CN110363554B - 图像素材的质量评估方法、装置及计算机可读存储介质 - Google Patents
图像素材的质量评估方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110363554B CN110363554B CN201810313396.3A CN201810313396A CN110363554B CN 110363554 B CN110363554 B CN 110363554B CN 201810313396 A CN201810313396 A CN 201810313396A CN 110363554 B CN110363554 B CN 110363554B
- Authority
- CN
- China
- Prior art keywords
- image material
- score
- calculating
- image
- click rate
- 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.)
- Active
Links
- 239000000463 material Substances 0.000 title claims abstract description 590
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 26
- 238000001303 quality assessment method Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 26
- 239000002131 composite material Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 9
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000006399 behavior Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像素材的质量评估方法、装置及计算机可读存储介质,涉及信息处理技术领域,所述方法包括:计算每个图像素材在每个展示场景下命中每种召回策略的点击率,其中,若展示给用户的图像素材与该用户的某个特征匹配,则该图像素材命中一种个性化召回策略,否则该图像素材命中通用召回策略;基于每个图像素材的所述点击率,计算每个图像素材在每个展示场景下的评分;根据每个图像素材在每个展示场景下的评分,评估每个图像素材的质量。
Description
技术领域
本公开涉及信息处理技术领域,尤其是一种图像素材的质量评估方法、装置及计算机可读存储介质。
背景技术
在电商网站、APP等平台上,往往会给用户展示大量的图像素材,例如商品图片或营销活动图片等。用户点击感兴趣的图像素材后,进入相应的商品曝光网页或者营销活动曝光网页。
展示给用户的图像素材的质量影响到图像素材的点击率和用户体验。
发明内容
发明人注意到,相关技术中主要以如下方式来评估图像素材的质量:统计图像素材在一段时间内的点击数和曝光数,计算点击数和曝光数的比值以得到图像素材的点击率,根据点击率的高低评估图像素材的质量。
发明人发现,在某个图像素材的曝光数非常大的情况下,如果曝光的用户大都是对该图像素材不感兴趣的,则会导致该图像素材的点击率很低。反之,如果将该图像素材曝光给对该图像素材感兴趣的用户,则点击率会有明显的提升。因此,利用上述方式计算的图像素材的点击率未考虑到曝光人群的影响,从而导致评估结果不准确。
为了解决上述问题,本公开实施例提出了如下解决方案。
根据本公开实施例的一方面,提供一种图像素材的质量评估方法,包括:计算每个图像素材在每个展示场景下命中每种召回策略的点击率,其中,若展示给用户的图像素材与该用户的某个特征匹配,则该图像素材命中一种个性化召回策略,否则该图像素材命中通用召回策略;基于每个图像素材的所述点击率,计算每个图像素材在每个展示场景下的评分;根据每个图像素材在每个展示场景下的评分,评估每个图像素材的质量。
在一些实施例中,所述计算每个图像素材的所述点击率包括:获取每个图像素材在每个展示场景下命中每种召回策略的点击数和曝光数;获取全部图像素材在每个展示场景下的总点击数和总曝光数;计算所述总曝光数与所述总点击数的比值;以每个图像素材的所述点击数与1之和作为分子,以每个图像素材的所述曝光数与所述比值之和作为分母,计算每个图像素材的所述点击率。
在一些实施例中,所述计算每个图像素材在每个展示场景下的评分包括:获取每个图像素材在每个展示场景下命中每种个性化召回策略的曝光数、以及命中全部个性化召回策略的曝光总数;计算每个图像素材命中每种个性化召回策略的所述曝光数与所述曝光总数的比值;对每个图像素材的所述点击率进行加权求和,以得到每个图像素材在每个展示场景下的评分,其中,以预设权重作为每个图像素材命中通用召回策略的点击率的权重,以每个图像素材的所述比值作为每个图像素材命中对应个性化召回策略的点击率的权重。
在一些实施例中,所述评估每个图像素材的质量包括:根据每个图像素材在每个展示场景下的评分,计算每个图像素材在全部展示场景下的第一综合评分;根据每个图像素材的第一综合评分,评估每个图像素材在全部展示场景下的质量。
在一些实施例中,所述计算每个图像素材在全部展示场景下的第一综合评分包括:获取每个图像素材在每个展示场景下的曝光数和在全部展示场景下的总曝光数;计算每个图像素材在每个展示场景下的曝光数占所述总曝光数的比例;根据每个图像素材在每个展示场景下的评分,计算全部图像素材在每个展示场景下的平均得分;计算每个图像素材在每个展示场景下的评分与所述平均得分的比值;对每个图像素材在每个展示场景下的所述比值进行加权求和,以得到每个图像素材的所述第一综合评分,其中,以每个图像素材的所述比例作为对应比值的权重。
