CN110929159A - 资源投放方法、装置、设备及介质 - Google Patents
资源投放方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN110929159A CN110929159A CN201911202432.XA CN201911202432A CN110929159A CN 110929159 A CN110929159 A CN 110929159A CN 201911202432 A CN201911202432 A CN 201911202432A CN 110929159 A CN110929159 A CN 110929159A
- Authority
- CN
- China
- Prior art keywords
- scene
- resource
- features
- feature
- scenario
- 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
Images
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
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0245—Surveys
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种资源投放方法、装置、设备及介质,属于计算机技术领域。本公开可以根据当前场景的资源投放特性,确定当前场景对应的至少一个其他场景,从而基于当前场景和其他场景的历史资源投放记录提取特征,训练得到当前场景对应的资源投放模型,在当前场景下对待投放资源进行投放。由于影响投放结果的因素有多种,需要大量且全面的历史资源投放记录作为基础训练模型,通过获取与当前场景资源投放特性相同的其他场景的历史资源投放记录也作为模型训练样本,相比于仅使用当前场景的历史资源投放记录,提取的特征更全面,进而训练得出的资源投放模型也更准确,资源投放情况更精准,投放效果更佳,转化率更高。
Description
技术领域
本公开涉及计算机技术领域,特别涉及一种资源投放方法、装置、设备及介质。
背景技术
推荐系统是根据用户的信息需求、兴趣等,将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统,推荐过程也即是对待投放资源进行投放的过程。在某些相关技术中,资源投放可能是基于训练好的资源投放模型来为用户进行投放。
相关技术中,资源投放模型的训练过程一般是:基于当前场景的历史资源投放记录提取特征,基于提取出的特征来训练得到当前场景对应的资源投放模型。
然而在上述训练过程中,仅使用了当前场景的历史资源投放记录,使用的数据量较少,提取出的特征较不全面,进而限制了资源投放模型的学习,最终影响了资源投放模型的准确率。
发明内容
本公开实施例提供了一种资源投放方法、装置、设备及介质,可以解决相关技术中特征提取使用数据量少、提取特征不全面,进而造成训练得出的资源投放模型不准确的问题。所述技术方案如下:
一方面,提供了一种资源投放方法,所述方法包括:
根据第一场景的资源投放特性,确定所述第一场景对应的至少一个第二场景;
基于第一场景和至少一个第二场景的历史资源投放记录,获取每个场景对应的多个特征;
基于所述每个场景对应的所述多个特征,对初始模型进行训练,得到所述第一场景对应的资源投放模型;
当获取到所述第一场景的待投放资源时,将所述待投放资源输入所述资源投放模型中,输出所述待投放资源在所述第一场景下的投放结果。
在一种可能实现方式中,所述基于第一场景和至少一个第二场景的历史资源投放记录,获取每个场景对应的多个特征,包括下述任一项:
对第一场景和至少一个第二场景的历史资源投放记录进行特征提取,得到每个场景对应的多个特征;
对第一目标时间段内的第一场景和至少一个第二场景的历史资源投放记录进行特征提取,得到每个场景对应的多个第一特征,对所述多个第一特征的用户反馈情况进行统计,得到所述多个第一特征对应的至少一个第二特征,将所述至少一个第二特征和所述多个第一特征作为所述每个场景对应的多个特征。
在一种可能实现方式中,所述对所述多个第一特征的用户反馈情况进行统计,得到所述多个第一特征对应的至少一个第二特征,包括下述任一项:
对所述多个场景对应的所述多个第一特征的用户反馈情况进行统计,得到每个第一特征对应的至少一个第二特征;
对第二目标时间段内所述多个场景对应的多个第一特征的用户反馈情况进行统计,得到所述第二目标时间段内每个第一特征对应的至少一个第二特征,所述第二目标时间段在所述第一目标时间段内;
对所述第二目标时间段内第一场景对应的多个第一特征的用户反馈情况进行统计,得到第一场景对应的每个第一特征对应的至少一个第二特征;
对所述第二目标时间段内所述至少一个第二场景对应的多个第一特征的用户反馈情况进行统计,得到所述至少一个第二场景对应的每个第一特征对应的至少一个第二特征。
在一种可能实现方式中,所述对所述第二目标时间段内至少一个第二场景对应的多个第一特征的用户反馈情况进行统计,得到所述至少一个第二场景对应的每个第一特征对应的至少一个第二特征,包括:
对所述第一场景对应的多个第一特征的用户反馈情况进行统计,得到所述第一场景对应的每个第一特征的用户反馈率;
基于所述第一场景对应的每个第一特征的用户反馈率,对至少一个第二目标时间段内第二场景对应的多个第一特征中第三特征的用户反馈情况进行统计,得到至少一个第二场景对应的每个第一特征对应的至少一个第二特征,所述第三特征为所述用户反馈率符合反馈率条件的特征。
在一种可能实现方式中,所述对所述多个第一特征的用户反馈情况进行统计,得到所述多个第一特征对应的至少一个第二特征之后,所述方法还包括:
存储所述多个第一特征对应的至少一个第二特征;
所述当获取到所述第一场景的待投放资源时,将所述待投放资源输入所述资源投放模型中,输出所述待投放资源在所述第一场景下的投放结果,包括:
当获取到所述第一场景的所述待投放资源时,由所述资源投放模型对所述待投放资源进行特征提取,得到所述待投放资源的多个第一特征;
基于所述多个第一特征和所述多个第一特征对应的至少一个第二特征,输出所述待投放资源在所述第一场景下的投放结果。
在一种可能实现方式中,所述存储所述多个第一特征对应的至少一个第二特征,包括:
基于所述多个第一特征对应的至少一个第二特征,生成目标文件;
将所述目标文件存储于内存中。
在一种可能实现方式中,所述基于第一场景和至少一个第二场景的历史资源投放记录,获取每个场景对应的多个特征,包括:
基于同一特征提取规则,对所述第一场景和至少一个第二场景的历史资源投放记录进行特征提取,不同场景的相同特征的表示方式相同。
在一种可能实现方式中,所述当获取到所述第一场景的待投放资源时,将所述待投放资源输入所述资源投放模型中,输出所述待投放资源在所述第一场景下的投放结果,包括:
当获取到所述第一场景的所述待投放资源时,由所述资源投放模型对所述待投放资源进行特征提取,得到所述多个特征;
基于所述多个特征,由所述资源投放模型输出所述待投放资源在所述第一场景下的投放结果。
在一种可能实现方式中,所述基于第一场景和至少一个第二场景的历史资源投放记录,获取每个场景对应的多个特征之前,所述方法还包括:
根据同一表格生成规则,基于所述第一场景和所述至少一个第二场景的历史资源投放记录,生成每个场景对应的至少一个表格,不同场景对应的所述至少一个表格中相同字段中的表示方式相同;
所述基于第一场景和至少一个第二场景的历史资源投放记录,获取每个场景对应的多个特征,包括:
从所述每个场景对应的所述至少一个表格中提取数据,对所述数据进行特征提取,得到每个场景对应的多个特征。
在一种可能实现方式中,所述根据同一表格生成规则,基于所述第一场景和所述至少一个第二场景的历史资源投放记录,生成每个场景对应的至少一个表格,包括:
基于同一表格生成规则,基于所述第一场景和所述至少一个第二场景的历史资源投放记录,生成每个场景对应的事实表和至少一个维度表,不同场景对应的所述至少一个维度表中相同字段中的表示方式相同。
一方面,提供了一种资源投放装置,所述装置包括:
确定模块,用于根据第一场景的资源投放特性,确定所述第一场景对应的至少一个第二场景;
获取模块,用于基于第一场景和至少一个第二场景的历史资源投放记录,获取每个场景对应的多个特征;
训练模块,用于基于所述每个场景对应的所述多个特征,对初始模型进行训练,得到所述第一场景对应的资源投放模型;
输入模块,用于当获取到所述第一场景的待投放资源时,将所述待投放资源输入所述资源投放模型中;
输出模块,用于输出所述待投放资源在所述第一场景下的投放结果。
在一种可能实现方式中,所述获取模块还用于执行下述任一项:
对第一场景和至少一个第二场景的历史资源投放记录进行特征提取,得到每个场景对应的多个特征;
对第一目标时间段内的第一场景和至少一个第二场景的历史资源投放记录进行特征提取,得到每个场景对应的多个第一特征,对所述多个第一特征的用户反馈情况进行统计,得到所述多个第一特征对应的至少一个第二特征,将所述至少一个第二特征和所述多个第一特征作为所述每个场景对应的多个特征。
