CN109558542A - 一种信息质量评估方法、信息推送方法及装置 - Google Patents
一种信息质量评估方法、信息推送方法及装置 Download PDFInfo
- Publication number
- CN109558542A CN109558542A CN201811472734.4A CN201811472734A CN109558542A CN 109558542 A CN109558542 A CN 109558542A CN 201811472734 A CN201811472734 A CN 201811472734A CN 109558542 A CN109558542 A CN 109558542A
- Authority
- CN
- China
- Prior art keywords
- information
- pushed
- intended recipient
- target
- recipient object
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请是关于一种信息质量评估方法、信息推送方法及装置。该信息质量评估方法包括：确定待推送信息的目标接收对象；计算所述目标接收对象对所述待推送信息进行点击的目标概率；计算所述待推送信息对于所述目标接收对象的目标时长收益；其中，所述目标时长收益为所述目标接收对象对所述待推送信息进行观看的预估时长；利用所述目标概率和所述目标时长收益，确定所述待推送信息对于所述目标接收对象的质量评估结果。由于结合了待推送信息的目标接收对象对待推送信息进行点击的目标概率，以及待推送信息对于目标接收对象的目标时长收益两个方面来评估待推送信息的质量，因此，该信息质量评估方法提高了信息质量评估方法的可靠性。
Description
技术领域
本申请涉及互联网技术领域，尤其涉及一种信息质量评估方法、信息推送方法及装置。
背景技术
为了更好的推广信息内容，各类客户端向用户推送信息是一种常用的手段。而由于不同的用户感兴趣的内容不一样，因此，为了达到较佳的推送效果，在信息推送之前，通常对待推送信息进行质量评估，即预估该待推送信息推送至用户后，用户对该待推送信息的感兴趣程度。进而，根据评估结果决定是否将待推送信息推送给用户。
相关技术中，信息质量评估方法是预估待推送信息被用户点击的概率，将预估得到的概率作为待推送信息的质量评估结果。然而，即使待推送信息被用户点击的概率很高，用户也有可能在点击了推送信息之后因为不喜欢推送信息的内容而马上关闭推送信息。可见，由于仅仅考虑了待推送信息被用户点击的概率，因此，相关技术中的信息质量评估方法所评估的质量的可靠性较差，最终影响到推送效果。
发明内容
为了使得信息质量评估更加全面，从而提高待推送信息的质量评估结果的可靠性，本申请提供一种信息质量评估方法、信息推送方法及装置。
根据本申请实施例的第一方面，提供一种信息质量评估方法，所述方法包括：
确定待推送信息的目标接收对象；
计算所述目标接收对象对所述待推送信息进行点击的目标概率；
计算所述待推送信息对于所述目标接收对象的目标时长收益；其中，所述目标时长收益为所述目标接收对象对所述待推送信息进行观看的预估时长；
利用所述目标概率和所述目标时长收益，确定所述待推送信息对于所述目标接收对象的质量评估结果。
可选地，所述计算所述待推送信息对于所述目标接收对象的时长收益，包括：
确定所述待推送信息的目标发布对象；
获取所述目标发布对象的第一信息、所述目标接收对象的第二信息和所述待推送信息的历史播放记录；其中，所述第一信息为：与所述目标发布对象的历史观看信息相关的信息，和/或，与所述目标发布对象的历史发布信息相关的信息；所述第二信息为：与所述目标接收对象的历史观看信息相关的信息，和/或，与所述目标接收对象的历史发布信息相关的信息；
根据所述目标发布对象的第一信息、所述目标接收对象的第二信息和所述待推送信息的历史播放记录，计算所述待推送信息对于所述目标接收对象的目标时长收益。
可选地，所述根据所述目标发布对象的第一信息、所述目标接收对象的第二信息和所述待推送信息的历史播放记录，计算所述待推送信息对于所述目标接收对象的目标时长收益，包括：
根据所述目标发布对象的第一信息、所述目标接收对象的第二信息和所述待推送信息的历史播放记录，利用预先训练的神经网络模型，计算所述待推送信息对于所述目标接收对象的目标时长收益；
其中，所述神经网络模型为：根据样本信息的发布对象的所述第一信息、所述样本信息的接收对象的所述第二信息和所述样本信息的历史播放记录，以及所述样本信息对于所述样本信息的接收对象的时长收益，所训练得到的模型。
可选地，在根据所述目标发布对象的第一信息、所述目标接收对象的第二信息和所述待推送信息的历史播放记录，计算所述待推送信息对于所述目标接收对象的目标时长收益之前，所述方法还包括：
获取辅助信息，所述辅助信息包括：所述目标接收对象和所述目标发布对象的用户关系，和/或，所述目标接收对象和所述目标发布对象各自拥有的用户数量，和/或，与所述待推送信息的时间戳相关的信息；
所述根据所述目标发布对象的第一信息、所述目标接收对象的第二信息和所述待推送信息的历史播放记录，计算所述待推送信息对于所述目标接收对象的目标时长收益，包括：
根据所述目标发布对象的第一信息、所述目标接收对象的第二信息、所述待推送信息的历史播放记录和所述辅助信息，计算所述待推送信息对于所述目标接收对象的目标时长收益。
可选地，所述利用所述目标概率和所述目标时长收益，确定所述待推送信息对于所述目标接收对象的质量评估结果，包括：
将所述目标概率和所述目标时长收益作为预定的质量计分公式的输入参数，使用所述预定的质量计分公式，计算待推送信息对于所述目标接收对象的质量评估分数。
可选地，所述预定的质量计分公式，包括：
St-u＝Pt-u×Rt-u；
其中，S为信息t对于接收对象u的质量评估分数，P为接收对象u对信息t进行点击的概率，R为信息t对于接收对象u的时长收益。
根据本申请实施例的第二方面，提供一种信息推送方法，所述方法包括：
确定多个待推送信息的目标接收对象；
使用上述任一种信息质量评估方法，确定各个待推送信息对于所述目标接收对象的质量评估结果；
根据各个待推送信息对于所述目标接收对象的质量评估结果，从各个待推送信息中，确定向所述目标接收对象推送的目标推送信息；
将所述目标推送信息推送给所述目标接收对象。
根据本申请实施例的第三方面，提供一种信息质量评估装置，所述装置包括：
接收对象确定模块，被配置为确定待推送信息的目标接收对象；
第一计算模块，被配置为计算所述目标接收对象对所述待推送信息进行点击的目标概率；
第二计算模块，被配置为计算所述待推送信息对于所述目标接收对象的目标时长收益；其中，所述目标时长收益为所述目标接收对象对所述待推送信息进行观看的预估时长；
质量评估模块，被配置为利用所述目标概率和所述目标时长收益，确定所述待推送信息对于所述目标接收对象的质量评估结果。
可选地，所述第二计算模块，包括：发布对象确定子模块、信息获取子模块和时长收益计算子模块；
