CN106127528B - 广告投放方法及装置 - Google Patents

Abstract

本公开揭示了一种广告投放方法及装置，属于广告投放领域。所述广告投放方法包括：接收终端发送的广告获取请求，所述广告获取请求中至少携带有与富媒体上广告位相关的曝光数据；将所述曝光数据输入至训练模型中与所述富媒体的所述广告位对应的数据隔离单元；运行所述训练模型，输出点击概率，所述点击概率用于指示预估的所述终端点击所述富媒体上所述广告位投放的广告的概率；根据所述点击概率向所述终端的所述广告位投放广告。解决了相关技术中由于每增一个富媒体均需要训练和维护一个模型，导致投放系统的维护过于复杂的问题，达到了利用一个统一的训练模型完成对各类富媒体或各类广告位的广告投放，简化了训练模型的维护的效果。

Description

广告投放方法及装置

技术领域

本公开涉及广告投放领域，特别涉及一种广告投放方法及装置。

背景技术

随着广告收入在移动互联网中的比重越来越大，广告的精准投放也越来越重要。

传统的广告投放实现时，每当引入一个新的富媒体，投放系统均会针对该新的媒体训练一个新的模型，利用训练的模型获取点击率，利用获取的点击率对广告进行投放。由于每增一个富媒体均需要训练和维护一个模型，导致投放系统的维护过于复杂。

发明内容

本公开提供一种广告投放方法及装置。所述技术方案如下：

根据本公开实施例的第一方面，提供一种广告投放方法，所述方法包括：接收终端发送的广告获取请求，所述广告获取请求中至少携带有与富媒体上广告位相关的曝光数据；将所述曝光数据输入至训练模型中与所述富媒体的所述广告位对应的数据隔离单元；运行所述训练模型，输出点击概率，所述点击概率用于指示预估的所述终端点击所述富媒体上所述广告位投放的广告的概率；根据所述点击概率向所述终端的所述广告位投放广告。

通过在需要向广告位投放广告时，将获取到的与该广告位相关的曝光数据输入至训练模型中与该广告位对应的数据隔离单元，以影响训练模型的运行结果，输出与该广告位相关的点击概率，利用该点击概率向终端的该广告位投放广告，由于训练模型针对不同的富媒体的广告位均设置独立的数据隔离单元，各种富媒体的广告位的曝光数据均可以输入至训练模型对应的数据隔离单元，从而使得针对不同的富媒体或广告位仅需要设置一个训练模型即可，解决了相关技术中由于每增一个富媒体均需要训练和维护一个模型，导致投放系统的维护过于复杂的问题，达到了利用一个统一的训练模型完成对各类富媒体或各类广告位的广告投放，简化了训练模型的维护的效果。

可选的，所述运行所述训练模型，包括：在运行所述训练模型时，控制接收到所述曝光数据的数据隔离单元对所述训练模型的运算结果产生有效影响；控制所述训练模型中其他数据隔离单元对所述训练模型的运算结果产生无效影响，所述其他数据隔离单元包括所述训练模型中对应于其他富媒体各个广告位的数据隔离单元和对应于所述富媒体的其他各个广告位的数据隔离单元。

通过在训练模型时，仅控制接收到该曝光数据的数据隔离单元对训练模型的运算结果产生有效影响，而控制其他数据隔离单元均对训练模型的运算结果产生无效影响，使得训练模型仅针对接收到该曝光数据的数据隔离单元进行训练，从而使得训练模型输出的点击概率是预估的针对该曝光数据所对应的广告位的点击概率。

可选的，所述将所述曝光数据输入至训练模型中与所述富媒体的所述广告位对应的数据隔离单元，包括：按照预定方式对所述曝光数据进行特征提取，得到标准形式的特征数据；将所述特征数据通过所述训练模型上设定的统一接口输入至所述训练模型中，控制所述训练模型将所述特征数据分配至所述训练模型内与所述富媒体的所述广告位对应的数据隔离单元。

通过在训练模型上设置统一的接口，且对曝光数据的特征提取也设置统一的标准形式，从而使得所有富媒体或广告位的曝光数据均可以通过该统一接口被输入至训练模型，为训练模型的集中化提供了必备的理论依据。

可选的，所述方法还包括：对于任一富媒体的任一广告位，获取所述富媒体的所述广告位曝光后得到的点击数据；将所述点击数据作为训练样本输入至所述训练模型中与所述富媒体的所述广告位对应的数据隔离单元中；控制所述训练模型中其他数据隔离单元无效，对所述训练模型进行训练，得到训练后的训练模型。

