CN108446382A - 用于推送信息的方法和装置 - Google Patents
用于推送信息的方法和装置 Download PDFInfo
- Publication number
- CN108446382A CN108446382A CN201810230971.3A CN201810230971A CN108446382A CN 108446382 A CN108446382 A CN 108446382A CN 201810230971 A CN201810230971 A CN 201810230971A CN 108446382 A CN108446382 A CN 108446382A
- Authority
- CN
- China
- Prior art keywords
- pushed information
- word
- cost
- information
- intended
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种用于推送信息的方法和装置。方法的一具体实施例包括:接收信息主输入的优化触发请求,所述优化触发请求中包括点击成本阈值和优化策略;采用预测模型,确定当前推送信息集合中各当前推送信息的预估推送结果;基于所述预估推送结果和所述点击成本阈值,采用所述优化策略计算目标点击成本;基于所述目标点击成本,确定推荐意图词的特征值;向符合所述信息主的定向条件的用户,推送基于所述特征值筛选的当前推送信息。该方法提高推送信息的针对性和准确性。
Description
技术领域
本申请涉及计算机技术领域,具体涉及计算机网络技术领域,尤其涉及用于推送信息的方法和装置。
背景技术
伴随着互联网信息的爆发性发展与人口红利的衰退,传统信息推送平台正面临交易信息的滞涨,急需在细分高质量的流量挖掘、信息形式创新等方面寻求突破。信息流推送变现已于移动互联网爆发的下半场异军突起,现已取得长足进展。
目前,信息推送与优化信息推送的主体为信息主或客服,在流量类型与信息形式内容复杂多变的信息流推送变现场景中,对优化信息推送的主体的持续优化能力、人力与从业经验都提出了非常高的要求。尽管信息推送平台已不断完善并形成各项细分领域乃至一站式优化能力,但当信息主的优化目标是在预算范围内最大化点击量和/或最大化转化量,实现单项优化的过程与全局优化目标不可避免地存在偏差,从而导致向用户推送的信息的针对性较低,降低了信息推送平台的推送效率和信息推送能力。
发明内容
本申请实施例提出一种用于推送信息的方法和装置。
第一方面,本申请实施例提供了一种用于推送信息的方法,包括:接收信息主输入的优化触发请求,所述优化触发请求中包括点击成本阈值和优化策略;采用预测模型,确定当前推送信息集合中各当前推送信息的预估推送结果;基于所述预估推送结果和所述点击成本阈值,采用所述优化策略计算目标点击成本;基于所述目标点击成本,确定推荐意图词的特征值;向符合所述信息主的定向条件的用户,推送基于所述特征值筛选的当前推送信息。
在一些实施例中,所述采用预测模型,确定当前推送信息集合中各当前推送信息的预估推送结果包括以下一项或多项:采用文本点击率估算模型,确定所述当前推送信息的预估文本点击率;采用图片点击率估算模型,确定所述当前推送信息的预估图片点击率;基于历史推送信息,确定历史推送信息的意图词的展现队列,获取对应所述当前推送信息的历史推送信息的实际点击成本,从所述当前推送信息中筛选出实际点击成本小于所述点击成本阈值的当前推送信息,基于所筛选出的当前推送信息的意图词和所述历史推送信息的意图词的展现队列,计算所述当前推送信息的意图词的展现概率;基于历史推送信息,确定对应当前推送信息的历史推送信息的意图词的展现队列和点击队列,基于所述历史推送信息的意图词的展现队列和所述点击队列,确定当前推送信息的意图词的点击概率。
在一些实施例中,所述基于所述预估推送结果和所述点击成本阈值,采用所述优化策略计算目标点击成本包括:采用预设的权重计算规则,基于所述预估推送结果确定所述当前推送信息的意图词的出价权重;基于所述当前推送信息的意图词的出价权重和所述点击成本阈值,从信息主的候选意图词中,确定初选意图词;基于所述初选意图词和所述点击成本阈值,采用优化策略计算目标点击成本。
在一些实施例中,所述基于所述当前推送信息的意图词的出价权重和所述点击成本阈值,从信息主的候选意图词中,确定初选意图词包括:从所述当前推送信息的意图词的出价权重中,查询信息主的候选意图词的出价权重;将信息主设置的计划预算和所述点击成本阈值作为约束,基于对应各个所述候选意图词的当前推送信息的成本、所述候选意图词的出价权重,以具有最大点击量的初选意图词的组合为目标,采用贪心算法从所述候选意图词中确定所述初选意图词。
在一些实施例中,所述基于所述初选意图词和所述点击成本阈值,采用优化策略计算目标点击成本包括:基于所述推送平台的历史推送数据,获取所述初选意图词在推送平台的平均点击成本和实际点击成本;获取信息主设置的计划预算以及信息主的历史预算利用率;将所述平均点击成本与所述点击成本阈值中的较小值确定为优化目标;采用所述计划预算与所述历史预算利用率计算所述优化目标的调节方向,将所述实际点击成本与所述优化目标的误差输入PID算法,确定目标点击成本。
在一些实施例中,所述基于所述目标点击成本,确定推荐意图词的特征值包括:将所述出价权重与所述目标点击成本的乘积,确定为推荐意图词的特征值。
在一些实施例中,所述方法还包括:向所述信息主呈现:基于向用户推送的当前推送信息生成的推送数据报告;和/或基于所述推送数据报告和所述优化触发请求确定的优化数据报告。
第二方面,本申请实施例提供了一种用于推送信息的装置,包括:触发请求接收单元,用于接收信息主输入的优化触发请求,所述优化触发请求中包括点击成本阈值和优化策略;推送结果预测单元,用于采用预测模型,确定当前推送信息集合中各当前推送信息的预估推送结果;目标成本计算单元,用于基于所述预估推送结果和所述点击成本阈值,采用所述优化策略计算目标点击成本;特征值计算单元,用于基于所述目标点击成本,确定推荐意图词的特征值;筛选信息推送单元,用于向符合所述信息主的定向条件的用户,推送基于所述特征值筛选的当前推送信息。
在一些实施例中,所述推送结果预测单元包括以下一项或多项:文本点击率预测单元,用于采用文本点击率估算模型,确定所述当前推送信息的预估文本点击率;图片点击率预测单元,用于采用图片点击率估算模型,确定所述当前推送信息的预估图片点击率;展现概率预测单元,用于基于历史推送信息,确定历史推送信息的意图词的展现队列,获取对应所述当前推送信息的历史推送信息的实际点击成本,从所述当前推送信息中筛选出实际点击成本小于所述点击成本阈值的当前推送信息,基于所筛选出的当前推送信息的意图词和所述历史推送信息的意图词的展现队列,计算所述当前推送信息的意图词的展现概率;点击概率预测单元,用于基于历史推送信息,确定对应当前推送信息的历史推送信息的意图词的展现队列和点击队列,基于所述历史推送信息的意图词的展现队列和所述点击队列,确定当前推送信息的意图词的点击概率。
