一种推广信息的处理方法、装置和系统制造方法及图纸

本发明专利技术实施例公开了一种推广信息的处理方法、装置和系统；本发明专利技术实施例可以获取多条已投放推广信息、以及该已投放推广信息对应的点击用户信息，然后，根据该点击用户信息对该已投放推广信息进行标注，并采用预设分类模型对标注数据进行训练，得到训练后分类模型，然后，基于该训练后分类模型预测待投放推广信息的点击率，从而达到对待投放推广信息的点击率进行预测的目的；该方案可以提高预测的准确性，有利于提高推广信息投放的精准性。

A processing method, device and system for spreading information

The embodiment of the invention discloses a processing method, device and system for the promotion of information; the embodiment of the invention can obtain a plurality of promotion has been put on the information and click the user information, the corresponding promotion has been put on the information then click user according to the information on the promotion of information has been put on the label, and the label the preset data for training classification model, trained classification model, and then, to put the promotion of information CTR prediction model of the classification based on training, so as to treat put promotion information to predict the click rate; this scheme can improve the prediction accuracy, to improve the precision of the information on the promotion.

【技术实现步骤摘要】
一种推广信息的处理方法、装置和系统
本专利技术涉及通信
，具体涉及一种推广信息的处理方法、装置和系统。
技术介绍
大数据的背景下，各种推广信息如广告的投放等，已经成为数据变现的重要途径。以广告为例，在现有技术中，一般会根据用户的喜好来对广告进行投放，比如，A用户的兴趣为美妆，则系统可以在该用户的兴趣标签中打上“美妆”等标签，这样，当有涉及到“美妆”方面的广告时，便可以将具有相应“美妆”等标签的用户作为目标用户，并进行推送；为了提高广告投放的精准性，在对新的广告进行投放之前，一般都会对点击率进行预测，比如，可以根据用户的兴趣标签，来对该新的广告的点击率进行预测，并根据预测将该新的广告投放给点击率相对较高的人群。在对现有技术的研究和实践过程中，本专利技术的专利技术人发现，由于用户的兴趣在不断变化，因此，现有的点击率预测的准确性并不高，从而影响到推广信息，比如广告的投放精准性。
技术实现思路
本专利技术实施例提供一种推广信息的处理方法、装置和系统，可以提高点击率预测的准确性、以及提高推广信息投放的精准性。本专利技术实施例提供的一种推广信息的处理方法，包括：获取多条已投放推广信息、以及所述已投放推广信息对应的点击用户信息；根据所述点击用户信息对所述已投放推广信息进行标注，得到标注数据；采用预设分类模型对所述标注数据进行训练，得到训练后分类模型；基于所述训练后分类模型对待投放推广信息的点击率进行预测。相应的，本专利技术实施例还提供一种推广信息的处理装置，包括：获取单元，用于获取多条已投放推广信息、以及所述已投放推广信息对应的点击用户信息；标注单元，用于根据所述点击用户信息对所述已投放推广信息进行标注，得到标注数据；训练单元，用于采用预设分类模型对所述标注数据进行训练，得到训练后分类模型；预测单元，用于基于所述训练后分类模型对待投放推广信息的点击率进行预测。此外，本专利技术实施例还提供一种推广信息的处理系统，包括本专利技术实施例所提供的任一种推广信息的处理装置。