广告点击率预测方法、模型的训练方法、装置和存储介质

摘要

本申请公开了一种广告点击率预测方法、模型的训练方法、装置和存储介质，本申请的模型训练方法通过预测模型的损失函数和广告点击率的时间序列样本数据构造扰动数据，并根据时间序列样本数据的损失值和其在叠加扰动数据状态下的损失值来对预测模型参数进行调整，然后根据调整参数后的预测模型的损失函数和时间序列样本数据构造新的扰动数据，不断迭代训练，使得预测模型可以修正原有的决策边界，从而得到鲁棒性更强的预测模型；本申请通过构造扰动数据进行模型训练，可以有效地增加训练过程中的边缘数据，使得模型可以在遇到噪声数据时也能拥有较好的预测精度，提高了模型的鲁棒性。可见，本申请可以广泛应用于人工智能技术领域中。