[发明专利]一种广告推荐方法、服务器及计算机可读介质

说明书

本发明实施例公开了一种广告推荐方法、服务器及计算机可读介质，其中方法包括：根据多个用户中的两两用户之间在预设时间段内搜索关键词上的直接相似度、依赖值和依赖指向，构建贝叶斯网模型；选取贝叶斯网模型中的第一用户；计算第一用户点击广告集合中的每个广告的预测点击率；将符合预设规则的预测点击率对应的广告推荐给所述第一用户。实施本发明实施例，可以解决现有技术中因冷启动问题和用户历史交互信息稀疏问题而带来的广告投放不够有效。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种广告推荐方法、服务器及计算机可读介质。

背景技术

互联网在线广告已成为除电视和报纸之外的主要广告投放方式。在线广告的收益与广告的点击率CTR(Click Through Rate，CTR)密切相关，增加广告的点击率是提高广告收益的有效途径之一。具体实现中，广告点击率与广告的投放位置有关，广告的投放位置越靠前，意味着用户点击该广告的可能性越高；反之，广告的投放位置越靠后，意味着用户点击该广告的可能性越低。为了获得最大的在线广告收益，需要把点击率CTR相对较高的广告投放在靠前的位置，那么，需要对每个广告的点击率CTR进行预测。

在对广告的点击率CTR进行预测时，会面临冷启动和用户历史交互信息稀疏问题。具体来说，冷启动问题可以包括以下几种情况：(1)用户冷启动。用户冷启动是指当前的用户为新用户，广告点击日志中不存在该新用户的点击广告的记录。(2)物品冷启动。物品冷启动是指当前的广告为最新投放的广告，广告点击日志中不存在该新广告被用户点击的记录。此外，由于广告数量和用户数量很大，很多用户并不一定有广告点击记录，或者，很多用户点击的广告很少，此时，在这种情况下，会出现用户历史交互信息稀疏的问题。

现有技术中，一般采用基于行为定向来获取用户偏好的方式来有针对性地为用户推荐广告，以此提高在线广告的点击率CTR，然而，该方法并没有解决冷启动问题、用户历史交互信息稀疏问题对广告点击率CTR预测的影响，从而带来广告投放不够有效的问题。

发明内容

本发明实施例提供一种广告推荐方法、服务器及计算机可读介质，可解决现有技术中因冷启动问题和用户历史交互信息稀疏问题而带来的广告投放不够有效。

第一方面，本发明实施例提供了一种广告推荐方法，该方法包括：

根据多个用户中的两两用户之间在预设时间段内搜索关键词上的直接相似度、依赖值和依赖指向，构建贝叶斯网模型；

选取所述贝叶斯网模型中的第一用户；其中所述第一用户属于第一类用户集合，所述第一类用户集合中的用户没有点击过广告集合中的广告；所述第一用户与第二用户的第一相似度大于第一预设阈值，所述第一相似度用于表征所述第一用户和所述第二用户点击广告上的相似关系；所述第二用户属于第二类用户集合，所述第二类用户集合中的用户点击过所述广告集合中的广告；

计算所述第一用户点击所述广告集合中的每个广告的预测点击率；

将符合预设规则的所述预测点击率对应的广告推荐给所述第一用户。

实施本发明实施例，可以解决现有技术中因冷启动问题和用户历史交互信息稀疏问题而带来的广告投放不够有效。

可选的，所述计算所述第一用户点击所述广告集合中的每个广告的预测点击率，包括：

在计算所述第一用户点击所述广告集合中的其中一个广告时，根据以下计算公式来计算：

P＝A₁*B₁+A₂*B₂+...+A_N*B_N