在一些实施例中,所述评估每个图像素材的质量还包括:计算每个图像素材的销量与预设销量权重之积,以得到每个图像素材的第二综合评分;计算每个图像素材的所述第一综合评分与所述第二综合评分之和,以得到每个图像素材的综合评分;根据每个图像素材的所述综合评分,评估每个图像素材在全部展示场景下的质量。
根据本公开实施例的另一方面,提供一种图像素材的质量评估方法,包括:计算每个图像素材命中每种召回策略的点击率,其中,若展示给用户的图像素材与该用户的某个特征匹配,则该图像素材命中一种个性化召回策略,否则该图像素材命中通用召回策略;基于每个图像素材的所述点击率,计算每个图像素材的评分;根据每个图像素材的评分,评估每个图像素材的质量。
在一些实施例中,所述计算每个图像素材的所述点击率包括:获取每个图像素材命中每种召回策略的点击数和曝光数;获取全部图像素材的总点击数和总曝光数;计算所述总曝光数与所述总点击数的比值;以每个图像素材的所述点击数与1之和作为分子,以每个图像素材的所述曝光数与所述比值之和作为分母,计算每个图像素材的所述点击率。
在一些实施例中,所述计算每个图像素材的评分包括:获取每个图像素材命中每种个性化召回策略的曝光数、以及命中全部个性化召回策略的曝光总数;计算每个图像素材的所述曝光数与所述曝光总数的比值;对每个图像素材的所述点击率进行加权求和,以得到每个图像素材的第一综合评分,其中,以预设权重作为每个图像素材命中通用召回策略的点击率的权重,以每个图像素材的所述比值作为每个图像素材命中对应个性化召回策略的点击率的权重;所述评估每个图像素材的质量包括:根据每个图像素材的所述第一综合评分,评估每个图像素材的质量。
在一些实施例中,所述计算每个图像素材的评分还包括:计算每个图像素材的销量与预设销量权重之积,以得到每个图像素材的第二综合评分;计算每个图像素材的所述第一综合评分与所述第二综合评分之和,以得到每个图像素材的综合评分;所述评估每个图像素材的质量还包括:根据每个图像素材的所述综合评分,评估每个图像素材的质量。
根据本公开实施例的又一方面,提供一种图像素材的质量评估装置,包括:点击率计算模块,用于计算每个图像素材在每个展示场景下命中每种召回策略的点击率,其中,若展示给用户的图像素材与该用户的某个特征匹配,则该图像素材命中一种个性化召回策略,否则该图像素材命中通用召回策略;评分计算模块,用于基于每个图像素材的所述点击率,计算每个图像素材在每个展示场景下的评分;质量评估模块,用于根据每个图像素材在每个展示场景下的评分,评估每个图像素材的质量。
在一些实施例中,所述点击率计算模块用于:获取每个图像素材在每个展示场景下命中每种召回策略的点击数和曝光数;获取全部图像素材在每个展示场景下的总点击数和总曝光数;计算所述总曝光数与所述总点击数的比值;以每个图像素材的所述点击数与1之和作为分子,以每个图像素材的所述曝光数与所述比值之和作为分母,计算每个图像素材的所述点击率。
在一些实施例中,所述评分计算模块用于:获取每个图像素材在每个展示场景下命中每种个性化召回策略的曝光数、以及命中全部个性化召回策略的曝光总数;计算每个图像素材命中每种个性化召回策略的所述曝光数与所述曝光总数的比值;对每个图像素材的所述点击率进行加权求和,以得到每个图像素材在每个展示场景下的评分,其中,以预设权重作为每个图像素材命中通用召回策略的点击率的权重,以每个图像素材的所述比值作为每个图像素材命中对应个性化召回策略的点击率的权重。
在一些实施例中,所述质量评估模块用于:根据每个图像素材在每个展示场景下的评分,计算每个图像素材在全部展示场景下的第一综合评分;根据每个图像素材的第一综合评分,评估每个图像素材在全部展示场景下的质量。
在一些实施例中,所述质量评估模块用于根据如下方式计算所述第一综合评分:获取每个图像素材在每个展示场景下的曝光数和在全部展示场景下的总曝光数;计算每个图像素材在每个展示场景下的曝光数占所述总曝光数的比例;根据每个图像素材在每个展示场景下的评分,计算全部图像素材在每个展示场景下的平均得分;计算每个图像素材在每个展示场景下的评分与所述平均得分的比值;对每个图像素材在每个展示场景下的所述比值进行加权求和,以得到每个图像素材的所述第一综合评分,其中,以每个图像素材的所述比例作为对应比值的权重。
在一些实施例中,所述质量评估模块还用于:计算每个图像素材的销量与预设销量权重之积,以得到每个图像素材的第二综合评分;计算每个图像素材的所述第一综合评分与所述第二综合评分之和,以得到每个图像素材的综合评分;根据每个图像素材的所述综合评分,评估每个图像素材在全部展示场景下的质量。
根据本公开实施例的再一方面,提供一种图像素材的质量评估装置,包括:点击率计算模块,用于计算每个图像素材命中每种召回策略的点击率,其中,若展示给用户的图像素材与该用户的某个特征匹配,则该图像素材命中一种个性化召回策略,否则该图像素材命中通用召回策略;评分计算模块,用于基于每个图像素材的所述点击率,计算每个图像素材的评分;质量评估模块,用于根据每个图像素材的评分,评估每个图像素材的质量。
在一些实施例中,所述点击率计算模块用于:获取每个图像素材命中每种召回策略的点击数和曝光数;获取全部图像素材的总点击数和总曝光数;计算所述总曝光数与所述总点击数的比值;以每个图像素材的所述点击数与1之和作为分子,以每个图像素材的所述曝光数与所述比值之和作为分母,计算每个图像素材的所述点击率。
在一些实施例中,所述评分计算模块用于:获取每个图像素材命中每种个性化召回策略的曝光数、以及命中全部个性化召回策略的曝光总数;计算每个图像素材的所述曝光数与所述曝光总数的比值;对每个图像素材的所述点击率进行加权求和,以得到每个图像素材的第一综合评分,其中,以预设权重作为每个图像素材命中通用召回策略的点击率的权重,以每个图像素材的所述比值作为每个图像素材命中对应个性化召回策略的点击率的权重;所述质量评估模块用于根据每个图像素材的所述第一综合评分,评估每个图像素材的质量。
在一些实施例中,所述评分计算模块还用于:计算每个图像素材的销量与预设销量权重之积,以得到每个图像素材的所述第二综合评分;计算每个图像素材的所述第一综合评分与所述第二综合评分之和,以得到每个图像素材的综合评分;所述质量评估模块还用于根据每个图像素材的所述综合评分,评估每个图像素材的质量。
