[发明专利]一种基于增量学习的在线广告投放方法、装置和电子设备

权利要求书

1.一种基于增量学习的在线广告投放方法，用于根据实时评估的当前用户的转化率来进行在线广告的投放，其特征在于，包括：

获取历史用户数据，建立训练数据集，使用所述训练数据集训练XGboost模型，以构建初始的转化率评估模型；

建立小客群样本数据库，以用于与训练数据集配合使用；

若当前用户属于所述训练数据集所不包含的小客群时，读取该小客群样本的历史用户数据，进行数据匹配；

使用所述小客群样本的历史用户数据，在所述初始的转化率评估模型的基础上进行增量训练，通过增量学习的方式来调整所述初始的转化率评估模型，以使所述初始的转化率评估模型适应于小样本，以更新所述转化率评估模型；

使用增量学习后的转化率评估模型计算所述当前用户的转化率评估值；

根据所述转化率评估值决定是否对所述当前用户进行广告投放及广告投放方式。

2.根据权利要求1所述的基于增量学习的在线广告投放方法，其特征在于，根据所述转化率评估值决定是否对所述当前用户进行广告投放及广告投放方式包括：

根据所述转化率评估值以及预定的目标用户筛选规则和/或竞价策略决定是否对该当前用户进行广告投放竞价，并在决定竞价时确定竞价额。

3.根据权利要求2所述的基于增量学习的在线广告投放方法，其特征在于，

通过广告竞价管理平台在广告投放平台投放广告；

所述目标用户筛选规则和/或竞价策略存储于所述广告竞价管理平台上。

4.根据权利要求3所述的基于增量学习的在线广告投放方法，其特征在于，

所述广告竞价管理平台获取所述当前用户的信息并将其送入所述转化率评估模型，并从所述转化率评估模型获取对该用户的转化率评估值。

5.根据权利要求4所述的基于增量学习的在线广告投放方法，其特征在于，在所述初始的转化率评估模型的基础上进行增量训练包括：

根据预设筛选规则，确定增量学习方法，所述预设筛选规则包括根据实时获取当前用户的用户特征数据判断是否保持树结构；

在判断为保持树结构的情况下，使用调整叶节点权重的增量学习方法；

在判断为不保持树结构的情况下，再 使用变更树结构的增量学习方法。

6.根据权利要求5所述的基于增量学习的在线广告投放方法，其特征在于，

在匹配度小于特定阈值的情况下，在当前迭代树的基础上增加新树，使用所述训练数据集训练当前迭代树，并使用所述当前用户和与当前用户的用户特征相似的新数据训练所述新树，以进行增量训练。

7.根据权利要求6所述的基于增量学习的在线广告投放方法，其特征在于，

在匹配度大于或等于特定阈值的情况下，当前迭代树结构不变，重新计算叶节点权重，将所述当前用户的特征数据增加至所述训练数据集，以进行增量训练。

8.一种基于增量学习的在线广告投放装置，用于根据实时评估的当前用户的转化率来进行在线广告的投放，其特征在于，包括：

数据获取模块，用于获取历史用户数据，建立训练数据集，使用所述训练数据集训练XGboost模型，以构建初始的转化率评估模型，建立小客群样本数据库，以用于与训练数据集配合使用；

读取模块，用于若当前用户属于所述训练数据集所不包含的小客群时，读取该小客群样本的历史用户数据，进行数据匹配；

更新模块，用于使用所述小客群样本的历史用户数据，在所述初始的转化率评估模型的基础上进行增量训练，通过增量学习的方式来调整所述初始的转化率评估模型，以使所述初始的转化率评估模型适应于小样本，以更新所述转化率评估模型；

计算模块，用于使用增量学习后的转化率评估模型计算所述当前用户的转化率评估值；

判断模块，用于根据所述转化率评估值决定是否对所述当前用户进行广告投放及广告投放方式。