在一些实施例中,所述目标成本计算单元包括:出价权重确定单元,用于采用预设的权重计算规则,基于所述预估推送结果确定所述当前推送信息的意图词的出价权重;初选意图词确定单元,用于基于所述当前推送信息的意图词的出价权重和所述点击成本阈值,从信息主的候选意图词中,确定初选意图词;目标点击成本优化单元,用于基于所述初选意图词和所述点击成本阈值,采用优化策略计算目标点击成本。
在一些实施例中,所述初选意图词确定单元包括:出价权重查询单元,用于从所述当前推送信息的意图词的出价权重中,查询信息主的候选意图词的出价权重;初选意图词选择单元,用于将信息主设置的计划预算和所述点击成本阈值作为约束,基于对应各个所述候选意图词的当前推送信息的成本、所述候选意图词的出价权重,以具有最大点击量的初选意图词的组合为目标,采用贪心算法从所述候选意图词中确定所述初选意图词。
在一些实施例中,所述目标点击成本优化单元包括:点击成本获取单元,用于基于所述推送平台的历史推送数据,获取所述初选意图词在推送平台的平均点击成本和实际点击成本;预算利用率获取单元,用于获取信息主设置的计划预算以及信息主的历史预算利用率;优化目标确定单元,用于将所述平均点击成本与所述点击成本阈值中的较小值确定为优化目标;目标点击成本调节单元,用于采用所述计划预算与所述历史预算利用率计算所述优化目标的调节方向,将所述实际点击成本与所述优化目标的误差输入PID算法,确定目标点击成本。
在一些实施例中,所述特征值计算单元进一步用于:将所述出价权重与所述目标点击成本的乘积,确定为推荐意图词的特征值。
在一些实施例中,所述装置还包括:数据报告呈现单元,用于向所述信息主呈现:基于向用户推送的当前推送信息生成的推送数据报告;和/或基于所述推送数据报告和所述优化触发请求确定的优化数据报告。
第三方面,本申请实施例提供了一种设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上任一的一种用于推送信息的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上任一的一种用于推送信息的方法。
本申请实施例提供的用于推送信息的方法和装置,首先接收信息主输入的优化触发请求,优化触发请求中包括点击成本阈值和优化策略;之后,采用预测模型,确定当前推送信息集合中各当前推送信息的预估推送结果;之后,基于预估推送结果和点击成本阈值,采用优化策略计算目标点击成本;之后,基于目标点击成本,确定推荐意图词的特征值;最后,向符合信息主的定向条件的用户推送基于特征值筛选的当前推送信息。在这一过程中,由于考虑信息主设置的点击成本阈值以及预估了信息推送后的结果来筛选当前推送信息,提高了推送信息的针对性以及信息推送平台的效率和能力。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出了本申请实施例可以应用于其中的示例性系统架构;
图2是根据本申请实施例的用于推送信息的方法的一个实施例的示意性流程图;
图3是根据本申请实施例的用于推送信息的方法的实施例的示例性应用场景;
图4是根据本申请实施例的用于推送信息的方法的又一个实施例的示意性流程图;
图5是图4中一个具体地确定目标点击成本的实施例的流程图;
图6是根据本申请实施例的用于推送信息的装置的一个实施例的示例性结构图;
图7是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
请参考图1,图1示出了可以应用本申请的用于推送信息的方法或用于推送信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105、106。网络104用以在终端设备101、102、103和服务器105、106之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户110可以使用终端设备101、102、103通过网络104与服务器105、106交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如搜索引擎类应用、购物类应用、即时通信工具、邮箱客户端、社交平台软件、视频播放类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105、106可以是提供各种服务的服务器。例如服务器105、106可以是对终端设备101、102、103提供支持的后台服务器。后台服务器可以对终端提交的数据进行分析、存储或计算等处理,并将数据处理结果推送给终端设备。
通常情况下,本申请实施例所提供的用于推送信息的方法一般由运行于服务器105、106上执行,相应地,用于推送信息的装置一般运行于服务器105、106中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
进一步参考图2,图2示出了根据本申请实施例的用于推送信息的方法的一个实施例的示意性流程图。
如图2所示,用于推送信息的方法200包括:
在步骤201中,接收信息主输入的优化触发请求。
在本实施例中,用于推送信息的方法的执行主体(例如图1所示的服务器105、106)可以接收从终端设备(例如图1中所示的终端设备101、102、103)提交的优化触发请求。这里的优化触发请求中,至少包括点击成本阈值和优化策略。
其中,点击成本阈值为信息主设置的各个推送信息的点击成本。这里的信息主,是指向用户推送信息的推广者,例如广告主或推送平台的客服人员等,优化策略是指信息主选择的用于优化信息推送的策略。例如,优化策略可以包括:用于优化推送信息且使推送信息可以达到最优目标的调节规则或调节算法。由于推送信息的确定需要考虑的参数较多,优化策略还可以指定采用何种规则或算法来优化这些参数,以期得到优化后的推送信息。示例性地,这些参数可以包括:推送信息的历史展现数据及其点击数据、推送信息的预估展现数据及其点击数据等。
在步骤202中,采用预测模型,确定当前推送信息集合中各当前推送信息的预估推送结果。
在本实施例中,可以采用预测模型对用于确定当前推送信息的参数进行预估。这里的预测模型,可以为现有技术中可以根据历史数据来预测输出参数的模型。例如,神经元网络模型中的BP神经网络模型和径向基函数神经网络等。在预估各当前推送信息的预估推送结果时,可以预估各当前推送信息的图片点击率、文本点击率、展现概率等。
