[发明专利]一种广告点击率预估模型获取方法与系统

权利要求书

1.一种广告点击率预估模型获取方法，其特征在于，包括：

获取根据用户、查询关键词、查询结果中被点击的广告以及给定目标用 户和目标查询关键词后，得到的目标查询结果中被点击的目标广告的广告展 示次数的数据生成的历史点击日志数据；

根据所述广告展示次数数据，分别对所述用户、所述查询关键词和所述 广告的数据进行聚类降维，分别得到聚类后的用户数据，聚类后的查询关键 词数据和聚类后的广告数据；

根据所述聚类后的用户数据、聚类后的查询关键词数据和聚类后的广告 数据建立张量；

使用塔克张量分解法对所述张量进行分解，得到所述张量降维后的近似 张量；

根据其他目标属性特征数据和所述近似张量，进行基于径向基函数的支 持向量机学习，得到广告点击率预估模型。

2.根据权利要求1所述的广告点击率预估模型获取方法，其特征在于， 所述历史点击日志数据包括：

由用户、查询关键词、广告和对应的广告展示次数组成的四元组作为唯 一标识的各广告点击数据。

3.根据权利要求1所述的广告点击率预估模型获取方法，其特征在于， 所述根据所述广告展示次数数据，分别对所述用户、所述查询关键词和所述 广告的数据进行聚类降维，分别得到聚类后的用户数据，聚类后的查询关键 词数据和聚类后的广告数据包括：

根据所述广告展示次数数据、所述广告数据以及所述查询关键词数据建 立广告与查询关键词关联的第一权重矩阵，根据所述广告展示次数数据、所 述用户数据以及所述查询关键词数据建立用户与查询关键词关联的第二权重 矩阵；

使用K-means方法对所述第一权重矩阵进行针对用户数据的聚类得到聚 类后的用户数据，使用K-means方法对所述第一权重矩阵进行针对查询关键 词数据的聚类得到聚类后的查询关键词数据，使用K-means方法对所述第二 权重矩阵进行针对用户数据的聚类得到聚类后的用户数据。

4.根据权利要求1所述的广告点击率预估模型获取方法，其特征在于， 所述目标属性特征数据包括：

广告在返回页面的位置数据，广告数量数据、用户年龄数据和用户性别 数据。

5.根据权利要求1所述的广告点击率预估模型获取方法，其特征在于， 得到广告点击率预估模型后还包括：

根据所述广告点击率预估模型对给定查询关键词后的目标广告的点击率 进行预测。

6.一种广告点击率预估模型获取系统，其特征在于，包括：

历史数据获取模块，用于获取根据用户、查询关键词、查询结果中被点 击的广告以及给定目标用户和目标查询关键词后，得到的目标查询结果中被 点击的目标广告的广告展示次数的数据生成的历史点击日志数据；

聚类降维模块，用于根据所述广告展示次数数据，分别对所述用户、所 述查询关键词和所述广告的数据进行聚类降维，分别得到聚类后的用户数据， 聚类后的查询关键词数据和聚类后的广告数据；

张量建立模块，用于根据所述聚类后的用户数据、聚类后的查询关键词 数据和聚类后的广告数据建立张量；

张量降维模块，用于使用塔克张量分解法对所述张量进行分解，得到所 述张量降维后的近似张量；

模型建立模块，用于根据其他目标属性特征数据和所述近似张量，进行 基于径向基函数的支持向量机学习，得到广告点击率预估模型。

7.根据权利要求6所述的广告点击率预估模型获取系统，其特征在于， 所述历史点击日志数据包括：

由用户、查询关键词、广告和对应的广告展示次数组成的四元组作为唯 一标识的各广告点击数据。