(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211244719.0 (22)申请日 2022.10.12 (65)同一申请的已公布的文献号 申请公布号 CN 115330467 A (43)申请公布日 2022.11.11 (73)专利权人 南通中泓网络科技有限公司 地址 226000 江苏省南 通市高新区外通掘 路1号 (72)发明人 胡夕国　胡玥　 (74)专利代理 机构 武汉华强专利代理事务所 (普通合伙) 42237 专利代理师 康晨 (51)Int.Cl. G06Q 30/02(2012.01) G06K 9/62(2022.01)G06F 17/18(2006.01) G06N 3/08(2006.01) 审查员 王生旺 (54)发明名称 一种营销广告点击的预测方法 (57)摘要 本发明涉及数据处理技术领域， 具体涉及一 种营销广告点击的预测方法。 方法包括： 获取综 合特征向量、 对应广告的各历史投放策略序列和 各历史投放策略序列对应的历史点击率序列； 根 据各历史投放策略序列， 得到对应广告在预设时 间段内各时间戳处的投放概率向量； 根据各历史 投放策略序列对应的历史点击率序列， 得到对应 广告在预设时间段内的总体点击率向量； 根据综 合特征向量、 各历史投放策略序列、 对应的历史 点击率序列、 投放概率向量和总体点击率向量对 广告点击率预测网络进行训练， 得到训练好的广 告点击率预测网络， 进而预测待预测的综合特征 向量对应的计划投放策略序列的预测点击率序 列。 本发明提高了网络对广告点击率预测的准确 度。 权利要求书3页 说明书9页 附图1页 CN 115330467 B 2022.12.20 CN 115330467 B 1.一种营销广告点击的预测方法， 其特 征在于， 该 方法包括以下步骤： 获取综合特征向量、 综合特征向量对应的广告的各历史投放策略序列和所述各历史投 放策略序列对应的历史点击率序列； 所述综合特征向量包含用户特征向量、 广告特征向量 和投放环境特征向量； 所述历史投放策略序列包括在预设时间段内对应广告在各目标时间 戳处的广告投放 量； 根据所述各历史投放策略序列， 得到综合特征向量对应的广告在预设时间段内各时间 戳处的投放概率向量； 根据所述各历史投放策略序列对应的历史点击率序列， 得到综合特 征向量对应的广告在预设时间段内的总体点击率向量； 根据综合特征向量、 所述各历史投放策略序列、 所述各历史投放策略序列对应的历史 点击率序列、 所述各时间戳处的投放概率向量和所述总体点击率向量对广告点击率预测网 络进行训练， 得到训练好的广告点击率预测网络； 将待预测的综合特征向量和对应的计划投放策略序列输入到训练好的广告点击率预 测网络中， 预测计划投放策略序列对应的预测点击率序列； 所述根据 所述各历史投放策略序列， 得到综合特征向量对应的广告在预设时间段内各 时间戳处的投放 概率向量， 包括： 统计综合特征向量对应的广告对应的各历史投放策略序列中同一目标时间戳处的广 告投放量的总和， 得到投放策略分布 直方图； 所述投放策略分布直方图的横坐标为时间戳， 纵坐标为分布概 率； 所述分布概 率为将时间戳处的广告投放 量进行归一 化后的值； 以投放策略分布直方图中所有时间戳和其对应的分布概率为样本数据； 基于所述样本 数据利用EM算法进行拟合， 得到对应的高斯混合模型； 所述高斯混合模型包括多个子高斯 模型； 根据所述各时间戳在各子 高斯模型中的取值占比， 得到所述各时间戳对应的投放概率 向量； 对于任一时间戳在任一子高斯模型中的取值占比的计算公式为： 其中， 为第n个时间戳在第a个子高斯模型中的取值占比， 为第n个时间戳， 为第n个时间戳处的广告投放概率， 为第a个子高斯模型的权重， 为第n个时间戳 在第 个子高斯模型中的取值； 所述广告投放 概率为根据高斯混合模型 得到的概 率值。 2.根据权利要求1所述的一种营销广告点击的预测方法， 其特征在于， 所述历史投放策 略序列和对应的历史点击率序列中同一位置的元素对应的目标时间戳相同； 所述目标时间 戳为各时间戳中广告投放 量不为0的时间戳。 3.根据权利要求1所述的一种营销广告点击的预测方法， 其特征在于， 所述根据 所述各 历史投放策略序列对应的历史点击率序列， 得到综合特征向量对应的广告在预设时间段内 的总体点击率向量， 包括： 对于任一历史投放策略序列： 将该历史投放策略序列中的各目标时间戳处 的广告投放 量乘以对应的历史点击率序列中对应的点击率， 得到该投放策略序列对应的各目标时间戳权　利　要　求　书 1/3 页 2 CN 115330467 B 2处的点击量； 根据各历史投放策略序列对应的各目标时间戳处的点击量， 将同一个时间戳处 的点击 量累加， 并将累加 值除以对应时间戳处的总广告投放量， 得到预设时间段内各时间戳处的 总体点击率； 根据所述各时间戳处的总体点击率， 得到每个子 高斯模型对应的时间戳均值处 的总体 点击率； 根据每个子 高斯模型对应的时间戳均值处的总体点击率， 得到综合特征向量对应的广 告在预设时间段内的总体点击率向量。 4.根据权利要求1所述的一种营销广告点击的预测方法， 其特征在于， 根据综合特征向 量、 所述各历史投放策略序列、 所述各历史投放策略序列对应的点击率序列、 所述各时间戳 处的投放概率向量和所述总体点击率向量对广告点击率预测网络进行训练， 得到训练好的 广告点击率预测网络的损失函数为： 其中， 为损失函数， R为输入到网络的综合特征向量的数量， 为第r个综合特征向 量对应的各历史投放策略序列的数量， 为第k个历史投放策略序列对应的目标时间戳的 数量， 为第k个历史投放策略序列对应的第 个目标时间戳， 为第r个综合特征向 量对应的第k个历史投放策略序列对应的第n个目标时间戳的投放概率向量， 为第r个综 合特征向量对应的总体点击率 向量， 为所述总体点击率 向量的转置， 为第r个综 合特征向量对应的第k个历史投放策略序列对应的第n个目标时间戳处的点击率， 为 网络输出的第r个综合特征向量对应的第k个历史投放策略序列对应的第n个目标时间戳处 的预测点击率， 为第r个综合特征向量对应的第k个历史投放策略序列对应的第n个 目标时间戳处的实际投放效果， 为第r个综合特征向量对应的第k个历史投放策略序 列对应的第n个目标时间戳处的广告投放 量。 5.根据权利要求4所述的一种营销广告点击的预测方法， 其特征在于， 所述第r个综合 特征向量对应的第k个历史投放策略序列对应的第n个目标时间戳处的实际投放效果的计 算公式为： 其中， 为第k个历史投放策略序列对应的第 个目标时间戳， 为第权　利　要　求　书 2/3 页 3 CN 115330467 B 3