通过在对训练模型进行训练时，利用获取的某个富媒体的广告位的点击数据训练该训练模型中对应的数据隔离单元，从而使得后续运行训练模型时，该数据隔离单元能够有效影响训练模型输出与该广告位对应的运行结果。

可选的，所述根据所述点击概率向所述终端的所述广告位投放广告，包括：在所述点击概率大于预定概率阈值时，向所述终端的所述广告位投放广告；或者，根据所述终端的用户的信用度调整所述预定概率阈值，在所述点击概率大于调整后的预定概率阈值时，向所述终端的所述广告位投放广告，所述用户的信用度反映所述用户能被信任的程度。

可选的，所述与富媒体上广告位相关的曝光数据包括用户信息、广告信息以及上下文信息，所述用户信息包括用户的属性信息和所述终端的属性信息，所述广告信息包括广告所属类别、广告的历史点击率，所述上下文信息包括所述富媒体的属性信息。

根据本公开实施例的第二方面，提供一种广告投放装置，所述装置包括：

接收模块，被配置为接收终端发送的广告获取请求，所述广告获取请求中至少携带有与富媒体上广告位相关的曝光数据；第一输入模块，被配置为将所述接收模块接收到的所述曝光数据输入至训练模型中与所述富媒体的所述广告位对应的数据隔离单元；运行输出模块，被配置为运行所述训练模型，输出点击概率，所述点击概率用于指示预估的所述终端点击所述富媒体上所述广告位投放的广告的概率；投放模块，被配置为根据所述运行输出模块输出的所述点击概率向所述终端的所述广告位投放广告。

可选的，所述运行输出模块，包括：第一控制子模块，被配置为在运行所述训练模型时，控制接收到所述曝光数据的数据隔离单元对所述训练模型的运算结果产生有效影响；第二控制子模块，被配置为控制所述训练模型中其他数据隔离单元对所述训练模型的运算结果产生无效影响，所述其他数据隔离单元包括所述训练模型中对应于其他富媒体各个广告位的数据隔离单元和对应于所述富媒体的其他各个广告位的数据隔离单元。

可选的，所述第一输入模块，包括：提取子模块，被配置为按照预定方式对所述曝光数据进行特征提取，得到标准形式的特征数据；输入子模块，被配置为将所述提取子模块提取出的所述特征数据通过所述训练模型上设定的统一接口输入至所述训练模型中，控制所述训练模型将所述特征数据分配至所述训练模型内与所述富媒体的所述广告位对应的数据隔离单元。

可选的，所述装置还包括：获取模块，被配置为对于任一富媒体的任一广告位，获取所述富媒体的所述广告位曝光后得到的点击数据；第二输入模块，被配置为将所述点击数据作为训练样本输入至所述训练模型中与所述富媒体的所述广告位对应的数据隔离单元中；训练模块，被配置为控制所述训练模型中其他数据隔离单元无效，对所述训练模型进行训练，得到训练后的训练模型。

可选的，所述投放模块，包括：第一投放子模块，被配置为在所述点击概率大于预定概率阈值时，向所述终端的所述广告位投放广告；或者，第二投放子模块，被配置为根据所述终端的用户的信用度调整所述预定概率阈值，在所述点击概率大于调整后的预定概率阈值时，向所述终端的所述广告位投放广告，所述用户的信用度反映所述用户能被信任的程度。

可选的，所述与富媒体上广告位相关的曝光数据包括用户信息、广告信息以及上下文信息，所述用户信息包括用户的属性信息和所述终端的属性信息，所述广告信息包括广告所属类别、广告的历史点击率，所述上下文信息包括所述富媒体的属性信息。

根据本公开实施例的第三方面，提供一种广告投放装置，所述装置包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为：接收终端发送的广告获取请求，所述广告获取请求中至少携带有与富媒体上广告位相关的曝光数据；将所述曝光数据输入至训练模型中与所述富媒体的所述广告位对应的数据隔离单元；运行所述训练模型，输出点击概率，所述点击概率用于指示预估的所述终端点击所述富媒体上所述广告位投放的广告的概率；根据所述点击概率向所述终端的所述广告位投放广告。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并于说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种广告投放方法的流程图；

图2A是根据一示例性实施例示出的一种广告投放方法的流程图；

图2B是根据一示例性实施例示出的一种训练模型的结构示意图；

图2C是根据一示例性实施例示出的一种在将曝光数据输入至训练模型中与富媒体的广告位对应的数据隔离单元时的流程图；

图2D是根据一示例性实施例示出的一种在运行训练模型时的流程图；

图2E是根据一示例性实施例示出的一种服务器运行训练模型时的示意图；

图3A是根据一示例性实施例示出的一种广告投放装置的框图；

图3B是根据另一示例性实施例示出的一种广告投放装置的框图；

图4是根据再一示例性实施例示出的一种广告投放装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种广告投放方法的流程图，如图1所示，该广告投放方法应用于服务器中，该广告投放方法可以包括以下步骤。