在一种可能实现方式中,所述装置还包括统计模块,用于执行下述任一项:
对所述多个场景对应的所述多个第一特征的用户反馈情况进行统计,得到每个第一特征对应的至少一个第二特征;
对第二目标时间段内所述多个场景对应的多个第一特征的用户反馈情况进行统计,得到所述第二目标时间段内每个第一特征对应的至少一个第二特征,所述第二目标时间段在所述第一目标时间段内;
对所述第二目标时间段内第一场景对应的多个第一特征的用户反馈情况进行统计,得到第一场景对应的每个第一特征对应的至少一个第二特征;
对所述第二目标时间段内至少一个第二场景对应的多个第一特征的用户反馈情况进行统计,得到所述至少一个第二场景对应的每个第一特征对应的至少一个第二特征。
在一种可能实现方式中,所述统计模块还用于:
对所述第一场景对应的多个第一特征的用户反馈情况进行统计,得到所述第一场景对应的每个第一特征的用户反馈率;
基于所述第一场景对应的每个第一特征的用户反馈率,对至少一个第二目标时间段内第二场景对应的多个第一特征中第三特征的用户反馈情况进行统计,得到至少一个第二场景对应的每个第一特征对应的至少一个第二特征,所述第三特征为所述用户反馈率符合反馈率条件的特征。
在一种可能实现方式中,所述装置还包括:
存储模块,用于存储所述多个第一特征对应的至少一个第二特征;
所述输入模块还用于当获取到所述第一场景的所述待投放资源时,由所述资源投放模型对所述待投放资源进行特征提取,得到所述待投放资源的多个第一特征;
所述输出模块还用于基于所述多个第一特征和所述多个第一特征对应的至少一个第二特征,输出所述待投放资源在所述第一场景下的投放结果。
在一种可能实现方式中,所述存储模块还用于:
基于所述多个第一特征对应的至少一个第二特征,生成目标文件;
将所述目标文件存储于内存中。
在一种可能实现方式中,所述获取模块还用于基于同一特征提取规则,对所述第一场景和至少一个第二场景的历史资源投放记录进行特征提取,不同场景的相同特征的表示方式相同。
在一种可能实现方式中,所述输入模块还用于当获取到所述第一场景的所述待投放资源时,由所述资源投放模型对所述待投放资源进行特征提取,得到所述多个特征;
所述输出模块还用于基于所述多个特征,由所述资源投放模型输出所述待投放资源在所述第一场景下的投放结果。
在一种可能实现方式中,所述装置还包括生成模块,用于根据同一表格生成规则,基于所述第一场景和所述至少一个第二场景的历史资源投放记录,生成每个场景对应的至少一个表格,不同场景对应的所述至少一个表格中相同字段中的表示方式相同;
所述获取模块还用于从所述每个场景对应的所述至少一个表格中提取数据,对所述数据进行特征提取,得到每个场景对应的多个特征。
在一种可能实现方式中,所述生成模块还用于基于同一表格生成规则,基于所述第一场景和所述至少一个第二场景的历史资源投放记录,生成每个场景对应的事实表和至少一个维度表,不同场景对应的所述至少一个维度表中相同字段中的表示方式相同。
一方面,提供了一种计算机设备,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条指令,所述指令由所述一个或多个处理器加载并执行以实现所述资源投放方法所执行的操作。
一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现所述资源投放方法所执行的操作。
本公开实施例提供的技术方案带来的有益效果至少可以包括:
本公开实施例提供的技术方案,根据当前场景的资源投放特性,确定当前场景对应的至少一个其他场景,从而基于当前场景和其他场景的历史资源投放记录提取特征,训练得到当前场景对应的资源投放模型,在当前场景下对待投放资源进行投放。由于影响投放结果的因素有多种,需要大量且全面的历史资源投放记录作为基础训练模型,通过获取与当前场景资源投放特性相同的其他场景的历史资源投放记录也作为模型训练样本,相比于仅使用当前场景的历史资源投放记录,提取的特征更全面,进而训练得出的资源投放模型也更准确,利用该资源投放模型投放资源时,投放情况更精准,投放效果更佳,转化率更高。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例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是本公开实施例提供的一种资源投放方法的实施环境示意图;
图2是本公开实施例提供的一种资源投放方法流程图;
图3是本公开实施例提供的一种数据处理流程图;
图4是本公开实施例提供的一种特征映射流程图;
图5是本公开实施例提供的一种特征工程流程图;
图6是本公开实施例提供的一种资源投放装置结构示意图;
图7是本公开实施例提供的一种终端的结构示意图;
图8是本公开实施例提供的一种服务器的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开实施方式作进一步地详细描述。
资源投放指的是对待投放资源进行投放。在相关技术中,资源投放可能是基于训练好的资源投放模型来为用户进行投放。不过,资源投放模型多是基于所应用的当前场景的历史资源投放记录经训练得到的,使用的数据量较少,且从数据中提取出的特征较不全面,限制了资源投放模型的学习并影响了资源投放模型的准确率。有鉴于此,本公开实施例提供一种资源投放方法、装置、设备及介质,除了当前场景的数据之外还参考了与当前场景相关的其他场景的历史资源投放记录,用于训练,可使得训练得到的当前场景对应的资源投放模型更准确,并基于资源投放模型在当前场景下对待投放资源进行投放,提高了投放准确率。
图1是本公开实施例提供的一种资源投放方法的实施环境,参见图1,该实施环境中可以包括数据库110和服务器120,也可以单独是服务器120。
在实施环境包括数据库110和服务器120时,数据库110可以存储有多个场景的历史资源投放记录,具体可以存储有第一场景和至少一个第二场景的历史资源投放记录。服务器120可以用于训练初始模型,在训练初始模型时,服务器120可以通过网络从数据库110中获取第一场景和至少一个第二场景的历史资源投放记录对初始模型进行训练,得到该第一场景对应的资源投放模型。
在实施环境仅包括服务器120时,服务器120可以用于接收或存储第一场景和至少一个第二场景的历史资源投放记录,还可以对初始模型进行训练,得到该第一场景对应的资源投放模型。
图2是本公开实施例提供的一种资源投放方法流程图,该方法应用于服务器中,参见图2,该方法包括:
200、服务器根据第一场景的资源投放特性,确定该第一场景对应的至少一个第二场景。
该第一场景和至少一个第二场景可以是任意需要进行资源投放的场景,该场景可以包括各种网页或客户端中需要进行资源投放的场景,例如商品网页或客户端、音乐网页或客户端以及新闻网页或客户端等场景,本公开实施例对此不进行限定。
其中,该第一场景可以为当前需要进行资源投放的场景,该至少一个第二场景可以是该第一场景之外的场景,该至少一个第二场景可以根据该第一场景的资源投放特性确定,这样该第二场景与第一场景的资源投放特性相同,在训练模型时,不仅采用了当前场景的历史资源投放记录,还可以采用具有相同资源投放特性的其他场景的历史投放记录,获取的数据更全面,有利于训练出更准确的资源投放模型。
具体地,该资源投放特性可以包括多种因素。在一种可能实现方式中,该资源投放特性可以为投放的资源的类型,服务器可以根据第一场景中投放的资源的类型,确定该第一场景对应的至少一个第二场景。该至少一个第二场景投放的资源的类型可以与该第一场景投放的资源的类型相同,也可以相关。
例如,该第一场景可以为保暖耳罩的商品页面,投放的资源的类型为服饰类,服务器可以获取投放其他服饰类的资源的场景作为第二场景,比如,手套、帽子、围巾等资源的投放场景。又例如,该投放的资源的类型可以为娱乐新闻类,服务器可以获取与娱乐新闻类相关的人物类的资源投放场景作为第二场景。
在另一种可能实现方式中,该资源投放特性可以为投放规则或投放参考因素。以投放参考因素为例,该服务器可以提取该第一场景的投放参考因素,根据该投放参考因素,确定该投放参考因素包括该第一场景的投放参考因素的至少一个第二场景。例如,该第一场景为新闻网页,该新闻页面中投放新闻的投放参考因素可以是热度和实时性,由于在论坛网页帖子的投放也是根据热度和发帖时间,也即是根据热度和实时性,因此可以确定论坛网页的场景为该第二场景。
在另一种可能实现方式中,该资源投放特性还可以包括资源投放渠道,服务器可以获取该第一场景的资源投放渠道,根据该资源投放渠道,确定采用该资源投放渠道的其他场景作为第二场景。例如,该第一场景为美食推荐网页,该美食推荐页面中场景类型也即是页面类型,由于美食推荐网页的页面类型和外卖推荐网页的类型相似,均包括不同类型美食的分类,例如,自助餐、晚餐、蛋糕奶茶等分类,可以确定外卖推荐网页为该至少一个第二场景。
201、服务器获取第一场景和至少一个第二场景的历史资源投放记录。
