(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111624582.7 (22)申请日 2021.12.27 (71)申请人 度小满科技 （北京） 有限公司 地址 100085 北京市海淀区西北旺路10号 院西区4号楼6层6 06 (72)发明人 杨斌　 (74)专利代理 机构 北京知帆远景知识产权代理 有限公司 1 1890 专利代理师 刘岩磊 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种点击率预估方法、 装置、 设备及可读存 储介质 (57)摘要 本发明公开了一种点击率预估 方法， 该方法 通过至少两个不同类型的预估模型各自独立根 据可点击项的属性信息进行点击率预估， 融合多 种模型， 通过不同的方法提取特征， 可 以有效提 升模型的表征能力和模型的泛化效果， 在得到各 预估模型分别输出的预估结果后， 确定各预估结 果分别对应的预估权重， 通过权重区分了不同特 征预估结果的重要性， 对各模型预估 结果进行加 权融合， 可以充分利用不同模型的预估贡献进行 适当的结果融合， 提升了预估结果的精准度。 本 发明还公开了一种点击率预估装置、 设备及可读 存储介质， 具有相应的技 术效果。 权利要求书2页 说明书11页 附图3页 CN 114445123 A 2022.05.06 CN 114445123 A 1.一种点击率预估方法， 其特 征在于， 包括： 获取可点击项的属性信息； 其中， 所述属性信息包括： 用户信息、 对象信息以及场景信 息中至少一种； 对所述属性信息进行 数据预处 理， 得到预处 理数据； 将所述预处理数据分别输入至至少两个不同类型的预估模型中， 以便各所述预估模型 分别根据所述预处 理数据进行点击行为预测， 生成预估结果； 确定各所述预估结果分别对应的预估权 重； 根据所述预估权 重， 对所述预估结果进行加权融合， 根据融合结果 生成评估结果。 2.根据权利要求1所述的点击率预估方法， 其特征在于， 所述确定各所述预估结果分别 对应的预估权 重， 包括： 将各所述预估结果输入至注意力 机制网络中进行权重预估， 生成各所述预估结果分别 对应的权值。 3.根据权利要求1所述的点击率预估方法， 其特征在于， 所述确定各所述预估结果分别 对应的预估权 重， 包括： 对各所述预估结果进行归一 化， 生成各 所述预估结果分别对应的权值。 4.根据权利要求1所述的点击率预估方法， 其特征在于， 所述对所述属性信 息进行数据 预处理， 包括： 对所述属性信息中各信息项 进行缺失值 填充， 得到填充信息； 对所述填充信息进行 数字化编码处 理， 得到数字信息； 对所述数字信息进行归一 化处理， 得到归一 化信息； 将所述归一 化信息作为所述预处 理数据。 5.根据权利要求4所述的点击率预估方法， 其特征在于， 在所述对所述属性信 息中各信 息项进行缺失值 填充之前， 还 包括： 计算所述属性信息中各信息项的数据缺失率； 判断所述数据缺失率是否超过比例阈值； 若否， 执行所述对所述属性信息中各信息项 进行缺失值 填充； 若是， 从所述属性信息中删除所述信息项。 6.根据权利要求1所述的点击率预估方法， 其特征在于， 在所述根据融合结果生成评估 结果之后， 还 包括： 获取各所述预估 模型的中间计算特 征； 按照特征处理顺序对所述中间计算特 征以及所述评估结果进行 可视化输出处 理。 7.根据权利要求1至6任一项所述的点击率预估方法， 其特征在于， 所述将所述预处理 数据分别输入至至少两个不同类型的预估模型中， 以便各所述预估模型分别根据所述预处 理数据进行点击行为预测， 生成预估结果， 包括： 将所述预处理数据分别输入至线性预估模型、 深度预估模型以及 自定义预估模型中， 以便所述线性预估模型提取线性特征进行点击行为预测， 所述深度预估模 型提取深度特征 进行点击行为预测， 所述自定义预估模型提取自定义特征进行点击行为预测， 分别生成线 性预估结果、 深度预估结果以及自定义预估结果； 则相应地， 所述确定各所述预估结果分别对应的预估权重， 具体为： 确定所述线性预估权　利　要　求　书 1/2 页 2 CN 114445123 A 2结果、 所述深度预估结果以及所述自定义预估结果分别对应的预估权 重； 所述根据所述预估权重， 对所述预估结果进行加权 融合， 根据融合结果生成评估结果， 具体为： 根据所述预估权重对所述线性预估结果、 所述深度预估结果以及所述自定义预估 结果进行加权融合， 根据融合结果 生成评估结果。 8.一种点击率预估 装置， 其特 征在于， 包括： 信息获取单元， 用于获取可点击项的属性信 息； 其中， 所述属性信息包括： 用户信息、 对 象信息以及场景信息中至少一种； 信息预处 理单元， 用于对所述属性信息进行 数据预处 理， 得到预处 理数据； 行为预测单元， 用于将所述预处理数据分别输入至至少两个不同类型的预估模型中， 以便各所述预估 模型分别根据所述预处 理数据进行点击行为预测， 生成预估结果； 权重确定单 元， 用于确定各 所述预估结果分别对应的预估权 重； 加权融合单元， 用于根据 所述预估权重， 对所述预估结果进行加权融合， 根据融合结果 生成评估结果。 9.一种计算机设备， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至7任一项所述点击率预估方法 的步骤。 10.一种可读存储介质， 其特征在于， 所述可读存储介质上存储有计算机程序， 所述计 算机程序被处 理器执行时实现如权利要求1至7任一项所述 点击率预估方法的步骤。权　利　要　求　书 2/2 页 3 CN 114445123 A 3