这里的当前推送信息集合,可以为符合信息主的需求的当前推送信息集合或信息推送平台根据推送信息的筛选规则确定的当前推送信息集合。这里的符合信息主的需求,可以为符合信息主预先设定的指标或参数,例如,符合信息主预先设定的出价上限、意图词、定向条件等与推送信息数据库中的推送信息的图文配合度等。这里的出价上限,可以为点击成本阈值、计划预算等。这里的意图词,可以基于用户设置的行业、业务点等数据确定,或者由用户直接设定意图词。这里的定向条件,可以包括地域定向、人群定向、行为定向、内容定向、网站定向等。
在本实施例的一些可选实现方式中,采用预测模型,确定当前推送信息集合中各当前推送信息的预估推送结果可以包括以下一项或多项:采用文本点击率估算模型,确定当前推送信息的预估文本点击率;采用图片点击率估算模型,确定当前推送信息的预估图片点击率;基于历史推送信息,确定历史推送信息的意图词的展现队列,获取对应所述当前推送信息的历史推送信息的实际点击成本,从所述当前推送信息中筛选出实际点击成本小于所述点击成本阈值的当前推送信息,基于所筛选出的当前推送信息的意图词和所述历史推送信息的意图词的展现队列,计算所述当前推送信息的意图词的展现概率;基于历史推送信息,确定对应当前推送信息的历史推送信息的意图词的展现队列和点击队列,基于所述历史推送信息的意图词的展现队列和所述点击队列,确定当前推送信息的意图词的点击概率。
在本实现方式中,文本点击率估算模型,可以采用用于预测文本的点击率的模型来实现,例如采用循环神经网络(RNN,Recurrent neural networks)、长短期记忆网络(LSTM,Long Short Term Memory,时间递归神经网络)或门控循环单元(GRU,GatedRecurrent Unit)神经网络等模型来实现。
在一个具体地示例中,可以分别采用历史推送信息以及历史推送信息中的文本被点击的概率分别作为文本点击率估算模型的输入样本和输出样本,来训练双层双向栈式LSTM深度神经网络模型,从而可以采用训练后的双层双向栈式LSTM深度神经网络模型,来预估当前推送信息的文本的点击率。
图片点击率估算模型,可以采用用于预测图片的点击率的模型来实现,例如采用卷积神经网络(CNN,Convolutional neural networks)模型来实现。
在一个具体地示例中,可以分别采用历史推送信息以及历史推送信息中的图片被点击的概率分别作为图片点击率估算模型的输入样本和输出样本,来训练深度卷积神经网络模型(DCNN,Deep Convolutional Neural Networks),从而可以采用训练后的深度卷积神经网络模型,来预估当前推送信息的图片的点击率。
历史推送信息是指信息推送平台在历史中预定时长内的推送信息。基于历史推送信息,可以统计出历史推送信息的意图词的展现队列,得到展现队列数据库。之后,可以基于这些历史推送信息的实际点击成本,确定与其对应的当前推送信息的实际点击成本,并筛选出实际点击成本小于点击成本阈值的当前推送信息。之后,可以基于筛选出的当前推送信息的意图词和展现队列数据库,确定当前推送信息的意图词的展现概率。例如,可以将展现队列中对应筛选出的当前推送信息的历史推送信息的意图词的展现概率,确定为筛选出的当前推送信息的意图词;将当前推送信息中除筛选出的当前推送信息之外的当前推送信息的意图词的展现概率,由于其实际点击成本高于点击成本阈值,可以将其展现概率设定为预设值,例如0。
基于历史推送信息,还可以确定出各个历史推送信息的意图词的展现队列和点击队列,之后,可以筛选出对应当前推送信息的历史推送信息的意图词的展现队列和点击队列,然后计算出当前推送信息的意图词的点击概率。应当理解,在这一计算点击概率的过程中,仍可以如上述计算展现概率一般,采用点击成本阈值这一约束,来筛选计算点击概率的当前推送信息。
在步骤203中,基于预估推送结果和点击成本阈值,采用优化策略计算目标点击成本。
在本实施例中,可以将点击成本阈值作为约束,考虑预估推送结果和历史推送数据中对应当前推送信息的实际点击成本,采用优化策略来调节输出的目标点击成本。应当理解,这里的优化策略,可以为现有技术或未来发展的技术中以点击成本为约束、用于使推送信息达到最优目标(最大化点击量和/或最大化展现后的点击率)的调节规则或调节算法,本申请对此不做限定。例如,可以将历史推送数据中平均点击成本与点击成本阈值中的较小值,确定为调节规则中的优化目标,进而采用优化策略来调节输出的目标点击成本。
在本实施例的一些可选实现方式中,基于预估推送结果和点击成本阈值,采用优化策略计算目标点击成本可以包括:采用预设的权重计算规则,基于预估推送结果确定当前推送信息的意图词的出价权重;基于当前推送信息的意图词的出价权重和点击成本阈值,从信息主的候选意图词中,确定初选意图词;基于初选意图词和点击成本阈值,采用优化策略计算目标点击成本。
在本实现方式中,预设的权重计算规则,可以综合考虑预估推送结果中所包括的各个概率,来确定当前推送信息的意图词的出价权重。例如,可以将预估推送结果中包括的各个概率的加权平均值,作为当前推送信息的意图词的出价权重。可选地,还可以将预估推送结果中包括的各个概率的平均值,作为当前推送信息的意图词的出价权重。
在计算出当前推送信息的意图词的出价权重之后,可以首先从当前推送信息的意图词的出价权重中,查询信息主的候选意图词的出价权重,之后,可以将点击成本阈值作为约束,从信息主的候选意图词中,确定初选意图词,之后,基于初选意图词和点击成本阈值,采用优化策略计算目标点击成本。例如,可以基于初选意图词确定对应初选意图词的历史推送信息的实际点击成本,之后,将实际点击成本或点击成本阈值中的较低值确定为目标点击成本。
在步骤204中,基于目标点击成本,确定推荐意图词的特征值。
在本实施例中,使用目标点击成本和预设的基于目标点击成本来计算特征值的计算方法,可以确定推荐意图词的特征值,进而筛选符合特征值以及定向条件的当前推送信息。例如,可以直接将目标点击成本确定为推荐意图词的特征值。这里的特征值,是指优化时所设置的意图词的成本。
在本实施例的一些可选实现方式中,可以将出价权重与目标点击成本的乘积,确定为推荐意图词的特征值。在这里,通过将出价权重与目标点击成本的乘积作为推荐意图词的特征值,可以基于预估的推送结果和历史数据的经验来调节优化设置的意图词的成本,提高了设置的准确性和针对性。
在步骤205中,向符合信息主的定向条件的用户,推送基于推荐意图词的特征值筛选的当前推送信息。
在本实施例中,通过可以首先基于推荐意图词的特征值,筛选当前推送信息,之后向符合信息主的定向条件的用户推送筛选出的当前推送信息,可以提高向用户推送的当前推送信息的针对性。
可选地,在步骤206中,向信息主呈现:基于向用户推送的当前推送信息生成的推送数据报告;和/或基于推送数据报告和优化触发请求确定的优化数据报告。
在本实现方式中,基于向用户推送的当前推送信息生成的推送数据报告为预设时长内的推送数据,例如:自动优化的推送信息数量、优化的推送信息的次数、优化后与优化前相比的点击变化量或涨幅、推送信息达成目标的概率等。
