[发明专利]信息点击预测中的特征构建方法、信息投放方法和装置

说明书

本公开揭示了一种信息点击预测中的特征构建方法、信息投放方法和装置。所述方法包括：获取用户行为数据，并通过用户行为数据得到信息点击行为用户数据；加载信息点击行为用户数据进行模型训练得到两个以上的树模型；通过树模型得到用户行为数据分别对应于每一树模型的特征，所有树模型对应的特征形成用户特征向量；存储用户特征向量，用户特征向量被用于相应用户的信息点击预测。此用户特征向量即被用于相应用户的信息点击预测，这一过程不需要依赖于人工实现，而是由模型自动学习得到相应的特征的，节省了人力，在时间上特征构造的周期也被相应缩短，并且由于是基于信息点击行为用户数据而实现的模型自动学习过程，因此特征的准确性也得到提高。

技术领域

本公开涉及大数据应用技术领域，特别涉及一种信息点击预测中的特征构建方法、信息投放方法和装置。

背景技术

随着互联网应用技术的发展，互联网已经逐渐成为人们生活中不可或缺的一部分，并且随之发展、演变出互联网中各种不同的用户群体。

互联网中进行的个性化信息投放，是指广告信息等各种个性化信息被投放至用户侧网页页面的过程。随着不同用户群体的存在，所进行的个性化信息投放，是有针对性的根据不同用户群体实现的，以使得所投放的个性化信息是所在的用户群体期望点击浏览的。也就是说，在所进行的个性化信息投放中，期望投放的个性化信息能够具备较高的信息点击概率。

较高信息点击概率的个性化信息投放，是基于用户所属用户群体的精准识别实现的，而互联网中不同用户群体的识别，实质是一特征工程的特征构造过程，以此来得到用于表示相应用户状况的特征，具备相同特征的一类用户构成一用户群体。

现有的特征构造过程是依赖于人工实现的。具体而言，主要通过人工根据自身业务知识或者经验进行特征构造，周期较长，并且特征的准确性也亟待提高。

发明内容

为了解决相关技术中存在的个性化信息的针对性投放中特征构造的周期较长，准确性较差的技术问题，本公开提供了一种信息点击预测中的特征构建方法、信息投放方法和装置。

一种信息点击预测中的特征构建方法，所述方法包括：

获取用户行为数据，并通过所述用户行为数据得到信息点击行为用户数据；

加载所述信息点击行为用户数据进行模型训练得到两个以上的树模型；

通过所述两个以上的树模型得到所述用户行为数据分别对应于每一树模型的特征，所有树模型对应的特征形成用户特征向量；

存储所述用户特征向量，所述用户特征向量被用于相应用户的信息点击预测。

一种信息投放方法，所述方法包括：

接收用户的个性化信息投放请求；

根据所述个性化信息投放请求中指示的用户得到相应用户行为数据的用户特征向量，所述用户特征向量是所述相应用户行为数据通过自身训练的树模型输出的；

通过所述用户特征向量进行所述用户对个性化信息的信息点击预测得到待投放的个性化信息；

向所述用户请求的个性化信息投放页面投放所述个性化信息。

一种信息点击预测中的特征构建装置，所述装置包括：

用户数据获取模块，用于获取用户行为数据，并通过所述用户行为数据得到信息点击行为用户数据；

模型训练模块，用于加载所述信息点击行为用户数据进行模型训练得到两个以上的树模型；

特征形成模块，用于通过所述两个以上的树模型得到所述用户行为数据分别对应于每一树模型的特征，所有树模型对应的特征形成用户特征向量；

存储模块，用于存储所述用户特征向量，所述用户特征向量被用于相应用户的信息点击预测。