在步骤101中，接收终端发送的广告获取请求，广告获取请求中至少携带有与富媒体上广告位相关的曝光数据。

在步骤102中，将曝光数据输入至训练模型中与该富媒体的广告位对应的数据隔离单元。

在步骤103中，运行训练模型，输出点击概率，点击概率用于指示预估的终端点击该富媒体上广告位投放的广告的概率。

在步骤104中，根据点击概率向终端的该广告位投放广告。

综上所述，本公开实施例提供的广告投放方法，通过在需要向广告位投放广告时，将获取到的与该广告位相关的曝光数据输入至训练模型中与该广告位对应的数据隔离单元，以影响训练模型的运行结果，输出与该广告位相关的点击概率，利用该点击概率向终端的该广告位投放广告，由于训练模型针对不同的富媒体的广告位均设置独立的数据隔离单元，各种富媒体的广告位的曝光数据均可以输入至训练模型对应的数据隔离单元，从而使得针对不同的富媒体或广告位仅需要设置一个训练模型即可，解决了相关技术中由于每增一个富媒体均需要训练和维护一个模型，导致投放系统的维护过于复杂的问题，达到了利用一个统一的训练模型完成对各类富媒体或各类广告位的广告投放，简化了训练模型的维护的效果。

图2A是根据另一示例性实施例示出的一种广告投放方法的流程图，如图2A所示，该广告投放方法应用于服务器中，该广告投放方法可以包括以下步骤。

在步骤201中，对于任一富媒体的任一广告位，获取富媒体的广告位曝光后得到的点击数据，将点击数据作为训练样本输入至训练模型中与该富媒体的广告位对应的数据隔离单元中。

这里所讲的富媒体一般是指用于承载广告位、图片、文本、视频等信息的内容，比如常见的播放器、新闻网页等。

这里所讲的广告位是富媒体上用于承载广告的位置，富媒体上可以承载至少一个广告位，这些广告位可以同时显示，也可以在不同时间显示。

点击数据是富媒体的广告位被点击时获取的数据。为了能够采集到各个富媒体的广告位被点击的点击数据，服务器需要收集各个用户在点击广告位时产生的点击数据。

为了区分不同的富媒体或不同的广告位，服务器在获取到与一个富媒体的广告位对应的点击数据时，则会将该点击数据输入至训练模型中与该富媒体的广告位对应的数据隔离单元中。

为了能够适应于各种富媒体以及富媒体中的广告位，并且可以适应更多新增的富媒体以及富媒体的广告位，服务器可以设置一个具有统一接口的训练模型，该训练模型可以针对不同的富媒体以及富媒体的不同广告位设置数据隔离单元，每个数据隔离单元均仅存储对应于自身的富媒体的广告位。

为了能够让所有的富媒体的广告位的点击数据都都能被输入至训练模型中，且均能够被训练模型识别，可以在将训练模型的统一接口设置为标准的统一接口，依据该统一接口对接收到的点击数据进行特征提取，使得提取出的特征数据均能够根据该统一接口输入至训练模型中。

请参见图2B所示，其根据一示例性实施例示出的一种训练模型的结构示意图，该训练模型20可以包括一个统一接口，若干个数据隔离单元(比如，数据隔离单元21、数据隔离单元22、…、数据隔离单元2n，n大于1)，输出接口用于输出点击概率。

在步骤202中，控制训练模型中其他数据隔离单元无效，对训练模型进行训练，得到训练后的训练模型。

为了使得针对步骤201中的富媒体的广告位有效，需要控制训练模型中其他数据隔离单元无效，对该训练模型进行训练，这样就会训练该富媒体的广告位所对应的部分。

通过上述步骤201和步骤202，可以利用各个富媒体的广告位的点击数据来训练该训练模型中对应于各个富媒体的广告位的部分，从而在实际应用中，对于每个广告位，可以利用训练模型中与该广告位对应的部分输出相应的点击概率。

在步骤203中，接收终端发送的广告获取请求。

广告获取请求一般是用户开启了某个富媒体之后，需要展示某个广告时向服务器发送的广告获取请求；可选的，广告获取请求还可以是用户触发了展示某个广告位的广告的控件后向服务器发送的。

