[发明专利]特征聚合的方法及装置

说明书

本发明实施例提供一种特征聚合的方法及装置，涉及智能广告技术领域，用以解决现有技术中存在的特征样本过少，从而导致预估的准确性较低的问题。本方案为：获取广告的特征信息，特征信息包括广告的访问量PV和点击率CTR；在二维坐标系中根据广告的PV和CTR确定广告特征点；对二维坐标系划分形成M*N个网格，以使得落入每列的PV的总和相同且落入同列的每个网格的PV的总和相同，或者以使得落入每行的PV的总和相同且落入同行的每个网格的PV的总和相同；根据M*N个网格输出聚合后的特征组，每个特征组的PV为落入每个网格的广告特征点的PV之和，每个特征组的CTR为落入每个网格的广告特征点的CTR之和；其中，M和N是大于或等于2的整数。

技术领域

本发明涉及智能广告技术领域，具体涉及一种特征聚合的方法及装置。

背景技术

需求方平台(英文全称：DemandSidePlatform，简称：DSP)是一个系统，也是一种在线广告平台，汇集了各种广告交易平台(Advertisement Exchange)的库存。

DSP服务于广告主，对接ADX的流量，集合了众多小媒体的流量，这样使得广告的点击率很低，数据比较稀疏，直接采用这些点击率进行预估时，会导致预估的准确率较低。因此，需要先解决特征样本过少的问题。

目前均是通过特征聚合的方式实现降维，从而增加样本数量。现有技术中采用的K-means算法进行特征聚合，聚合的特征组的特征数量无法控制，使得聚合的特征组的特征数量可大可小，这样有些特征组的特征数量仍然较少，从而导致预估的准确性依然很低。

发明内容

本发明的实施例提供一种特征聚合的方法及装置，解决现有技术中存在的特征样本过少，从而导致预估的准确性较低的问题。

为达到上述目的，本发明的实施例采用如下技术方案：

本发明实施例的第一方面，提供一种特征聚合的方法，所述方法包括：获取广告的特征信息，所述特征信息包括广告的访问量PV和点击率CTR；在二维坐标系中根据所述广告的PV和CTR确定广告特征点；对所述二维坐标系划分形成M*N个网格，以使得落入每列的PV的总和相同且落入同列的每个网格的PV的总和相同，或者以使得落入每行的PV的总和相同且落入同行的每个网格的PV的总和相同；根据所述M*N个网格输出聚合后的特征组，每个特征组的PV为落入每个网格的所述广告特征点的PV之和，每个特征组的CTR为落入每个网格的所述广告特征点的CTR之和；其中，所述M和N是大于或等于2的整数。

在一个实施例中，所述对所述二维坐标系划分形成M*N个网格，包括：按照从小到大的顺序对广告特征点中的PV排序；按照PV将所述二维坐标系中的X轴划分N列，每列的PV的总和相同；按照CTR分别将所述N列中的每列划分为M行，同列的每个格子的PV的总和相同。

在一个实施例中，所述对所述二维坐标系划分形成M*N个网格，包括：按照从小到大的顺序对广告特征点中的CTR排序，按照CTR值将所述二维坐标系中的Y轴划分为M行，每行的CTR的总和相同；按照PV分别将所述M行中的每行划分为N列，同行的每个格子的PV的总和相同。

在一个实施例中，所述方法还包括：根据CTR预估模型的权重验证聚合结果。

在一个实施例中，所述根据CTR预估模型的权重验证聚合结果，包括：当CTR预估模型的权重和所述聚合结果不一致时，调整M和N的大小，直到所述CTR预估模型的权重和所述聚合结果保持一致。

在一个实施例中，所述M为20，所述N为5。

本发明实施例的第二方面，提供一种广告点击率预估的方法，所述方法包括：通过第一方面所述的方法生成聚合后的特征组；根据所述聚合后的特征组训练点击率预估模型；根据训练后的点击率预估模型预估待投放广告的点击率。