点击率预测方法、装置、电子设备及可读存储介质与流程

1.本公开的实施例涉及点击率预估技术领域，尤其涉及一种点击率预测方法、装置、电子设备及可读存储介质。


背景技术：

2.随着科学技术的不断发展，越来越多的购物平台不断涌现，通过线上购买商品的用户也越来越多。
3.针对购物平台而言，每个商品展示位的点击率预估至关重要，位置偏差的数据体现在随机流量上，对商品进行随机排序，不同位置上的点击率会存在明显偏差(例如，相同商品放在位置1与位置4，点击率存在天然偏差)。在购物平台的商品推荐场景中，此种问题显得尤为严重。
4.为了解决由于位置偏差带来的点击率预估偏差问题，业内普遍采用的两种方式，1、将位置作为一种强特征进行点击率建模；2、在模型训练中，对于不同曝光位置的样本赋予不同的样本权重。
5.上述两种方式会存在由于位置差异导致点击率预估存在偏差，导致点击率预估准确率较低。


技术实现要素：

6.本公开的实施例提供一种点击率预测方法、装置、电子设备及可读存储介质，用以提高预估展示位点击率的准确率。
7.根据本公开的实施例的第一方面，提供了一种点击率预测方法，包括：
8.获取待预测展示位对应的展示位数据；所述展示位数据包括：所述待预测展示位内的业务对象的展现数据、曝光数据、注意力数据和点击数据；
9.将所述展示位数据输入至点击率预测模型；
10.调用所述点击率预测模型对所述展示位数据进行处理，以得到所述待预测展示位对应的展示位注意力和用户偏好；
11.基于所述展示位注意力和用户偏好，确定所述待预测展示位的点击率。
12.可选地，在所述获取待预测展示位对应的展示位数据之前，还包括：
13.获取模型训练样本；所述模型训练样本包括：多个展示位对应的对象数据，所述对象数据包括业务对象展现数据、业务对象曝光数据、用户注意力数据和业务对象点击数据，
14.将所述模型训练样本输入至待训练点击率预测模型，以对所述待训练点击率预测模型进行训练，得到所述点击率预测模型。
15.可选地，所述获取模型训练样本，包括：
16.根据所述多个展示位对应的用户注意力数据，确定所述模型训练样本中的负模型训练样本和正模型训练样本。
17.可选地，所述将所述模型训练样本输入至待训练点击率预测模型，以对所述待训
练点击率预测模型进行训练，得到所述点击率预测模型，包括：
18.将所述模型训练样本输入至待训练点击率预测模型；其中，所述模型训练样本对应于初始用户偏好和初始展示位注意力；
19.调用所述待训练点击率预测模型对所述业务对象展现数据、所述业务对象曝光数据、所述用户注意力数据和所述业务对象点击数据进行处理，获取所述展示位对应的预测展示位注意力和预测用户偏好；
20.基于所述预测展示位注意力、所述初始展示位注意力、所述预测用户偏好和所述初始用户偏好，计算得到所述待训练点击率预测模型的损失值；
21.在损失值处于预设范围内的情况下，将训练后的待训练点击率预测模型作为所述点击率预测模型。
22.可选地，所述调用所述点击率预测模型对所述展示位数据进行处理，以得到所述待预测展示位对应的展示位注意力和用户偏好，包括：
23.调用所述点击率预测模型对所述展现数据、所述曝光数据和所述注意力数据进行处理，确定所述待预测展示位对应的展示位注意力；
24.调用所述点击率预测模型对所述展现数据、所述曝光数据、所述注意力数据和所述点击数据进行处理，确定所述待预测展示位对应的用户偏好。
25.根据本公开的实施例的第二方面，提供了一种点击率预测装置，包括：
26.展示位数据获取模块，用于获取待预测展示位对应的展示位数据；所述展示位数据包括：所述待预测展示位内的业务对象的展现数据、曝光数据、注意力数据和点击数据；
27.展示位数据输入模块，用于将所述展示位数据输入至点击率预测模型；
28.用户偏好获取模块，用于调用所述点击率预测模型对所述展示位数据进行处理，以得到所述待预测展示位对应的展示位注意力和用户偏好；
29.点击率确定模块，用于基于所述展示位注意力和用户偏好，确定所述待预测展示位的点击率。
30.可选地，所述装置还包括：
31.模型训练样本获取模块，用于获取模型训练样本；所述模型训练样本包括：多个展示位对应的对象数据，所述对象数据包括业务对象展现数据、业务对象曝光数据、用户注意力数据和业务对象点击数据，