广告获取请求中可以至少携带有与富媒体上广告位相关的曝光数据。

与富媒体上广告位相关的曝光数据包括用户信息、广告信息以及上下文信息，用户信息包括用户的属性信息和终端的属性信息，比如，用户的性别，年龄，地域，教育程度，收入情况等，可选的，还可以包括终端的标识，比如国际移动设备身份码(英文：International Mobile Equipment Identity，iemi)等。

广告信息包括广告所属类别、广告的历史点击率；上下文信息包括富媒体的属性信息，比如富媒体属于体育新闻类、娱乐节目类等。

在步骤204中，将广告获取请求中携带的曝光数据输入至训练模型中与富媒体的广告位对应的数据隔离单元。

服务器在将曝光数据输入至训练模型中与富媒体的广告位对应的数据隔离单元时，可以包括如图2C所示的各个步骤。

在步骤204a中，按照预定方式对曝光数据进行特征提取，得到标准形式的特征数据。

这里所讲的预定方式目的是为了进行特征提取，以得到标准形式的特征数据。

在步骤204b中，将该特征数据通过训练模型上设定的统一接口输入至训练模型中，控制训练模型将该特征数据分配至训练模型内与该富媒体的广告位对应的数据隔离单元。

由于特征数据均是标准形式的，而这里所讲的标准形式均是与训练模型的统一接口对应的，因此，可以将特征数据通过训练模型上设定的统一接口输入至训练模型中。

训练模型会将该特征数据分配至训练模型内与该富媒体的广告位对应的数据隔离单元。

通过步骤204a和步骤204b可知，对于任一富媒体的广告位的曝光数据，该曝光数据最终会被分配至训练模型中与该富媒体的广告位对应的数据隔离单元中。

在步骤205中，运行训练模型，输出点击概率。

这里所讲的点击概率用于指示预估的终端点击该富媒体上广告位投放的广告的概率。

服务器在运行训练模型时，可以包括如图2D中的各个步骤。

在步骤205a中，在运行训练模型时，控制接收到曝光数据的数据隔离单元对训练模型的运算结果产生有效影响。

控制接收到曝光数据的数据隔离单元对训练模型的运算结果产生有效影响，意味着在运行训练模型时，控制接收到曝光数据的数据隔离单元有效。

在步骤205b中，控制训练模型中其他数据隔离单元对训练模型的运算结果产生无效影响，其他数据隔离单元包括训练模型中对应于其他富媒体各个广告位的数据隔离单元和对应于富媒体的其他各个广告位的数据隔离单元。

控制训练模型中其他数据隔离单元对训练模型的运算结果产生无效影响，意味着在运行训练模型时，控制训练模型中其他数据隔离单元无效。

比如，将训练模型中其他数据隔离单元均置为0。

在步骤206中，根据点击概率向终端的该广告位投放广告。

服务器在根据点击概率向终端的广告位投放广告时，可以至少包括如下两种方式：

在第一种方式中，在点击概率大于预定概率阈值时，向终端的该广告位投放广告。

当点击概率大于预定概率阈值时，一般表明用户会点击该广告位上广告的概率较大，此时则可以向终端的该广告位投放广告，以供用户查看或点击。

在第二种方式中，根据终端的用户的信用度调整预定概率阈值，在点击概率大于调整后的预定概率阈值时，向终端的广告位投放广告，用户的信用度反映用户能被信任的程度。

终端上用户的信用度反映了用户能被信任的程度，可以通过该用户的历史上网记录进行评判，也可以收集其他用户对该用户的信用度的评判，以确定该用户的信用度。一般的，当用户的信用度较高时，预定概率阈值可以调低点，这样向该用户所在终端的广告位投放广告的可能性则越大，也就是说，用户的信用度越高，被投放广告的可能性越大；反之，当用户的信用度较低时，则可以调高预定概率阈值，这样向该用户所在终端的广告位投放广告的可能性则越小，也就是说，用户的信用度月底，被投放广告的可能性越小。

在实际实现时，请参见图2E，服务器在获取到某富媒体的广告位的曝光数据(包括用户信息、广告信息以及上下文信息)后，会对这些曝光数据进行特征选择，将选择的特征组合后进行特征提取，得到特征数据，将特征数据放入训练模型中与该富媒体的广告位对应的数据隔离单元进行数据隔离，对模型进行训练，若该富媒体为富媒体1则控制该富媒体1所对应的数据隔离单元有效，控制富媒体2和富媒体3所对应的数据隔离单元无效。富媒体以及富媒体内的广告位信息可以被输入至对应的数据隔离单元中，还可以作为历史曝光数据进行特征选择，进而作为样本训练该训练模型。