该历史资源投放记录可以包括该第一场景和至少一个第二场景中,服务器收集到的用户在场景中浏览或点击的资源,还可以包括用户的身份信息数据。该资源可以包括多种内容,例如,可以包括商品资源、音乐资源、视频资源或新闻资源,本公开实施例对该资源的具体内容不进行限定。该历史资源投放记录可以包括多种内容,例如:在购物类网站中,对于用户A对商品B的一条点击记录,该历史资源投放记录中可以包括该用户A的份信息、用户A的点击信息、用户A所点击的商品B的种类、名称、价格等信息。该历史资源投放记录中具体包括的内容可以由技术人员根据需求进行设置,本公开实施例对此不进行限定。
服务器可以通过多种方式,来获取该第一场景和至少一个第二场景的历史资源投放记录。在一种可能实现方式中,该第一场景和至少一个第二场景的历史资源投放记录可以存储在数据库中,服务器可以从该数据库中获取该第一场景和至少一个第二场景的历史资源投放记录。在另一种可能实现方式中,服务器可以存储有该第一场景和至少一个第二场景的历史资源投放记录,服务器可以直接获取该第一场景和至少一个第二场景的历史资源投放记录,本公开实施例对服务器获取该第一场景和至少一个第二场景的历史资源投放记录的方式不进行限定。
在一种可能实现方式中,服务器在获取到该第一场景和该至少一个第二场景的历史资源投放记录后,可以根据同一表格生成规则,基于该第一场景和该至少一个第二场景的历史资源投放记录,生成每个场景对应的至少一个表格,不同场景对应的该至少一个表格中相同字段中的表示方式相同。
该至少一个表格中相同字段中的表示方式相同,也即是,在不同场景的表格中相同的字段中的相同数据,表示的含义相同,例如,不同场景中城市字段的数据均为1时,该数字1的含义均为上海。又或者城市字段的数据均为0,该数字0的含义均为广州。相同字段中的表示方式相同保证了每个场景的历史资源投放记录按照统一的格式进行表示,便于后续的特征提取步骤,直接从表格中相应字段提取不同场景下相同的特征。其中,上述表格生成规则、至少一个表格的表格数量和相同字段中的表示方式均可以由技术人员根据需求进行设置,本公开实施例对此不进行限定。
在一种可能实现方式中,每个场景对应的至少一个表格的表格数量为多个时,该多个表格存储的数据之间可以是有关联关系的。该多个表格中可以有一个表格包括多个维度的数据,该多个维度中每个维度可以对应有一个表格,该表格中可以包括该维度的具体数据。例如,该至少一个表格的表格数量为3,包括:表格A、表格B和表格C。表格A中可以存储用户的身份标识号码和用户点击的商品对应的商品编码,表格B可以存储该用户的身份标识号码以及用户的性别、年龄等具体信息,表格C可以存储该商品编码以及该商品的类别、价格等具体信息。
在一种可能实现方式中,服务器可以基于同一表格生成规则,基于该第一场景和该至少一个第二场景的历史资源投放记录,生成每个场景对应的事实表和至少一个维度表,不同场景对应的该至少一个维度表中相同字段中的表示方式相同。
在该可能实现方式中,服务器可以将每个场景的历史资源投放记录存储到对应的事实表和至少一个维度表中。该事实表中可以包括多个维度的数据,该多个维度中每个维度可以对应有一个维度表,该维度表中可以包括该维度的具体数据。对于每个场景,可以对应有一个事实表,该事实表中可以包括至少一个外键类别和对应的外键取值,还可以包括至少一个标签,该标签可以是在训练资源投放模型时训练的目标,该外键和标签的类别可以由技术人员根据需求进行设置,本公开实施例对此不进行限定。每个事实表结构化数据的字段可以是固定的,技术人员不可自行设置,例如,每个事实表中至少一个外键类别对应的外键取值均为固定的编号类别。
对于每个场景,每个事实表可以对应有至少一个维度表,该至少一个维度表中结构化数据的字段,可以由技术人员根据需求进行设置,本公开实施例对此不进行限定。维度表可以包括对应事实表任一外键的相关信息。在一种可能实现方式中,不同场景的事实表对应的至少一个维度表可以定义有相同的结构化数据的字段。
在一个具体示例中,对于每个场景的历史资源投放记录,服务器可以首先使用蜂巢(hive)工具,将该场景的历史资源投放记录映射为一张数据库表,再在原始(proto)文件中定义事实表和维度表的数据结构,借助proto文件生成协议缓冲区(Protocol Buffers,Protobuf)格式的事实表和至少一个维度表。例如,具体生成表格的过程可以如图3,图3是本公开实施例提供的一种数据处理流程图,参见图3。服务器在proto文件中定义实体类(Entitys class)和印象类(Impression class),proto文件提取hive表中的数据分别按类存储,生成一个Protobuf格式的维度表也即是图3中的印象协议缓冲区(ImpressionProtobuf,Impression pb),以及至少一个Protobuf格式的维度表也即是图3中的实体协议缓冲区(Entitys Protobuf,Entitys pb)。该事实表中可以包括插槽和标签,插槽可以包括请求(req)以及对应的身份识别号码(identity,id)、用户(user)以及对应的身份识别号码等内容,标签可以包括点击(click)和浏览量(page view,pv)。维度表包括业务自定义字段,也即是维度表包括的结构化字段可以由业务方根据需求定义,该业务方也即是需求方。该至少一个第二场景对应的至少一个维度表的结构化字段可以使用该第一场景对应的至少一个维度表的结构化字段,也即是复用该第一场景对应的至少一个维度表的结构化字段,无法使用该结构化字段的该至少一个第二场景,可以重新定义该至少一个第二场景对应的至少一个维度表的结构化字段。
服务器使用上述维度表和事实表表示每个场景的历史资源投放记录,可以降低引入外部数据的代价。对于每个资源投放场景,几乎都有一份清洗好的事实表,每个业务方都有自己维护的多张维度表。只需不同业务方,从事实表中拿到自己需要的字段,增加必要的维度表即可,复用简单,可以降低使用成本。
202、服务器基于该第一场景和该至少一个第二场景的历史资源投放记录,获取每个场景对应的多个特征。
服务器在获取到该第一场景和至少一个第二场景的历史资源投放记录后,需要对该历史资源投放记录进行特征提取,得到每个场景对应的多个特征,该多个特征可以用于模型训练。
在一种可能实现方式中,服务器可以直接基于步骤201中获取的该第一场景和该至少一个第二场景的历史资源投放记录进行特征提取。在另一种可能实现方式中,服务器在获取到该第一场景和该至少一个第二场景的历史资源投放记录后,根据同一表格生成规则,基于该第一场景和该至少一个第二场景的历史资源投放记录,生成了每个场景对应的至少一个表格,则服务器在该步骤202中可以从该每个场景对应的该至少一个表格中提取数据,对该数据进行特征提取,得到每个场景对应的多个特征。
在一种可能实现方式中,服务器还可以基于同一特征提取规则,对该第一场景和至少一个第二场景的历史资源投放记录进行特征提取,不同场景的相同特征的表示方式相同。该同一特征提取规则可以有多种,例如可以为一份相同的特征提取代码,技术人员可以根据需求配置特征,编译生成该特征提取代码。
服务器进行特征提取的方式可以有多种,服务器可以基于该第一场景和该至少一个第二场景的历史资源投放记录,直接提取得到多个特征,服务器还可以基于该第一场景和该至少一个第二场景的历史资源投放记录,提取得到多个特征后,基于该多个特征进行统计,得到更多的特征。在一种可能实现方式中,具体可以为下述方式一至方式二中的任一种:
方式一、服务器对第一场景和至少一个第二场景的历史资源投放记录进行特征提取,得到每个场景对应的多个特征。
方式一是服务器基于该第一场景和该至少一个第二场景的历史资源投放记录,直接提取得到多个特征的方式。每个场景的历史资源投放记录都对应有多个特征,服务器提取每个场景对应的多个特征用于模型训练,使用的数据范围更大,有利于提高训练的资源投放模型的准确度。
方式二、服务器对第一目标时间段内的第一场景和至少一个第二场景的历史资源投放记录进行特征提取,得到每个场景对应的多个第一特征,对该多个第一特征的用户反馈情况进行统计,得到该多个第一特征对应的至少一个第二特征,将该至少一个第二特征和该多个第一特征作为该每个场景对应的多个特征。
方式二是服务器基于该第一场景和该至少一个第二场景的历史资源投放记录,提取得到多个特征后,基于该多个特征进行统计,得到更多的特征的方式。该第一特征可以是服务器基于历史投放记录直接提取的,该第二特征可以是统计型特征,由服务器对该多个第一特征的用户反馈情况进行统计,得到该多个第一特征对应的至少一个第二特征。
该用户反馈情况可以是用户对网页或客户端展示内容的反馈情况,具体可以包括多种用户反馈情况,例如,用户对展示内容的浏览情况或点击情况。服务器将该用户反馈情况用于训练模型,可以使训练出的模型更准确。该第一目标时间段可以是任意长度的时间段,例如2小时、24小时或48小时。该用户反馈情况和该第一目标时间段均可以由技术人员根据需求进行设置,本公开实施例对此不进行限定。
该第二特征可以包括多种特征,例如,该第二特征可以是曝光量、点击率、点赞率、转发次数、分享次数、商品价格的平均值、浏览时长的平均值、商品被购买次数的统计值等需要进行统计的特征。该第二特征可以由技术人员根据需求进行设置,本公开实施例对此不进行限定。在一个具体示例中,该用户反馈情况可以是用户对任一第一特征的点击与否,该至少一个第二特征可以是该第一特征的曝光量和点击率,服务器根据任一第一特征的点击次数与未点击次数之和,得到该第一特征的曝光量,根据点击次数与该曝光量的比值,得到该第一特征的点击率。
