[发明专利]广告点击率预测模型的训练方法、预测方法及装置

说明书

本公开提供了一种广告点击率预测模型的训练方法，可以应用于金融领域及人工智能技术领域。该广告点击率预测模型的训练方法包括：获取训练样本数据集，其中，训练样本数据集包括多个样本数据组，每个样本数据组中包括用户特征数据以及广告特征数据；将训练样本数据集中的样本数据组输入特征提取网络，输出有效特征数据，其中，特征提取网络包括依次级联的特征组合网络和有效特征提取网络；利用有效特征数据训练预测网络，得到训练完成的广告点击率预测模型。本公开还提供了一种广告点击率预测方法、广告点击率预测模型的训练装置、广告点击率预测装置、设备、存储介质和程序产品。

技术领域

本公开涉及金融领域及人工智能技术领域，更具体地涉及一种广告点击率预测模型的训练方法、广告点击率预测方法及装置、设备、介质和程序产品。

背景技术

广告点击率预测在实际业务中有着重要的参考价值，它是通过广告数据和用户数据预测用户点击一个广告的点击概率。

发明人在实现本发明构思的过程中发现，相关技术中的广告点击率预测方法不能很好的利用广告数据和用户数据，因而相关技术中的广告点击率预测方法通常存在预测结果不准确的技术问题。

发明内容

鉴于上述问题，本公开提供了一种广告点击率预测模型的训练方法、广告点击率预测方法、装置、设备、介质和程序产品。

根据本公开的第一个方面，提供了一种广告点击率预测模型的训练方法，其中，上述广告点击率预测模型包括依次级联的特征提取网络和预测网络，上述方法包括：

获取训练样本数据集，其中，上述训练样本数据集包括多个样本数据组，每个上述样本数据组中包括用户特征数据以及广告特征数据；

将上述训练样本数据集中的样本数据组输入上述特征提取网络，输出有效特征数据，其中，上述特征提取网络包括依次级联的特征组合网络和有效特征提取网络；以及

利用上述有效特征数据训练上述预测网络，得到训练完成的广告点击率预测模型。

根据本公开的实施例，上述特征组合网络包括N个特征组合子网络；

上述将上述训练样本数据集输入上述特征提取网络，输出有效特征数据包括：

将上述训练样本数据集输入上述N个特征组合子网络，上述N个特征组合子网络分别输出第一特征值；

根据N个上述第一特征值，利用独热编码算法生成第二特征值；

将上述第二特征值输入上述有效特征提取网络，输出上述有效特征数据。

根据本公开的实施例，其中，上述有效特征提取网络包括依次级联的卷积层和池化层；

上述将上述第二特征值输入上述有效特征提取网络，输出上述有效特征数据包括：

将上述第二特征值输入上述卷积层，输出第一特征数据；

将上述第一特征数据输入上述池化层，输出上述有效特征数据。

根据本公开的实施例，上述将上述训练样本数据集输入上述N个特征组合子网络包括：

将上述用户特征数据和上述广告特征数据拼接得到特征数据，并将上述特征数据输入上述N个特征组合子网络。

根据本公开的实施例，上述样本数据组还包括标签信息；

上述利用上述有效特征数据训练上述预测网络，得到训练完成的广告点击率预测模型包括：

将上述有效特征数据输入上述预测层，输出预测结果，其中，上述预测结果表征样本用户点击样本广告的概率，上述样本用户包括与上述用户特征数据对应的用户，上述样本广告包括与上述广告特征数据对应的广告；