所述发布对象确定子模块，被配置为确定所述待推送信息的目标发布对象；
所述信息获取子模块，被配置为获取所述目标发布对象的第一信息、所述目标接收对象的第二信息和所述待推送信息的历史播放记录；其中，所述第一信息为：与所述目标发布对象的历史观看信息相关的信息，和/或，与所述目标发布对象的历史发布信息相关的信息，所述第二信息为：与所述目标接收对象的历史观看信息相关的信息，和/或，与所述目标接收对象的历史发布信息相关的信息；
所述时长收益计算子模块，被配置为根据所述目标发布对象的第一信息、所述目标接收对象的第二信息和所述待推送信息的历史播放记录，计算所述待推送信息对于所述目标接收对象的目标时长收益。
可选地，所述时长收益计算子模块，包括：模型计算子模块；
所述模型计算子模块，被配置为根据所述目标发布对象的第一信息、所述目标接收对象的第二信息和所述待推送信息的历史播放记录，利用预先训练的神经网络模型，计算所述待推送信息对于所述目标接收对象的目标时长收益；
其中，所述神经网络模型为：根据样本信息的发布对象的所述第一信息、所述样本信息的接收对象的所述第二信息和所述样本信息的历史播放记录，以及所述样本信息对于所述样本信息的接收对象的时长收益，所训练得到的模型。
可选地，所述信息获取子模块，还被配置为获取辅助信息，所述辅助信息包括：所述目标接收对象和所述目标发布对象的用户关系，和/或，所述目标接收对象和所述目标发布对象各自拥有的用户数量，和/或，与所述待推送信息的时间戳相关的信息；
所述时长收益计算子模块，具体被配置为：
根据所述目标发布对象的第一信息、所述目标接收对象的第二信息、所述待推送信息的历史播放记录和所述辅助信息，计算所述待推送信息对于所述目标接收对象的目标时长收益。
可选地，所述质量评估模块，具体被配置为：
将所述目标概率和所述目标时长收益作为预定的质量计分公式的输入参数，使用所述预定的质量计分公式，计算待推送信息对于所述目标接收对象的质量评估分数。
可选地，所述预定的质量计分公式，包括：
St-u＝Pt-u×Rt-u；
其中，S为信息t对于接收对象u的质量评估分数，P为接收对象u对信息t进行点击的概率，R为信息t对于接收对象u的时长收益。
根据本申请实施例的第四方面，提供一种信息推送装置，所述装置包括：
接收对象确定模块，被配置为确定多个待推送信息的目标接收对象；
质量评估模块，被配置为使用上述任一种信息质量评估方法，确定各个待推送信息对于所述目标接收对象的质量评估结果；
目标推送确定模块，被配置为根据各个待推送信息对于所述目标接收对象的质量评估结果，从各个待推送信息中，确定向所述目标接收对象推送的目标推送信息；
推送模块，被配置为将所述目标推送信息推送给所述目标接收对象。
根据本申请实施例的第五方面，提供一种电子设备，所述的电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行所述存储器上所存放的可执行指令时，实现上述任一种信息质量评估方法。
根据本申请实施例的第六方面，提供一种电子设备，所述的电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行所述存储器上所存放的可执行指令时，实现上述任一种信息推送方法。
根据本申请实施例的第七方面，提供一种非临时性计算机可读存储介质，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种信息质量评估方法。
根据本申请实施例的第八方面，提供一种非临时性计算机可读存储介质，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种信息推送方法。
根据本申请实施例的第九方面，提供一种计算机程序产品，当所述计算机程序产品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种信息质量评估方法。
根据本申请实施例的第十方面，提供一种计算机程序产品，当所述计算机程序产品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种信息推送方法。
本申请实施例提供的技术方案可以包括以下有益效果：相对于现有技术仅仅利用单一因素来计算待推送信息的质量评估结果，本申请实施例所提供的信息质量评估方法中，结合待推送信息的目标接收对象对待推送信息进行点击的目标概率，以及待推送信息对于目标接收对象的目标时长收益两个方面来评估待推送信息的质量，使得质量评估所考虑内容更加全面，从而提高了待推送信息的质量评估结果的可靠性。另外，本申请实施例所提供的信息推送方法中，利用本申请实施例所提供的信息质量评估方法对各个待推送信息进行质量评估，进而基于质量评估结果，确定向接收对象推送的目标推送信息，这样使得推送更加精准，保证了较好的推送效果。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和解释性的，并不能限制本申请。
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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种信息质量评估方法的流程图；
图2是根据一示例性实施例示出的一种信息推送方法的流程图；
图3是根据一示例性实施例示出的一种信息质量评估装置的框图；
图4是根据一示例性实施例示出的一种信息推送装置的框图；
图5是根据一示例性实施例示出的一种电子设备的框图；
图6是根据一示例性实施例示出的一种电子设备的框图；
图7是根据一示例性实施例示出的一种用于信息质量评估的装置的框图；
图8是根据一示例性实施例示出的一种用于信息推送的装置的框图。
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发明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、本发明的一些方面相一致的装置和方法的例子。
为了解决现有技术问题，本申请实施例提供了一种信息质量评估方法、信息推送方法及装置。
下面首先对本申请实施例所提供的一种信息质量评估方法进行介绍。
需要说明的是，本申请所提供的一种信息质量评估方法可以应用于电子设备。在具体应用中，该电子设备可以为客户端对应的服务器，也可以为安装有客户端的终端设备。可以理解的是，当该电子设备为终端设备时，实现该信息质量评估方法的功能软件为该终端设备中的客户端。
图1是根据一示例性实施例示出的一种信息质量评估方法的流程图，如图1所示，本申请实施例提供的信息质量评估方法，可以包括以下步骤：
步骤S11，确定待推送信息的目标接收对象。
在步骤S11中，待推送信息可以是一个也可以是多个，相应的，目标接收对象可以是一个，也可以是多个。并且，一个待推送信息可以有多个目标接收对象，多个待推送信息也可以只对应一个目标接收对象。
需要说明的是，电子设备可以根据预定候选对象确定规则，确定待推送信息的属于候选接收者的目标接收对象。该目标接收对象是否作为该待推送信息的实际接收者，可以根据该待推送信息对应该目标接收对象的质量评估结果所确定。