综上所述，本公开实施例中提供的广告投放方法，通过在需要向广告位投放广告时，将获取到的与该广告位相关的曝光数据输入至训练模型中与该广告位对应的数据隔离单元，以影响训练模型的运行结果，输出与该广告位相关的点击概率，利用该点击概率向终端的该广告位投放广告，由于训练模型针对不同的富媒体的广告位均设置独立的数据隔离单元，各种富媒体的广告位的曝光数据均可以输入至训练模型对应的数据隔离单元，从而使得针对不同的富媒体或广告位仅需要设置一个训练模型即可，解决了相关技术中由于每增一个富媒体均需要训练和维护一个模型，导致投放系统的维护过于复杂的问题，达到了利用一个统一的训练模型完成对各类富媒体或各类广告位的广告投放，简化了训练模型的维护的效果。

通过在训练模型时，仅控制接收到该曝光数据的数据隔离单元对训练模型的运算结果产生有效影响，而控制其他数据隔离单元均对训练模型的运算结果产生无效影响，使得训练模型仅针对接收到该曝光数据的数据隔离单元进行训练，从而使得训练模型输出的点击概率是预估的针对该曝光数据所对应的广告位的点击概率。

通过在训练模型上设置统一的接口，且对曝光数据的特征提取也设置统一的标准形式，从而使得所有富媒体或广告位的曝光数据均可以通过该统一接口被输入至训练模型，为训练模型的集中化提供了必备的理论依据。

通过在对训练模型进行训练时，利用获取的某个富媒体的广告位的点击数据训练该训练模型中对应的数据隔离单元，从而使得后续运行训练模型时，该数据隔离单元能够有效影响训练模型输出与该广告位对应的运行结果。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图3A是根据一示例性实施例示出的一种广告投放装置的框图，如图3A所示，该广告投放装置应用于服务器中，该广告投放装置包括但不限于：接收模块310、第一输入模块320、运行输出模块330和投放模块340。

接收模块310，被配置为接收终端发送的广告获取请求，广告获取请求中至少携带有与富媒体上广告位相关的曝光数据。

广告获取请求一般是用户开启了某个富媒体之后，需要展示某个广告时向服务器发送的广告获取请求；可选的，广告获取请求还可以是用户触发了展示某个广告位的广告的控件后向服务器发送的。

与富媒体上广告位相关的曝光数据包括用户信息、广告信息以及上下文信息，用户信息包括用户的属性信息和终端的属性信息，比如，用户的性别，年龄，地域，教育程度，收入情况等，可选的，还可以包括终端的标识，比如国际移动设备身份码等。

广告信息包括广告所属类别、广告的历史点击率；上下文信息包括富媒体的属性信息，比如富媒体属于体育新闻类、娱乐节目类等。

第一输入模块320，被配置为将接收模块310接收到的曝光数据输入至训练模型中与该富媒体的广告位对应的数据隔离单元。

运行输出模块330，被配置为运行训练模型，输出点击概率，点击概率用于指示预估的终端点击该富媒体上广告位投放的广告的概率。

投放模块340，被配置为根据运行输出模块330输出的点击概率向终端的广告位投放广告。

在一种可能的实现方式中，该运行输出模块330可以包括：第一控制子模块331和第二控制子模块332，如图3B所示。

第一控制子模块331，被配置为在运行训练模型时，控制接收到曝光数据的数据隔离单元对训练模型的运算结果产生有效影响。

控制接收到曝光数据的数据隔离单元对训练模型的运算结果产生有效影响，意味着在运行训练模型时，控制接收到曝光数据的数据隔离单元有效。

第二控制子模块332，被配置为控制训练模型中其他数据隔离单元对训练模型的运算结果产生无效影响，其他数据隔离单元包括训练模型中对应于其他富媒体各个广告位的数据隔离单元和对应于富媒体的其他各个广告位的数据隔离单元。

控制训练模型中其他数据隔离单元对训练模型的运算结果产生无效影响，意味着在运行训练模型时，控制训练模型中其他数据隔离单元无效。

在另一种可能的实现方式中，仍旧参见图3B所示，该第一输入模块320可以包括：提取子模块321和输入子模块322。

提取子模块321，被配置为按照预定方式对曝光数据进行特征提取，得到标准形式的特征数据。

这里所讲的预定方式目的是为了进行特征提取，以得到标准形式的特征数据。

输入子模块322，被配置为将提取子模块321提取出的特征数据通过训练模型上设定的统一接口输入至训练模型中，控制训练模型将特征数据分配至训练模型内与富媒体的广告位对应的数据隔离单元。