根据本公开实施例的还一方面,提供一种图像素材的质量评估装置,包括:存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器的指令执行上述任意一些实施例所述的方法。
根据本公开实施例的还一方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该指令被处理器执行时实现上述任意一些实施例所述的方法。
本公开实施例中,在计算每个图像素材的点击率时,区分了不同的展示场景和不同的召回策略,这样的点击率能够客观地反映图像素材的实际点击情况,从而使得图像素材的评估质量更为准确。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本公开一些实施例的图像素材的质量评估方法的流程示意图;
图2是根据本公开另一些实施例的图像素材的质量评估方法的流程示意图;
图3是根据本公开一些实施例的图像素材的质量评估装置的结构示意图;
图4是根据本公开另一些实施例的图像素材的质量评估装置的结构示意图;
图5是根据本公开又一些实施例的图像素材的质量评估装置的结构示意图;
图6是根据本公开一些实施例的图像素材的质量评估系统的架构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
图1是根据本公开一些实施例的图像素材的质量评估方法的流程示意图。
在步骤102,计算每个图像素材在每个展示场景下命中每种召回策略的点击率。
这里,召回策略可以包括个性化召回策略和通用召回策略。展示场景可以包括展示位置,例如购物APP首页或二级页的商品展示位置。
若展示给用户的图像素材与该用户的某个特征匹配,则该图像素材命中一种个性化召回策略;否则,该图像素材命中通用召回策略。换言之,若该图像素材未命中个性化召回策略,则默认为该图像素材命中通用召回策略。
个性化召回策略是利用用户的某个特征取出与用户相关的图像素材。例如,若展示给用户的图像素材为该用户曾经浏览过的商品、或者为该用户收藏的商品、或者为该用户已经购买的商品、或者为用户偏好品类的商品,则均可以认为该图像素材命中了一种对应的个性化召回策略。
通用召回策略可以是人为设定的任何召回策略。例如,从2万个图像素材中取销量排名前2000的图像素材作为展示给用户的图像素材,按照这种方式取出的图像素材与用户的特征无关,则认为这些图像素材命中了通用召回策略。
在一些实现方式中,可以获取每个图像素材在每个展示场景下命中每种召回策略的点击数和曝光数;然后,计算每个图像素材在每个展示场景下命中每种召回策略的点击数与曝光数的比值,从而得到每个图像素材在每个展示场景下命中每种召回策略的点击率。
在步骤104,基于每个图像素材的点击率,计算每个图像素材在每个展示场景下的评分。
例如,可以对每个图像素材在每个展示场景下命中每种召回策略的点击率进行加权求和,从而得到每个图像素材在每个展示场景下的评分。
在步骤106,根据每个图像素材在每个展示场景下的评分,评估每个图像素材的质量。
在一个应用实施例中,在评估出每个图像素材的质量后,可以根据每个图像素材的质量选择向用户展示的图像素材。
在一个实现方式中,可以根据每个图像素材在每个展示场景下的评分,评估每个图像素材在每个展示场景下的质量。例如,图像素材a在展示位置b下的评分较高,则认为图像素材a在展示位置b下的质量较高。该实现方式可以得到每个图像素材在每个展示场景下的质量。故,在某一展示场景下向用户展示图像素材时,可以根据各图像素材在该展示场景下的质量进行选择,例如,可以优先选择在该展示场景下质量较高的图像素材。
上述实施例中,在计算每个图像素材的点击率时,区分了不同的展示场景和不同的召回策略,这样的点击率能够客观地反映图像素材的实际点击情况,从而使得图像素材的评估质量更为准确。
在一些实现方式中,在获取每个图像素材在每个展示场景下命中每种召回策略的点击数和曝光数后,还可以获取全部图像素材在每个展示场景下的总点击数和总曝光数。然后,计算全部图像素材在每个展示场景下的总曝光数与总点击数的比值。进而,以每个图像素材的点击数与1之和作为分子,以每个图像素材的曝光数与总曝光数与总点击数的比值之和作为分母,计算每个图像素材的点击率。
例如,可以根据如下公式计算图像素材I在展示场景i下命中召回策略j的点击率ICTRij:
ICTRij=(Icij+1)/(Isij+1/TCTR)
TCTR=Tc/Ts
其中,Icij和Isij分别为图像素材I在展示场景i下命中召回策略j的点击数和曝光数,Tc和Ts分别为全部图像素材在展示场景i下的总点击数和总曝光数。
上述实现方式中,在计算每个图像素材在每个场景下命中每个召回策略的点击率时,利用了在每个场景下全部图像素材的平均点击率,从而可以使得计算出的点击率不会与平均点击率差别过大,避免异常点击率的产生,提高了每个图像素材的点击率的准确性,从而进一步使得图像素材的评估质量更加准确性。
下面介绍一种计算每个图像素材在每个展示场景下的评分的具体实现方式。
首先,获取每个图像素材在每个展示场景下命中每种个性化召回策略的曝光数、以及命中全部个性化召回策略的曝光总数。
然后,计算每个图像素材命中每种个性化召回策略的曝光数与曝光总数的比值。
例如,可以根据如下公式计算图像素材I在展示场景i下命中个性化召回策略j的曝光数与曝光总数的比值ISPij:
这里,Isk为图像素材I在展示场景i命中个性化召回策略k的曝光数。
之后,对每个图像素材的点击率进行加权求和,以得到每个图像素材在每个展示场景下的评分。在进行加权求和时,以预设权重作为每个图像素材命中通用召回策略的点击率的权重,以每个图像素材的比值ISPij作为每个图像素材命中对应个性化召回策略的点击率的权重。
例如,可以根据如下公式计算图像素材I在展示场景i下的评分Isi:
其中,预设权重α为图像素材I在展示场景i下命中通用召回策略的点击率的权重,ISPij为图像素材I在展示场景i下命中对应个性化召回策略的点击率的权重。在实际应用中,α的取值可以根据实际情况来定,例如可以取为0.1或0.2等。然而,本公开并不限于此。