该方式二服务器获取的特征不仅包括基于第一场景和至少一个第二场景的历史资源投放记录进行特征提取,得到的每个场景对应的多个第一特征,还对多个场景中相同特征对应的用户反馈情况进行了统计,得到的特征更全面,也可以通过这种统计,将多个场景的数据的统计型特征同时统计使用,引入该第一场景之外的场景的统计型特征,有利于训练出准确的资源投放模型。
对于上述方式二,服务器可以有多种对该多个第一特征的用户反馈情况进行统计,得到该多个第一特征对应的至少一个第二特征的方式,在一种可能实现方式中,具体可以包括下述方式一至方式四中的任一项:
方式一、服务器对该多个场景对应的该多个第一特征的用户反馈情况进行统计,得到每个第一特征对应的至少一个第二特征。
服务器对该第一目标时间段内的每个第一特征在该多个场景中的用户反馈情况进行统计,得到每个第一特征对应的至少一个第二特征。该至少一个第二特征是基于该第一目标时间段内该多个场景的历史资源投放记录统计得出的。
方式二、服务器对第二目标时间段内该多个场景对应的多个第一特征的用户反馈情况进行统计,得到该第二目标时间段内每个第一特征对应的至少一个第二特征,该第二目标时间段在该第一目标时间段内。
该方式二是服务器对该多个场景对应的多个第一特征的用户反馈情况进行统计的方式。服务器对该第二目标时间段内的每个第一特征在该多个场景中的用户反馈情况进行统计,得到每个第一特征对应的至少一个第二特征。该至少一个第二特征是基于该第二目标时间段内该多个场景的历史资源投放记录统计得出的。该第二目标时间段的长度小于该第一目标时间段的长度,且在该第一目标时间段内,例如该第一目标时间段可以为当前时刻之前的48小时,该第二目标时间段可以为当前时刻之前的24小时。该第二目标时间段的长度以及在该第一目标时间段内的位置,可以由技术人员根据需求进行设置,本公开实施例对此不进行限定。
方式三、服务器对第二目标时间段内第一场景对应的多个第一特征的用户反馈情况进行统计,得到第一场景对应的每个第一特征对应的至少一个第二特征。
该方式三是服务器对该第一场景对应的多个第一特征的用户反馈情况进行统计的方式。服务器对该第二目标时间段内的每个第一特征在该第一场景中的用户反馈情况进行统计,得到该第一场景中每个第一特征对应的至少一个第二特征。该至少一个第二特征是基于该第二目标时间段内该第一场景的历史资源投放记录统计得出的。
方式四、服务器对该第二目标时间段内该至少一个第二场景对应的多个第一特征的用户反馈情况进行统计,得到至少一个第二场景对应的每个第一特征对应的至少一个第二特征。
该方式四是服务器对该至少一个第二场景对应的多个第一特征的用户反馈情况进行统计的方式。服务器对该第二目标时间段内的每个第一特征在该至少一个第二场景中的用户反馈情况进行统计,得到该至少一个第二场景中每个第一特征对应的至少一个第二特征。该至少一个第二特征是基于该第二目标时间段内该至少一个第二场景的历史资源投放记录统计得出的。
在一种可能实现方式中,上述方式四可以通过下述步骤一至步骤二实现:
步骤一、服务器对该第一场景对应的多个第一特征的用户反馈情况进行统计,得到该第一场景对应的每个第一特征的用户反馈率。
对于每个第一特征,该用户反馈率可以是用户对于该第一特征的反馈情况的体现,具体可以包括多种内容,例如,用户对展示内容的点击率或用户对展示内容的播放率。
步骤二、服务器基于该第一场景对应的每个第一特征的用户反馈率,对该第二目标时间段内该至少一个第二场景对应的多个第一特征中第三特征的用户反馈情况进行统计,得到至少一个第二场景对应的每个第一特征对应的至少一个第二特征,该第三特征为该用户反馈率符合反馈率条件的特征。
该步骤二中,服务器基于该第一场景对应的每个第一特征的用户反馈率,对多个第一特征进行了筛选,得到该用户反馈率符合反馈率条件的第一特征作为第三特征。该反馈率条件可以有多种,本公开实施例对此不进行限定。
例如,该反馈率条件可以是该第一场景中任一第一特征对应的用户反馈率高于目标反馈率,在符合该反馈率条件时,将该第一特征可以为第三特征,服务器对该第二目标时间段内该至少一个第二场景的该第一特征进行统计,得到该第一特征对应的至少一个第二特征。
该步骤中根据该第一场景对应的每个第一特征的用户反馈率,对多个第一特征进行了筛选,可以筛选掉当前场景下用户反馈率低,也即是与用户反馈相关性小的第二特征,与用户反馈相关性小的第二特征对于预估用户的资源投放内容帮助较小,不再进行统计。
在一个具体示例中,该用户反馈情况可以包括用户对展示内容的点击操作情况,该用户反馈率可以是包括浏览量(page view,PV)和点击率(Click-throughRate,CTR)。服务器对第二目标时间段的该第一场景对应的多个第一特征的用户反馈情况进行统计,得到多个第一特征对应的用户点击操作数量总和以及浏览数量总和,对每个第一特征对应的用户点击操作数量总和以及浏览数量总和进一步统计,得到该第一特征对应的浏览量和点击率,作为该第一特征对应的用户反馈率。该反馈率条件可以是该点击率大于目标点击率,该浏览量大于目标浏览量。服务器可以对至少一个第二场景对应的满足该反馈率条件的多个第一特征的用户反馈情况进行统计,得到该至少一个第二场景对应的每个第一特征对应的至少一个第二特征,该至少一个第二特征可以为点击数量和浏览数量。
在一个具体示例中,服务器基于同一表格生成规则,基于该第一场景和该至少一个第二场景的历史资源投放记录,生成每个场景对应的事实表和至少一个维度表后,将每个场景对应的事实表和至少一个维度表进行表连接,使用相同的特征抽取代码对每个场景对应的事实表和至少一个维度表进行特征提取,也即是基于同一特征提取规则提取多个第一特征,该特征抽取代码可以是根据技术人员特征配置上编译生成的代码。该过程中服务器可以使用哈希函数获取每个第一特征对应的哈希值,作为特征身份标识(feature id,fid),同时预留每个第一特征对应的至少一个第二特征的对应的特征fid,保留每个第一特征和对应的至少一个第二特征的映射关系,该至少一个第二特征可以包括浏览量(pageview)和点击(click)。
服务器可以对第二目标时间段的该第一场景和至少一个第二场景的历史资源投放记录提取出的多个特征进行统计,得到该第一场景中每个第一特征对应的至少一个第二特征。服务器可以对该每个第一特征对应的至少一个第二特征进行筛选,过滤至少一个第二特征低于目标阈值的第二特征或对应的第一特征,统计第一目标时间段内该多个场景中通过筛选的第一特征对应的至少一个第二特征,得到该多个场景多个第一特征和每个第一特征对应的至少一个第二特征。例如,该第二目标时间段可以为一天,该第一目标时间段可以为多天,该至少一个第二特征可以为浏览量和点击,服务器可以统计一天内该第一场景中每个第一特征对应的浏览量和点击,根据每个第一特征对应的浏览量和点击,进行筛选步骤,得到通过筛选的第一特征对应的至少一个第二特征,继而统计多天内过筛选的第一特征对应的至少一个第二特征。如果该至少一个第二特征对应的初始值为0,如果统计得到的该至少一个第二特征的数值发生变化,可以对初始值进行替换并做平滑处理,更新该至少一个第二特征。服务器还可以不进行该筛选步骤,获取每个场景对应的多个第一特征和每个第一特征对应的至少一个第二特征后,对该每个场景中每个第一特征对应的至少一个第二特征进行统计,得到多个场景每个第一特征对应的至少一个第二特征。
例如,图4是本公开实施例提供的一种特征映射流程图,参见图4。该流程图也即是上述具体示例的流程图,当前样本也即是该第一场景的历史资源投放记录,外部样本也即是该至少一个第二场景的历史资源投放记录,分别对当前样本和外部样本进行特征提取,得到每个场景对应的多个第一特征,并对该多个第一特征的用户反馈也即是点击量和曝光量进行统计,得到每个第一特征对应的至少一个第二特征。每个第一特征和对应的至少一个第二特征均用特征fid表示,例如第一特征用fid1表示,该第一特征对应的至少一个第二特征用fid1_pv_initial和fid1_ctr_initial表示。对于外部样本中不同场景中相同第一特征对应的至少一个第二特征进行统计,得到外部样本中每个第一特征对应的至少一个第二特征,也即是图中的fid1_pv:100,click:1,然后将该外部样本和当前样本中相同第一特征对应的至少一个第二特征进行统计,更新最终的每个第一特征对应的至少一个第二特征,也即是该图4中的fid1_pv_new和fid1_ctr_new。该流程可以抽取任意组合特征的pv、ctr。通过特征的偏置位和取值,确定唯一编码,从而让流程对组合特征和单值特征无感知,能够追溯所有组合特征的pv、ctr,提高特征迭代效率。
在一种可能实现方式中,服务器对该多个第一特征的用户反馈情况进行统计,得到该多个第一特征对应的至少一个第二特征之后,服务器还可以存储该多个第一特征对应的至少一个第二特征。服务器可以按照多种方式进行存储,在一种可能实现方式中,服务器可以基于该多个第一特征对应的至少一个第二特征,生成目标文件,将该目标文件存储于内存中。该多个第一特征对应的至少一个第二特征是服务器基于历史资源投放记录统计得到的,在使用资源投放模型过程中,基于用户线上的历史资源投放记录统计得到该至少一个第二特征是很困难的,因此服务器将该多个第一特征对应的至少一个第二特征进行存储,可以在使用资源投放模型过程中,基于该多个第一特征,提取得到该多个第一特征对应的至少一个第二特征,不必进行统计,降低了模型使用的困难度,有利于得出更准确的投放结果。
