一种基于点击日志的新广告点击率预测方法及系统

1.一种基于点击日志的新广告点击率预测方法，其特征在于，该方法包括以下步骤： 特征抽取步骤，通过对点击日志进行自动分析，抽取出有意义的特征后对其生成待用数据文件，通过所述数据文件将点击日志转化为可用于训练的结构化文档；
模型训练步骤，用逻辑回归对所述结构化文档进行机器学习，得到预测模型；
点击率预测步骤，根据候选待预测广告是否为新广告，若是新广告则通过聚类找到与其相似性最高的一组广告，并将新的特征值设定为这组广告特征的平均值；否则即用训练数据对其进行特征抽取。
2.如权利要求1所述的方法，其特征在于，所述特征抽取步骤具体包括：
a）根据点击日志数据量大小，去除总曝光次数小于某一阀值的广告记录；
b）针对每一个点击日志中的特征，生成针对每个特征值平均点击率的数据文件；
c）对于每一条广告记录，将其全部特征值替代为所述数据文件中相对应的平均点击率，得到待训练的结构化文档。
3.如权利要求1所述的方法，其特征在于，所述点击率预测步骤具体包括：
a）判断当前广告记录是否存在历史数据，即判断其是否为新广告；
b）如果广告存在历史数据，则在所述数据文件中查找对应特征值的平均点击率，用其替换原本特征值,而后代入预测模型进行预测；
c）若广告不存在历史数据，则用聚类的方法找出历史数据中与其最相近的一类广告，以此类广告特征的平均点击率作为其特征值。
4.如权利要求1或2所述的方法，其特征在于，所述数据文件是以每个特征为单位，记录此特征每个特征值和其平均点击率的结构化文档。
5.如权利要求1或2所述的方法，其特征在于，所述数据文件的生成步骤具体包括：
a）对点击日志包含的特征，计算其包含的特征值的平均点击率；
b）判断此特征辨别度是否大于阀值；
c）对于辨别度不够大的特征，用合并算法将特征值合并；
d）重复步骤b）和步骤c），直至此特征的辨别度大于阀值，生成数据文件。
6.如权利要求5所述的方法，其特征在于，所述步骤b）中的辨别度为：
定义D来区分一个特征是否具有辨别度，对于某一特征f，其辨别度D的定义如下式：
式中，N表示特征f具有的特征值的数量，F表示每个特征值的平均点击率，并按降序排列。
7.如权利要求5所述的方法，其特征在于，所述步骤c）的合并算法具体包括：
a）按曝光次数降序排列特征值；
b）将曝光次数最小的特征值与其曝光次数最接近的特征值合并；
c）更新两者的平均点击率。
8.如权利要求3所述的方法，其特征在于，所述聚类方法是根据新广告的文本属性特征，采用TF-IDF方法描述新广告与历史数据中广告的相似性，并以此为基础进行聚类。
9.一种基于点击日志的新广告点击率预测系统，其特征在于该系统包括：
特征抽取模块，通过对点击日志进行自动分析，抽取出有意义的特征后对其生成待用数据文件，通过所述数据文件将点击日志转化为可用于训练的结构化文档；
模型训练模块，用逻辑回归对所述结构化文档进行机器学习，得到预测模型；
点击率预测模块，根据候选待预测广告是否为新广告，若是新广告则通过聚类找到与其相似性最高的一组广告，并将新的特征值设定为这组广告特征的平均值；否则即用训练数据对其进行特征抽取。

暂无

暂无