32.点击率预测模型获取模块，用于将所述模型训练样本输入至待训练点击率预测模型，以对所述待训练点击率预测模型进行训练，得到所述点击率预测模型。
33.可选地，所述模型训练样本获取模块包括：
34.正负样本确定单元，用于根据所述多个展示位对应的用户注意力数据，确定所述模型训练样本中的负模型训练样本和正模型训练样本。
35.可选地，所述点击率预测模型获取模块包括：
36.模型训练输入单元，用于将所述模型训练样本输入至待训练点击率预测模型；其中，所述模型训练样本对应于初始用户偏好和初始展示位注意力；
37.预测用户偏好获取单元，用于调用所述待训练点击率预测模型对所述业务对象展现数据、所述业务对象曝光数据、所述用户注意力数据和所述业务对象点击数据进行处理，获取所述展示位对应的预测展示位注意力和预测用户偏好；
38.损失值计算单元，用于基于所述预测展示位注意力、所述初始展示位注意力、所述预测用户偏好和所述初始用户偏好，计算得到所述待训练点击率预测模型的损失值；
39.在损失值处于预设范围内的情况下，将训练后的待训练点击率预测模型作为所述点击率预测模型。
40.可选地，所述用户偏好获取模块包括：
41.展示位注意力确定单元，用于调用所述点击率预测模型对所述展现数据、所述曝光数据和所述注意力数据进行处理，确定所述待预测展示位对应的展示位注意力；
42.用户偏好确定单元，用于调用所述点击率预测模型对所述展现数据、所述曝光数据、所述注意力数据和所述点击数据进行处理，确定所述待预测展示位对应的用户偏好。
43.根据本公开的实施例的第三方面，提供了一种电子设备，包括：
44.处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的点击率预测方法。
45.根据本公开的实施例的第三方面，提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一项所述的点击率预测方法。
46.本公开的实施例提供了一种点击率预测方法、装置、电子设备及可读存储介质。通过获取待预测展示位对应的展示位数据，展示位数据包括：待预测展示位内的业务对象的展现数据、曝光数据、注意力数据和点击数据，将展示位数据输入至点击率预测模型，调用点击率预测模型对展示位数据进行处理，以得到待预测展示位对应的展示位注意力和用户偏好，基于展示位注意力和用户偏好，确定待预测展示位的点击率。本公开的实施例通过结合展现、曝光、注意和点击等展示位数据，对注意力建模的长期优化，可以提升展示位点击率预估的准确率。
附图说明
47.为了更清楚地说明本公开的实施例的技术方案，下面将对本公开的实施例的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公开的实施例的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
48.图1为本公开的实施例提供的一种点击率预测方法的步骤流程图；
49.图2为本公开的实施例提供的另一种点击率预测方法的步骤流程图；
50.图3为本公开的实施例提供的一种点击率预测装置的结构示意图；
51.图4为本公开的实施例提供的另一种点击率预测装置的结构示意图。
具体实施方式
52.下面将结合本公开的实施例中的附图，对本公开的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开的实施例一部分实施例，而不是全部的实施例。基于本公开的实施例中的实施例，本领域普通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，都属于本公开的实施例保护的范围。
53.实施例一
54.参照图1，示出了本公开的实施例提供的一种点击率预测方法的步骤流程图，如图1所示，该点击率预测方法可以包括如下步骤：
55.步骤101：获取待预测展示位对应的展示位数据；所述展示位数据包括：所述待预测展示位内的业务对象的展现数据、曝光数据、注意力数据和点击数据。
56.本公开的实施例可以应用于对物品展示位的点击率进行预测的场景中。
57.待预测展示位是指需要进行点击率预测的展示位，在本示例中，待预测展示位可以为物品展示平台内预先设置的多个展示位中的一个展示位，或多个展示位等，对于待预测展示位的数量可以根据业务需求而定，本实施例对此不加以限制。