本专利技术实施例可以获取多条已投放推广信息、以及该已投放推广信息对应的点击用户信息，然后，根据该点击用户信息对该已投放推广信息进行标注，并采用预设分类模型对标注数据进行训练，得到训练后分类模型，然后，基于该训练后分类模型预测待投放推广信息的点击率，从而达到对待投放推广信息的点击率进行预测的目的；由于该方案可以根据历史用户点击信息(即已投放推广信息对应的点击用户信息)对已投放推广信息进行标识并进行训练，然后基于训练得到的分类模型对待投放推广信息的点击率进行预测，因此，相对于现有技术中根据用户兴趣标签来进行预测的方案而言，大大减少了由于用户兴趣变化所导致的不确定因素，预测的准确性更高，有利于提高后续推广信息投放的精准性。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1a是本专利技术实施例提供的推广信息的处理方法的场景示意图；图1b是本专利技术实施例提供的推广信息的处理方法的流程图；图2a是本专利技术实施例提供的推广信息的处理方法的另一流程图；图2b是本专利技术实施例提供的推广信息的处理方法中AlexNet模型的示意图；图3a是本专利技术实施例提供的推广信息的处理装置的结构示意图；图3b是本专利技术实施例提供的推广信息的处理装置的另一结构示意图；图4是本专利技术实施例提供的服务器的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供一种推广信息的处理方法、装置和系统。该推广信息的处理系统可以包括本专利技术所提供的任一种推广信息的处理装置，其中，该推广信息的处理装置可以集成在服务器，比如广告服务器中等设备中。此外，该推广信息的处理系统还可以包括其他的设备，比如用户设备等，该用户设备用于对该推广信息的处理装置投放的推广信息，比如广告等进行点击，以进行观看，并将相应的用户点击信息反馈给该推广信息的处理装置。例如，以该推广信息处理装置集成在广告服务器中为例，参见图1a，该广告服务器可以获取多条已投放推广信息、以及该已投放推广信息对应的点击用户信息，比如，可以在对投放信息，比如广告图片进行投放后，采集点击这些推广信息的用户的性别、年龄、地域、学历、和/或收入等信息(如接收点击用户所在的用户设备发送的用户信息)，得到点击用户信息，然后，将推广信息和相应的点击用户信息进行保存，在需要时，从本地进行获取，等等；在获取到多条已投放推广信息、以及该已投放推广信息对应的点击用户信息后，广告服务器可以根据该点击用户信息对该已投放推广信息进行标注，得到标注数据，并采用预设分类模型对该标注数据进行训练，得到训练后分类模型，此后，便可以基于该训练后分类模型对待投放推广信息(比如待投放广告图片)的点击率进行预测。可选的，在得到预测的点击率之后，广告服务器还可以根据该预测的点击率确定待投放推广信息的投放对象，然后，将该待投放推广信息投放给该投放对象，比如，发送给该投放对象所在的用户设备，等等。以下分别进行详细说明。需说明的是，以下实施例的序号不作为实施例优选顺序的限定。实施例一、本专利技术实施例将从推广信息的处理装置的角度进行描述，该推广信息的处理装置具体可以集成在服务器，比如广告服务器中。一种推广信息的处理方法，包括：获取多条已投放推广信息、以及该已投放推广信息对应的点击用户信息；根据该点击用户信息对该已投放推广信息进行标注，得到标注数据；采用预设分类模型对该标注数据进行训练，得到训练后分类模型；基于该训练后分类模型对待投放推广信息的点击率进行预测。如图1b所示，该推广信息的处理方法的具体流程可以如下：101、获取多条已投放推广信息、以及该已投放推广信息对应的点击用户信息。其中，该推广信息可以包括广告或文宣等信息，其样式可以包括图片、和/文字等，为了描述方便，在本专利技术实施例均以该推广信息具体为广告，且样式为图片为例进行说明，即，该已投放推广信息具体可以为广告图片。其中，该已投放推广信息对应的点击用户信息指的是点击该已投放推广信息的用户所对应的用户信息，比如，该点击用户信息可以包括用户的性别、年龄、地域、学历、和/或收入等信息。可选的，获取该多条已投放推广信息和点击用户信息的方式可以有多种，比如，可以在对推广信息进行投放后，采集点击该推广信息的用户的用户信息(即点击用户信息)，比如，接收各个用户设备发送的点击用户信息，等等，然后，将该推广信息、以及相应的点击用户信息保存本地(即该推广信息的处理装置)或其他网络侧设备，比如网络存储器中，然后，在需要获取该已投放推广信息、以及对应的点击用户信息时，从保存的位置，比如本地或其他网络侧设备中获取相应的投放推广信息、以及对应的点击用户信息。其中，获取的已投放推广信息、以及对应的点击用户信息的数量可以根据实际应用的需求而定，可以是预设时间范围内，比如，可以以当前时间为基准，获取过去本文档来自技高网...

