【技术实现步骤摘要】
本专利技术涉及推荐算法，特别是涉及一种云基于catboost模型的广告人群拓展方法、装置、设备及介质。
技术介绍
1、随着信息技术的不断发展，互联网已经成为了人们日常生活中密不可分的一部分。在当今数字化时代，广告推荐系统的核心目标是实现精准营销，即在正确的时间向正确的用户展示正确的广告。为了达到这一目标，广告主不仅追求广告的曝光量，更注重广告的深度转化效果，即用户在点击广告后的实际购买行为或其他目标行为。
2、目前，为了实现这一目标，传统的广告推荐系统通常采用白盒标签定向方法，如基于规则的推荐、协同过滤、以及简单的统计模型等，这些方法虽然在某些情况下有效，但在扩展性和效果上往往难以达到预期，尤其是在需要大规模个性化推荐的场景下。
技术实现思路
1、本专利技术的目的是：提供一种基于catboost模型的广告人群拓展方法、装置、设备及存储介质，以解决相关技术中，广告主投放广告的精准度不高的问题。
2、为了实现上述目的，本专利技术提供以下技术方案：
3、第一方面：本专利技术提供了一种基于catboost模型的广告人群拓展方法，包括：获取目标用户群体的用户特征数据，并根据所述用户特征数据，构建用户特征数据集；将所述用户特征数据集进行预处理后，输入到预设的catboost模型进行训练，得到训练后的catboost模型；将所述用户特征数据集进行划分为种子用户特征数据集和非种子用户特征数据集；将所述种子用户特征数据集和非种子用户特征数据集通过所述训练后的cat
4、作为优选地，所述用户特征数据包括：用户属性特征数据和用户行为特征数据；所述用户属性特征数据包括：用户所在地区信息、用户使用语言信息以及用户的设备信息；所述用户行为特征数据包括：用户近期行为信息以及用户的兴趣爱好信息。
5、作为优选地，在将所述种子用户特征数据集和非种子用户特征数据集通过所述训练后的catboost模型转化为种子用户特征向量集和非种子用户特征向量集之后，还包括：将所述非种子用户特征向量集存入milvus数据库。
6、作为优选地，所述将所述用户特征数据集进行预处理包括：将所述用户特征数据集中的数据进行合并、清洗、过滤，并将过滤后的数据进行结构化、标准化、向量化处理。
7、作为优选地，所述方法还包括：向所述广告人群的拓展群体，投放对应的广告。
8、作为优选地，所述相似度规则，采用如下计算公式：
9、
10、其中，a为种子用户特征向量，b为非种子用户特征向量，ai为种子用户特征向量的分量，bi为非种子用户特征向量的分量。
11、作为优选地，所述根据种子用户向量集和非种子用户向量集之间的相似度规则，从非种子用户向量获取对应的非种子用户作为广告人群的拓展群体，包括：依次从所述种子用户特征向量数据集中选取每一个种子用户特征向量；对所述非种子用户特征向量集中的非种子用户特征向量循环按照与所述每一个种子用户特征向量的相似度进行排序，每次取前n个非种子用户特征向量对应的非种子用户放入相似用户集；其中，n为大于0的自然数；对所述相似用户集进行去重处理，所述进行去重处理后的相似用户集作为广告人群的拓展群体。
12、第二方面，本专利技术还提供一种基于基于catboost模型的广告人群拓展装置，包括：获取模块，用于获取目标用户群体的用户特征数据，并根据所述用户特征数据，构建用户特征数据集；训练模块，用于将所述用户特征数据集进行预处理后，输入到预设的catboost模型进行训练，得到训练后的catboost模型；数据划分模块，用于将所述用户特征数据集进行划分为种子用户特征数据集和非种子用户特征数据集；数据处理模块，用于将所述种子用户特征数据集和非种子用户特征数据集通过所述训练后的catboost模型转化为种子用户特征向量集和非种子用户特征向量集；数据筛选模块，基于预设所述种子用户特征向量集和所述非种子用户特征向量集之间的相似度规则，从所述非种子用户特征向量集中获取对应的非种子用户作为广告人群的拓展群体。
13、作为优选地，所述装置还包括：拓展转化模块，用于向所述广告人群的拓展群体，投放对应的广告。