上述实现方式中,在计算每个图像素材在每个展示场景下的评分时,计算了每个图像素材在每个展示场景下命中每种个性化召回策略的点击率的权重,使得每个图像素材在每个展示场景下的评分更准确,从而进一步使得图像素材的评估质量更加准确性。
在一些实现方式中,还可以根据每个图像素材在每个展示场景下的评分,计算每个图像素材在全部展示场景下的第一综合评分;然后根据每个图像素材的第一综合评分,评估每个图像素材在全部展示场景下的质量。
上述实现方式可以计算出每个图像素材在全部展示场景下的综合评分,综合评分较高时可以认为该图像素材在全部展示场景下的质量较高。故,在各展示场景下向用户展示图像素材时,可以根据图像素材在全部展示场景下的质量进行选择,例如,可以优先选择在全部展示场景下质量较高的图像素材。
下面介绍一种计算每个图像素材在全部展示场景下的第一综合评分的具体实现方式。
首先,获取每个图像素材在每个展示场景下的曝光数和在全部展示场景下的总曝光数。
然后,计算每个图像素材在每个展示场景下的曝光数占总曝光数的比例。
然后,根据每个图像素材在每个展示场景下的评分,计算全部图像素材在每个展示场景下的平均得分。
之后,计算每个图像素材在每个展示场景下的评分与平均得分的比值。
之后,对每个图像素材在每个展示场景下的评分与平均得分的比值进行加权求和,以得到每个图像素材的第一综合评分。这里,在对每个图像素材的上述比值进行求和时,以每个图像素材在每个展示场景下的曝光数占总曝光数的比例作为每个图像素材的对应比值的权重。
上述实现方式中,对每个图像素材在每个展示场景下的评分与平均得分的比值进行加权求和来计算第一综合评分,与直接对每个图像素材在每个展示场景下的评分进行加权求和相比,避免了第一综合评分基本由评分很高的图像素材的评分决定,使得每个图像素材的第一综合评分更为准确。
在一些实施例中,为了进一步提高图像素材的评估质量的准确性,除了考虑图像素材的点击率之外,还可以考虑图像素材的销量。具体地,可以计算每个图像素材的销量与预设销量权重之积,以得到每个图像素材的第二综合评分;然后,计算每个图像素材的第一综合评分与第二综合评分之和,以得到每个图像素材的综合评分;之后,可以根据每个图像素材的综合评分,评估每个图像素材在全部展示场景下的质量。
例如,可以根据如下公式计算图像素材I的综合评分Iscore:
其中,Isi为图像素材I在展示场景i下的评分,Si为全部图像素材在展示场景i下的平均得分,ISPi为图像素材I在展示场景i下的曝光数占图像素材I在全部展示场景下的总曝光数的比例,Isale为图像素材I的销量,γ为预设销量权重。
需要说明的是,在实际应用中,预设销量权重γ的值可以根据实际情况而定。例如,如果认为销量比较高的图像素材是质量比较高的图像素材,则可以将预设销量权重γ设置为较大的值。如果认为点击率比较高的图像素材是质量比较高的图像素材,则可以将预设销量权重γ设置为较小的值。另外,在某些实施例中,可以将γ设置为0。
图2是根据本公开另一些实施例的图像素材的质量评估方法的流程示意图。
在步骤202,计算每个图像素材命中每种召回策略的点击率。若展示给用户的图像素材与该用户的某个特征匹配,则该图像素材命中一种个性化召回策略,否则该图像素材命中通用召回策略。
在一些实现方式中,可以获取每个图像素材命中每种召回策略的点击数和曝光数;然后计算每个图像素材命中每种召回策略的点击数和曝光数的比值,从而得到每个图像素材命中每种召回策略的点击率。
在另一些实现方式中,可以获取每个图像素材命中每种召回策略的点击数和曝光数;然后,获取全部图像素材的总点击数和总曝光数;之后,计算总曝光数与总点击数的比值;之后,以每个图像素材的点击数与1之和作为分子,以每个图像素材的曝光数与计算得到的比值之和作为分母,计算每个图像素材命中每种召回策略的点击率。这样的实现方式中,在计算每个图像素材命中每个召回策略的点击率时,利用了全部图像素材的平均点击率,从而可以使得计算出的点击率不会与平均点击率差别过大,避免异常点击率的产生,提高了每个图像素材的点击率的准确性,从而进一步提高了图像素材评估质量的准确性。
在步骤204,基于每个图像素材的点击率,计算每个图像素材的评分。
例如,可以对每个图像素材命中每种召回策略的点击率进行加权求和,从而得到每个图像素材的评分。
在步骤206,根据每个图像素材的评分,评估每个图像素材的质量。
在一个应用实施例中,在评估出每个图像素材的质量后,可以根据每个图像素材的质量选择向用户展示的图像素材。
上述实施例中,在计算每个图像素材的点击率时并不考虑不同的展示场景,而是直接计算出每个图像素材命中每种召回策略的点击率,这样区分命中不同的召回策略的点击率能够客观地反映图像素材的实际点击情况,从而使得图像素材的评估质量更为准确。
下面介绍一种计算每个图像素材的评分的具体实现方式。
首先,获取每个图像素材命中每种个性化召回策略的曝光数、以及命中全部个性化召回策略的曝光总数。
然后,计算每个图像素材命中每种个性化召回策略的曝光数与命中全部个性化召回策略的曝光总数的比值。
之后,对每个图像素材命中每种召回策略的点击率进行加权求和,以得到每个图像素材的第一综合评分。这里,在对每个图像素材命中每种召回策略的点击率进行加权求和时,以预设权重作为每个图像素材命中通用召回策略的点击率的权重,以计算得到的上述比值作为每个图像素材命中对应个性化召回策略的点击率的权重。
在计算得到每个图像素材的第一综合评分后,可以根据每个图像素材的第一综合评分,评估每个图像素材的质量。
上述实现方式中,在计算每个图像素材的评分时,计算了每个图像素材命中每种个性化召回策略的点击率的权重,使得每个图像素材的评分更准确,从而进一步使得每个图像素材的评估质量更加准确。
