CN109949073A - 一种信息调整方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明实施例提供了一种信息调整方法、装置、电子设备及存储介质，具体为响应广告引擎服务请求，发出承诺服务请求；根据承诺服务请求及其指向的目标广告返回一个承诺信息；收集目标广告在投放过程中所产生的多种反馈信息；将反馈信息进行PID处理，得到第一结果，并将反馈信息输入预先训练的神经网络模型，得到第二结果；根据第一结果和第二结果对承诺信息进行调整。由于这里对承诺信息进行调整所依据的第二结果包含了目标广告的反馈信息和预估参数，从而使调整效果达到最优。

Description

一种信息调整方法、装置、电子设备及存储介质

技术领域

本公开涉及互联网技术领域，尤其涉及一种信息调整方法、装置、电子设备及存储介质。

背景技术

随着信息技术的发展，互联网已经能够为用户提供多种信息服务的平台，例如商家可以通过基于互联网的广告平台实现对商业信息的推广。当广告主通过相应的广告平台发布广告时，所发布的广告会得到展示、点击以及转化，从而实现最终的推广目的。

目前，广告平台会针对客户给定的目标成本数据自动给出承诺信息，并基于成本回收原则自动调整下一次承诺信息，在对承诺信息进行调整时，一般仅基于PID、即比例积分微分方法对承诺信息进行调整。然而，广告平台的信息环境是一直变化的，这种调整方式虽然可以保证客户的成本需求，但无法保证调整效果在整个广告平台中达到最优。

发明内容

为克服相关技术中存在的问题，本公开提供一种信息调整方法、装置、电子设备及存储介质。

第一方面，提供一种信息调整方法，包括：

当客户请求广告引擎服务请求时，发出承诺服务请求；

根据所述承诺服务请求及其指向的目标广告返回一个承诺信息；

收集所述目标广告在投放过程中所产生的多种反馈信息；

将所述反馈信息进行PID处理，得到第一结果，并将所述反馈信息输入预先训练的神经网络模型，得到第二结果；

根据所述第一结果和所述第二结果对所述承诺信息进行调整。

可选的，所述将所述反馈信息进行PID处理，包括：

将所述反馈信息与所述目标广告的历史投放成本进行PID计算，得到所述第一结果。

可选的，所述将所述反馈信息输入预先训练的神经网络模型，包括：

将所述反馈信息和所述目标广告的预估参数输入所述神经网络模型，得到所述第二结果。

可选的，所述预估参数包括预估点击率和/或预估转化率。

可选的，还包括：

利用所述多种反馈信息对所述神经网络模型进行强化训练。

第二方面，提供一种信息调整装置，包括：

请求发送模块，被配置为当客户请求广告引擎服务请求时，发出承诺服务请求；

信息返回模块，被配置为根据所述承诺服务请求及其指向的目标广告返回一个承诺信息；

信息收集模块，被配置为收集所述目标广告在投放过程中所产生的多种反馈信息；

信息处理模块，被配置为将所述反馈信息进行PID处理，得到第一结果，并将所述反馈信息输入预先训练的神经网络模型，得到第二结果；

承诺调整模块，被配置为根据所述第一结果和所述第二结果对所述承诺信息进行调整。

可选的，所述信息处理模块包括：

第一处理单元，被配置为将所述反馈信息与所述目标广告的历史投放成本进行PID计算，得到所述第一结果。

可选的，所述信息处理模块包括：

第二处理单元，被配置为将所述反馈信息和所述目标广告的预估参数输入所述神经网络模型，得到所述第二结果。

可选的，所述预估参数包括预估点击率和/或预估转化率。

可选的，还包括：

模型强化模块，被配置为利用所述多种反馈信息对所述神经网络模型进行强化训练。

第三方面，提供一种电子设备，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第一方面所述的信息调整方法。

第四方面，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移动终端的处理器执行时，使得移动终端能够执行如第一方面所述的信息调整方法。

第五方面，提供一种应用程序/计算机程序产品，包括第一方面所述的信息调整方法；

本公开的实施例提供的技术方案可以包括以下有益效果：本方案由于对承诺信息进行调整所依据的第二结果包含了目标广告的反馈信息和预估参数，从而使调整效果达到最优。

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是本申请实施例的一种信息调整方法的流程图；

图2是本申请实施例的一种神经网络模型的框图；

图3是本申请实施例的另一种信息调整方法的流程图；

图4是本申请实施例的一种信息调整装置的框图；

图5是本申请实施例的另一种信息调整装置的框图；

图6是本申请实施例的一种电子设备的框图；

图7是本申请实施例的另一种电子设备的框图。

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。

图1是本申请实施例的一种信息调整方法的流程图。

本实施例提供的信息调整方法应用于基于互联网的广告平台，该广告平台用于通过互联网的相应客户端向用户投放广告信息，以满足客户推广商品或服务的目的，该广告平台至少包括广告引擎和信息服务器。