58.展示位数据可以包括：待预测展示位内的业务对象的展现数据、曝光数据、注意力数据和点击数据。
59.其中，业务对象是指历史上展示于待预测展示位上的对象，在本示例中，业务对象可以为菜品等对象(即菜品图像)，具体地，对于展示于业务对象的具体类型可以根据业务需求而定，本实施例对此不加以限制。
60.展现数据是指展示于待预测展示位的业务对象的展现次数，即在实际应用中，业务平台预先配置有多个业务对象展示页面，每个业务对象展示页面内可以包含多个业务对象展示位，在用户点击进入某个页面时，则对该页面内的业务对象展示位的展现次数记为 1等。
61.曝光数据是指展示于待预测展示位的业务对象的曝光次数，在实际应用中，设置于某个页面内的展示位的数量通常是比较多的，在用户实际查看的过程中，需要用户翻页查看，而对于显示于用户的设备显示屏幕上的展示位的曝光次数记为 1等。
62.注意力数据是指用户对于展示于待预测展示位的业务对象的注意次数，在实际应用中，可以在用户查看某个展示页面内不同展示位的业务对象时，实时获取用户的眼球热区和交互热区，以此获取用户针对展示页面内不同展示位的注意次数。
63.点击数据是指用户点击展示于待预测展示位的业务对象的次数。
64.在需要对待预测展示位的点击率进行预测时，可以获取待预测展示位的展示位数据，具体地获取过程可以参照上述描述，本实施例在此不再加以赘述。
65.在获取到待预测展示位的展示位数据之后，执行步骤102。
66.步骤102：将所述展示位数据输入至点击率预测模型。
67.点击率预测模型是指预先训练的用于对展示位的点击率进行预测的模型。
68.在获取到待预测展示位的展示位数据之后，可以将展示位数据输入至点击率预测模型，进而，执行步骤103。
69.步骤103：调用所述点击率预测模型对所述展示位数据进行处理，以得到所述待预测展示位对应的展示位注意力和用户偏好。
70.展示位注意力是指用户对待预测展示位的注意力程度。
71.用户偏好是指用户对待预测展示位的偏好程度。
72.在将待预测展示位对应的展示位数据输入至点击率预测模型之后，可以调用点击率预测模型对展示位数据进行处理，进而，可以得到待预测展示位对应的展示位注意力和用户偏好。具体地，对于该过程可以结合下述具体实现方式进行详细描述。
73.在本公开的实施例的一种具体实现方式中，上述步骤103可以包括：
74.子步骤a1：调用所述点击率预测模型对所述展现数据、所述曝光数据和所述注意力数据进行处理，确定所述待预测展示位对应的展示位注意力；
75.子步骤a2：调用所述点击率预测模型对所述展现数据、所述曝光数据、所述注意力数据和所述点击数据进行处理，确定所述待预测展示位对应的用户偏好。
76.在本实施例中，在将待预测展示位的展示位数据输入至点击率预测模型之后，可以调用点击率预测模型对展现数据、曝光数据和注意力数据进行处理，以确定待预测展示位对应的展示位注意力，并调用点击率预测模型对展现数据、曝光数据、注意力数据和点击数据进行处理，以确定出待预测展示位对应的用户偏好，即本公开的实施例对于每个展示位的点击率预估，即拆解成展示位注意力的预估与用户对商品偏好的预估，而前者与商品内容无关，只有用户的行为习惯与展示位置有关。
77.在获取到待预测展示位对应的展示位注意力和用户偏好之后，执行步骤104。
78.步骤104：基于所述展示位注意力和用户偏好，确定所述待预测展示位的点击率。
79.在获取到待预测展示位对应的展示位注意力和用户偏好之后，可以基于展示位注意力和用户偏好确定出待预测展示位的点击率。
80.本公开的实施例通过结合展现、曝光、注意和点击等展示位数据，对注意力建模的长期优化，可以提升展示位点击率预估的准确率。
81.本公开的实施例提供的点击率预测方法，通过获取待预测展示位对应的展示位数据，展示位数据包括：待预测展示位内的业务对象的展现数据、曝光数据、注意力数据和点击数据，将展示位数据输入至点击率预测模型，调用点击率预测模型对展示位数据进行处理，以得到待预测展示位对应的展示位注意力和用户偏好，基于展示位注意力和用户偏好，确定待预测展示位的点击率。本公开的实施例通过结合展现、曝光、注意和点击等展示位数据，对注意力建模的长期优化，可以提升展示位点击率预估的准确率。