在一些实施例中,为了进一步提高图像素材的评估质量的准确性,在计算图像素材的评分时,除了考虑图像素材的点击率之外,还可以考虑图像素材的销量。具体地,可以计算每个图像素材的销量与预设销量权重之积,以得到每个图像素材的第二综合评分;然后计算每个图像素材的第一综合评分与第二综合评分之和,以得到每个图像素材的综合评分。然后,可以根据每个图像素材的综合评分,评估每个图像素材的质量。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于装置实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
图3是根据本公开一些实施例的图像素材的质量评估装置的结构示意图。如图3所示,该实施例的装置包括点击率计算模块301、评分计算模块302和质量评估模块303。
点击率计算模块301用于计算每个图像素材在每个展示场景下命中每种召回策略的点击率。这里,若展示给用户的图像素材与该用户的某个特征匹配,则该图像素材命中一种个性化召回策略,否则该图像素材命中通用召回策略。
评分计算模块302用于基于每个图像素材的点击率,计算每个图像素材在每个展示场景下的评分。
质量评估模块303用于根据每个图像素材在每个展示场景下的评分,评估每个图像素材的质量。
上述实施例中,在计算每个图像素材的点击率时,区分了不同的展示场景和不同的召回策略,这样的点击率更能够反应图像素材的实际点击情况,从而使得图像素材的评估质量更准确。
在一些实现方式中,为了提高点击率的准确性,以进一步使得图像素材的评估质量更准确,点击率计算模块301可以用于按照以下方式计算每个图像素材的点击率:获取每个图像素材在每个展示场景下命中每种召回策略的点击数和曝光数;获取全部图像素材在每个展示场景下的总点击数和总曝光数;计算总曝光数与总点击数的比值;以每个图像素材的点击数与1之和作为分子,以每个图像素材的曝光数与比值之和作为分母,计算每个图像素材的点击率。
在一些实现方式中,为了使得每个图像素材的评分更准确,以进一步使得图像素材的评估质量更准确,评分计算模块302可以用于按照以下方式计算每个图像素材在每个展示场景下的评分:获取每个图像素材在每个展示场景下命中每种个性化召回策略的曝光数、以及命中全部个性化召回策略的曝光总数;计算每个图像素材在每个展示场景下命中每种个性化召回策略的曝光数与命中全部个性化召回策略的曝光总数的比值;对每个图像素材的点击率进行加权求和,以得到每个图像素材在每个展示场景下的评分。在对每个图像素材的点击率进行加权求和时,以预设权重作为每个图像素材命中通用召回策略的点击率的权重,以计算得到的上述比值作为每个图像素材命中对应个性化召回策略的点击率的权重。
在一些实现方式中,质量评估模块303可以用于:根据每个图像素材在每个展示场景下的评分,计算每个图像素材在全部展示场景下的第一综合评分;根据每个图像素材的第一综合评分,评估每个图像素材在全部展示场景下的质量。
例如,质量评估模块303可以用于根据如下方式计算第一综合评分:获取每个图像素材在每个展示场景下的曝光数和在全部展示场景下的总曝光数;计算每个图像素材在每个展示场景下的曝光数占总曝光数的比例;根据每个图像素材在每个展示场景下的评分,计算全部图像素材在每个展示场景下的平均得分;计算每个图像素材在每个展示场景下的评分与平均得分的比值;对每个图像素材在每个展示场景下的评分与平均得分比值进行加权求和,以得到每个图像素材的第一综合评分。在对上述比值进行加权求和时,以每个图像素材在每个展示场景下的曝光数占总曝光数的比例作为对应比值的权重。
为了使得每个图像素材的评估质量更加准确,质量评估模块303还可以用于:计算每个图像素材的销量与预设销量权重之积,以得到每个图像素材的第二综合评分;计算每个图像素材的第一综合评分与第二综合评分之和,以得到每个图像素材的综合评分;根据每个图像素材的综合评分,评估每个图像素材在全部展示场景下的质量。
图4是根据本公开另一些实施例的图像素材的质量评估装置的结构示意图。如图4所示,该实施例的装置包括点击率计算模块401、评分计算模块402和质量评估模块403。
点击率计算模块401用于计算每个图像素材命中每种召回策略的点击率。这里,若展示给用户的图像素材与该用户的某个特征匹配,则该图像素材命中一种个性化召回策略,否则该图像素材命中通用召回策略。
评分计算模块402用于基于每个图像素材的点击率,计算每个图像素材的评分。
质量评估模块403用于根据每个图像素材的评分,评估每个图像素材的质量。
上述实施例中,在计算每个图像素材的点击率时并不考虑不同的展示场景,而是直接计算出每个图像素材命中每种召回策略的点击率,这样区分命中不同的召回策略的点击率能够客观地反映图像素材的实际点击情况,从而使得图像素材的评估质量更为准确。
在一些实现方式中,为了提高点击率的准确性,点击率计算模块401可以用于按照以下方式计算每个图像素材的点击率:获取每个图像素材命中每种召回策略的点击数和曝光数;获取全部图像素材的总点击数和总曝光数;计算总曝光数与总点击数的比值;以每个图像素材的点击数与1之和作为分子,以每个图像素材的曝光数与计算得到的上述比值之和作为分母,计算每个图像素材的点击率。
在一些实施例中,评分计算模块402可以用于根据以下方式计算每个图像素材的评分:获取每个图像素材命中每种个性化召回策略的曝光数、以及命中全部个性化召回策略的曝光总数;计算每个图像素材的曝光数与曝光总数的比值;对每个图像素材的点击率进行加权求和,以得到每个图像素材的第一综合评分。在对每个图像素材的点击率进行加权求和时,以预设权重作为每个图像素材命中通用召回策略的点击率的权重,以计算得到的每个图像素材的比值作为每个图像素材命中对应个性化召回策略的点击率的权重。相应地,质量评估模块403可以用于根据每个图像素材的第一综合评分,评估每个图像素材的质量。
在一些实施例中,评分计算模块402还可以用于根据以下方式计算每个图像素材的评分:计算每个图像素材的销量与预设销量权重之积,以得到每个图像素材的第二综合评分;计算每个图像素材的第一综合评分与第二综合评分之和,以得到每个图像素材的综合评分。相应地,质量评估模块403还可以用于根据每个图像素材的综合评分,评估每个图像素材的质量。
