[发明专利]一种点击率预估方法、服务器及计算机可读存储介质

说明书

本发明实施例公开了一种点击率预估方法、服务器及计算机可读存储介质，用于得到更精确的综合预估模型，提高了综合预估模型的性能，增加了点击率预估的准确性。本发明实施例方法包括：获取样本数据；将所述样本数据转换成特征数据；根据所述特征数据获取综合预估模型，所述综合预估模型由中心化模型和局部化模型得到，所述中心化模型用于计算所述特征数据的点击率，所述局部化模型用于根据所述特征数据所属的类别计算点击率；根据所述综合预估模型对所述特征数据进行点击率预估。

技术领域

本发明涉及计算机领域，尤其涉及一种点击率预估方法、服务器及计算机可读存储介质。

背景技术

随着互联网的迅速发展，数据规模也越来越大，数据的类别也越来越丰富，如何从海量的数据中获取有效的数据信息变得越来越重要。

数据内容提供商需要为用户提供有针对性的数据，例如，为用户提供需要的广告或者是新闻等，其中，点击率是衡量数据内容提供商提供的数据是否具有针对性的一个重要标准。数据内容提供商需要对提供的内容进行预估，向用户推送点击率高的新闻或广告等。用户在使用推荐平台进行搜索查询时，如果符合用户搜索需求的某一目标内容被触发，该目标内容将出现在搜索结果页，即该目标内容被显示一次，一段时间内目标内容被显示的次数称之为“显示次数”，一段时间内目标内容得的点击次数称之为“点击次数”。点击率是指推荐平台上某一内容(新闻或者广告)的点击次数与显示次数之比，即某一内容被用户点击的概率。

现有方案将逻辑回归(logistic regression，LR)模型作为点击率预估模型，以便推送点击率高的内容给用户。LR模型算法，只有一个中心化模型的参数，在训练过程针对每个数据样本进行训练，并没有考虑数据样本的分布。在实际产品中，数据样本的分布不均匀。例如，用户可能可以分为不同特点的群体，而不同特征的群体的活跃度，倾向可能有不同的表现，因此导致点击率预估模型的性能下降。

发明内容

本发明实施例提供了一种点击率预估方法、服务器及计算机可读存储介质，用于得到更精确的综合预估模型，提高了综合预估模型的性能，增加了点击率预估的准确性。

本发明第一方面提供了一种点击率预估方法，包括：

获取样本数据；

将所述样本数据转换成特征数据；

根据所述特征数据获取综合预估模型，所述综合预估模型由中心化模型和局部化模型得到，所述中心化模型用于计算所述特征数据的点击率，所述局部化模型用于根据所述特征数据所属的类别计算点击率；

根据所述综合预估模型对所述特征数据进行点击率预估。

本发明第二方面提供了一种点击率预估方法，包括：

将预置的目标数据发送至推荐平台，所述推荐平台用于根据所述预置的目标数据向用户设备发送推送数据；

接收所述推荐平台发送的所述推送数据；

显示所述推送数据。

本发明第三方面提供了一种服务器，包括：

第一获取单元，用于获取样本数据；

转换单元，用于将所述样本数据转换成特征数据；

第二获取单元，根据所述特征数据获取综合预估模型，所述综合预估模型由中心化模型和局部化模型得到，所述中心化模型用于计算所述特征数据的点击率，所述局部化模型用于根据所述特征数据所属的类别计算点击率；

预估单元，用于根据所述综合预估模型对所述特征数据进行点击率预估。

本发明第四方面提供了一种用户设备，包括：