82.实施例二
83.参照图2，示出了本公开的实施例提供的另一种点击率预测方法的步骤流程图，如图2所示，该点击率预测方法可以包括如下步骤：
84.步骤201：获取模型训练样本；所述模型训练样本包括：多个展示位对应的对象数据，所述对象数据包括业务对象展现数据、业务对象曝光数据、用户注意力数据和业务对象点击数据。
85.本公开的实施例可以应用于对物品展示位的点击率进行预测的场景中。
86.在需要进行点击率预测模型的训练时，可以获取模型训练样本，其中，模型训练样本可以包括多个展示位对应的对象数据，该对象数据可以包括业务对象展现数据、业务对象曝光数据、用户注意力数据和业务对象点击数据。
87.其中，业务对象是指历史上展示于展示位上的对象，在本示例中，业务对象可以为菜品等对象(即菜品图像)，具体地，对于展示于业务对象的具体类型可以根据业务需求而定，本实施例对此不加以限制。
88.业务对象展现数据是指展示于展示位的业务对象的展现次数，即在实际应用中，业务平台预先配置有多个业务对象展示页面，每个业务对象展示页面内可以包含多个业务对象展示位，在用户点击进入某个页面时，则对该页面内的业务对象展示位的展现次数记为 1等。
89.业务对象曝光数据是指展示于展示位的业务对象的曝光次数，在实际应用中，设置于某个页面内的展示位的数量通常是比较多的，在用户实际查看的过程中，需要用户翻页查看，而对于显示于用户的设备显示屏幕上的展示位的曝光次数记为 1等。
90.业务对象注意力数据是指用户对于展示于展示位的业务对象的注意次数，在实际应用中，可以在用户查看某个展示页面内不同展示位的业务对象时，实时获取用户的眼球热区和交互热区，以此获取用户针对展示页面内不同展示位的注意次数。
91.业务对象点击数据是指用户点击展示于展示位的业务对象的次数。
92.在需要进行点击率预测模型的训练时，可以获取模型训练样本，获取的模型训练样本中可以包括正模型训练样本和负模型训练样本，在本示例中，可以根据多个展示位对应的用户注意力数据确定出模型训练样本中的负模型训练样本和正模型训练样本，具体地，针对每个展示页面内的展示位可以获取每个展示页面内的弱注意样本区，并将弱注意样本区内的展示位的展示位数据作为负样本，其它区域内的展示位的展示位数据即可作为正样本。
93.在获取到模型训练样本之后，执行步骤202。
94.步骤202：将所述模型训练样本输入至待训练点击率预测模型，以对所述待训练点击率预测模型进行训练，得到所述点击率预测模型。
95.在获取到模型训练样本之后，可以将模型训练样本输入至待训练点击率预测模型，以对待训练点击率预测模型进行训练，进而可以得到点击率预测模型。对于模型训练过程可以结合下述具体实现方式进行详细描述。
96.在本公开的实施例的一种具体实现方式中，上述步骤202可以包括：
97.子步骤m1：将所述模型训练样本输入至待训练点击率预测模型；其中，所述模型训练样本对应于初始用户偏好和初始展示位注意力。
98.在本实施例中，每个模型训练样本均对应于一个初始用户偏好和初始展示位注意力。
99.在获取到模型训练样本之后，可以将模型训练输入至待训练点击率预测模型。
100.在将模型训练样本输入至待训练点击率预测模型之后，执行子步骤m2。
101.子步骤m2：调用所述待训练点击率预测模型对所述业务对象展现数据、所述业务对象曝光数据、所述用户注意力数据和所述业务对象点击数据进行处理，获取所述展示位对应的预测展示位注意力和预测用户偏好。
102.在将模型训练样本输入至待训练点击率预测模型之后，则可以调用待训练点击率预测模型对业务对象展现数据、业务曝光数据、用户注意力数据和业务对象点击数据进行处理，以获取展示位对应的预测展示位注意力和预测用户偏好。
103.在获取到展示位对应的预测展示位注意力和预测用户偏好之后，执行子步骤m3。
104.子步骤m3：基于所述预测展示位注意力、所述初始展示位注意力、所述预测用户偏好和所述初始用户偏好，计算得到所述待训练点击率预测模型的损失值。
105.在获取到展示位对应的预测展示位注意力和预测用户偏好之后，则可以基于预测展示位注意力、预测用户偏好、初始展示位注意力和初始用户偏好，计算得到待训练点击率预测模型的损失值。