图5是根据本公开又一些实施例的图像素材的质量评估装置的结构示意图。如图5所示,该实施例的装置500包括存储器501以及耦接至该存储器501的处理器502,处理器502被配置为基于存储在存储器501中的指令,执行前述任意一些实施例中的网络性能监控方法。
存储器501例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如可以存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。
装置500还可以包括输入输出接口503、网络接口504、存储接口505等。这些接口503、504、505之间、以及存储器501与处理器502之间例如可以通过总线506连接。输入输出接口503为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口504为各种联网设备提供连接接口。存储接口505为SD卡、U盘等外置存储设备提供连接接口。
图6是根据本公开一些实施例的图像素材的质量评估系统的架构示意图。
数据反馈模块601用于将图像素材的曝光、点击等行为数据以结构化的形式存储到用户行为历史数据库602中。用户行为数据统计模块603用于根据用户行为历史数据库602中的行为数据,统计出图像素材在不同展示场景下命中不同召回策略的曝光数、点击数等数据,并存储在素材特征统计库604中。素材属性库605存储图像素材的销量等数据。图像素材的质量评估装置606利用素材特征统计库604和素材属性库605中的数据,通过上面介绍的方式对图像素材进行质量评估,并将质量评估结果存储到素材质量评估库607中。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的较佳实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (22)
1.一种图像素材的质量评估方法,包括:
计算每个图像素材在每个展示场景下命中每种召回策略的点击率,其中,若展示给用户的图像素材与该用户的某个特征匹配,则该图像素材命中一种个性化召回策略,否则该图像素材命中通用召回策略;
对每个图像素材在每个展示场景下命中每种召回策略的所述点击率进行加权求和,计算每个图像素材在每个展示场景下的评分;
根据每个图像素材在每个展示场景下的评分,评估每个图像素材的质量。
2.根据权利要求1所述的方法,其中,所述计算每个图像素材的所述点击率包括:
获取每个图像素材在每个展示场景下命中每种召回策略的点击数和曝光数;
获取全部图像素材在每个展示场景下的总点击数和总曝光数;
计算所述总曝光数与所述总点击数的比值;
以每个图像素材的所述点击数与1之和作为分子,以每个图像素材的所述曝光数与所述比值之和作为分母,计算每个图像素材的所述点击率。
3.根据权利要求1所述的方法,其中,所述计算每个图像素材在每个展示场景下的评分包括:
获取每个图像素材在每个展示场景下命中每种个性化召回策略的曝光数、以及命中全部个性化召回策略的曝光总数;
计算每个图像素材命中每种个性化召回策略的所述曝光数与所述曝光总数的比值;
其中,对每个图像素材在每个展示场景下命中每种召回策略的所述点击率进行加权求和时,以预设权重作为每个图像素材命中通用召回策略的点击率的权重,以每个图像素材的所述比值作为每个图像素材命中对应个性化召回策略的点击率的权重。
4.根据权利要求1所述的方法,其中,所述评估每个图像素材的质量包括:
根据每个图像素材在每个展示场景下的评分,计算每个图像素材在全部展示场景下的第一综合评分;
根据每个图像素材的第一综合评分,评估每个图像素材在全部展示场景下的质量。
5.根据权利要求4所述的方法,其中,所述计算每个图像素材在全部展示场景下的第一综合评分包括:
获取每个图像素材在每个展示场景下的曝光数和在全部展示场景下的总曝光数;
计算每个图像素材在每个展示场景下的曝光数占所述总曝光数的比例;
根据每个图像素材在每个展示场景下的评分,计算全部图像素材在每个展示场景下的平均得分;
计算每个图像素材在每个展示场景下的评分与所述平均得分的比值;
对每个图像素材在每个展示场景下的所述比值进行加权求和,以得到每个图像素材的所述第一综合评分,其中,以每个图像素材的所述比例作为对应比值的权重。
6.根据权利要求4或5所述的方法,其中,所述评估每个图像素材的质量还包括:
计算每个图像素材的销量与预设销量权重之积,以得到每个图像素材的第二综合评分;
计算每个图像素材的所述第一综合评分与所述第二综合评分之和,以得到每个图像素材的综合评分;
根据每个图像素材的所述综合评分,评估每个图像素材在全部展示场景下的质量。
7.一种图像素材的质量评估方法,包括:
计算每个图像素材命中每种召回策略的点击率,其中,若展示给用户的图像素材与该用户的某个特征匹配,则该图像素材命中一种个性化召回策略,否则该图像素材命中通用召回策略;
对每个图像素材命中每种召回策略的所述点击率进行加权求和,计算每个图像素材的第一综合评分;
根据每个图像素材的评分,评估每个图像素材的质量,包括根据每个图像素材的所述第一综合评分,评估每个图像素材的质量。
8.根据权利要求7所述的方法,其中,所述计算每个图像素材的所述点击率包括:
获取每个图像素材命中每种召回策略的点击数和曝光数;
获取全部图像素材的总点击数和总曝光数;
计算所述总曝光数与所述总点击数的比值;
以每个图像素材的所述点击数与1之和作为分子,以每个图像素材的所述曝光数与所述比值之和作为分母,计算每个图像素材的所述点击率。
9.根据权利要求7所述的方法,其中,所述计算每个图像素材的评分包括:
获取每个图像素材命中每种个性化召回策略的曝光数、以及命中全部个性化召回策略的曝光总数;
计算每个图像素材的所述曝光数与所述曝光总数的比值;
其中,对每个图像素材命中每种召回策略的所述点击率进行加权求和时,以预设权重作为每个图像素材命中通用召回策略的点击率的权重,以每个图像素材的所述比值作为每个图像素材命中对应个性化召回策略的点击率的权重。
10.根据权利要求9所述的方法,其中,所述计算每个图像素材的评分还包括:
计算每个图像素材的销量与预设销量权重之积,以得到每个图像素材的第二综合评分;