基于推送数据报告和优化触发请求确定的优化数据报告可以包括:优化后的指标数据走势、优化目标的变化区间分布及其对应的推送信息、优化内容的区间分布及其的推送信息和详细优化内容。例如,优化后的指标数据走势可以包括以下一项或多项参数的走势:展现数量、点击数量、消费数量、点击率、平均点击成本等。详细优化内容可以包括以下一项或多项:推送信息的优化数据、优化后的定向数据、优化后所设置的成本、优化后的推送信息以及信息推送平台的历史操作记录。
本申请上述实施例提供的用于推送信息的方法,可以基于用户的优化触发请求中设置的点击成本阈值和优化策略、基于预测模型确定的各当前推送信息的预估推送结果,来确定目标点击成本,并基于目标点击成本来确定推荐意图词的特征值,并向符合信息主的定向条件的用户推送符合特征值的当前推送信息,提高了推送信息的针对性和推送平台的有效推送效率。在部分实施例中,采用多种方法预估了当前推送信息的预估推送结果,提高了预估推送结果和出价权重的准确率,提高了初选意图词和目标点击成本的准确率,进一步提高了推送信息的针对性和推送平台的有效推送效率。
进一步地,请参考图3,图3示出了根据本申请实施例的用于推送信息的方法的示例性应用场景。
如图3所示,用于推送信息的方法310运行于电子设备320中,方法包括:
首先,接收信息主输入的优化触发请求,优化触发请求中包括点击成本阈值301和优化策略302;
之后,采用预测模型,从符合信息主的需求的当前推送信息集合303中,确定各当前推送信息的预估推送结果304;
之后,基于预估推送结果304和点击成本阈值301,采用优化策略302计算目标点击成本305;
之后,基于目标点击成本305,确定推荐意图词的特征值306;
最后,向符合信息主的定向条件307的用户,推送从当前推送信息集合中基于推荐意图词的特征值筛选的当前推送信息308。
应当理解,上述图3中所示出的用于推送信息的方法,仅为用于推送信息的方法的示例性应用场景,并不代表对本申请的限定。例如,上述的基于预估推送结果304和点击成本阈值301,采用优化策略302计算目标点击成本305,可以采用如步骤203中所示的方法来完成,在此不再赘述。应当理解,本申请的上述应用场景中提供的用于推送信息的方法,可以提高推送信息的针对性和准确性,提高信息推送平台的有效推送效率。
进一步地,请参考图4,图4示出了根据本申请实施例的用于推送信息的方法的又一个实施例的示意性流程图。
如图4所示,用于推送信息的方法400包括:
在步骤401中,接收信息主输入的优化触发请求,优化触发请求中包括点击成本阈值和优化策略。
在本实施例中,步骤401与图2中的步骤201相对应,因此,步骤201中描述的操作和特征同样适用于步骤401,在此不再赘述。
在步骤402中,采用预测模型,确定当前推送信息集合中各当前推送信息的预估推送结果。
在本实施例中,步骤402与图2中的步骤202相对应,因此,步骤202中描述的操作和特征同样适用于步骤402,在此不再赘述。
在步骤403中,采用预设的权重计算规则,基于预估推送结果确定当前推送信息的意图词的出价权重。
在本实施例中,预设的权重计算规则,可以综合考虑预估推送结果中所包括的各个概率,来确定当前推送信息的意图词的出价权重。例如,可以将预估推送结果中包括的各个概率的加权平均值,作为当前推送信息的意图词的出价权重。可选地,还可以将预估推送结果中包括的各个概率的平均值,作为当前推送信息的意图词的出价权重。
在步骤404中,从当前推送信息的意图词的出价权重中,查询候选意图词的出价权重。
在步骤405中,将信息主设置的计划预算和点击成本阈值作为约束,基于对应各个候选意图词的当前推送信息的成本、候选意图词的出价权重,以确定具有最大点击量的初选意图词的组合为目标,采用贪心算法从候选意图词中确定初选意图词。
在本实施例中,贪心算法所逼近的目标为:最大点击量(点击量=预估的展现数量×基于推送平台的历史推送数据确定的对应初选意图词的点击率)的意图词组合。
贪心算法的约束为:所选初选意图词组合的消费小于账户设置预算;以及每个初选意图词的平均点击成本小于点击成本阈值。
贪心算法的求解过程为:每次选择满足约束条件且最大化点击量的候选意图词,加入初选意图词组合。
在步骤406中,基于推送平台的历史推送数据,获取初选意图词在推送平台的平均点击成本和实际点击成本。
在本实施例中,可以根据历史推送数据得到对应初选意图词的历史推送信息在推送平台的平均点击成本和实际点击成本。
在步骤407中,获取信息主设置的计划预算以及信息主的历史预算利用率。
在本实施例中,可以将信息主的历史推送信息的消费与信息主的历史推送信息的预算的比值,作为信息主的历史预算利用率。
在步骤408中,将平均点击成本与点击成本阈值中的较小值确定为优化目标。
在本实施例中,若平均点击成本高于点击成本阈值,那么,可以将点击成本阈值作为优化目标;若点击成本阈值高于平均点击成本,那么,可以将平均点击成本作为优化目标。
在步骤409中,采用计划预算与历史预算利用率计算优化目标的调节方向,将实际点击成本与优化目标的误差输入PID算法(比例-积分-微分控制器),确定目标点击成本。
在本实施例中,若PID比例pidRatio同当前目标点击成本(tcpc)的调节方向一致,则根据pidRatio更新目标点击成本,若不一致,则根据当前目标点击成本上下浮动作为新的目标点击成本:
如上,若计划中目标点击成本的调节方向为上调,当pidRatio大于0时,根据公式(1)进行更新,否则,采用公式(2)进行更新,其中x%中x的值取决于目标点击成本的区间;反之,若计划中目标点击成本的调节方向为下调,pidRatio为负,则采用pidRatio进行更新,否则,利用式(3)进行更新,y%中y的值同样取决于目标点击成本的所属区间。比较特殊的是,当距当前时刻预设时长内的总体预算利用率较低(例如,周预算利用率<20%)时,以较大比例z%上调目标点击成本(例如,调整至周预算利用率为30%),也即当pidRatio无法满足要求时,采用公式(4)进行更新。一般而言,这里的z大于x。
在一个具体的示例中,如图5所示,示出了图4中一个具体地确定目标点击成本的实施例的流程图。
在步骤501中,判断平均点击成本是否超过点击成本阈值,也即判断平均点击成本是否撞线,若是,则跳转至步骤502,若否,则跳转至步骤507;
在步骤502中,判断周预算利用率是否大于50%,若是,则跳转至步骤503,若否,则跳转至步骤504;
在步骤503中,采用上述公式(3)下调目标点击成本;
在步骤504中,判断周预算利用率是否小于40%,若是,则跳转至步骤505,若否,则跳转至步骤505;
在步骤505中,基于历史预算利用率,采用公式(1)上调目标点击成本;
在步骤506中,保持目标点击成本不变;
在步骤507中,判断周预算利用率是否小于20%,若是,则跳转至步骤508,若否,则跳转至步骤509;
在步骤508中,采用公式(4)大比例上调目标点击成本;