106.子步骤m4：在损失值处于预设范围内的情况下，将训练后的待训练点击率预测模
型作为所述点击率预测模型。
107.在损失值处于预设范围内的情况下，则可以将训练后的待训练点击率预测模型作为最终的点击率预测模型，以进行后续的展示位点击率预测的场景中。
108.步骤203：获取待预测展示位对应的展示位数据；所述展示位数据包括：所述待预测展示位内的业务对象的展现数据、曝光数据、注意力数据和点击数据。
109.待预测展示位是指需要进行点击率预测的展示位，在本示例中，待预测展示位可以为物品展示平台内预先设置的多个展示位中的一个展示位，或多个展示位等，对于待预测展示位的数量可以根据业务需求而定，本实施例对此不加以限制。
110.展示位数据可以包括：待预测展示位内的业务对象的展现数据、曝光数据、注意力数据和点击数据。
111.其中，业务对象是指历史上展示于待预测展示位上的对象，在本示例中，业务对象可以为菜品等对象(即菜品图像)，具体地，对于展示于业务对象的具体类型可以根据业务需求而定，本实施例对此不加以限制。
112.展现数据是指展示于待预测展示位的业务对象的展现次数，即在实际应用中，业务平台预先配置有多个业务对象展示页面，每个业务对象展示页面内可以包含多个业务对象展示位，在用户点击进入某个页面时，则对该页面内的业务对象展示位的展现次数记为 1等。
113.曝光数据是指展示于待预测展示位的业务对象的曝光次数，在实际应用中，设置于某个页面内的展示位的数量通常是比较多的，在用户实际查看的过程中，需要用户翻页查看，而对于显示于用户的设备显示屏幕上的展示位的曝光次数记为 1等。
114.注意力数据是指用户对于展示于待预测展示位的业务对象的注意次数，在实际应用中，可以在用户查看某个展示页面内不同展示位的业务对象时，实时获取用户的眼球热区和交互热区，以此获取用户针对展示页面内不同展示位的注意次数。
115.点击数据是指用户点击展示于待预测展示位的业务对象的次数。
116.在需要对待预测展示位的点击率进行预测时，可以获取待预测展示位的展示位数据，具体地获取过程可以参照上述描述，本实施例在此不再加以赘述。
117.在获取到待预测展示位的展示位数据之后，执行步骤204。
118.步骤204：将所述展示位数据输入至点击率预测模型。
119.点击率预测模型是指预先训练的用于对展示位的点击率进行预测的模型。
120.在获取到待预测展示位的展示位数据之后，可以将展示位数据输入至点击率预测模型，进而，执行步骤205。
121.步骤205：调用所述点击率预测模型对所述展示位数据进行处理，以得到所述待预测展示位对应的展示位注意力和用户偏好。
122.展示位注意力是指用户对待预测展示位的注意力程度。
123.用户偏好是指用户对待预测展示位的偏好程度。
124.在将待预测展示位对应的展示位数据输入至点击率预测模型之后，可以调用点击率预测模型对展示位数据进行处理，进而，可以得到待预测展示位对应的展示位注意力和用户偏好。具体地，对于该过程可以结合下述具体实现方式进行详细描述。
125.在本公开的实施例的一种具体实现方式中，上述步骤205可以包括：
126.子步骤s1：调用所述点击率预测模型对所述展现数据、所述曝光数据和所述注意力数据进行处理，确定所述待预测展示位对应的展示位注意力；
127.子步骤s2：调用所述点击率预测模型对所述展现数据、所述曝光数据、所述注意力数据和所述点击数据进行处理，确定所述待预测展示位对应的用户偏好。
128.在本实施例中，在将待预测展示位的展示位数据输入至点击率预测模型之后，可以调用点击率预测模型对展现数据、曝光数据和注意力数据进行处理，以确定待预测展示位对应的展示位注意力，并调用点击率预测模型对展现数据、曝光数据、注意力数据和点击数据进行处理，以确定出待预测展示位对应的用户偏好，即本公开的实施例对于每个展示位的点击率预估，即拆解成展示位注意力的预估与用户对商品偏好的预估，而前者与商品内容无关，只有用户的行为习惯与展示位置有关。
129.在获取到待预测展示位对应的展示位注意力和用户偏好之后，执行步骤206。
130.步骤206：基于所述展示位注意力和用户偏好，确定所述待预测展示位的点击率。
131.在获取到待预测展示位对应的展示位注意力和用户偏好之后，可以基于展示位注意力和用户偏好确定出待预测展示位的点击率。