如图1所示，本实施例提供的信息调整方法包括如下步骤：

S1、广告引擎服务请求发出承诺服务请求。

广告引擎服务请求是指客户向广告引擎发出的服务请求，此时该广告引擎响应该服务请求，并根据该服务请求向出价服务器发出承诺服务请求。

S2、根据承诺服务请求返回承诺信息。

具体是指根据该承诺服务请求所指向的目标广告返回该承诺信息，该承诺信息是指该出价服务器给出的可以满足客户成本的承诺信息，其中包括但不限于相应的出价，还包括其他信息，并将该承诺信息返回给广告引擎，以便客户通过该广告引擎进行出价。

S3、收集目标广告在投放过程中产生的多种反馈信息。

广告引擎还用于将相应目标广告向互联网用户投放，以使用户进行观看、点击直至对目标广告做转化处理，所谓转化是指根据目标广告的信息进行注册、付费或者购买等。收集的多种反馈信息是指反映用户是否点击的点击信息、是否被用户转化的注册信息、购买信息、付费信息等。

S4、根据反馈信息得到第一结果和第二结果。

在得到上述反馈信息后，根据相应反馈信息计算第一结果和第二结果，具体为：首先，对上述全部或部分反馈信息和目标广告的历史投放成本进行PID计算，得到第一结果；这里的PID计算的计算是指对相关信息进行比例、积分、微分计算。

然后，将该反馈信息输入预先训练的神经网络模型中，得到第二结果，输入神经网络模型的数据中还包括模板广告的预估参数，如预估点击率和预估转化率等。

S5、根据第一结果和第二结果对承诺信息进行调整。

即在上述给出的可以满足客户成本的承诺信息的基础上，根据第一结果和第二结果对该承诺信息进行调整。

从上述技术方案可以看出，本是实施例提供了一种信息调整方法，具体为当客户请求广告引擎服务请求时，发出承诺服务请求；根据承诺服务请求及其指向的目标广告返回一个承诺信息；收集目标广告在投放过程中所产生的多种反馈信息；将反馈信息进行PID处理，得到第一结果，并将反馈信息输入预先训练的神经网络模型，得到第二结果；根据第一结果和第二结果对承诺信息进行调整。由于这里对承诺信息进行调整所依据的第二结果包含了目标广告的反馈信息和预估参数，从而使调整效果达到最优。

另外，本申请中神经网络模型如图2所示，其中的状态定义为(show,click,conversion,average pCTR,average pCVR,average cpa_bid)，对于每个状态都有相应的曝光数，点击数，转化数，平均预估的点击率，平均预估的转化率以及平均的出价。

其中，行为的定义为(-10％,-5％,-2％,0％,2％,5％,10％)，也就是ratio的值的范围，表示每次如何对于pid的值进行修正。

其中，reward的定义为：

这里的real cost表示实际花费的金额，target cost表示客户预期的花费，reward的目的是最大化客户在平台的花费，并且最小化客户真实花费和预期花费的差距。

图3是本申请实施例的另一种信息调整方法的流程图。

如图3所示，本实施例提供的信息调整方法包括如下步骤：

S1、根据广告引擎服务请求发出承诺服务请求。

广告引擎服务请求是指客户向广告引擎发出的服务请求，此时该广告引擎响应该服务请求，并根据该服务请求向承诺信息服务器发出承诺服务请求。

S2、根据承诺服务请求返回承诺信息。

具体是指根据该承诺服务请求所指向的目标广告返回该承诺信息，该承诺信息是指该出价服务器给出的可以满足客户成本的承诺信息，并将该承诺信息返回给广告引擎，以便客户通过该广告引擎进行承诺信息。

S3、收集目标广告在投放过程中产生的多种反馈信息。

广告引擎还用于将相应目标广告向互联网用户投放，以使用户进行观看、点击直至对目标广告做转化处理，所谓转化是指根据目标广告的信息进行注册、付费或者购买等。收集的多种反馈信息是指反映用户是否点击的点击信息、是否被用户转化的注册信息、购买信息、付费信息等。

S4、根据反馈信息得到第一结果和第二结果。

在得到上述反馈信息后，根据相应反馈信息计算第一结果和第二结果，具体为：首先，对上述全部或部分反馈信息和目标广告的历史投放成本进行PID计算，得到第一结果；这里的PID计算的计算是指对相关信息进行比例、积分、微分计算。