由于特征数据均是标准形式的，而这里所讲的标准形式均是与训练模型的统一接口对应的，因此，可以将特征数据通过训练模型上设定的统一接口输入至训练模型中。

训练模型会将该特征数据分配至训练模型内与该富媒体的广告位对应的数据隔离单元。

在另一种可能的实现方式中，仍旧参见图3B所示，该广告投放装置还可以包括：获取模块350、第二输入模块360和训练模块370。

获取模块350，被配置为对于任一富媒体的任一广告位，获取富媒体的广告位曝光后得到的点击数据。

第二输入模块360，被配置为将点击数据作为训练样本输入至训练模型中与富媒体的广告位对应的数据隔离单元中。

这里所讲的富媒体一般是指用于承载广告位、图片、文本、视频等信息的内容，比如常见的播放器、新闻网页等。

这里所讲的广告位是富媒体上用于承载广告的位置，富媒体上可以承载至少一个广告位，这些广告位可以同时显示，也可以在不同时间显示。

点击数据是富媒体的广告位被点击时获取的数据。为了能够采集到各个富媒体的广告位被点击的点击数据，服务器需要收集各个用户在点击广告位时产生的点击数据。

为了区分不同的富媒体或不同的广告位，服务器在获取到与一个富媒体的广告位对应的点击数据时，则会将该点击数据输入至训练模型中与该富媒体的广告位对应的数据隔离单元中。

为了能够适应于各种富媒体以及富媒体中的广告位，并且可以适应更多新增的富媒体以及富媒体的广告位，服务器可以设置一个具有统一接口的训练模型，该训练模型可以针对不同的富媒体以及富媒体的不同广告位设置数据隔离单元，每个数据隔离单元均仅存储对应于自身的富媒体的广告位。

为了能够让所有的富媒体的广告位的点击数据都都能被输入至训练模型中，且均能够被训练模型识别，可以在将训练模型的统一接口设置为标准的统一接口，依据该统一接口对接收到的点击数据进行特征提取，使得提取出的特征数据均能够根据该统一接口输入至训练模型中。

训练模块370，被配置为控制训练模型中其他数据隔离单元无效，对训练模型进行训练，得到训练后的训练模型。

为了使得富媒体的广告位有效，需要控制训练模型中其他数据隔离单元无效，对该训练模型进行训练，这样就会训练该富媒体的广告位所对应的部分。

在另一种可能的实现方式中，仍旧参见图3B所示，投放模块340可以包括：第一投放子模块341，或者，第二投放子模块342。

第一投放子模块341，被配置为在点击概率大于预定概率阈值时，向终端的广告位投放广告。

当点击概率大于预定概率阈值时，一般表明用户会点击该广告位上广告的概率较大，此时则可以向终端的该广告位投放广告，以供用户查看或点击。

第二投放子模块342，被配置为根据终端的用户的信用度调整预定概率阈值，在点击概率大于调整后的预定概率阈值时，向终端的广告位投放广告，用户的信用度反映用户能被信任的程度。

在另一种可能的实现方式中，与富媒体上广告位相关的曝光数据包括用户信息、广告信息以及上下文信息，用户信息包括用户的属性信息和终端的属性信息，广告信息包括广告所属类别、广告的历史点击率，上下文信息包括富媒体的属性信息。

终端上用户的信用度反映了用户能被信任的程度，可以通过该用户的历史上网记录进行评判，也可以收集其他用户对该用户的信用度的评判，以确定该用户的信用度。一般的，当用户的信用度较高时，预定概率阈值可以调低点，这样向该用户所在终端的广告位投放广告的可能性则越大，也就是说，用户的信用度越高，被投放广告的可能性越大；反之，当用户的信用度较低时，则可以调高预定概率阈值，这样向该用户所在终端的广告位投放广告的可能性则越小，也就是说，用户的信用度月底，被投放广告的可能性越小。

综上所述，本公开实施例中提供的广告投放装置，通过在需要向广告位投放广告时，将获取到的与该广告位相关的曝光数据输入至训练模型中与该广告位对应的数据隔离单元，以影响训练模型的运行结果，输出与该广告位相关的点击概率，利用该点击概率向终端的该广告位投放广告，由于训练模型针对不同的富媒体的广告位均设置独立的数据隔离单元，各种富媒体的广告位的曝光数据均可以输入至训练模型对应的数据隔离单元，从而使得针对不同的富媒体或广告位仅需要设置一个训练模型即可，解决了相关技术中由于每增一个富媒体均需要训练和维护一个模型，导致投放系统的维护过于复杂的问题，达到了利用一个统一的训练模型完成对各类富媒体或各类广告位的广告投放，简化了训练模型的维护的效果。