在一种具体示例中,服务器可以按照如图5所示的流程进行上述步骤201至步骤202的步骤。图5是本公开实施例提供的一种特征工程流程图,参见图5。服务器可以在上述步骤201获取该第一场景和至少一个第二场景的历史资源投放记录后,基于每个场景的历史资源投放记录生成了事实表和至少一个维度表,也即是图中的印象协议缓冲区(Impression Protobuf,Impression pb)、请求协议缓冲区(Request Protobuf,Req pb)和用户协议缓冲区(User pb)。该事实表和至少一个维度表进行匹配(match)组成了原始样本,之后服务器基于原始样本进行特征抽取步骤。服务器可以基于该原始样本抽取单天内特征对应的pv、ctr,也即是统计得到单天内多个第一特征对应的至少一个第二特征,还可以统计多天内多个第一特征对应的至少一个第二特征,服务器将多个第一特征和多天内该多个第一特征对应的至少一个第二特征存储为表格(table)资源。服务器还可以将该多个第一特征和多天内该多个第一特征对应的至少一个第二特征,存储为支持向量机(LibSVM)模式的离线数据,服务器还可以不统计多天内该多个第一特征对应的至少一个第二特征,直接将该多个第一特征进行存储。服务器可以根据需求将该多个第一特征和多天内该多个第一特征对应的至少一个第二特征,存储为其他格式的离线数据,本公开实施例对此不进行限定。该流程中服务器可以每个特征转成入口(Entry),以二进制格式保存在本地,以时间为分界线对该多个第一特征和该多个第一特征对应的至少一个第二特征进行存储,也即是以时间戳控制资源版本,随着时间不同不断更新资源。
203、服务器基于该每个场景对应的该多个特征,对初始模型进行训练,得到该第一场景对应的资源投放模型。
服务器通过上述步骤获取每个场景对应的多个特征后,对初始模型进行模型训练,调整该初始模型中的模型参数,得到该第一场景对应的资源投放模型。
在一种可能实现方式中,具体模型训练过程可以为:服务器将该每个场景对应的该多个特征输入初始模型,由该初始模型对输入的特征进行处理,输出投放结果,基于该投放结果和标记的投放结果,对该初始模型的模型参数进行调整,不断提高该初始模型投放的准确率,最终得到该第一场景对应的资源投放模型。
在一种可能实现方式中,该步骤203中,该两种场景的数据在训练过程中可以同时使用,也可以先后使用,本申请实施例对此不作限定。例如,服务器可以同时将该第一场景和至少一个第二场景输入初始模型中进行训练,服务器也可以先使用该至少一个第二场景的历史资源投放记录提取的特征训练得到初步模型,然后基于该第一场景的历史资源投放记录提取的特征训练该初步模型,最终得到该第一场景对应的资源投放模型。服务器还可以先使用该第一场景的历史资源投放记录提取的特征训练得到初步模型,然后基于该至少一个第二场景的历史资源投放记录提取的特征训练该初步模型,最终得到第一场景对应的资源投放模型。
204、当获取到该第一场景的待投放资源时,服务器将该待投放资源输入该资源投放模型中,输出该待投放资源在该第一场景下的投放结果。
当服务器获取到待投放资源时,将该待投放资源输入该资源投放模型,由该资源投放模型根据该待投放资源进行投放,最终输出该待投放资源在该第一场景下的投放结果。其中,该待投放资源可以包括被投放用户的信息和待投放资源信息,该待投放资源信息可以包括多种内容,例如,可以包括待投放商品信息、待投放音乐信息或待投放新闻信息。
在一种可能实现方式中,该步骤204具体可以包括:当服务器获取到该第一场景的该待投放资源时,由该资源投放模型对该待投放资源进行特征提取,得到该多个特征;服务器基于该多个特征,由该资源投放模型输出该待投放资源在该第一场景下的投放结果。该实现方式中服务器使用的资源投放模型也是基于直接提取的特征训练得出的。
在另一种可能实现方式中,服务器对该多个第一特征的用户反馈情况进行统计,得到该多个第一特征对应的至少一个第二特征之后,服务器存储了该多个第一特征对应的至少一个第二特征。服务器基于多个场景对应的多个第一特征和每个第一特征对应的至少一个第二特征训练得到资源投放模型。该步骤204具体可以包括下述步骤一至步骤二:
步骤一、当服务器获取到该第一场景的该待投放资源时,由该资源投放模型对该待投放资源进行特征提取,得到该待投放资源的多个第一特征。
该多个第一特征是基于该待投放资源直接提取的,该特征提取过程与上述步骤202所示内容同理,本公开实施例在此不多做赘述。在一种可能实现方式中,该资源投放模型可以基于同一特征提取规则,对该待投放资源进行特征提取,得到该待投放资源的多个第一特征。该特征提取规则即可为上述模型训练时所采用的特征提取规则。
步骤二、服务器基于该多个第一特征和该多个第一特征对应的至少一个第二特征,输出该待投放资源在该第一场景下的投放结果。
由于服务器将该多个第一特征对应的至少一个第二特征存储到内存中,服务器可以从内存中获取该多个第一特征对应的至少一个第二特征,基于该多个第一特征和该多个第一特征对应的至少一个第二特征,输出该待投放资源在该第一场景下的投放结果。
在一种具体可能实现方式中,上述步骤201至步骤203可以是离线进行的,步骤204可以是在线进行的。服务器在步骤202对该多个第一特征的用户反馈情况进行统计,得到该多个第一特征对应的至少一个第二特征之后,服务器可以离线存储该多个第一特征对应的至少一个第二特征,生成对应的资源文件。在步骤204中,服务器可以将离线生成的该资源文件拉取到本地,读取到内存中。当有新版本离线资源更新时,服务器可以线上读取该新版本离线资源到内存,切换指针释放旧资源。服务器获取到该第一场景的该待投放资源,由该资源投放模型对该待投放资源进行特征提取,得到该待投放资源的多个第一特征。该待投放资源可以是需要进行推荐的场景下,对于一条推荐请求召回的全部候选集。该资源投放模型可以使用和离线过程中相同的代码抽取该多个第一特征,服务器可以根据线上读取到内存中的资源文件,查找对应的键(key),得到该多个第一特征对应的至少一个第二特征,也即是拿到对应的值(value)。服务器得到该多个第一特征和该多个第一特征对应的至少一个第二特征后,可以进行特征拼接步骤,将该多个第一特征和该多个第一特征对应的至少一个第二特征拼接到样本中,发送给打分服务在线打分,根据打分结果,将得分最高的目标数量的待投放资源投放给用户。该具体可能实现方式,对于任意的业务方也即是需求方,保证相同字段取值含义相同的前提下,自动进行特征提取,用外部数据也即是该至少一个第二场景的历史资源投放记录的pv、ctr对当前的待投放资源进行补充,是一个通用、自动的流程。
通过上述方法,服务器可以得到待投放资源在该第一场景下的投放结果,从而根据该投放结果进行投放,例如,在新闻投放场景中,该投放结果可以是娱乐新闻,服务器根据该投放结果,可以在用户终端界面显示更多的娱乐新闻。
上述资源投放方法的应用场景可以包括多种,例如,可以是首页信息流(feeds),例如,购物客户端或网站的首页,也可以是商户详情页,还可以是商品购买详情页,例如,团单详情页。本公开可以应用到所有需要引入外部数据进行投放的场景,尤其对于广告投放,自然和广告的场景具有高度一致性,且广告样本天然不够充足。本公开可以在投放广告ctr预估上可以取得显著效果,因此可以在投放广告的领域中被使用。本公开实施例对本公开的具体应用场景不进行限定。
本公开实施例提供的方法,可以根据当前场景的资源投放特性,确定当前场景对应的至少一个其他场景,从而基于当前场景和其他场景的历史资源投放记录提取特征,训练得到当前场景对应的资源投放模型,在当前场景下对待投放资源进行投放。由于影响投放结果的因素有多种,需要大量且全面的历史资源投放记录作为基础训练模型,通过获取与当前场景资源投放特性相同的其他场景的历史资源投放记录也作为模型训练样本,相比于仅使用当前场景的历史资源投放记录,提取的特征更全面,进而训练得出的资源投放模型也更准确,利用该资源投放模型投放资源,投放情况更精准,投放效果更佳,转化率更高。
图6是本公开实施例提供的一种资源投放装置结构示意图,参见图6,该装置包括:
确定模块600,用于根据第一场景的资源投放特性,确定该第一场景对应的至少一个第二场景;
获取模块601,用于基于第一场景和至少一个第二场景的历史资源投放记录,获取每个场景对应的多个特征;
训练模块602,用于基于该每个场景对应的该多个特征,对初始模型进行训练,得到该第一场景对应的资源投放模型;
输入模块603,用于当获取到该第一场景的待投放资源时,将该待投放资源输入该资源投放模型中;
输出模块604,用于输出该待投放资源在该第一场景下的投放结果。
在一种可能实现方式中,该获取模块还用于执行下述任一项:
对第一场景和至少一个第二场景的历史资源投放记录进行特征提取,得到每个场景对应的多个特征;