在步骤509中,判断周预算利用率是否小于50%,若是,则跳转至步骤510,若否,则跳转至步骤511;
在步骤510中,基于预算利用率,采用公式(2)上调目标点击成本;
在步骤511中,保持目标点击成本不变。
返回图4,在步骤410中,将目标点击成本与出价权重的乘积,确定为推荐意图词的特征值。
在步骤411中,向符合信息主的定向条件的用户,推送基于特征值筛选的当前推送信息。
在本实施例中,步骤411与图2中的步骤205相对应,因此,步骤205中描述的操作和特征同样适用于步骤411,在此不再赘述。
本申请上述实施例提供的用于推送信息的方法,与图2中的推送信息的方法相比,采用贪心算法确定了初始意图词,优化了初始意图词的筛选方式;之后,采用PID算法确定了目标点击成本,这一过程中提高了目标点击成本的准确性;之后,将目标点击成本与出价权重的乘积确定为推荐意图词的特征值,提高了特征值的准确性;最后向符合信息主的定向条件的用户,推送基于特征值筛选的当前推送信息,提高了推送信息的针对性和准确度,提升了信息推送平台的推送效率。
进一步参考图6,作为对上述方法的实现,本申请实施例提供了一种用于推送信息的装置的一个实施例,该用于推送信息的装置的实施例与图1至图5所示的用于推送信息的方法的实施例相对应,由此,上文针对图1至图5中用于推送信息的方法描述的操作和特征同样适用于推送信息的装置600及其中包含的单元,在此不再赘述。
如图6所示,该用于推送信息的装置600可以包括:触发请求接收单元610,用于接收信息主输入的优化触发请求,所述优化触发请求中包括点击成本阈值和优化策略;推送结果预测单元620,用于采用预测模型,确定当前推送信息集合中各当前推送信息的预估推送结果;目标成本计算单元630,用于基于所述预估推送结果和所述点击成本阈值,采用所述优化策略计算目标点击成本;特征值计算单元640,用于基于所述目标点击成本,确定推荐意图词的特征值;筛选信息推送单元650,用于向符合所述信息主的定向条件的用户,推送基于所述特征值筛选的当前推送信息。
在本实施例的一些可选实现方式中,所述推送结果预测单元包括以下一项或多项(图中未示出):文本点击率预测单元,用于采用文本点击率估算模型,确定所述当前推送信息的预估文本点击率;图片点击率预测单元,用于采用图片点击率估算模型,确定所述当前推送信息的预估图片点击率;展现概率预测单元,用于基于历史推送信息,确定历史推送信息的意图词的展现队列,获取对应所述当前推送信息的历史推送信息的实际点击成本,从所述当前推送信息中筛选出实际点击成本小于所述点击成本阈值的当前推送信息,基于所筛选出的当前推送信息的意图词和所述历史推送信息的意图词的展现队列,计算所述当前推送信息的意图词的展现概率;点击概率预测单元,用于基于历史推送信息,确定对应当前推送信息的历史推送信息的意图词的展现队列和点击队列,基于所述历史推送信息的意图词的展现队列和所述点击队列,确定当前推送信息的意图词的点击概率。
在本实施例的一些可选实现方式中,所述目标成本计算单元包括(图中未示出):出价权重确定单元,用于采用预设的权重计算规则,基于所述预估推送结果确定所述当前推送信息的意图词的出价权重;初选意图词确定单元,用于基于所述当前推送信息的意图词的出价权重和所述点击成本阈值,从信息主的候选意图词中,确定初选意图词;目标点击成本优化单元,用于基于所述初选意图词和所述点击成本阈值,采用优化策略计算目标点击成本。
在本实施例的一些可选实现方式中,所述初选意图词确定单元包括(图中未示出):出价权重查询单元,用于从所述当前推送信息的意图词的出价权重中,查询信息主的候选意图词的出价权重;初选意图词选择单元,用于将信息主设置的计划预算和所述点击成本阈值作为约束,基于对应各个所述候选意图词的当前推送信息的成本、所述候选意图词的出价权重,以具有最大点击量的初选意图词的组合为目标,采用贪心算法从所述候选意图词中确定所述初选意图词。
在本实施例的一些可选实现方式中,所述目标点击成本优化单元包括(图中未示出):点击成本获取单元,用于基于所述推送平台的历史推送数据,获取所述初选意图词在推送平台的平均点击成本和实际点击成本;预算利用率获取单元,用于获取信息主设置的计划预算以及信息主的历史预算利用率;优化目标确定单元,用于将所述平均点击成本与所述点击成本阈值中的较小值确定为优化目标;目标点击成本调节单元,用于采用所述计划预算与所述历史预算利用率计算所述优化目标的调节方向,将所述实际点击成本与所述优化目标的误差输入PID算法,确定目标点击成本。
在本实施例的一些可选实现方式中,所述特征值计算单元进一步用于:将所述出价权重与所述目标点击成本的乘积,确定为推荐意图词的特征值。
在本实施例的一些可选实现方式中,所述装置还包括:数据报告呈现单元660,用于向所述信息主呈现:基于向用户推送的当前推送信息生成的推送数据报告;和/或基于所述推送数据报告和所述优化触发请求确定的优化数据报告。
本申请还提供了一种设备的实施例,包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上任意一项所述的用于推送信息的方法。
本申请还提供了一种计算机可读介质的实施例,其上存储有计算机程序,该程序被处理器执行时实现如上任意一项所述的用于推送信息的方法。
下面参考图7,其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示,计算机系统700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读信号介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个单元、程序段、或代码的一部分,所述单元、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括触发请求接收单元、推送结果预测单元、目标成本计算单元、特征值计算单元和筛选信息推送单元。这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,触发请求接收单元还可以被描述为“接收信息主输入的优化触发请求的单元”。
作为另一方面,本申请还提供了一种非易失性计算机存储介质,该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质;也可以是单独存在,未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序,当所述一个或者多个程序被一个设备执行时,使得所述设备:接收信息主输入的优化触发请求,所述优化触发请求中包括点击成本阈值和优化策略;采用预测模型,确定当前推送信息集合中各当前推送信息的预估推送结果;基于所述预估推送结果和所述点击成本阈值,采用所述优化策略计算目标点击成本;基于所述目标点击成本,确定推荐意图词的特征值;向符合所述信息主的定向条件的用户,推送基于所述特征值筛选的当前推送信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (16)