然后，将该反馈信息输入预先训练的神经网络模型中，得到第二结果，输入神经网络模型的数据中还包括模板广告的预估参数，如预估点击率和预估转化率等。

S5、根据第一结果和第二结果对承诺信息进行调整。

即在上述给出的可以满足客户成本的承诺信息的基础上，根据第一结果和第二结果对该承诺信息进行调整。

S6、利用反馈信息对神经网络模型进行强化训练。

本申请中不仅利用该神经网络模型对反馈信息进程得到第二结果，还可以将历次得到的多个反馈信息作为训练样本对该神经网络模型再次进行训练，即强化训练，从而使神经网络模型更为精确。

从上述技术方案可以看出，本是实施例提供了一种信息调整方法，具体为当客户请求广告引擎服务请求时，发出承诺服务请求；根据承诺服务请求及其指向的目标广告返回一个承诺信息；收集目标广告在投放过程中所产生的多种反馈信息；将反馈信息进行PID处理，得到第一结果，并将反馈信息输入预先训练的神经网络模型，得到第二结果；根据第一结果和第二结果对承诺信息进行调整。由于这里对承诺信息进行调整所依据的第二结果包含了目标广告的反馈信息和预估参数，从而使调整效果达到最优。且通过对神经网络模型的进一步训练使其更为精确，进而使最终的调整效果更佳。

图4是本申请实施例的一种信息调整最终的框图。

本实施例提供的信息调整装置应用于基于互联网的广告平台，该广告平台用于通过互联网的相应客户端向用户投放广告信息，以满足客户推广商品或服务的目的，该广告平台至少包括广告引擎和信息服务器。

如图4所示，本实施例提供的信息调整装置包括请求发送模块10、信息返回模块20、信息收集模块30、信息处理模块40和信息调整模块50。

请求发送模块被配置为根据广告引擎服务请求发出承诺服务请求。

广告引擎服务请求是指客户向广告引擎发出的服务请求，此时该广告引擎响应该服务请求，并根据该服务请求向承诺信息服务器发出承诺服务请求。

信息返回模块被配置为根据承诺服务请求返回承诺信息。

具体是指根据该承诺服务请求所指向的目标广告返回该承诺信息，该承诺信息是指该承诺信息服务器给出的可以满足客户成本的承诺信息，并将该承诺信息返回给广告引擎，以便客户通过该广告引擎进行承诺信息。

信息收集模块被配置为收集目标广告在投放过程中产生的多种反馈信息。

广告引擎还用于将相应目标广告向互联网用户投放，以使用户进行观看、点击直至对目标广告做转化处理，所谓转化是指根据目标广告的信息进行注册、付费或者购买等。收集的多种反馈信息是指反映用户是否点击的点击信息、是否被用户转化的注册信息、购买信息、付费信息等。

信息处理模块被配置为根据反馈信息得到第一结果和第二结果。

在得到上述反馈信息后，根据相应反馈信息计算第一结果和第二结果。该模块具体包括第一处理单元和第二处理单元。第一处理单元用于对上述全部或部分反馈信息和目标广告的历史投放成本进行PID计算，得到第一结果；这里的PID计算的计算是指对相关信息进行比例、积分、微分计算。

第二处理单元用于将该反馈信息输入预先训练的神经网络模型中，得到第二结果，输入神经网络模型的数据中还包括模板广告的预估参数，如预估点击率和预估转化率等。

承诺信息调整模块被配置为根据第一结果和第二结果对承诺信息进行调整。

即在上述给出的可以满足客户成本的承诺信息的基础上，根据第一结果和第二结果对该承诺信息进行调整。

从上述技术方案可以看出，本是实施例提供了一种信息调整装置，具体为当客户请求广告引擎服务请求时，发出承诺服务请求；根据承诺服务请求及其指向的目标广告返回一个承诺信息；收集目标广告在投放过程中所产生的多种反馈信息；将反馈信息进行PID处理，得到第一结果，并将反馈信息输入预先训练的神经网络模型，得到第二结果；根据第一结果和第二结果对承诺信息进行调整。由于这里对承诺信息进行调整所依据的第二结果包含了目标广告的反馈信息和预估参数，从而使调整效果达到最优。

另外，在本实施例的另一种具体实施方式中，还包括模型强化模块60，具体如图5所示。

模型强化模块被配置为利用反馈信息对神经网络模型进行强化训练。

本申请中不仅利用该神经网络模型对反馈信息进程得到第二结果，还可以将历次得到的多个反馈信息作为训练样本对该神经网络模型再次进行训练，即强化训练。

通过对神经网络模型的进一步训练使其更为精确，进而使最终的调整效果更佳。

本申请还提供一种计算机程序，该计算机程序包括如图1或图3所示的应用于基于互联网的广告平台的信息调整方法。

图6是本申请实施例的一种电子设备的框图。

例如，电子设备600可以是移动电话，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，个人数字助理等移动终端。

参照图6，电子设备600可以包括以下一个或多个组件：处理组件602，存储器604，电力组件606，多媒体组件608，音频组件610，输入/输出(I/O)的接口612，传感器组件614，以及通信组件616。