14、第三方面：本专利技术还提供一种计算机电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述中任一项所述的基于catboost模型的广告人群拓展方法的步骤。
15、第四方面：本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述中任一项所述的基于catboost模型的广告人群拓展方法的步骤。
16、本专利技术提供的一种基于catboost模型的广告人群拓展方法、装置、设备及存储介质，方法通过获取目标用户群体的用户特征数据，并根据所述用户特征数据，构建用户特征数据集；将所述用户特征数据集进行预处理后，输入到预设的catboost模型进行训练，得到训练后的catboost模型；将所述用户特征数据集进行划分为种子用户特征数据集和非种子用户特征数据集；将所述种子用户特征数据集和非种子用户特征数据集通过所述训练后的catboost模型转化为种子用户特征向量集和非种子用户特征向量集；基于预设所述种子用户特征向量集和所述非种子用户特征向量集之间的相似度规则，从所述非种子用户特征向量集中获取对应的非种子用户作为广告人群的拓展群体。相对于相关技术而言，具有如下效果：本专利技术通过利用catboost算法来构建预测模型，并基于用户的多维特征的相似性来获取得到潜在目标用户群体，进而使得广告主的投放目标群体更加精确，广告投放效果更好。
本文档来自技高网...【技术保护点】
1.一种基于CatBoost模型的广告人群拓展方法，其特征在于，包括：
2.根据权利要求1所述的广告人群拓展方法，其特征在于，所述用户特征数据包括：用户属性特征数据和用户行为特征数据；
3.根据权利要求1所述的广告人群拓展方法，其特征在于，所述将所述用户特征数据集进行预处理包括：将所述用户特征数据集中的数据进行合并、清洗、过滤，并将过滤后的数据进行结构化、标准化、向量化处理。
4.根据权利要求1所述的广告人群拓展方法，其特征在于，所述方法还包括：向所述广告人群的拓展群体，投放对应的广告。
5.根据权利要求1所述的广告人群拓展方法，其特征在于，所述相似度规则，采用如下计算公式：
6.根据权利要求1所述的广告人群拓展方法，其特征在于，所述根据种子用户向量集和非种子用户向量集之间的相似度规则，从非种子用户向量获取对应的非种子用户作为广告人群的拓展群体，包括：
7.一种基于CatBoost模型的广告人群拓展装置，其特征在于，包括：
8.根据权利要求7所述的广告人群拓展装置，所述装置还包括：拓展转化模块，用
9.一种计算机电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1-6中任一项所述的基于CatBoost模型的广告人群拓展方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6中任一项所述的基于CatBoost模型的广告人群拓展方法的步骤。
...【技术特征摘要】
1.一种基于catboost模型的广告人群拓展方法，其特征在于，包括：
2.根据权利要求1所述的广告人群拓展方法，其特征在于，所述用户特征数据包括：用户属性特征数据和用户行为特征数据；
3.根据权利要求1所述的广告人群拓展方法，其特征在于，所述将所述用户特征数据集进行预处理包括：将所述用户特征数据集中的数据进行合并、清洗、过滤，并将过滤后的数据进行结构化、标准化、向量化处理。
4.根据权利要求1所述的广告人群拓展方法，其特征在于，所述方法还包括：向所述广告人群的拓展群体，投放对应的广告。
5.根据权利要求1所述的广告人群拓展方法，其特征在于，所述相似度规则，采用如下计算公式：
6.根据权利要求1所述的广告人群拓展方法，其特征在于，所述根据种子用户向量集和非种子...
【专利技术属性】
技术研发人员：李翊恺，曹晓晓，
申请(专利权)人：广州钛动科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。