【技术保护点】
一种推广信息的处理方法，其特征在于，包括：获取多条已投放推广信息、以及所述已投放推广信息对应的点击用户信息；根据所述点击用户信息对所述已投放推广信息进行标注，得到标注数据；采用预设分类模型对所述标注数据进行训练，得到训练后分类模型；基于所述训练后分类模型对待投放推广信息的点击率进行预测。

【技术特征摘要】
1.一种推广信息的处理方法，其特征在于，包括：获取多条已投放推广信息、以及所述已投放推广信息对应的点击用户信息；根据所述点击用户信息对所述已投放推广信息进行标注，得到标注数据；采用预设分类模型对所述标注数据进行训练，得到训练后分类模型；基于所述训练后分类模型对待投放推广信息的点击率进行预测。2.根据权利要求1所述的方法，其特征在于，所述根据所述点击用户信息对所述已投放推广信息进行标注，得到标注数据，包括：根据所述点击用户信息，分别统计各已投放推广信息在不同人口统计学特性上的点击率；根据统计得到的点击率的大小分别对所述已投放推广信息进行标注，得到标注数据。3.根据权利要求2所述的方法，其特征在于，所述人口统计学特性包括性别、年龄、地域、学历、和/或收入，则所述根据统计得到的点击率的大小分别对所述已投放推广信息进行标注，包括：根据统计得到的点击率的大小确定点击率较大的性别类型，得到目标性别类型，将所述已投放推广信息的性别类型标注为所述目标性别类型；和/或，根据统计得到的点击率的大小确定点击率较大的年龄类型，得到目标年龄类型，将所述已投放推广信息的年龄类型标注为所述目标年龄类型；和/或，根据统计得到的点击率的大小确定点击率较大的地域类型，得到目标地域类型，将所述已投放推广信息的地域类型标注为所述目标地域类型；和/或，根据统计得到的点击率的大小确定点击率较大的学历类型，得到目标学历类型，将所述已投放推广信息的学历类型标注为所述目标学历类型；和/或，根据统计得到的点击率的大小确定点击率较大的收入类型，得到目标收入类型，将所述已投放推广信息的收入类型标注为所述目标收入类型。4.根据权利要求1所述的方法，其特征在于，所述采用预设分类模型对所述标注数据进行训练，得到训练后分类模型，包括：将所述标注数据转换为预设格式的数据并进行划分，得到训练数据和测试数据；采用预设分类模型对所述训练数据进行训练，得到初始分类模型；采用所述测试数据对所述初始分类模型的准确率进行检验；若准确率高于预设准确率阈值，则确定所述初始分类模型为训练后分类模型；若准确率不高于预设准确率阈值，则返回执行获取多条已投放推广信息、以及所述已投放推广信息对应的点击用户信息的步骤。5.根据权利要求4所述的方法，其特征在于，所述将所述标注数据转换为预设格式的数据并进行划分之前，还包括：确定所述标注数据的数量是否超过预设数据量阈值；若是，则执行将所述标注数据转换为预设格式的数据并进行划分的步骤；若否，则返回执行获取多条已投放推广信息、以及所述已投放推广信息对应的点击用户信息的步骤。6.根据权利要求4所述的方法，其特征在于，所述采用所述测试数据对所述初始分类模型的准确率进行检验之前，还包括：确定训练的次数是否超过预设训练次数阈值；若是，则执行采用所述测试数据对所述初始分类模型的准确率进行检验的步骤；若否，则返回执行采用预设分类模型对所述训练数据进行训练，得到初始分类模型的步骤。7.根据权利要求4至6任一项所述的方法，其特征在于，所述推广信息为图片，则所述采用预设分类模型对所述训练数据进行训练，得到初始分类模型，包括：采用卷积神经网络对所述训练数据进行训练，得到初始分类模型。8.根据权利要求1至6任一项所述的方法，其特征在于，所述基于所述训练后分类模型对待投放推广信息的点击率进行预测，包括：从待投放推广信息中提取特征信息；采用所述训练后分类模型对所述特征信息对应的点击率进行计算，得到所述待投放推广信息的点击率的预测值。9.根据权利要求1至6任一项所述的方法，其特征在于，所述基于所述训练后分类模型对待投放推广信息的点击率进行预测之后，还包括：根据预测的点击率确定所述待投放推广信息的投放对象；将所述待投放推广信息向所述投放对象进行投...

【专利技术属性】
技术研发人员：刘凯，刘大鹏，肖磊，李毅，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44