对第一目标时间段内的第一场景和至少一个第二场景的历史资源投放记录进行特征提取,得到每个场景对应的多个第一特征,对该多个第一特征的用户反馈情况进行统计,得到该多个第一特征对应的至少一个第二特征,将该至少一个第二特征和该多个第一特征作为该每个场景对应的多个特征。
在一种可能实现方式中,该装置还包括统计模块,用于执行下述任一项:
对该多个场景对应的该多个第一特征的用户反馈情况进行统计,得到每个第一特征对应的至少一个第二特征;
对第二目标时间段内该多个场景对应的多个第一特征的用户反馈情况进行统计,得到该第二目标时间段内每个第一特征对应的至少一个第二特征,该第二目标时间段在该第一目标时间段内;
对该第二目标时间段内第一场景对应的多个第一特征的用户反馈情况进行统计,得到第一场景对应的每个第一特征对应的至少一个第二特征;
对该第二目标时间段内至少一个第二场景对应的多个第一特征的用户反馈情况进行统计,得到该至少一个第二场景对应的每个第一特征对应的至少一个第二特征。
在一种可能实现方式中,该统计模块还用于:
对该第一场景对应的多个第一特征的用户反馈情况进行统计,得到该第一场景对应的每个第一特征的用户反馈率;
基于该第一场景对应的每个第一特征的用户反馈率,对至少一个第二目标时间段内第二场景对应的多个第一特征中第三特征的用户反馈情况进行统计,得到至少一个第二场景对应的每个第一特征对应的至少一个第二特征,该第三特征为该用户反馈率符合反馈率条件的特征。
在一种可能实现方式中,该装置还包括:
存储模块,用于存储该多个第一特征对应的至少一个第二特征;
该输入模块还用于当获取到该第一场景的该待投放资源时,由该资源投放模型对该待投放资源进行特征提取,得到该待投放资源的多个第一特征;
该输出模块还用于基于该多个第一特征和该多个第一特征对应的至少一个第二特征,输出该待投放资源在该第一场景下的投放结果。
在一种可能实现方式中,该存储模块还用于:
基于该多个第一特征对应的至少一个第二特征,生成目标文件;
将该目标文件存储于内存中。
在一种可能实现方式中,该获取模块还用于基于同一特征提取规则,对该第一场景和至少一个第二场景的历史资源投放记录进行特征提取,不同场景的相同特征的表示方式相同。
在一种可能实现方式中,该输入模块还用于当获取到该第一场景的该待投放资源时,由该资源投放模型对该待投放资源进行特征提取,得到该多个特征;
该输出模块还用于基于该多个特征,由该资源投放模型输出该待投放资源在该第一场景下的投放结果。
在一种可能实现方式中,该装置还包括生成模块,用于根据同一表格生成规则,基于该第一场景和该至少一个第二场景的历史资源投放记录,生成每个场景对应的至少一个表格,不同场景对应的该至少一个表格中相同字段中的表示方式相同;
该获取模块还用于从该每个场景对应的该至少一个表格中提取数据,对该数据进行特征提取,得到每个场景对应的多个特征。
在一种可能实现方式中,该生成模块还用于基于同一表格生成规则,基于该第一场景和该至少一个第二场景的历史资源投放记录,生成每个场景对应的事实表和至少一个维度表,不同场景对应的该至少一个维度表中相同字段中的表示方式相同。
本公开实施例提供的装置,可以根据当前场景的资源投放特性,确定当前场景对应的至少一个其他场景,从而基于当前场景和其他场景的历史资源投放记录提取特征,训练得到当前场景对应的资源投放模型,在当前场景下对待投放资源进行投放。由于影响投放结果的因素有多种,需要大量且全面的历史资源投放记录作为基础训练模型,通过获取与当前场景资源投放特性相同的其他场景的历史资源投放记录也作为模型训练样本,相比于仅使用当前场景的历史资源投放记录,提取的特征更全面,进而训练得出的资源投放模型也更准确,利用该资源投放模型投放资源,投放情况更精准,投放效果更佳,转化率更高。
需要说明的是:上述实施例提供的资源投放装置在投放资源时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的资源投放装置与资源投放方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图7是本公开实施例提供的一种终端的结构示意图。该终端700可以是:智能手机、平板电脑、MP3(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)播放器、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、笔记本电脑或台式电脑。终端700还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端700包括有:一个或多个处理器701和一个或多个存储器702。
处理器701可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器701可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器701还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器702可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器701所执行以实现本公开中方法实施例提供的资源投放方法。
在一些实施例中,终端700还可选包括有:外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地,外围设备包括:射频电路704、显示屏705、摄像头组件706、音频电路707、定位组件708和电源709中的至少一种。
外围设备接口703可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中,处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上;在一些其他实施例中,处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路704用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路704包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路704还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本公开对此不加以限定。
显示屏705用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时,显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时,显示屏705还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏705可以为一个,设置终端700的前面板;在另一些实施例中,显示屏705可以为至少两个,分别设置在终端700的不同表面或呈折叠设计;在再一些实施例中,显示屏705可以是柔性显示屏,设置在终端700的弯曲表面上或折叠面上。甚至,显示屏705还可以设置成非矩形的不规则图形,也即异形屏。显示屏705可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件706用于采集图像或视频。可选地,摄像头组件706包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件706还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路707可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器701进行处理,或者输入至射频电路704以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端700的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器701或射频电路704的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路707还可以包括耳机插孔。
定位组件708用于定位终端700的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件708可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源709用于为终端700中的各个组件进行供电。电源709可以是交流电、直流电、一次性电池或可充电电池。当电源709包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端700还包括有一个或多个传感器710。该一个或多个传感器710包括但不限于:加速度传感器711、陀螺仪传感器712、压力传感器713、指纹传感器714、光学传感器715以及接近传感器716。