另外，示例性的，待推送信息的信息类型可以为：视频类信息、直播类信息、图文类信息等，当然并不局限于此。
步骤S12，计算目标接收对象对待推送信息进行点击的目标概率。
在步骤S12中，目标接收对象对待推送信息进行点击的目标概率是关于点击概率的预估值，具体可以是待推送信息被推送给目标接收对象之后，可能被目标对象所点击的概率。
需要说明的是，任何一种能够计算目标接收对象对待推送信息进行点击的目标概率的实现方式均可以应用于本申请实施例中。示例性，在实际应用中，可以预先构建并训练一个XGBoost(eXtreme Gradient Boosting)分类模型来预测点击率，这里，XGBoost是现有的一种算法库。在训练XGBoost分类模型时，可以收集一些与目标接收对象相关的特征信息，以及与待推送信息相关的特征信息，将这些信息转换成适于LIBSVM的数据格式来训练XGBoost分类模型。这里，LIBSVM是一个支持向量机SVM模式识别与回归的软件包。
另外，不同类型的待推送信息，与目标接收对象相关的特征以及与待推送信息相关的特征可以不同。例如，当待推送信息为一个视频类信息时，与目标接收对象相关的特征可以是：目标接收对象的关注页的曝光视频数、目标接收对象的关注页的曝光视频的点击数和点赞数、目标接收对象的个人页面曝光的视频等中的一种或多种；而与待推送信息相关的特征可以是：待推送信息的发布者的历史发布的视频、待推送信息的发布者历史发布的视频的点击数、待推送信息的发布者历史发布的视频的点赞数、待推送信息的发布者历史发布的视频的转发数等中的一种或多种。又如：当待推送信息为一个图文类信息时，如一则图文类的新闻，那么，与目标接收对象相关的特征可以是：目标接收对象历史观看过的新闻，以及目标接收对象历史观看过的新闻类型等；而与待推送信息相关的特征可以是：待推送信息的发布者历史发布过的新闻、待推送信息的发布者历史发布过的新闻的点击数、待推送信息的发布者历史发布过的新闻的点赞数，以及待推送信息的发布者历史发布过的新闻的转发数等中的一种或多种。
步骤S13，计算待推送信息对于目标接收对象的目标时长收益。
其中，目标时长收益为目标接收对象对待推送信息进行观看的预估时长。
在步骤S13中，待推送信息对于目标接收对象的目标时长收益是关于观看时长的预估值，具体可以是待推送信息被推送给目标接收对象之后，被目标对象点击并观看所带来客户端使用时长的预估值。
需要说明的是，任何一种能够计算待推送信息对于目标接收对象的目标时长收益的实现方式均可以应用于本申请实施例中。为了方案清楚及布局清晰，后续对所述计算待推送信息对于目标接收对象的目标时长收益的具体实现方式进行举例说明。
步骤S14，利用目标概率和目标时长收益，确定待推送信息对于目标接收对象的质量评估结果。
在获得目标概率和目标时长收益后，可以结合该目标概率和目标时长收益来确定待推送信息对于目标接收对象的质量评估结果，从而使得在质量评估时所考虑的内容更加全面。
需要说明的是，利用目标概率和目标时长收益，确定待推送信息对于目标接收对象的质量评估结果的具体实现方式存在多种。
可选地，在一种实现方式中，利用目标概率和目标时长收益，确定待推送信息对于目标接收对象的质量评估结果的步骤，可以包括：
将目标概率和目标时长收益作为预定的质量计分公式的输入参数，使用该预定的质量计分公式，计算待推送信息对于目标接收对象的质量评估分数。
示例性的，可以参考下述公式计算待推送信息对于目标接收对象的质量评估分数：
St-u＝Pt-u×Rt-u；
其中，S为信息t对于接收对象u的质量评估分数，P为接收对象u对信息t进行点击的概率，R为信息t对于接收对象u的时长收益。
当然，预定的质量计分公式并不限于将目标概率和目标时长收益相乘，也可以采用其他计算方法，如分别将目标概率和目标时长收益做归一化处理后再相加等。
本申请实施例提供的信息质量评估方法可以包括以下有益效果：相对于现有技术仅仅利用单一因素来计算待推送信息的质量评估结果，本申请实施例所提供的信息质量评估方法中，结合待推送信息的目标接收对象对待推送信息进行点击的目标概率，以及待推送信息对于目标接收对象的目标时长收益两个方面来评估待推送信息的质量，使得质量评估所考虑内容更加全面，从而提高了待推送信息的质量评估结果的可靠性。
为了方案清楚及布局清晰，下面对计算待推送信息对于目标接收对象的目标时长收益的具体实现方式进行举例说明。
可选地，在一种实现方式中，计算待推送信息对于目标接收对象的目标时长收益的步骤，可以包括步骤S131-S133：
步骤S131：确定待推送信息的目标发布对象。
可以理解的是，一条待推送信息的目标发布对象通常只有一个。如果待推送信息有多个，相应的目标发布对象也可以有多个。
步骤S132：获取目标发布对象的第一信息、目标接收对象的第二信息和待推送信息的历史播放记录。
其中，第一信息可以为：与目标发布对象的历史观看信息相关的信息，和/或，与目标发布对象的历史发布信息相关的信息。此外，第二信息可以为：与目标接收对象的历史观看信息相关的信息，和/或，与目标接收对象的历史发布信息相关的信息。
示例性的，与目标发布对象的历史观看信息相关的信息可以是：目标发布对象历史观看过的信息，和/或，与目标发布对象历史观看过的信息相关的内容。例如：如果待推送信息为图文类信息或视频类信息，则与目标发布对象历史观看过的信息相关的内容可以为：目标发布对象历史观看过的信息的点击数、目标发布对象历史观看过的信息的点赞数，以及目标发布对象历史观看过的信息的转发数等中的一种或多种。
示例性的，与目标发布对象的历史发布信息相关的信息可以是：目标发布对象历史发布过的信息，和/或，与目标发布对象历史发布过的信息相关的内容。例如：如果待推送信息为图文类信息或视频类信息，则与目标发布对象历史发布过的信息相关的内容可以为：目标发布对象历史发布过的图文或视频的点击数、目标发布对象历史发布过的图文或视频的点赞数，以及目标发布对象历史发布过的图文或视频的转发数等中的一种或多种。
示例性的，与目标接收对象的历史观看信息相关的信息可以是：目标接收对象历史观看过的信息，和/或，与目标接收对象历史观看过的信息相关的内容。例如：如果待推送信息为图文类信息或视频类信息，则与目标接收对象历史观看过的信息相关的内容可以为：目标接收对象历史观看过的图文或视频的点击数、目标接收对象历史观看过的图文或视频的点赞数、目标接收对象历史观看过的图文或视频的转发数、目标接收对象所关注的图文页面或视频所在页面、目标接收对象所关注的图文页面或视频所在页面的作品数、目标接收对象所关注的图文页面或视频所在页面的作品的点击数，以及目标接收对象所关注的图文页面或视频所在页面的点赞数等中的一种或多种。
示例性的，与目标接收对象的历史发布信息相关的信息可以是：目标接收对象历史发布过的信息，和/或，与目标接收对象历史发布过的信息相关的内容。例如，如果待推送信息为图文类信息或视频类信息，那么，与目标接收对象历史发布过的信息相关的内容可以是：目标接收对象历史发布过的图文页面或视频的点击数、目标接收对象历史发布过的图文页面或视频的点赞数、目标接收对象历史发布过的图文页面或视频的转发数，以及目标接收对象历史发布图文或视频的时间间隔等中的一种或多种。