132.本公开的实施例通过结合展现、曝光、注意和点击等展示位数据，对注意力建模的长期优化，可以提升展示位点击率预估的准确率。
133.本公开的实施例提供的点击率预测方法，通过获取待预测展示位对应的展示位数据，展示位数据包括：待预测展示位内的业务对象的展现数据、曝光数据、注意力数据和点击数据，将展示位数据输入至点击率预测模型，调用点击率预测模型对展示位数据进行处理，以得到待预测展示位对应的展示位注意力和用户偏好，基于展示位注意力和用户偏好，确定待预测展示位的点击率。本公开的实施例通过结合展现、曝光、注意和点击等展示位数据，对注意力建模的长期优化，可以提升展示位点击率预估的准确率。
134.实施例三
135.参照图3，示出了本公开的实施例提供的一种点击率预测装置的结构示意图，如图3所示，该点击率预测装置300可以包括如下模块：
136.展示位数据获取模块310，用于获取待预测展示位对应的展示位数据；所述展示位数据包括：所述待预测展示位内的业务对象的展现数据、曝光数据、注意力数据和点击数据；
137.展示位数据输入模块320，用于将所述展示位数据输入至点击率预测模型；
138.用户偏好获取模块330，用于调用所述点击率预测模型对所述展示位数据进行处理，以得到所述待预测展示位对应的展示位注意力和用户偏好；
139.点击率确定模块340，用于基于所述展示位注意力和用户偏好，确定所述待预测展示位的点击率。
140.可选地，所述用户偏好获取模块330包括：
141.展示位注意力确定单元，用于调用所述点击率预测模型对所述展现数据、所述曝光数据和所述注意力数据进行处理，确定所述待预测展示位对应的展示位注意力；
142.用户偏好确定单元，用于调用所述点击率预测模型对所述展现数据、所述曝光数据、所述注意力数据和所述点击数据进行处理，确定所述待预测展示位对应的用户偏好。
143.本公开的实施例提供的点击率预测装置，通过获取待预测展示位对应的展示位数
据，展示位数据包括：待预测展示位内的业务对象的展现数据、曝光数据、注意力数据和点击数据，将展示位数据输入至点击率预测模型，调用点击率预测模型对展示位数据进行处理，以得到待预测展示位对应的展示位注意力和用户偏好，基于展示位注意力和用户偏好，确定待预测展示位的点击率。本公开的实施例通过结合展现、曝光、注意和点击等展示位数据，对注意力建模的长期优化，可以提升展示位点击率预估的准确率。
144.实施例四
145.参照图4，示出了本公开的实施例提供的另一种点击率预测装置的结构示意图，如图4所示，该点击率预测装置400可以包括如下模块：
146.模型训练样本获取模块410，用于获取模型训练样本；所述模型训练样本包括：多个展示位对应的对象数据，所述对象数据包括业务对象展现数据、业务对象曝光数据、用户注意力数据和业务对象点击数据，
147.点击率预测模型获取模块420，用于将所述模型训练样本输入至待训练点击率预测模型，以对所述待训练点击率预测模型进行训练，得到所述点击率预测模型；
148.展示位数据获取模块430，用于获取待预测展示位对应的展示位数据；所述展示位数据包括：所述待预测展示位内的业务对象的展现数据、曝光数据、注意力数据和点击数据；
149.展示位数据输入模块440，用于将所述展示位数据输入至点击率预测模型；
150.用户偏好获取模块450，用于调用所述点击率预测模型对所述展示位数据进行处理，以得到所述待预测展示位对应的展示位注意力和用户偏好；
151.点击率确定模块460，用于基于所述展示位注意力和用户偏好，确定所述待预测展示位的点击率。
152.可选地，所述模型训练样本获取模块410包括：
153.正负样本确定单元，用于根据所述多个展示位对应的用户注意力数据，确定所述模型训练样本中的负模型训练样本和正模型训练样本。
154.可选地，所述点击率预测模型获取模块420包括：
155.模型训练输入单元，用于将所述模型训练样本输入至待训练点击率预测模型；其中，所述模型训练样本对应于初始用户偏好和初始展示位注意力；
156.预测用户偏好获取单元，用于调用所述待训练点击率预测模型对所述业务对象展现数据、所述业务对象曝光数据、所述用户注意力数据和所述业务对象点击数据进行处理，获取所述展示位对应的预测展示位注意力和预测用户偏好；