计算每个图像素材的所述第一综合评分与所述第二综合评分之和,以得到每个图像素材的综合评分;
所述评估每个图像素材的质量还包括:
根据每个图像素材的所述综合评分,评估每个图像素材的质量。
11.一种图像素材的质量评估装置,包括:
点击率计算模块,用于计算每个图像素材在每个展示场景下命中每种召回策略的点击率,其中,若展示给用户的图像素材与该用户的某个特征匹配,则该图像素材命中一种个性化召回策略,否则该图像素材命中通用召回策略;
评分计算模块,用于对每个图像素材在每个展示场景下命中每种召回策略的所述点击率进行加权求和,计算每个图像素材在每个展示场景下的评分;
质量评估模块,用于根据每个图像素材在每个展示场景下的评分,评估每个图像素材的质量。
12.根据权利要求11所述的装置,其中,所述点击率计算模块用于:
获取每个图像素材在每个展示场景下命中每种召回策略的点击数和曝光数;
获取全部图像素材在每个展示场景下的总点击数和总曝光数;
计算所述总曝光数与所述总点击数的比值;
以每个图像素材的所述点击数与1之和作为分子,以每个图像素材的所述曝光数与所述比值之和作为分母,计算每个图像素材的所述点击率。
13.根据权利要求11所述的装置,其中,所述评分计算模块用于:
获取每个图像素材在每个展示场景下命中每种个性化召回策略的曝光数、以及命中全部个性化召回策略的曝光总数;
计算每个图像素材命中每种个性化召回策略的所述曝光数与所述曝光总数的比值;
其中,对每个图像素材命中每种召回策略的所述点击率进行加权求和时,以预设权重作为每个图像素材命中通用召回策略的点击率的权重,以每个图像素材的所述比值作为每个图像素材命中对应个性化召回策略的点击率的权重。
14.根据权利要求11所述的装置,其中,所述质量评估模块用于:
根据每个图像素材在每个展示场景下的评分,计算每个图像素材在全部展示场景下的第一综合评分;
根据每个图像素材的第一综合评分,评估每个图像素材在全部展示场景下的质量。
15.根据权利要求14所述的装置,其中,所述质量评估模块用于根据如下方式计算所述第一综合评分:
获取每个图像素材在每个展示场景下的曝光数和在全部展示场景下的总曝光数;
计算每个图像素材在每个展示场景下的曝光数占所述总曝光数的比例;
根据每个图像素材在每个展示场景下的评分,计算全部图像素材在每个展示场景下的平均得分;
计算每个图像素材在每个展示场景下的评分与所述平均得分的比值;
对每个图像素材在每个展示场景下的所述比值进行加权求和,以得到每个图像素材的所述第一综合评分,其中,以每个图像素材的所述比例作为对应比值的权重。
16.根据权利要求14或15所述的装置,其中,所述质量评估模块还用于:
计算每个图像素材的销量与预设销量权重之积,以得到每个图像素材的第二综合评分;
计算每个图像素材的所述第一综合评分与所述第二综合评分之和,以得到每个图像素材的综合评分;
根据每个图像素材的所述综合评分,评估每个图像素材在全部展示场景下的质量。
17.一种图像素材的质量评估装置,包括:
点击率计算模块,用于计算每个图像素材命中每种召回策略的点击率,其中,若展示给用户的图像素材与该用户的某个特征匹配,则该图像素材命中一种个性化召回策略,否则该图像素材命中通用召回策略;
评分计算模块,用于对每个图像素材命中每种召回策略的所述点击率进行加权求和,计算每个图像素材的第一综合评分;
质量评估模块,用于根据每个图像素材的第一综合评分,评估每个图像素材的质量。
18.根据权利要求17所述的装置,其中,所述点击率计算模块用于:
获取每个图像素材命中每种召回策略的点击数和曝光数;
获取全部图像素材的总点击数和总曝光数;
计算所述总曝光数与所述总点击数的比值;
以每个图像素材的所述点击数与1之和作为分子,以每个图像素材的所述曝光数与所述比值之和作为分母,计算每个图像素材的所述点击率。
19.根据权利要求17所述的装置,其中,所述评分计算模块用于:
获取每个图像素材命中每种个性化召回策略的曝光数、以及命中全部个性化召回策略的曝光总数;
计算每个图像素材的所述曝光数与所述曝光总数的比值;
其中,对每个图像素材命中每种召回策略的所述点击率进行加权求和时,以预设权重作为每个图像素材命中通用召回策略的点击率的权重,以每个图像素材的所述比值作为每个图像素材命中对应个性化召回策略的点击率的权重。
20.根据权利要求19所述的装置,其中,所述评分计算模块还用于:
计算每个图像素材的销量与预设销量权重之积,以得到每个图像素材的第二综合评分;
计算每个图像素材的所述第一综合评分与所述第二综合评分之和,以得到每个图像素材的综合评分;
所述质量评估模块还用于根据每个图像素材的所述综合评分,评估每个图像素材的质量。
21.一种图像素材的质量评估装置,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1-10中任意一项所述的图像素材的质量评估方法。
22.一种计算机可读存储介质,其上存储有计算机程序指令,其中,该指令被处理器执行时实现如权利要求1-10中任意一项所述的图像素材的质量评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810313396.3A CN110363554B (zh) | 2018-04-09 | 2018-04-09 | 图像素材的质量评估方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810313396.3A CN110363554B (zh) | 2018-04-09 | 2018-04-09 | 图像素材的质量评估方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110363554A CN110363554A (zh) | 2019-10-22 |
CN110363554B true CN110363554B (zh) | 2024-01-16 |
Family
