[发明专利]预估推送内容点击通过率的方法、训练端、控制端和系统

说明书

本发明公开了一种预估推送内容点击通过率的方法、控制端、训练端和系统，所述方法包括：获取推送内容的日志数据，其中，每条日志数据包括一个或多个字段；对每条日志数据进行字段筛除，将经过筛除的日志数据推送到训练端上进行训练，得到训练结果数据；所述训练端有多个；对各训练端返回的训练结果数据进行归并处理，得到推送内容的点击通过率评价模型；根据所述点击通过率评价模型对多个推送内容进行评价，得到各推送内容的预估的点击通过率。该技术方案利用分布式的多个训练端可以同时训练筛除字段的日志数据并进行归并，更加适应日志数据的日益增长，处理效率高。

技术领域

本发明涉及内容推送领域，具体涉及预估推送内容点击通过率的方法、训练端、控制端和系统。

背景技术

CTR(Click-Through-Rate，点击通过率)是指推送内容(例如图片广告、文字广告、关键词广告、排名广告、视频广告等)的点击到达率，即该推送内容的实际点击次数(严格的来说，可以是到达目标页面的数量)除以该推送内容的展现量(Show content)。CTR是衡量推送内容效果的一项重要指标。

因此，为了使投放的广告等推送内容能够达到更好的效果，需要将重点推送内容放置在点击通过率较高的位置，这也就需要能够实现预估点击通过率。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的预估推送内容点击通过率的方法、训练端、控制端和系统。

依据本发明的一个方面，提供了一种预估推送内容点击通过率的方法，包括：

获取推送内容的日志数据，其中，每条日志数据包括一个或多个字段；

对每条日志数据进行字段筛除，将经过筛除的日志数据推送到训练端上进行训练，得到训练结果数据；所述训练端有多个；

对各训练端返回的训练结果数据进行归并处理，得到推送内容的点击通过率评价模型；

根据所述点击通过率评价模型对多个推送内容进行评价，得到各推送内容的预估的点击通过率。

可选地，所述日志数据包括：

推送内容的展现数据和/或推送内容的点击数据。

可选地，该方法还包括：

将所述推送内容的日志数据分为与训练端数量相同的多个数据块；

为每个数据块分配对应的训练端；

对每条日志数据进行字段筛除，将经过筛除的日志数据推送到训练端上进行训练包括：

根据该条日志数据所在的数据块确定对应的训练端，将经过筛除的日志数据推送到该训练端上进行训练。

可选地，所述对每条日志数据进行字段筛除包括：

预设字段的筛除概率p，即对一条推送内容的日志数据中的每个字段，筛除该字段的概率为p，不筛除该字段的概率为1-p。

可选地，每台训练端中保存有预设的训练模型；所述日志数据的各字段包括相应字段的特征信息；

所述将经过筛除的日志数据推送到训练端上进行训练，得到训练结果数据包括：将经过筛除的日志数据推送到训练端，由各训练端根据预设的训练模型对各字段的特征信息进行训练，得到与特征信息对应的点击通过率影响因子。

可选地，所述预设的训练模型为初始化的FTRL训练模型；

所述获取推送内容的日志数据包括：获取第一预设时间段内的全部推送内容的日志数据。

可选地，该方法还包括：将得到的点击通过率评价模型替换各训练端中预设的训练模型；