1.一种用于推送信息的方法,包括:
接收信息主输入的优化触发请求,所述优化触发请求中包括点击成本阈值和优化策略;
采用预测模型,确定当前推送信息集合中各当前推送信息的预估推送结果;
基于所述预估推送结果和所述点击成本阈值,采用所述优化策略计算目标点击成本;
基于所述目标点击成本,确定推荐意图词的特征值;
向符合所述信息主的定向条件的用户,推送基于所述特征值筛选的当前推送信息。
2.根据权利要求1所述的方法,其中,所述采用预测模型,确定当前推送信息集合中各当前推送信息的预估推送结果包括以下一项或多项:
采用文本点击率估算模型,确定所述当前推送信息的预估文本点击率;
采用图片点击率估算模型,确定所述当前推送信息的预估图片点击率;
基于历史推送信息,确定历史推送信息的意图词的展现队列,获取对应所述当前推送信息的历史推送信息的实际点击成本,从所述当前推送信息中筛选出实际点击成本小于所述点击成本阈值的当前推送信息,基于所筛选出的当前推送信息的意图词和所述历史推送信息的意图词的展现队列,计算所述当前推送信息的意图词的展现概率;
基于历史推送信息,确定对应当前推送信息的历史推送信息的意图词的展现队列和点击队列,基于所述历史推送信息的意图词的展现队列和所述点击队列,确定当前推送信息的意图词的点击概率。
3.根据权利要求1或2所述的方法,其中,所述基于所述预估推送结果和所述点击成本阈值,采用所述优化策略计算目标点击成本包括:
采用预设的权重计算规则,基于所述预估推送结果确定所述当前推送信息的意图词的出价权重;
基于所述当前推送信息的意图词的出价权重和所述点击成本阈值,从信息主的候选意图词中,确定初选意图词;
基于所述初选意图词和所述点击成本阈值,采用优化策略计算目标点击成本。
4.根据权利要求3所述的方法,其中,所述基于所述当前推送信息的意图词的出价权重和所述点击成本阈值,从信息主的候选意图词中,确定初选意图词包括:
从所述当前推送信息的意图词的出价权重中,查询信息主的候选意图词的出价权重;
将信息主设置的计划预算和所述点击成本阈值作为约束,基于对应各个所述候选意图词的当前推送信息的成本、所述候选意图词的出价权重,以具有最大点击量的初选意图词的组合为目标,采用贪心算法从所述候选意图词中确定所述初选意图词。
5.根据权利要求3所述的方法,其中,所述基于所述初选意图词和所述点击成本阈值,采用优化策略计算目标点击成本包括:
基于所述推送平台的历史推送数据,获取所述初选意图词在推送平台的平均点击成本和实际点击成本;
获取信息主设置的计划预算以及信息主的历史预算利用率;
将所述平均点击成本与所述点击成本阈值中的较小值确定为优化目标;
采用所述计划预算与所述历史预算利用率计算所述优化目标的调节方向,将所述实际点击成本与所述优化目标的误差输入PID算法,确定目标点击成本。
6.根据权利要求3所述的方法,其中,所述基于所述目标点击成本,确定推荐意图词的特征值包括:
将所述出价权重与所述目标点击成本的乘积,确定为推荐意图词的特征值。
7.根据权利要求1所述的方法,其中,所述方法还包括:
向所述信息主呈现:基于向用户推送的当前推送信息生成的推送数据报告;和/或基于所述推送数据报告和所述优化触发请求确定的优化数据报告。
8.一种用于推送信息的装置,包括:
触发请求接收单元,用于接收信息主输入的优化触发请求,所述优化触发请求中包括点击成本阈值和优化策略;
推送结果预测单元,用于采用预测模型,确定当前推送信息集合中各当前推送信息的预估推送结果;
目标成本计算单元,用于基于所述预估推送结果和所述点击成本阈值,采用所述优化策略计算目标点击成本;
特征值计算单元,用于基于所述目标点击成本,确定推荐意图词的特征值;
筛选信息推送单元,用于向符合所述信息主的定向条件的用户,推送基于所述特征值筛选的当前推送信息。
9.根据权利要求8所述的装置,其中,所述推送结果预测单元包括以下一项或多项:
文本点击率预测单元,用于采用文本点击率估算模型,确定所述当前推送信息的预估文本点击率;
图片点击率预测单元,用于采用图片点击率估算模型,确定所述当前推送信息的预估图片点击率;
展现概率预测单元,用于基于历史推送信息,确定历史推送信息的意图词的展现队列,获取对应所述当前推送信息的历史推送信息的实际点击成本,从所述当前推送信息中筛选出实际点击成本小于所述点击成本阈值的当前推送信息,基于所筛选出的当前推送信息的意图词和所述历史推送信息的意图词的展现队列,计算所述当前推送信息的意图词的展现概率;
点击概率预测单元,用于基于历史推送信息,确定对应当前推送信息的历史推送信息的意图词的展现队列和点击队列,基于所述历史推送信息的意图词的展现队列和所述点击队列,确定当前推送信息的意图词的点击概率。
10.根据权利要求8或9所述的装置,其中,所述目标成本计算单元包括:
出价权重确定单元,用于采用预设的权重计算规则,基于所述预估推送结果确定所述当前推送信息的意图词的出价权重;
初选意图词确定单元,用于基于所述当前推送信息的意图词的出价权重和所述点击成本阈值,从信息主的候选意图词中,确定初选意图词;
目标点击成本优化单元,用于基于所述初选意图词和所述点击成本阈值,采用优化策略计算目标点击成本。
11.根据权利要求10所述的装置,其中,所述初选意图词确定单元包括:
出价权重查询单元,用于从所述当前推送信息的意图词的出价权重中,查询信息主的候选意图词的出价权重;
初选意图词选择单元,用于将信息主设置的计划预算和所述点击成本阈值作为约束,基于对应各个所述候选意图词的当前推送信息的成本、所述候选意图词的出价权重,以具有最大点击量的初选意图词的组合为目标,采用贪心算法从所述候选意图词中确定所述初选意图词。
12.根据权利要求10所述的装置,其中,所述目标点击成本优化单元包括:
点击成本获取单元,用于基于所述推送平台的历史推送数据,获取所述初选意图词在推送平台的平均点击成本和实际点击成本;
预算利用率获取单元,用于获取信息主设置的计划预算以及信息主的历史预算利用率;
优化目标确定单元,用于将所述平均点击成本与所述点击成本阈值中的较小值确定为优化目标;
目标点击成本调节单元,用于采用所述计划预算与所述历史预算利用率计算所述优化目标的调节方向,将所述实际点击成本与所述优化目标的误差输入PID算法,确定目标点击成本。
13.根据权利要求10所述的装置,其中,所述特征值计算单元进一步用于:
将所述出价权重与所述目标点击成本的乘积,确定为推荐意图词的特征值。
14.根据权利要求7所述的装置,其中,所述装置还包括:
数据报告呈现单元,用于向所述信息主呈现:基于向用户推送的当前推送信息生成的推送数据报告;和/或基于所述推送数据报告和所述优化触发请求确定的优化数据报告。