加速度传感器711可以检测以终端700建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器711可以用于检测重力加速度在三个坐标轴上的分量。处理器701可以根据加速度传感器711采集的重力加速度信号,控制显示屏705以横向视图或纵向视图进行用户界面的显示。加速度传感器711还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器712可以检测终端700的机体方向及转动角度,陀螺仪传感器712可以与加速度传感器711协同采集用户对终端700的3D动作。处理器701根据陀螺仪传感器712采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器713可以设置在终端700的侧边框和/或显示屏705的下层。当压力传感器713设置在终端700的侧边框时,可以检测用户对终端700的握持信号,由处理器701根据压力传感器713采集的握持信号进行左右手识别或快捷操作。当压力传感器713设置在显示屏705的下层时,由处理器701根据用户对显示屏705的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器714用于采集用户的指纹,由处理器701根据指纹传感器714采集到的指纹识别用户的身份,或者,由指纹传感器714根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器701授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器714可以被设置终端700的正面、背面或侧面。当终端700上设置有物理按键或厂商Logo时,指纹传感器714可以与物理按键或厂商Logo集成在一起。
光学传感器715用于采集环境光强度。在一个实施例中,处理器701可以根据光学传感器715采集的环境光强度,控制显示屏705的显示亮度。具体地,当环境光强度较高时,调高显示屏705的显示亮度;当环境光强度较低时,调低显示屏705的显示亮度。在另一个实施例中,处理器701还可以根据光学传感器715采集的环境光强度,动态调整摄像头组件706的拍摄参数。
接近传感器716,也称距离传感器,通常设置在终端700的前面板。接近传感器716用于采集用户与终端700的正面之间的距离。在一个实施例中,当接近传感器716检测到用户与终端700的正面之间的距离逐渐变小时,由处理器701控制显示屏705从亮屏状态切换为息屏状态;当接近传感器716检测到用户与终端700的正面之间的距离逐渐变大时,由处理器701控制显示屏705从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图7中示出的结构并不构成对终端700的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
图8是本公开实施例提供的一种服务器的结构示意图,该服务器800可因配置或性能不同而产生比较大的差异,可以包括一个或多个处理器(central processing units,CPU)801和一个或多个的存储器802,其中,所述一个或多个存储器802中存储有至少一条指令,所述至少一条指令由所述一个或多个处理器801加载并执行以实现上述各个方法实施例提供的资源投放方法。当然,该服务器800还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器800还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括指令的存储器,上述指令可由处理器执行以完成上述实施例中的资源投放方法。例如,该计算机可读存储介质可以是只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
上述仅为本公开的可选实施例,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 (13)
1.一种资源投放方法,其特征在于,所述方法包括:
根据第一场景的资源投放特性,确定所述第一场景对应的至少一个第二场景;
基于第一场景和至少一个第二场景的历史资源投放记录,获取每个场景对应的多个特征;
基于所述每个场景对应的所述多个特征,对初始模型进行训练,得到所述第一场景对应的资源投放模型;
当获取到所述第一场景的待投放资源时,将所述待投放资源输入所述资源投放模型中,输出所述待投放资源在所述第一场景下的投放结果。
2.根据权利要求1所述的方法,其特征在于,所述基于第一场景和至少一个第二场景的历史资源投放记录,获取每个场景对应的多个特征,包括下述任一项:
对第一场景和至少一个第二场景的历史资源投放记录进行特征提取,得到每个场景对应的多个特征;
对第一目标时间段内的第一场景和至少一个第二场景的历史资源投放记录进行特征提取,得到每个场景对应的多个第一特征,对所述多个第一特征的用户反馈情况进行统计,得到所述多个第一特征对应的至少一个第二特征,将所述至少一个第二特征和所述多个第一特征作为所述每个场景对应的多个特征。
3.根据权利要求2所述的方法,其特征在于,所述对所述多个第一特征的用户反馈情况进行统计,得到所述多个第一特征对应的至少一个第二特征,包括下述任一项:
对所述多个场景对应的所述多个第一特征的用户反馈情况进行统计,得到每个第一特征对应的至少一个第二特征;
对第二目标时间段内所述多个场景对应的多个第一特征的用户反馈情况进行统计,得到所述第二目标时间段内每个第一特征对应的至少一个第二特征,所述第二目标时间段在所述第一目标时间段内;
对所述第二目标时间段内第一场景对应的多个第一特征的用户反馈情况进行统计,得到第一场景对应的每个第一特征对应的至少一个第二特征;
对所述第二目标时间段内所述至少一个第二场景对应的多个第一特征的用户反馈情况进行统计,得到所述至少一个第二场景对应的每个第一特征对应的至少一个第二特征。
4.根据权利要求3所述的方法,其特征在于,所述对所述第二目标时间段内所述至少一个第二场景对应的多个第一特征的用户反馈情况进行统计,得到所述至少一个第二场景对应的每个第一特征对应的至少一个第二特征,包括:
对所述第一场景对应的多个第一特征的用户反馈情况进行统计,得到所述第一场景对应的每个第一特征的用户反馈率;
基于所述第一场景对应的每个第一特征的用户反馈率,对至少一个第二目标时间段内第二场景对应的多个第一特征中第三特征的用户反馈情况进行统计,得到至少一个第二场景对应的每个第一特征对应的至少一个第二特征,所述第三特征为所述用户反馈率符合反馈率条件的特征。
5.根据权利要求2所述的方法,其特征在于,所述对所述多个第一特征的用户反馈情况进行统计,得到所述多个第一特征对应的至少一个第二特征之后,所述方法还包括:
存储所述多个第一特征对应的至少一个第二特征;
所述当获取到所述第一场景的待投放资源时,将所述待投放资源输入所述资源投放模型中,输出所述待投放资源在所述第一场景下的投放结果,包括:
当获取到所述第一场景的所述待投放资源时,由所述资源投放模型对所述待投放资源进行特征提取,得到所述待投放资源的多个第一特征;
基于所述多个第一特征和所述多个第一特征对应的至少一个第二特征,输出所述待投放资源在所述第一场景下的投放结果。
6.根据权利要求5所述的方法,其特征在于,所述存储所述多个第一特征对应的至少一个第二特征,包括:
基于所述多个第一特征对应的至少一个第二特征,生成目标文件;
将所述目标文件存储于内存中。
7.根据权利要求1所述的方法,其特征在于,所述基于第一场景和至少一个第二场景的历史资源投放记录,获取每个场景对应的多个特征,包括:
基于同一特征提取规则,对所述第一场景和至少一个第二场景的历史资源投放记录进行特征提取,不同场景的相同特征的表示方式相同。
8.根据权利要求1所述的方法,其特征在于,所述当获取到所述第一场景的待投放资源时,将所述待投放资源输入所述资源投放模型中,输出所述待投放资源在所述第一场景下的投放结果,包括:
当获取到所述第一场景的所述待投放资源时,由所述资源投放模型对所述待投放资源进行特征提取,得到所述多个特征;
基于所述多个特征,由所述资源投放模型输出所述待投放资源在所述第一场景下的投放结果。
9.根据权利要求1所述的方法,其特征在于,所述基于第一场景和至少一个第二场景的历史资源投放记录,获取每个场景对应的多个特征之前,所述方法还包括:
根据同一表格生成规则,基于所述第一场景和所述至少一个第二场景的历史资源投放记录,生成每个场景对应的至少一个表格,不同场景对应的所述至少一个表格中相同字段中的表示方式相同;
所述基于第一场景和至少一个第二场景的历史资源投放记录,获取每个场景对应的多个特征,包括:
从所述每个场景对应的所述至少一个表格中提取数据,对所述数据进行特征提取,得到每个场景对应的多个特征。
10.根据权利要求9所述的方法,其特征在于,所述根据同一表格生成规则,基于所述第一场景和所述至少一个第二场景的历史资源投放记录,生成每个场景对应的至少一个表格,包括:
基于同一表格生成规则,基于所述第一场景和所述至少一个第二场景的历史资源投放记录,生成每个场景对应的事实表和至少一个维度表,不同场景对应的所述至少一个维度表中相同字段中的表示方式相同。