当然，目标发布对象的第一信息、目标接收对象的第二信息并不限于此，任何有助于准确预估待推送信息对于目标接收对象的目标时长收益的，且与目标发布对象或目标接收对象有关的信息，都属于上述第一信息和第二信息的保护范围。
可以理解的是，不同类型的待推送信息，其历史播放信息也可以是不同的。示例性的，当待推送信息为视频类信息时，那么，待推送信息的历史播放记录可以是待推送信息的统计播放时长、有效播放的次数或概率、用于在线直播时的播放次数、用于在线直播时的播放时长，以及待推送信息被观看后所带来的客户端使用时长等中的一种或多种；而当待推送信息为图文类信息时，如一则图文类的广告，那么，待推送信息的历史播放记录可以是该则图文类的广告页面中的图片加载次数、该则图文类的广告页面中的子链接的点击次数，以及该则广告页面中所推广的商品被收藏或者购买的次数等中的一种或多种。
当然，待推送信息的历史播放记录并不限于此，任何在待推送信息在历史播放过程中所产生的记录，都属于待推送信息的历史播放记录的保护范围。
步骤S133：根据目标发布对象的第一信息、目标接收对象的第二信息和待推送信息的历史播放记录，计算待推送信息对于目标接收对象的目标时长收益。
其中，根据目标发布对象的第一信息、目标接收对象的第二信息和待推送信息的历史播放记录，计算待推送信息对于目标接收对象的目标时长收益的具体实现方式存在多种。
可选地，在一种具体实现方式中，可以根据目标发布对象的第一信息、目标接收对象的第二信息和待推送信息的历史播放记录，利用预先训练的神经网络模型，计算待推送信息对于目标接收对象的目标时长收益。
其中，神经网络模型可以为：根据样本信息的发布对象的第一信息、样本信息的接收对象的第二信息和样本信息的历史播放记录，以及样本信息对于样本信息的接收对象的时长收益，所训练得到的模型。
在实际应用中，上述神经网络模型的训练过程可以包括：
步骤A1：确定初始的神经网络模型，该初始的神经网络模型具有初始的模型参数；
步骤A2：将各个样本信息的发布对象的第一信息、样本信息的接收对象的第二信息和样本信息的历史播放记录，作为模型的输入信息输入至模型，得到预测的目标时长收益；
步骤A3：根据预测的目标时长收益与样本信息的实际时长收益，利用预设的损失函数，计算模型的损失值；
步骤A4：当损失值小于预定阈值时，训练完成神经模型；否则，调整模型的参数，继续返回步骤A2。
示例性的，可以将样本信息的发布对象的第一信息、样本信息的接收对象的第二信息和样本信息的历史播放记录作为XGBoost回归模型的输入信息来训练XGBoost回归模型。由于XGBoost算法库中的模型可以并行化建树，并且可以实现分布式的计算，因此使用XGBoost算法库中的模型可以训练非常大的模型，并且，XGBoost模型的训练速度也比较快。
在实际应用中，可以将这些输入信息转换成LIBSVM的输入形式来训练XGBoost回归模型。
可以理解的是，每个用于训练神经网络模型的输入信息进入神经网络模型之后，被计算或处理的方式可以相同也可以不同。因此，在其他实施例中，在将多个输入信息输入到神经网络模型之前，可以将这些输入信息按处理方式进行归类，然后按类别向神经网络模型输入信息。这样，神经网络模型可以同时批量处理类型相同的输入信息。
此外，不同类型的用于训练神经网络模型的输入信息，对预测的目标时长收益的准确程度的影响是不同的。因此，在为训练神经网络模型而获取各个输入信息时，可以按不同的时间频次去获取输入信息，如按小时获取、按天数获取，以及实时获取等。
可以理解的是，使用样本信息训练好神经网络模型之后，只要为训练好的神经网络模型输入待推送信息的发布对象的第一信息、接收对象的第二信息和待推送信息的历史播放记录，训练好的神经网络模型就可以计算出待推送信息的目标时长收益。
可选地，在根据目标发布对象的第一信息、目标接收对象的第二信息和待推送信息的历史播放记录，计算待推送信息对于目标接收对象的目标时长收益之前，还可以进一步获取辅助信息。这里，辅助信息可以包括：目标接收对象和目标发布对象的用户关系，和/或，目标接收对象和目标发布对象各自拥有的用户数量，和/或，与待推送信息的时间戳相关的信息。
相应的，可以根据目标发布对象的第一信息、目标接收对象的第二信息、待推送信息的历史播放记录和辅助信息，计算待推送信息对于目标接收对象的目标时长收益。
其中，目标接收对象和目标发布对象的用户关系可以为目标接收对象和目标发布对象的好友关系，是否彼此关注等。目标接收对象和目标发布对象各自拥有的用户数量可以是目标接收对象和目标发布对象各自拥有的粉丝数，好友数等。
此外，与待推送信息的时间戳相关的信息可以包括待推送信息的时间戳，根据待推送信息的时间戳来判断待推送信息是否有效，以及根据待推送信息的时间戳来判断当前时间是否是目标接收对象经常活跃的时间段等。
示例性的，当待推送信息为直播类信息时，与待推送信息的时间戳相关的信息可以包括：待推送信息的时间戳、根据待推送信息的时间戳所判定得到的该推送信息中的直播是否已经结束的结果信息，以及根据待推送信息的时间戳所判定得到的当前时间是否是目标接收对象经常观看直播的时间段的结果信息等中的一种或多种信息。而当待推送信息为视频类或图文类的信息时，与待推送信息的时间戳相关的信息可以包括：待推送信息的时间戳，以及根据待推送信息的时间戳所判定得到的当前时间是否是目标接收对象经常在线活跃的时间段的结果信息等中的一种或多种。当然，与待推送信息的时间戳相关的信息并不限于此。
在其他实施方式中，可以根据与目标发布对象的第一信息、目标接收对象的第二信息、待推送信息的历史播放记录以及辅助信息，利用预先训练的神经网络模型，计算待推送信息的预估时长收益。这样，增加了辅助信息这一维度，可以更加准确的预估待推送信息对于目标接收对象的目标时长收益。
可以理解的是，在利用预先训练的神经网络模型，计算待推送信息的预估时长收益时，神经网络模型的各项输入参数可能无法都能够获取到，此时，可以通过为无法获取到的输入参数设置预设的默认值的方式来解决这一问题。
相应的，在利用训练好的神经网络模型来预估待推送信息的目标时长收益时，如果有某项参数无法获取到，也可以通过为无法获取到的参数设置预设的默认值的方式来解决。
本申请实施例提供的信息质量评估方法可以包括以下有益效果：相对于现有技术仅仅利用单一因素来计算待推送信息的质量评估结果，本申请实施例所提供的信息质量评估方法中，结合待推送信息的目标接收对象对待推送信息进行点击的目标概率，以及待推送信息对于目标接收对象的目标时长收益两个方面来评估待推送信息的质量，使得质量评估所考虑内容更加全面，从而提高了待推送信息的质量评估结果的可靠性。并且，区别于现有技术仅在预测点击率的模型中增加与时长相关的样本的权重的做法，本申请实施例直接采用神经网络模型预测目标时长收益，可以保证预测结果与实际时长呈正相关。
基于本申请实施例提供的信息质量评估方法，可以实现针对一目标接收对象进行信息推送。下面，对基于本申请实施例提供的信息质量评估方法，实现的一种信息推送方法进行详细描述。