15.一种设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的用于推送信息的方法。
16.一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-7中任一所述的用于推送信息的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810230971.3A CN108446382B (zh) | 2018-03-20 | 2018-03-20 | 用于推送信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810230971.3A CN108446382B (zh) | 2018-03-20 | 2018-03-20 | 用于推送信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108446382A true CN108446382A (zh) | 2018-08-24 |
CN108446382B CN108446382B (zh) | 2019-10-18 |
Family
ID=63195385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810230971.3A Active CN108446382B (zh) | 2018-03-20 | 2018-03-20 | 用于推送信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108446382B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110399550A (zh) * | 2019-03-14 | 2019-11-01 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法及装置 |
CN111131356A (zh) * | 2018-10-31 | 2020-05-08 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN111126649A (zh) * | 2018-10-31 | 2020-05-08 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN111353826A (zh) * | 2020-03-12 | 2020-06-30 | 上海数川数据科技有限公司 | 基于广告点击率阈值调控的目标cpc控制方法及系统 |
CN111382346A (zh) * | 2018-12-28 | 2020-07-07 | 第四范式(北京)技术有限公司 | 用于推荐内容的方法及系统 |
CN111460283A (zh) * | 2020-03-06 | 2020-07-28 | 拉扎斯网络科技(上海)有限公司 | 信息处理方法、装置、电子设备及计算机可读存储介质 |
CN111898019A (zh) * | 2019-05-06 | 2020-11-06 | 北京达佳互联信息技术有限公司 | 信息推送方法及装置 |
CN110209941B (zh) * | 2019-06-03 | 2021-01-15 | 北京卡路里信息技术有限公司 | 维护推送内容池的方法、推送方法、装置、介质及服务器 |
CN112328947A (zh) * | 2020-12-31 | 2021-02-05 | 腾讯科技(深圳)有限公司 | 待推荐媒体信息的分配方法、装置及存储介质 |
CN112348531A (zh) * | 2020-10-19 | 2021-02-09 | 前海飞算科技(深圳)有限公司 | 客户关系管理系统和推荐信息的生成方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295150A (zh) * | 2013-05-20 | 2013-09-11 | 厦门告之告信息技术有限公司 | 一种精确量化及准确统计投放效果的广告发布系统及方法 |
CN105701191A (zh) * | 2016-01-08 | 2016-06-22 | 腾讯科技(深圳)有限公司 | 一种推送信息点击率估计方法和装置 |
WO2017063515A1 (zh) * | 2015-10-16 | 2017-04-20 | 阿里巴巴集团控股有限公司 | 信息的推送方法及装置 |
CN107463704A (zh) * | 2017-08-16 | 2017-12-12 | 北京百度网讯科技有限公司 | 基于人工智能的搜索方法和装置 |
CN107679039A (zh) * | 2017-10-17 | 2018-02-09 | 北京百度网讯科技有限公司 | 用于确定语句意图的方法和装置 |
-
2018
- 2018-03-20 CN CN201810230971.3A patent/CN108446382B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295150A (zh) * | 2013-05-20 | 2013-09-11 | 厦门告之告信息技术有限公司 | 一种精确量化及准确统计投放效果的广告发布系统及方法 |
WO2017063515A1 (zh) * | 2015-10-16 | 2017-04-20 | 阿里巴巴集团控股有限公司 | 信息的推送方法及装置 |
CN105701191A (zh) * | 2016-01-08 | 2016-06-22 | 腾讯科技(深圳)有限公司 | 一种推送信息点击率估计方法和装置 |
CN107463704A (zh) * | 2017-08-16 | 2017-12-12 | 北京百度网讯科技有限公司 | 基于人工智能的搜索方法和装置 |
CN107679039A (zh) * | 2017-10-17 | 2018-02-09 | 北京百度网讯科技有限公司 | 用于确定语句意图的方法和装置 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126649B (zh) * | 2018-10-31 | 2023-08-11 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN111131356A (zh) * | 2018-10-31 | 2020-05-08 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN111126649A (zh) * | 2018-10-31 | 2020-05-08 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN111382346A (zh) * | 2018-12-28 | 2020-07-07 | 第四范式(北京)技术有限公司 | 用于推荐内容的方法及系统 |
