果。

第二处理模块440，被配置为将多个点击率中间预估结果输入至逻辑回归模型，以得到点击率最终预估结果。

通过本公开的实施例，基于包括多个层级的层级机器学习算法预估点击率，从将样本按照不同属性切分为多训练样本组，输入进第一层集成树模型，得到不同属性之下的预测点击概率后再通过下一层的逻辑回归模型进行整合，最终输出唯一的预测点击概率。在运算能力的可承受范围内，不断地增加神经网络的层数就可以不断地提升点击率预估模型评价指标的数值。

图5A示意性示出了根据本公开实施例的第一构建模块的框图。

如图5A所示，第一构建模块410包括第一构建子模块511、获取子模块512以及第二构建子模块513。其中：

第一构建子模块511，被配置为基于目标用户的第一属性和目标对象的第二属性，构建多个训练特征组。

获取子模块512，被配置为获取初始训练样本。

第二构建子模块513，被配置为基于多个训练特征组，拆分初始训练样本，以构建多组训练样本。

根据本公开的实施例，多个训练特征组包括用户画像特征组、对目标用户与目标对象之间的关联加以表征的特征组、对象画像特征组和对目标用户与品类之间的关联加以表征的特征组中的至少一个，第一构建子模块包括：第一构建单元，被配置为基于第一属性中包括的固有属性，构建目标用户的用户画像特征组。第二构建单元，被配置为基于第一属性中包括的操作数据，构建对目标用户与目标对象之间的关联加以表征的特征组。第三构建单元，被配置为基于第二属性，构建目标对象的对象画像特征组。获取单元，被配置为基于第二属性，获取目标对象所属品类的品类属性。第四构建单元，被配置为基于品类属性，构建对目标用户与品类之间的关联加以表征的特征组。

图5B示意性示出了根据本公开实施例的点击率预估系统的框图。

如图5B所示，该点击率预估系统500除了可以包括前述第一构建模块410、第二构建模块420、第一处理模块430以及第二处理模块440之外，还可以包括确定模块521、第三构建模块522、调整模块523以及更新模块524。其中：

确定模块521，被配置为针对多个集成树模型，确定各集成树模型对应的初始权重值。

第三构建模块522，被配置为基于初始权重值，构建逻辑回归模型，以使得逻辑回归模型基于多个点击率中间预估结果生成点击率最终预估结果。

调整模块523，被配置为基于点击率最终预估结果，调整初始权重值，以确定各集成树模型对应的当前权重值。

更新模块524，被配置为基于当前权重值，更新逻辑回归模型。

通过本公开的实施例，根据实际业务需要，基于点击率最终预估结果，调整初始权重值，以确定各集成树模型对应的当前权重值，可以使得点击率最终预估结果随着用户喜好的改变及时更新，提高点击率预估结果的准确性。

根据本公开的实施例的模块、子模块、单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块中的任意一个或多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)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，第一构建模块410、第二构建模块420、第一处理模块430、第二处理模块440、第一构建子模块511、获取子模块512、第二构建子模块513、第一构建单元、第二构建单元、第三构建单元、获取单元、第四构建单元、确定模块521、第三构建模块522、调整模块523以及更新模块524中的任意多个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。根据本公开的实施例，第一构建模块410、第二构建模块420、第一处理模块430、第二处理模块440、第一构建子模块511、获取子模块512、第二构建子模块513、第一构建单元、第二构建单元、第三构建单元、获取单元、第四构建单元、确定模块521、第三构建模块522、调整模块523以及更新模块524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)，或可以通过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、硬件以及同件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一构建模块410、第二构建模块420、第一处理模块430、第二处理模块440、第一构建子模块511、获取子模块512、第二构建子模块513、第一构建单元、第二构建单元、第三构建单元、获取单元、第四构建单元、确定模块521、第三构建模块522、调整模块523以及更新模块524中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图6示意性示出了根据本公开实施例的适于实现点击率预估方法的计算机系统的方框图600。图6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6所示，根据本公开实施例的计算机系统600包括处理器601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601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601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行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 603中，存储有系统600操作所需的各种程序和数据。处理器601、ROM 602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601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根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，系统600还可以包括输入/输出(I/O)接口605，输入/输出(I/O)接口605也连接至总线604。系统600还可以包括连接至I/O接口605的以下部件中的一项或多项：包括键盘、鼠标等的输入部分606；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607；包括硬盘等的存储部分608；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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，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610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608。

根据本公开的实施例，根据本公开实施例的方法流程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存储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609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被处理器601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。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储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执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：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)、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。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603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。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

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)