通过在训练模型时，仅控制接收到该曝光数据的数据隔离单元对训练模型的运算结果产生有效影响，而控制其他数据隔离单元均对训练模型的运算结果产生无效影响，使得训练模型仅针对接收到该曝光数据的数据隔离单元进行训练，从而使得训练模型输出的点击概率是预估的针对该曝光数据所对应的广告位的点击概率。

通过在训练模型上设置统一的接口，且对曝光数据的特征提取也设置统一的标准形式，从而使得所有富媒体或广告位的曝光数据均可以通过该统一接口被输入至训练模型，为训练模型的集中化提供了必备的理论依据。

通过在对训练模型进行训练时，利用获取的某个富媒体的广告位的点击数据训练该训练模型中对应的数据隔离单元，从而使得后续运行训练模型时，该数据隔离单元能够有效影响训练模型输出与该广告位对应的运行结果。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本公开一示例性实施例提供了一种广告投放装置，能够实现本公开提供的广告投放方法，该广告投放装置包括：处理器、用于存储处理器可执行指令的存储器；

其中，处理器被配置为：

接收终端发送的广告获取请求，所述广告获取请求中至少携带有与富媒体上广告位相关的曝光数据；

将所述曝光数据输入至训练模型中与所述富媒体的所述广告位对应的数据隔离单元；

运行所述训练模型，输出点击概率，所述点击概率用于指示预估的所述终端点击所述富媒体上所述广告位投放的广告的概率；

根据所述点击概率向所述终端的所述广告位投放广告。

图4是根据再一示例性实施例示出的一种广告投放装置的框图。例如，装置400可以被提供为一网络侧设备，比如服务器。参照图4，装置400包括处理组件402，其进一步包括一个或多个处理器，以及由存储器404所代表的存储器资源，用于存储可由处理组件402的执行的指令，例如应用程序。存储器404中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件402被配置为执行指令，以执行上述广告投放方法。

装置400还可以包括一个电源组件406被配置为执行装置400的电源管理，一个有线或无线网络接口408被配置为将装置400连接到网络，和一个输入输出(I/O)接口410。装置400可以操作基于存储在存储器404的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种广告投放方法，其特征在于，所述方法包括：

接收终端发送的广告获取请求，所述广告获取请求中至少携带有与富媒体上广告位相关的曝光数据；

将所述曝光数据输入至训练模型中与所述富媒体的所述广告位对应的数据隔离单元；

运行所述训练模型，输出点击概率，所述点击概率用于指示预估的所述终端点击所述富媒体上所述广告位投放的广告的概率；

根据所述点击概率向所述终端的所述广告位投放广告；

其中，所述运行所述训练模型，包括：

在运行所述训练模型时，控制接收到所述曝光数据的数据隔离单元对所述训练模型的运算结果产生有效影响；

控制所述训练模型中其他数据隔离单元对所述训练模型的运算结果产生无效影响，所述其他数据隔离单元包括所述训练模型中对应于其他富媒体各个广告位的数据隔离单元和对应于所述富媒体的其他各个广告位的数据隔离单元；

所述将所述曝光数据输入至训练模型中与所述富媒体的所述广告位对应的数据隔离单元，包括：

按照预定方式对所述曝光数据进行特征提取，得到标准形式的特征数据；

将所述特征数据通过所述训练模型上设定的统一接口输入至所述训练模型中，控制所述训练模型将所述特征数据分配至所述训练模型内与所述富媒体的所述广告位对应的数据隔离单元，所述标准形式与所述统一接口对应。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对于任一富媒体的任一广告位，获取所述富媒体的所述广告位曝光后得到的点击数据；

将所述点击数据作为训练样本输入至所述训练模型中与所述富媒体的所述广告位对应的数据隔离单元中；

控制所述训练模型中其他数据隔离单元无效，对所述训练模型进行训练，得到训练后的训练模型。

3.根据权利要求1所述的方法，其特征在于，所述根据所述点击概率向所述终端的所述广告位投放广告，包括：

在所述点击概率大于预定概率阈值时，向所述终端的所述广告位投放广告；

或者，

根据所述终端的用户的信用度调整所述预定概率阈值，在所述点击概率大于调整后的预定概率阈值时，向所述终端的所述广告位投放广告，所述用户的信用度反映所述用户能被信任的程度，所述预定概率阈值与所述终端的用户的信用度成反比。

4.根据权利要求1至3中任一所述的方法，其特征在于，所述与富媒体上广告位相关的曝光数据包括用户信息、广告信息以及上下文信息，所述用户信息包括用户的属性信息和所述终端的属性信息，所述广告信息包括广告所属类别、广告的历史点击率，所述上下文信息包括所述富媒体的属性信息。