11.一种资源投放装置,其特征在于,所述装置包括多个功能模块,所述多个功能模块用于执行权利要求1至权利要求10任一项所述的资源投放方法。
12.一种计算机设备,其特征在于,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条指令,所述指令由所述一个或多个处理器加载并执行以实现如权利要求1至权利要求10任一项所述的资源投放方法所执行的操作。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如权利要求1至权利要求10任一项所述的资源投放方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911202432.XA CN110929159B (zh) | 2019-11-29 | 2019-11-29 | 资源投放方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911202432.XA CN110929159B (zh) | 2019-11-29 | 2019-11-29 | 资源投放方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110929159A true CN110929159A (zh) | 2020-03-27 |
CN110929159B CN110929159B (zh) | 2023-07-04 |
Family
ID=69847043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911202432.XA Active CN110929159B (zh) | 2019-11-29 | 2019-11-29 | 资源投放方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929159B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837809A (zh) * | 2021-09-29 | 2021-12-24 | 北京达佳互联信息技术有限公司 | 媒介信息质量预测方法、装置、电子设备及存储介质 |
CN114706575A (zh) * | 2022-06-07 | 2022-07-05 | 杭州比智科技有限公司 | 一种迁移和复用数据模型的方法及系统 |
CN116628236A (zh) * | 2023-07-25 | 2023-08-22 | 腾讯科技(深圳)有限公司 | 多媒体信息的投放方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105183781A (zh) * | 2015-08-14 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 信息推荐方法及装置 |
CN110020144A (zh) * | 2017-11-21 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 一种推荐模型建立方法及其设备、存储介质、服务器 |
CN110400169A (zh) * | 2019-07-02 | 2019-11-01 | 阿里巴巴集团控股有限公司 | 一种信息推送方法、装置及设备 |
CN110472146A (zh) * | 2019-07-29 | 2019-11-19 | 深圳数位传媒科技有限公司 | 线下服务推荐方法与装置、存储介质及计算机设备 |
-
2019
- 2019-11-29 CN CN201911202432.XA patent/CN110929159B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105183781A (zh) * | 2015-08-14 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 信息推荐方法及装置 |
CN110020144A (zh) * | 2017-11-21 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 一种推荐模型建立方法及其设备、存储介质、服务器 |
CN110400169A (zh) * | 2019-07-02 | 2019-11-01 | 阿里巴巴集团控股有限公司 | 一种信息推送方法、装置及设备 |
CN110472146A (zh) * | 2019-07-29 | 2019-11-19 | 深圳数位传媒科技有限公司 | 线下服务推荐方法与装置、存储介质及计算机设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837809A (zh) * | 2021-09-29 | 2021-12-24 | 北京达佳互联信息技术有限公司 | 媒介信息质量预测方法、装置、电子设备及存储介质 |
CN113837809B (zh) * | 2021-09-29 | 2024-05-03 | 北京达佳互联信息技术有限公司 | 媒介信息质量预测方法、装置、电子设备及存储介质 |
CN114706575A (zh) * | 2022-06-07 | 2022-07-05 | 杭州比智科技有限公司 | 一种迁移和复用数据模型的方法及系统 |
CN116628236A (zh) * | 2023-07-25 | 2023-08-22 | 腾讯科技(深圳)有限公司 | 多媒体信息的投放方法、装置、电子设备及存储介质 |
CN116628236B (zh) * | 2023-07-25 | 2024-02-23 | 腾讯科技(深圳)有限公司 | 多媒体信息的投放方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110929159B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108270794B (zh) | 内容发布方法、装置及可读介质 | |
CN109784351B (zh) | 行为数据分类方法、分类模型训练方法及装置 | |
CN110147503B (zh) | 信息发布方法、装置、计算机设备和存储介质 | |
CN111836069A (zh) | 虚拟礼物赠送方法、装置、终端、服务器及存储介质 | |
CN110929159B (zh) | 资源投放方法、装置、设备及介质 | |
CN111028071B (zh) | 账单处理方法、装置、电子设备及存储介质 | |
CN111539795A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN112131473B (zh) | 信息推荐方法、装置、设备及存储介质 | |
CN110837557B (zh) | 摘要生成方法、装置、设备及介质 | |
CN113987326B (zh) | 资源推荐方法、装置、计算机设备及介质 | |
CN111031391A (zh) | 视频配乐方法、装置、服务器、终端及存储介质 | |
CN113032587A (zh) | 多媒体信息推荐方法、系统、装置、终端和服务器 | |
CN113886609A (zh) | 多媒体资源推荐方法、装置、电子设备及存储介质 | |
CN114691860A (zh) | 文本分类模型的训练方法、装置、电子设备及存储介质 | |
CN112100437A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN112069350A (zh) | 歌曲推荐方法、装置、设备以及计算机存储介质 | |
CN111563201A (zh) | 内容推送方法、装置、服务器及存储介质 | |
CN112235609A (zh) | 内容项数据播放方法、装置、计算机设备及存储介质 | |
CN110795660A (zh) | 数据分析方法、装置、电子设备及介质 | |
CN111062709B (zh) | 资源转移方式推荐方法、装置、电子设备及存储介质 | |
CN114996573A (zh) | 内容项处理方法、装置、设备及存储介质 | |
CN114385854A (zh) | 资源推荐方法、装置、电子设备及存储介质 | |
CN110717110B (zh) | 多媒体资源过滤方法、装置、电子设备及存储介质 | |
CN114238859A (zh) | 数据处理系统、方法、电子设备以及存储介质 | |
CN111242338B (zh) | 卡片获取方法、装置、终端及存储介质 |
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 |