公开(公告)号：CN110706015A

公开(公告)日：2020-01-17

申请号：CN201910775155.5

申请日：2019-08-21

Applicant: 北京大学(天津滨海)新一代信息技术研究院

Inventor： 刘譞哲 ,  马郓 ,  吕广利 ,  陈震鹏 ,  陆璇

IPC: G06Q30/02

Abstract: 本发明公开了一种面向广告点击率预测的特征选取方法，包括：步骤(1)构造特征集；步骤(2)对特征集的所有特征进行评估，筛选并标记所有无益特征，并将对模型影响最大的无益特征从特征集中删除，再更新特征集；步骤(3)对无益特征进行评估，筛选并标记该次评估产生的新无益特征，将对模型影响最大的新无益特征删除，再次更新特征集；若未产生新无益特征，则停止操作，得到的特征集为有效特征集；若产生新无益特征，则迭代执行步骤(3)，直至未产生新无益特征。本发明采用双向式特征选择方式对特征集进行选择筛选，降低了迭代次数，不需再对特征全集进行迭代，能得到较大的模型提升效果，特征选择工程时间复杂度低，工作效率高。

公开(公告)号：CN110689368A

公开(公告)日：2020-01-14

申请号：CN201910780066.X

申请日：2019-08-22

Applicant: 北京大学(天津滨海)新一代信息技术研究院

Inventor： 刘譞哲 ,  马郓 ,  吕广利 ,  陈震鹏 ,  陆璇

IPC: G06Q30/02

Abstract: 本发明公开了一种移动应用内广告点击率预测系统设计方法，包括：对广告数据进行集成、清洗和变换的预处理；利用预处理后的广告数据生成特征并构造特征全集；针对所述特征全集进行有效特征选取，选出有效特征集；利用所述有效特征集对广告点击率预测模型进行训练。本发明实施例提供的移动应用内广告点击率预测方法，对广告数据中的长尾数据按照相似性进行归类，按照数据取值频次进行归类，克服了现有技术无法有效利用隐含在长尾数据中的信息的缺陷，充分利用了长尾数据中的信息提升了预测效果。

公开(公告)号：CN108256548A

公开(公告)日：2018-07-06

申请号：CN201711261393.1

申请日：2017-12-04

Applicant: 北京大学

Inventor： 刘譞哲 ,  陈震鹏 ,  陆璇 ,  马郓 ,  黄罡

IPC: G06K9/62 ,  G06F17/30

CPC classification number: G06K9/6267 ,  G06F16/35 ,  G06K9/6256

Abstract: 本发明提供一种基于Emoji使用情况的用户画像刻画方法及系统，该方法的步骤包括：获取一批用户的画像信息和输入过的文本数据；利用正则表达式从所述文本数据中提取出Emoji的原始数据；根据所述Emoji的原始数据得到所述用户的Emoji使用特征；将所述用户划分为训练集和测试集；利用所述训练集中的用户的Emoji使用特征作为自变量，其画像信息作为应变量，训练模型；将训练出的模型应用到所述测试集上，选出评价指标最佳的模型作为最终的用户画像刻画模型。本发明利用了用户文本的Emoji对用户画像刻画，无需分析用户输入文本中的敏感内容，可保护用户隐私。