5.根据权利要求1至3中任一所述的方法，其特征在于，所述接收终端发送的广告获取请求，包括：

接收终端在检测到用户开启富媒体后发送的广告获取请求；

或者，接收终端在检测到用户开启富媒体，并触发所述富媒体包括的广告位的广告控件后发送的广告获取请求。

6.一种广告投放装置，其特征在于，所述装置包括：

接收模块，被配置为接收终端发送的广告获取请求，所述广告获取请求中至少携带有与富媒体上广告位相关的曝光数据；

第一输入模块，被配置为将所述接收模块接收到的所述曝光数据输入至训练模型中与所述富媒体的所述广告位对应的数据隔离单元；

运行输出模块，被配置为运行所述训练模型，输出点击概率，所述点击概率用于指示预估的所述终端点击所述富媒体上所述广告位投放的广告的概率；

投放模块，被配置为根据所述运行输出模块输出的所述点击概率向所述终端的所述广告位投放广告；

其中，所述运行输出模块，包括：

第一控制子模块，被配置为在运行所述训练模型时，控制接收到所述曝光数据的数据隔离单元对所述训练模型的运算结果产生有效影响；

第二控制子模块，被配置为控制所述训练模型中其他数据隔离单元对所述训练模型的运算结果产生无效影响，所述其他数据隔离单元包括所述训练模型中对应于其他富媒体各个广告位的数据隔离单元和对应于所述富媒体的其他各个广告位的数据隔离单元；

所述第一输入模块，包括：

提取子模块，被配置为按照预定方式对所述曝光数据进行特征提取，得到标准形式的特征数据；

输入子模块，被配置为将所述提取子模块提取出的所述特征数据通过所述训练模型上设定的统一接口输入至所述训练模型中，控制所述训练模型将所述特征数据分配至所述训练模型内与所述富媒体的所述广告位对应的数据隔离单元，所述标准形式与所述统一接口对应。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

获取模块，被配置为对于任一富媒体的任一广告位，获取所述富媒体的所述广告位曝光后得到的点击数据；

第二输入模块，被配置为将所述点击数据作为训练样本输入至所述训练模型中与所述富媒体的所述广告位对应的数据隔离单元中；

训练模块，被配置为控制所述训练模型中其他数据隔离单元无效，对所述训练模型进行训练，得到训练后的训练模型。

8.根据权利要求6所述的装置，其特征在于，所述投放模块，包括：

第一投放子模块，被配置为在所述点击概率大于预定概率阈值时，向所述终端的所述广告位投放广告；

或者，

第二投放子模块，被配置为根据所述终端的用户的信用度调整所述预定概率阈值，在所述点击概率大于调整后的预定概率阈值时，向所述终端的所述广告位投放广告，所述用户的信用度反映所述用户能被信任的程度。

9.根据权利要求6至8中任一所述的装置，其特征在于，所述与富媒体上广告位相关的曝光数据包括用户信息、广告信息以及上下文信息，所述用户信息包括用户的属性信息和所述终端的属性信息，所述广告信息包括广告所属类别、广告的历史点击率，所述上下文信息包括所述富媒体的属性信息。

10.一种广告投放装置，其特征在于，所述装置包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为：

接收终端发送的广告获取请求，所述广告获取请求中至少携带有与富媒体上广告位相关的曝光数据；

将所述曝光数据输入至训练模型中与所述富媒体的所述广告位对应的数据隔离单元；

运行所述训练模型，输出点击概率，所述点击概率用于指示预估的所述终端点击所述富媒体上所述广告位投放的广告的概率；

根据所述点击概率向所述终端的所述广告位投放广告；

其中，所述运行所述训练模型，包括：

在运行所述训练模型时，控制接收到所述曝光数据的数据隔离单元对所述训练模型的运算结果产生有效影响；

控制所述训练模型中其他数据隔离单元对所述训练模型的运算结果产生无效影响，所述其他数据隔离单元包括所述训练模型中对应于其他富媒体各个广告位的数据隔离单元和对应于所述富媒体的其他各个广告位的数据隔离单元；

所述将所述曝光数据输入至训练模型中与所述富媒体的所述广告位对应的数据隔离单元，包括：

按照预定方式对所述曝光数据进行特征提取，得到标准形式的特征数据；

将所述特征数据通过所述训练模型上设定的统一接口输入至所述训练模型中，控制所述训练模型将所述特征数据分配至所述训练模型内与所述富媒体的所述广告位对应的数据隔离单元，所述标准形式与所述统一接口对应。

Images