图2是根据一示例性实施例示出的一种信息推送方法的流程图。如图2所示，本申请实施例提供的一种信息推送方法，可以包括以下步骤：
S21：确定多个待推送信息的目标接收对象；
S22：使用本申请实施例提供的信息质量评估方法，确定各个待推送信息对于目标接收对象的质量评估结果；
S23：根据各个待推送信息对于目标接收对象的质量评估结果，从各个待推送信息中，确定向目标接收对象推送的目标推送信息；
S24：将目标推送信息推送给目标接收对象。
在一种实施方式中，可以对各个待推送信息对于目标接收对象的质量评估结果按进行优劣排序，并将排名靠前的预设数量个待推送信息发送给目标接收对象。
此外，在步骤S21中，多个待推送信息的目标接收对象可以是一个，也可以是多个。当目标接收对象为多个时，在步骤S22、S23以及S24中，需要针对每一个具体的目标接收对象，确定该目标接收对象的各个待推送信息的质量评估结果，确定该目标接收对象的目标推送信息，并将确定的目标推送信息发送给具体针对的目标接收对象。
本申请实施例提供的信息推送方法可以包括以下有益效果：由于应用了本申请实施例所提供的信息质量评估方法对各个待推送信息进行质量评估，进而基于质量评估结果，确定向接收对象推送的目标推送信息，因此，本申请实施例提供的信息推送方法使得推送更加精准，保证了较好的推送效果。
相应于上述的一种信息质量评估方法，本申请实施例还提供了一种信息质量评估装置。图3是根据一示例性实施例示出的一种信息质量评估装置框图。参照图3，该装置包括：接收对象确定模块301，第一计算模块302、第二计算模块303以及质量评估模块304。
该接收对象确定模块301被配置为确定待推送信息的目标接收对象。
该第一计算模块302被配置为计算目标接收对象对待推送信息进行点击的目标概率。
该第二计算模块303被配置为计算待推送信息对于目标接收对象的目标时长收益，其中，目标时长收益为目标接收对象对待推送信息进行观看的预估时长。
该质量评估模块304，被配置为利用目标概率和目标时长收益，确定待推送信息对于目标接收对象的质量评估结果。
可选地，第二计算模块303可以包括：发布对象确定子模块、信息获取子模块和时长收益计算子模块。
其中，发布对象确定子模块，被配置为确定待推送信息的目标发布对象。
信息获取子模块，被配置为获取目标发布对象的第一信息、目标接收对象的第二信息和待推送信息的历史播放记录。其中，第一信息为：与目标发布对象的历史观看信息相关的信息，和/或，与目标发布对象的历史发布信息相关的信息，第二信息为：与目标接收对象的历史观看信息相关的信息，和/或，与目标接收对象的历史发布信息相关的信息。
时长收益计算子模块，被配置为根据目标发布对象的第一信息、目标接收对象的第二信息和待推送信息的历史播放记录，计算待推送信息对于目标接收对象的目标时长收益。
可选地，时长收益计算子模块，可以包括：模型计算子模块，该模型计算子模块，被配置为根据目标发布对象的第一信息、目标接收对象的第二信息和待推送信息的历史播放记录，利用预先训练的神经网络模型，计算待推送信息对于目标接收对象的目标时长收益。
其中，神经网络模型为：根据样本信息的发布对象的第一信息、样本信息的接收对象的第二信息和样本信息的历史播放记录，以及样本信息对于样本信息的接收对象的时长收益，所训练得到的模型。
可选地，信息获取子模块，还可以被配置为获取辅助信息。其中，辅助信息可以包括：目标接收对象和目标发布对象的用户关系，和/或，目标接收对象和目标发布对象各自拥有的用户数量，和/或，与待推送信息的时间戳相关的信息。
相应的，时长收益计算子模块，可以具体被配置为：
根据目标发布对象的第一信息、目标接收对象的第二信息、待推送信息的历史播放记录和辅助信息，计算待推送信息对于目标接收对象的目标时长收益。
可选地，质量评估模块304，可以具体被配置为：
将目标概率和目标时长收益作为预定的质量计分公式的输入参数，使用预定的质量计分公式，计算待推送信息对于目标接收对象的质量评估分数。
示例性的，预定的质量计分公式可以为：
St-u＝Pt-u×Rt-u；
其中，S为信息t对于接收对象u的质量评估分数，P为接收对象u对信息t进行点击的概率，R为信息t对于接收对象u的时长收益。
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。
本申请实施例提供的信息质量评估装置可以包括以下有益效果：相对于现有技术仅仅利用单一因素来计算待推送信息的质量评估结果，本申请实施例所提供的信息质量评估装置，结合待推送信息的目标接收对象对待推送信息进行点击的目标概率，以及待推送信息对于目标接收对象的目标时长收益两个方面来评估待推送信息的质量，使得质量评估所考虑内容更加全面，从而提高了待推送信息的质量评估结果的可靠性。并且，区别于现有技术仅在预测点击率的模型中增加与时长相关的样本的权重的做法，本申请实施例直接采用神经网络模型预测目标时长收益，可以保证预测结果与实际时长呈正相关。
相应于上述的一种信息推送方法，本申请实施例还提供了一种信息推送装置。图4是根据一示例性实施例示出的一种信息推送装置框图。参照图4，该装置包括：接收对象确定模块401，质量评估模块402、目标推送确定模块403以及推送模块404。
该接收对象确定模块401，被配置为确定多个待推送信息的目标接收对象；
该质量评估模块402，被配置为使用本申请实施例提供的任一种信息质量评估方法，确定各个待推送信息对于目标接收对象的质量评估结果；
该目标推送确定模块403，被配置为根据各个待推送信息对于目标接收对象的质量评估结果，从各个待推送信息中，确定向目标接收对象推送的目标推送信息；
该推送模块404，被配置为将目标推送信息推送给目标接收对象。
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。
本申请实施例提供的信息推送装置可以包括以下有益效果：由于应用了本申请实施例所提供的信息质量评估方法对各个待推送信息进行质量评估，进而基于质量评估结果，确定向接收对象推送的目标推送信息，因此，本申请实施例提供的信息推送装置使得推送更加精准，保证了较好的推送效果。
另外，相应于上述实施例所提供的一种信息质量评估方法，本申请实施例还提供了一种电子设备，如图5所示，该电子设备可以包括：
处理器510；
用于存储处理器可执行指令的存储器520；
其中，处理器510被配置为：执行存储器520上所存放的可执行指令时，实现本申请实施例所提供的任一种信息质量评估方法的步骤。
可以理解的是，该电子设备可以是服务器或是终端设备，在具体应用中，该终端设备可以为移动电话、计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
相应于上述的一种信息推送方法，本申请实施例还提供了一种电子设备。如图6所示，该电子设备包括：
处理器610；
用于存储处理器可执行指令的存储器620；
其中，处理器610被配置为：执行存储器620上所存放的可执行指令时，实现本申请实施例所提供的一种信息推送方法的步骤。