处理组件602通常控制电子设备600的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。例如，处理组件602可以包括多媒体模块，以方便多媒体组件608和处理组件602之间的交互。

存储器604被配置为存储各种类型的数据以支持在设备600的操作。这些数据的示例包括用于在电子设备600上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件606为电子设备600的各种组件提供电力。电源组件606可以包括电源管理系统，一个或多个电源，及其他与为电子设备600生成、管理和分配电力相关联的组件。

多媒体组件608包括在所述电子设备600和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件608包括一个前置摄像头和/或后置摄像头。当设备600处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件610被配置为输出和/或输入音频信号。例如，音频组件610包括一个麦克风(MIC)，当电子设备600处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中，音频组件610还包括一个扬声器，用于输出音频信号。

I/O接口612为处理组件602和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件614包括一个或多个传感器，用于为电子设备600提供各个方面的状态评估。例如，传感器组件614可以检测到设备600的打开/关闭状态，组件的相对定位，例如所述组件为电子设备600的显示器和小键盘，传感器组件614还可以检测电子设备600或电子设备600一个组件的位置改变，用户与电子设备600接触的存在或不存在，电子设备600方位或加速/减速和电子设备600的温度变化。传感器组件614可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件614还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件616被配置为便于电子设备600和其他设备之间有线或无线方式的通信。电子设备600可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件616还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行如图1或图3所示的信息调整方法。

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604，上述指令可由电子设备600的处理器620执行以完成上述方法。例如，所述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。

图7是本申请实施例的另一种电子设备的框图。

例如，电子设备700可以被提供为一服务器。参照图7，电子设备700包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932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1922被配置为执行指令，以执行如图1或图3所示的信息调整方法。

电子设备700还可以包括一个电源组件1926被配置为执行电子设备700的电源管理，一个有线或无线网络接口1950被配置为将电子设备700连接到网络，和一个输入输出(I/O)接口1958。电子设备700可以操作基于存储在存储器1932的操作系统，例如WindowsServerTM，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，将容易想到本发明的其它实施方案。本申请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 (12)

1.一种信息调整方法，其特征在于，包括：

响应广告引擎服务请求，发出承诺服务请求；

根据所述承诺服务请求及其指向的目标广告返回一个承诺信息；

收集所述目标广告在投放过程中所产生的多种反馈信息；

将所述反馈信息进行PID处理，得到第一结果，并将所述反馈信息输入预先训练的神经网络模型，得到第二结果；

根据所述第一结果和所述第二结果对所述承诺信息进行调整。

2.如权利要求1所述的信息调整方法，其特征在于，所述将所述反馈信息进行PID处理，包括：

将所述反馈信息与所述目标广告的历史投放成本进行PID计算，得到所述第一结果。

3.如权利要求1所述的信息调整方法，其特征在于，所述将所述反馈信息输入预先训练的神经网络模型，包括：

将所述反馈信息和所述目标广告的预估参数输入所述神经网络模型，得到所述第二结果。

4.如权利要求3所述的信息调整方法，其特征在于，所述预估参数包括预估点击率和/或预估转化率。

5.如权利要求1～4任一项所述的信息调整方法，其特征在于，还包括：

利用所述多种反馈信息对所述神经网络模型进行强化训练。

6.一种信息调整装置，其特征在于，包括：

请求发送模块，被配置为当客户请求广告引擎服务请求时，发出承诺服务请求；

信息返回模块，被配置为根据所述承诺服务请求及其指向的目标广告返回一个承诺信息；

信息收集模块，被配置为收集所述目标广告在投放过程中所产生的多种反馈信息；

信息处理模块，被配置为将所述反馈信息进行PID处理，得到第一结果，并将所述反馈信息输入预先训练的神经网络模型，得到第二结果；

信息调整模块，被配置为根据所述第一结果和所述第二结果对所述承诺信息进行调整。

7.如权利要求6所述的信息调整装置，其特征在于，所述信息处理模块包括：

第一处理单元，被配置为将所述反馈信息与所述目标广告的历史投放成本进行PID计算，得到所述第一结果。

8.如权利要求6所述的信息调整装置，其特征在于，所述信息处理模块包括：

第二处理单元，被配置为将所述反馈信息和所述目标广告的预估参数输入所述神经网络模型，得到所述第二结果。

9.如权利要求8所述的信息调整装置，其特征在于，所述预估参数包括预估点击率和/或预估转化率。

10.如权利要求6～9任一项所述的信息调整装置，其特征在于，还包括：

模型强化模块，被配置为利用所述多种反馈信息对所述神经网络模型进行强化训练。

11.一种电子设备，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如权利要求1～5任一项所述的信息调整方法。

12.一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移动终端的处理器执行时，使得移动终端能够执行如权利要求1～5任一项所述的信息调整方法。