157.损失值计算单元，用于基于所述预测展示位注意力、所述初始展示位注意力、所述预测用户偏好和所述初始用户偏好，计算得到所述待训练点击率预测模型的损失值；
158.在损失值处于预设范围内的情况下，将训练后的待训练点击率预测模型作为所述点击率预测模型。
159.本公开的实施例提供的点击率预测装置，通过获取待预测展示位对应的展示位数据，展示位数据包括：待预测展示位内的业务对象的展现数据、曝光数据、注意力数据和点击数据，将展示位数据输入至点击率预测模型，调用点击率预测模型对展示位数据进行处理，以得到待预测展示位对应的展示位注意力和用户偏好，基于展示位注意力和用户偏好，确定待预测展示位的点击率。本公开的实施例通过结合展现、曝光、注意和点击等展示位数
据，对注意力建模的长期优化，可以提升展示位点击率预估的准确率。
160.本公开的实施例还提供了一种电子设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现前述实施例的点击率预测方法。
161.本公开的实施例还提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述实施例的点击率预测方法。
162.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
163.在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本公开的实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本公开的实施例的内容，并且上面对特定语言所做的描述是为了披露本公开的实施例的最佳实施方式。
164.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
165.类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本公开的示例性实施例的描述中，本公开的实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本公开的实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本公开的实施例的单独实施例。
166.本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的替代特征来代替。
167.本公开的实施例的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本公开的实施例的动态图片的生成设备中的一些或者全部部件的一些或者全部功能。本公开的实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序。这样的实现本公开的实施例的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
168.应该注意的是上述实施例对本公开的实施例进行说明而不是对本公开的实施例
进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开的实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
169.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
170.以上所述仅为本公开的实施例的较佳实施例而已，并不用以限制本公开的实施例，凡在本公开的实施例的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本公开的实施例的保护范围之内。
171.以上所述，仅为本公开的实施例的具体实施方式，但本公开的实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开的实施例揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的实施例的保护范围之内。因此，本公开的实施例的保护范围应以权利要求的保护范围为准。