可以理解的是，该电子设备可以是服务器或是终端设备，在具体应用中，该终端设备可以为移动电话、计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
图7是根据一示例性实施例示出的一种用于信息质量评估的装置700的框图。例如，装置700可以为服务器。参照图7，装置700可以包括处理组件722，其进一步包括一个或多个处理器，以及由存储器732所代表的存储器资源，用于存储可由处理组件722的执行的指令，例如应用程序。存储器732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722被配置为执行指令，以执行本申请实施例所提供的一种信息质量评估方法。
装置700还可以包括一个电源组件726被配置为执行装置700的电源管理，一个有线或无线网络接口750被配置为将装置700连接到网络，和一个输入输出(I/O)接口758。装置700可以操作基于存储在存储器732的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
图8是根据一示例性实施例示出的一种用于信息推送的装置800的框图。例如，装置800可以为服务器。参照图8，装置800可以包括处理组件822，其进一步包括一个或多个处理器，以及由存储器832所代表的存储器资源，用于存储可由处理组件822的执行的指令，例如应用程序。存储器832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822被配置为执行指令，以执行本申请实施例所提供的一种信息推送方法。
装置800还可以包括一个电源组件826被配置为执行装置800的电源管理，一个有线或无线网络接口850被配置为将装置800连接到网络，和一个输入输出(I/O)接口858。装置800可以操作基于存储在存储器832的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
另外，本申请实施例还提供了一种非临时性计算机可读存储介质，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本申请实施例所提供的任一种信息质量评估方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器732，该存储器732中存储的指令可由装置700的处理组件722执行以完成上述任一种信息质量评估方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
另外，本申请实施例还提供了一种非临时性计算机可读存储介质，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本申请实施例所提供的任一种信息推送方法。
示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器832，该存储器832中存储的指令可由装置800的处理组件822执行以完成上述任一种信息推送方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
另外，本申请实施例还提供了一种计算机程序，所述计算机程序用于被运行以执行上述信息质量评估方法的步骤。
另外，本申请实施例还提供了一种计算机程序，所述计算机程序用于被运行以执行上述信息推送方法的步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、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发明的一般性原理并包括本发明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，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明的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。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种信息质量评估方法，其特征在于，包括：
确定待推送信息的目标接收对象；
计算所述目标接收对象对所述待推送信息进行点击的目标概率；
计算所述待推送信息对于所述目标接收对象的目标时长收益；其中，所述目标时长收益为所述目标接收对象对所述待推送信息进行观看的预估时长；
利用所述目标概率和所述目标时长收益，确定所述待推送信息对于所述目标接收对象的质量评估结果。
2.根据权利要求1所述的方法，其特征在于，所述计算所述待推送信息对于所述目标接收对象的时长收益，包括：
确定所述待推送信息的目标发布对象；
获取所述目标发布对象的第一信息、所述目标接收对象的第二信息和所述待推送信息的历史播放记录；其中，所述第一信息为：与所述目标发布对象的历史观看信息相关的信息，和/或，与所述目标发布对象的历史发布信息相关的信息；所述第二信息为：与所述目标接收对象的历史观看信息相关的信息，和/或，与所述目标接收对象的历史发布信息相关的信息；
根据所述目标发布对象的第一信息、所述目标接收对象的第二信息和所述待推送信息的历史播放记录，计算所述待推送信息对于所述目标接收对象的目标时长收益。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标发布对象的第一信息、所述目标接收对象的第二信息和所述待推送信息的历史播放记录，计算所述待推送信息对于所述目标接收对象的目标时长收益，包括：
根据所述目标发布对象的第一信息、所述目标接收对象的第二信息和所述待推送信息的历史播放记录，利用预先训练的神经网络模型，计算所述待推送信息对于所述目标接收对象的目标时长收益；
其中，所述神经网络模型为：根据样本信息的发布对象的所述第一信息、所述样本信息的接收对象的所述第二信息和所述样本信息的历史播放记录，以及所述样本信息对于所述样本信息的接收对象的时长收益，所训练得到的模型。
4.一种信息推送方法，其特征在于，包括：
确定多个待推送信息的目标接收对象；
使用权利要求1-3任一项所述的信息质量评估方法，确定各个待推送信息对于所述目标接收对象的质量评估结果；
根据各个待推送信息对于所述目标接收对象的质量评估结果，从各个待推送信息中，确定向所述目标接收对象推送的目标推送信息；
将所述目标推送信息推送给所述目标接收对象。
5.一种信息质量评估装置，其特征在于，包括：
接收对象确定模块，被配置为确定待推送信息的目标接收对象；
第一计算模块，被配置为计算所述目标接收对象对所述待推送信息进行点击的目标概率；
第二计算模块，被配置为计算所述待推送信息对于所述目标接收对象的目标时长收益；其中，所述目标时长收益为所述目标接收对象对所述待推送信息进行观看的预估时长；
质量评估模块，被配置为利用所述目标概率和所述目标时长收益，确定所述待推送信息对于所述目标接收对象的质量评估结果。
6.一种信息推送装置，其特征在于，包括：
接收对象确定模块，被配置为确定多个待推送信息的目标接收对象；