ID=68212900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810313396.3A Active CN110363554B (zh) | 2018-04-09 | 2018-04-09 | 图像素材的质量评估方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110363554B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809487A (zh) * | 2016-03-17 | 2016-07-27 | 广州筷子信息科技有限公司 | 基于广告元素的广告投放方法和装置 |
CN105825400A (zh) * | 2016-03-16 | 2016-08-03 | 合网络技术(北京)有限公司 | 一种广告素材质量衡量的方法及系统 |
CN106875233A (zh) * | 2017-03-30 | 2017-06-20 | 北京小米移动软件有限公司 | 互联网广告的曝光量处理方法、装置及服务器 |
CN107784519A (zh) * | 2017-10-13 | 2018-03-09 | 厦门集微科技有限公司 | 一种广告效果评估方法及服务器 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9846884B2 (en) * | 2007-10-19 | 2017-12-19 | Fair Isaac Corporation | Click conversion score |
-
2018
- 2018-04-09 CN CN201810313396.3A patent/CN110363554B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105825400A (zh) * | 2016-03-16 | 2016-08-03 | 合网络技术(北京)有限公司 | 一种广告素材质量衡量的方法及系统 |
CN105809487A (zh) * | 2016-03-17 | 2016-07-27 | 广州筷子信息科技有限公司 | 基于广告元素的广告投放方法和装置 |
CN106875233A (zh) * | 2017-03-30 | 2017-06-20 | 北京小米移动软件有限公司 | 互联网广告的曝光量处理方法、装置及服务器 |
CN107784519A (zh) * | 2017-10-13 | 2018-03-09 | 厦门集微科技有限公司 | 一种广告效果评估方法及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN110363554A (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8893012B1 (en) | Visual indicator based on relative rating of content item | |
JP6211605B2 (ja) | クリックスルー率に基づく検索結果の順位付け | |
CN109241415B (zh) | 项目推荐方法、装置、计算机设备及存储介质 | |
JP6152173B2 (ja) | 商品検索結果の順位付け | |
CN112000747B (zh) | 数据多维分析方法、装置及系统 | |
CN108833458B (zh) | 一种应用推荐方法、装置、介质及设备 | |
CN106251174A (zh) | 信息推荐方法及装置 | |
JP2020503596A (ja) | ウェブサイトにおける高精度検索方法 | |
WO2018214503A1 (zh) | 一种样本权重设置方法及装置、电子设备 | |
US9875484B1 (en) | Evaluating attribution models | |
US10621641B2 (en) | Method and device for pushing information | |
US9911130B1 (en) | Attribution modeling using regression analysis | |
US10970338B2 (en) | Performing query-time attribution channel modeling | |
CN105335518A (zh) | 生成用户偏好信息的方法及装置 | |
CN111144941A (zh) | 商户评分的生成方法、装置、设备及可读存储介质 | |
KR102097045B1 (ko) | 사용자의 특성을 반영하여 상품을 추천하는 방법 및 장치 | |
CN108428138B (zh) | 一种基于客户分群的客户生存率分析装置及分析方法 | |
US9984403B2 (en) | Electronic shopping cart processing system and method | |
TW201820229A (zh) | 資料分析方法、系統及非暫態電腦可讀取媒體 | |
CN111680213A (zh) | 信息推荐方法、数据处理方法及装置 | |
JP2019191686A (ja) | 情報処理装置、情報処理システム、情報処理方法、およびプログラム | |
CN110363554B (zh) | 图像素材的质量评估方法、装置及计算机可读存储介质 | |
JP2016206767A (ja) | 購買意欲推定プログラム及び情報処理装置 | |
US20170221091A1 (en) | Method and system for performing online advertisement monitoring | |
CN114818843A (zh) | 数据分析的方法、装置和计算设备 |
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 |