1.一种点击率预估方法，包括：

基于目标用户的第一属性和目标对象的第二属性，构建多组训练样本，其中，所述第一属性包括所述目标用户的固有属性和针对所述目标对象的操作数据；

针对所述多组训练样本，构建多个集成树模型，其中，各集成树模型与所述多组训练样本中的各组训练样本一一对应；

将所述各组训练样本分别输入至对应的集成树模型，以得到多个点击率中间预估结果；以及

将所述多个点击率中间预估结果输入至逻辑回归模型，以得到点击率最终预估结果。

2.根据权利要求1所述的方法，其中，所述基于目标用户的第一属性和目标对象的第二属性，构建多组训练样本包括：

基于目标用户的第一属性和目标对象的第二属性，构建多个训练特征组；

获取初始训练样本；以及

基于所述多个训练特征组，拆分所述初始训练样本，以构建多组训练样本，其中，所述多组训练样本中的各组训练样本与所述多个训练特征组中的各训练特征组一一对应。

3.根据权利要求2所述的方法，其中，所述多个训练特征组包括用户画像特征组、对所述目标用户与所述目标对象之间的关联加以表征的特征组、对象画像特征组和对所述目标用户与所述品类之间的关联加以表征的特征组中的至少一个，所述基于目标用户的第一属性和目标对象的第二属性，构建多个训练特征组包括：

基于所述第一属性中包括的固有属性，构建所述目标用户的用户画像特征组；

基于所述第一属性中包括的所述操作数据，构建对所述目标用户与所述目标对象之间的关联加以表征的特征组；

基于所述第二属性，构建所述目标对象的对象画像特征组；

基于所述第二属性，获取所述目标对象所属品类的品类属性；

基于所述品类属性，构建对所述目标用户与所述品类之间的关联加以表征的特征组。

4.根据权利要求1所述的方法，其中，所述方法还包括：

针对所述多个集成树模型，确定各集成树模型对应的初始权重值；以及

基于所述初始权重值，构建所述逻辑回归模型，以使得所述逻辑回归模型基于所述多个点击率中间预估结果生成所述点击率最终预估结果。

5.根据权利要求4所述的方法，其中，所述方法还包括：

基于所述点击率最终预估结果，调整所述初始权重值，以确定所述各集成树模型对应的当前权重值；以及

基于所述当前权重值，更新所述逻辑回归模型。

6.一种点击率预估系统，包括：

第一构建模块，被配置为基于目标用户的第一属性和目标对象的第二属性，构建多组训练样本，其中，所述第一属性包括所述目标用户的固有属性和针对所述目标对象的操作数据；

第二构建模块，被配置为针对所述多组训练样本，构建多个集成树模型，其中，各集成树模型与所述多组训练样本中的各组训练样本一一对应；

第一处理模块，被配置为将所述各组训练样本分别输入至对应的集成树模型，以得到多个点击率中间预估结果；以及

第二处理模块，被配置为将所述多个点击率中间预估结果输入至逻辑回归模型，以得到点击率最终预估结果。

7.根据权利要求6所述的系统，其中，所述第一构建模块包括：

第一构建子模块，被配置为基于目标用户的第一属性和目标对象的第二属性，构建多个训练特征组；

获取子模块，被配置为获取初始训练样本；以及

第二构建子模块，被配置为基于所述多个训练特征组，拆分所述初始训练样本，以构建多组训练样本，其中，所述多组训练样本中的各组训练样本与所述多个训练特征组中的各训练特征组一一对应。

8.根据权利要求7所述的系统，其中，所述多个训练特征组包括用户画像特征组、对所述目标用户与所述目标对象之间的关联加以表征的特征组、对象画像特征组和对所述目标用户与所述品类之间的关联加以表征的特征组中的至少一个，所述第一构建子模块包括：

第一构建单元，被配置为基于所述第一属性中包括的固有属性，构建所述目标用户的用户画像特征组；

第二构建单元，被配置为基于所述第一属性中包括的所述操作数据，构建对所述目标用户与所述目标对象之间的关联加以表征的特征组；

第三构建单元，被配置为基于所述第二属性，构建所述目标对象的对象画像特征组；

获取单元，被配置为基于所述第二属性，获取所述目标对象所属品类的品类属性；

第四构建单元，被配置为基于所述品类属性，构建对所述目标用户与所述品类之间的关联加以表征的特征组。

9.根据权利要求6所述的系统，其中，所述系统还包括：

确定模块，被配置为针对所述多个集成树模型，确定各集成树模型对应的初始权重值；以及

第三构建模块，被配置为基于所述初始权重值，构建所述逻辑回归模型，以使得所述逻辑回归模型基于所述多个点击率中间预估结果生成所述点击率最终预估结果。

10.根据权利要求9所述的系统，其中，所述系统还包括：

调整模块，被配置为基于所述点击率最终预估结果，调整所述初始权重值，以确定所述各集成树模型对应的当前权重值；以及

更新模块，被配置为基于所述当前权重值，更新所述逻辑回归模型。

11.一种介质，存储有计算机可执行指令，所述指令在被处理单元执行时用于实现权利要求1至5中任一项所述的方法。

12.一种计算设备，包括：

处理单元；以及

存储单元，存储有计算机可执行指令，所述指令在被处理单元执行时用于实现权利要求1至5中任一项所述的方法。

Images