质量评估模块，被配置为使用权利要求1-3任一项所述的信息质量评估方法，确定各个待推送信息对于所述目标接收对象的质量评估结果；
目标推送确定模块，被配置为根据各个待推送信息对于所述目标接收对象的质量评估结果，从各个待推送信息中，确定向所述目标接收对象推送的目标推送信息；
推送模块，被配置为将所述目标推送信息推送给所述目标接收对象。
7.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行所述存储器上所存放的可执行指令时，实现权利要求1-3任一项所述的方法。
8.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行所述存储器上所存放的可执行指令时，实现权利要求4所述的方法。
9.一种非临时性计算机可读存储介质，其特征在于，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权利要求1-3任一项所述的方法。
10.一种非临时性计算机可读存储介质，其特征在于，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权利要求4所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811472734.4A CN109558542B (zh) | 2018-12-04 | 2018-12-04 | 一种信息质量评估方法、信息推送方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811472734.4A CN109558542B (zh) | 2018-12-04 | 2018-12-04 | 一种信息质量评估方法、信息推送方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109558542A true CN109558542A (zh) | 2019-04-02 |
| CN109558542B CN109558542B (zh) | 2020-11-27 |
Family
ID=65868696
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811472734.4A Active CN109558542B (zh) | 2018-12-04 | 2018-12-04 | 一种信息质量评估方法、信息推送方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109558542B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111881343A (zh) * | 2020-07-07 | 2020-11-03 | Oppo广东移动通信有限公司 | 信息推送方法、装置、电子设备及计算机可读存储介质 |
| CN112131413A (zh) * | 2019-06-25 | 2020-12-25 | 腾讯科技（深圳）有限公司 | 一种多媒体信息处理方法、装置、电子设备及存储介质 |
| CN112150182A (zh) * | 2019-06-28 | 2020-12-29 | 腾讯科技（深圳）有限公司 | 多媒体文件推送方法和装置、存储介质及电子装置 |
| CN112883259A (zh) * | 2021-01-21 | 2021-06-01 | 南京维沃软件技术有限公司 | 信息推送方法和装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102769781A (zh) * | 2012-07-17 | 2012-11-07 | 青岛海信传媒网络技术有限公司 | 推荐电视节目的方法及装置 |
| KR101352350B1 (ko) * | 2011-12-01 | 2014-01-16 | 주식회사 다음커뮤니케이션 | 광고 시스템 및 광고 관리 방법 |
| CN105677881A (zh) * | 2016-01-12 | 2016-06-15 | 腾讯科技（深圳）有限公司 | 一种信息推荐方法、装置及服务器 |
| CN105978967A (zh) * | 2016-05-11 | 2016-09-28 | 腾讯科技（北京）有限公司 | 控制信息推送的方法和装置 |
| CN106528813A (zh) * | 2016-11-18 | 2017-03-22 | 腾讯科技（深圳）有限公司 | 一种多媒体推荐方法和装置 |
| CN107368573A (zh) * | 2017-07-14 | 2017-11-21 | 北京奇艺世纪科技有限公司 | 视频质量评估方法及装置 |
| CN107666506A (zh) * | 2017-07-24 | 2018-02-06 | 上海壹账通金融科技有限公司 | 推送结果预测方法、装置、计算机设备和存储介质 |
| CN108229994A (zh) * | 2016-12-21 | 2018-06-29 | 北京金山云网络技术有限公司 | 一种信息推送方法及装置 |
| CN108259546A (zh) * | 2017-01-16 | 2018-07-06 | 广州市动景计算机科技有限公司 | 消息推送方法、设备及可编程设备 |
| CN108322780A (zh) * | 2018-01-24 | 2018-07-24 | 广州虎牙信息科技有限公司 | 平台用户行为的预测方法、存储介质和终端 |
-
2018
- 2018-12-04 CN CN201811472734.4A patent/CN109558542B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101352350B1 (ko) * | 2011-12-01 | 2014-01-16 | 주식회사 다음커뮤니케이션 | 광고 시스템 및 광고 관리 방법 |
| CN102769781A (zh) * | 2012-07-17 | 2012-11-07 | 青岛海信传媒网络技术有限公司 | 推荐电视节目的方法及装置 |
| CN105677881A (zh) * | 2016-01-12 | 2016-06-15 | 腾讯科技（深圳）有限公司 | 一种信息推荐方法、装置及服务器 |
| CN105978967A (zh) * | 2016-05-11 | 2016-09-28 | 腾讯科技（北京）有限公司 | 控制信息推送的方法和装置 |
| CN106528813A (zh) * | 2016-11-18 | 2017-03-22 | 腾讯科技（深圳）有限公司 | 一种多媒体推荐方法和装置 |
| CN108229994A (zh) * | 2016-12-21 | 2018-06-29 | 北京金山云网络技术有限公司 | 一种信息推送方法及装置 |
| CN108259546A (zh) * | 2017-01-16 | 2018-07-06 | 广州市动景计算机科技有限公司 | 消息推送方法、设备及可编程设备 |
| CN107368573A (zh) * | 2017-07-14 | 2017-11-21 | 北京奇艺世纪科技有限公司 | 视频质量评估方法及装置 |
| CN107666506A (zh) * | 2017-07-24 | 2018-02-06 | 上海壹账通金融科技有限公司 | 推送结果预测方法、装置、计算机设备和存储介质 |
| CN108322780A (zh) * | 2018-01-24 | 2018-07-24 | 广州虎牙信息科技有限公司 | 平台用户行为的预测方法、存储介质和终端 |
Non-Patent Citations (2)
| Title |
|---|
| CHANG-HOAN CHO: "THE EFFECTIVENESS OF BANNER ADVERTISEMENTS:INVOLVEMENT AND CLICK-THROUGH", 《JOURNALISM & MASS COMMUNICATION QUARTERLY》 * |
| 陈亮 等: "基于DNN算法的移动视频推荐策略", 《计算机学报》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112131413A (zh) * | 2019-06-25 | 2020-12-25 | 腾讯科技（深圳）有限公司 | 一种多媒体信息处理方法、装置、电子设备及存储介质 |
| CN112150182A (zh) * | 2019-06-28 | 2020-12-29 | 腾讯科技（深圳）有限公司 | 多媒体文件推送方法和装置、存储介质及电子装置 |
| CN112150182B (zh) * | 2019-06-28 | 2023-08-29 | 腾讯科技（深圳）有限公司 | 多媒体文件推送方法和装置、存储介质及电子装置 |
| CN111881343A (zh) * | 2020-07-07 | 2020-11-03 | Oppo广东移动通信有限公司 | 信息推送方法、装置、电子设备及计算机可读存储介质 |
| CN112883259A (zh) * | 2021-01-21 | 2021-06-01 | 南京维沃软件技术有限公司 | 信息推送方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109558542B (zh) | 2020-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109558542A (zh) | 一种信息质量评估方法、信息推送方法及装置 | |
| US8738698B2 (en) | Using polling results as discrete metrics for content quality prediction model | |
| CN106548364B (zh) | 信息发送方法及装置 | |
| CN109840782B (zh) | 点击率预测方法、装置、服务器以及存储介质 | |
| US9838743B2 (en) | Techniques for context aware video recommendation | |
| US10248960B2 (en) | Data mining to determine online user responses to broadcast messages | |
| CN108109011A (zh) | 一种广告反作弊方法及计算设备 | |
| US20170337578A1 (en) | Dynamic media buy optimization using attribution-informed media buy execution feeds | |
| US8527447B2 (en) | Collaborative networking with optimized information quality assessment | |
| US9910898B2 (en) | Smart exploration methods for mitigating item cold-start problem in collaborative filtering recommendation systems | |
| US20100057548A1 (en) | Targeted customer offers based on predictive analytics | |
| US20120209949A1 (en) | Methods and apparatus to monitor media content | |
| US10706454B2 (en) | Method, medium, and system for training and utilizing item-level importance sampling models | |
| US11232482B2 (en) | Selecting one or more components to be included in a content item optimized for an online system user | |
| CN107666506A (zh) | 推送结果预测方法、装置、计算机设备和存储介质 | |
| JP5961670B2 (ja) | 学習装置、学習方法及び学習プログラム | |
| CN106454536B (zh) | 信息推荐度的确定方法及装置 | |
| CN109034867B (zh) | 点击流量检测方法、装置及存储介质 | |
| CN109670847A (zh) | 资源的分配方法和装置 | |
| CN108737486A (zh) | 信息推送方法和装置 | |
| CN116664207A (zh) | 一种基于大数据的新媒体广告投放监测系统 | |
| Karim et al. | End-to-end QoS prediction of vertical service composition in the cloud | |
| US20210119927A1 (en) | Service traffic distribution based on time window | |
| CN115392944A (zh) | 一种推广内容的处理方法、装置、计算机设备和存储介质 | |
| US20190340184A1 (en) | System and method for managing content presentations |
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 |