[发明专利]广告推荐方法及装置、电子设备、存储介质

说明书

本申请公开了一种广告推荐方法及装置、电子设备、存储介质，方法包括：获取目标用户的档案数据和生成数据；其中，目标用户属于不活跃用户；生成数据为用户与广告间产生关联的数据；将目标用户的档案数据与生成数据拼接后进行降维处理，得到目标用户对应的特征向量；将目标用户对应的特征向量输入预先训练好的推荐模型中，得到目标用户对应的分类结果；其中，推荐模型预先利用种子用户作为正样本用户，属于活跃且对目标广告不感兴趣的用户作为负样本用户进行训练得到；种子用户至少包括活跃用户中对目标广告感兴趣并已转化的用户；若分类结果为正向，向目标用户推荐目标广告；分类结果为正向表征目标用户与种子用户的相似程度满足预设条件。

技术领域

本申请涉及广告推荐技术领域，特别涉及一种广告推荐方法及装置、电子设备、存储介质。

背景技术

为了使得更多用户参与活动或者购买商品等，所以会向用户推荐相应的广告，而如何准确向用户推荐用户感兴趣并可能进行转化的广告，从而可以提高广告的转化率尤为重要。

现今主要使用的方法是获取用户的广告行为数据，即获取用户对广告进行操作时所产生的数据，并将用户的广告行为数据转化为向量，得到用户对应的行为数据的向量，然后基于各个用户对应的行为数据的向量，通过计算向量用户之间的相似度对用户进行聚类，从将相似的用户聚为同一类簇。最后，将针对每个类簇中的用户的特征，查找与该类簇相匹配的广告并推荐给该类簇中的用户。

但是，现有的方式主要从广告的角度抽取用户的广告行为数据进行分析，没有考虑到不活跃用户，在系统中的操作较少，因此能获取到的该类型的用户的广告行为数据比较少，因此所得到聚类效果太差，从而无法准备地向这类型的用户推荐其感兴趣并且有极大概率进行转化的广告。

发明内容

基于上述现有技术的不足，本申请提供了一种广告推荐方法及装置、电子设备、存储介质，以解决现有技术对不活跃用户的广告推荐不够准确的问题。

为了实现上述目的，本申请提供了以下技术方案：

本申请第一方面提供了一种广告推荐方法，包括：

获取目标用户的档案数据以及生成数据；其中，所述目标用户属于不活跃用户；所述生成数据为用户与广告间产生关联的数据；

将所述目标用户的档案数据与生成数据拼接后进行降维处理，得到所述目标用户对应的特征向量；

将所述目标用户对应的特征向量输入预先训练好的推荐模型中，得到所述目标用户对应的分类结果；其中，所述推荐模型预先利用种子用户作为正样本用户，属于活跃且对目标广告不感兴趣的用户作为负样本用户进行训练得到；所述种子用户至少包括活跃用户中，对所述目标广告感兴趣并已转化所述目标广告的用户；

若所述目标用户对应的分类结果为正向，则向所述目标用户推荐所述目标广告；其中，所述分类结果为正向表征所述目标用户与所述种子用户的相似程度满足预设条件。

可选地，在上述的方法中，所述推荐模型的训练方法，包括：

从多个用户中筛选出所述正样本用户以及所述负样本用户；

获取每个所述样本用户的档案数据以及生成数据；其中，所述样本用户包括所述正样本用户以及所述负样本用户；

分别针对每个所述样本用户，将所述样本用户的档案数据与生成数据拼接后进行降维处理，得到所述样本用户对应的特征向量；

利用所述正样本用户对应的特征向量以及所述负样本用户对应的特征向量，对待训练的推荐模型进行迭代训练，得到训练好的所述推荐模型；其中，所述推荐模型基于回归的Look-Alike算法构建。

可选地，在上述的方法中，所述从多个用户中筛选出正样本用户以及负样本用户，包括：

将多个用户划分为活跃用户集合和不活跃用户集合；