CN111382346B (zh) * | 2018-12-28 | 2023-09-01 | 第四范式(北京)技术有限公司 | 用于推荐内容的方法及系统 |
CN110399550A (zh) * | 2019-03-14 | 2019-11-01 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法及装置 |
CN110399550B (zh) * | 2019-03-14 | 2023-08-15 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法及装置 |
CN111898019A (zh) * | 2019-05-06 | 2020-11-06 | 北京达佳互联信息技术有限公司 | 信息推送方法及装置 |
CN111898019B (zh) * | 2019-05-06 | 2024-04-16 | 北京达佳互联信息技术有限公司 | 信息推送方法及装置 |
CN110209941B (zh) * | 2019-06-03 | 2021-01-15 | 北京卡路里信息技术有限公司 | 维护推送内容池的方法、推送方法、装置、介质及服务器 |
CN111460283A (zh) * | 2020-03-06 | 2020-07-28 | 拉扎斯网络科技(上海)有限公司 | 信息处理方法、装置、电子设备及计算机可读存储介质 |
CN111353826A (zh) * | 2020-03-12 | 2020-06-30 | 上海数川数据科技有限公司 | 基于广告点击率阈值调控的目标cpc控制方法及系统 |
CN112348531A (zh) * | 2020-10-19 | 2021-02-09 | 前海飞算科技(深圳)有限公司 | 客户关系管理系统和推荐信息的生成方法 |
CN112328947B (zh) * | 2020-12-31 | 2021-04-16 | 腾讯科技(深圳)有限公司 | 待推荐媒体信息的分配方法、装置及存储介质 |
CN112328947A (zh) * | 2020-12-31 | 2021-02-05 | 腾讯科技(深圳)有限公司 | 待推荐媒体信息的分配方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108446382B (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446382B (zh) | 用于推送信息的方法和装置 | |
CN103502899B (zh) | 动态预测建模平台 | |
US8374912B2 (en) | System and method for managing and optimizing advertising campaigns managed on the internet | |
CN110851699A (zh) | 基于深度强化学习的信息流推荐方法、装置、设备及介质 | |
US11386449B2 (en) | Method and system for lead budget allocation and optimization on a multi-channel multi-media campaign management and payment platform | |
EP2936334A1 (en) | Instance weighted learning machine learning model | |
CN104040584A (zh) | 基于预测的用户兴趣来选择内容格式 | |
US11257019B2 (en) | Method and system for search provider selection based on performance scores with respect to each search query | |
CN109636490A (zh) | 广告转化率的实时预测方法、广告评价方法与系统 | |
US20190278819A1 (en) | Systems and methods of providing recommendations of content items | |
CN113763093A (zh) | 一种基于用户画像的物品推荐方法和装置 | |
CN110400184A (zh) | 用于生成信息的方法和装置 | |
CN109845232A (zh) | 数字组件传输 | |
CN111798280A (zh) | 多媒体信息推荐方法、装置和设备及存储介质 | |
CN110766513A (zh) | 信息排序方法、装置、电子设备及可读存储介质 | |
CN114417174B (zh) | 内容推荐方法、装置、设备及计算机存储介质 | |
US20200401880A1 (en) | Generating a recommended target audience based on determining a predicted attendance utilizing a machine learning approach | |
CN112269942B (zh) | 一种推荐对象的方法、装置、系统及电子设备 | |
US20220284889A1 (en) | Systems and methods for dynamically updating machine learning models that provide conversational responses | |
CN117114766A (zh) | 成本控制因子确定方法、装置、设备及存储介质 | |
CN110163701A (zh) | 推送信息的方法和装置 | |
CN113609397A (zh) | 用于推送信息的方法和装置 | |
CN115345635A (zh) | 推荐内容的处理方法、装置、计算机设备和存储介质 | |
CN111582408A (zh) | 数据处理方法、数据处理装置、存储介质和电子设备 | |
CN113902481B (zh) | 权益确定方法、装置、存储介质及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |