CN111369271A - 一种广告的排序方法、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广告的排序方法、装置、电子设备及存储介质，具体为利用预先训练的粗排模型计算所有候选广告的被精排阶段选中的概率；根据被精排阶段选中的概率对所有候选广告进行排序，得到多个待选广告，待选广告的数量少于候选广告的数量；利用预先训练的精排模型计算每个待选广告的点击率和/或转化率；根据点击率和/或转化率对多个待选广告进行排序，得到待播广告及其播放顺序，待播广告的数量少于待选广告的数量；相比于传统的排序方法，本实施例所依据的两个模型的训练所依据的样本的差别较大，耦合度较低，因此最终的排序效果较好。

Description

一种广告的排序方法、装置、电子设备及存储介质

技术领域

本公开涉及广告技术领域，尤其涉及一种广告的排序方法、装置、电子设备及存储介质。

背景技术

短视频信息流广告指以时间较短(6～15秒)的视频承载的广告，可以在社交APP、短视频APP、新闻类APP等应用中出现。在视频移动化、资讯视频化和视频社交化的趋势带动下，短视频信息流广告营销正在成为新的品牌营销风口。

短视频信息流广告具有更强表现力、时间短、互动性强、传播速度快等特点，容易吸引受众注意，增加受众记忆，更易引发病毒式传播效应；同时短视频拥有海量用户、多平台分发能力，具备大体量品牌广告主投放的承载能力，适合品牌广告主投放。

在实际广告推送过程中，需要对检索出的广告进行排序，以便按所排顺序顺序推送。因为检索出来的广告一般较多，每次需要预估上万甚至十万，而目前在排序时通过粗排和精排两个阶段，由于两次排序所依据的模型耦合度较高，导致排序效果较差。

发明内容

为克服相关技术中存在的问题，本公开提供一种广告的排序方法、装置、电子设备及存储介质。

第一方面，提供一种广告的排序方法，包括：

利用预先训练的粗排模型计算所有候选广告的被精排阶段选中的概率；

根据所述被精排阶段选中的概率对所述所有候选广告进行排序，得到多个待选广告，所述待选广告的数量少于所述候选广告的数量；

利用预先训练的精排模型计算每个所述待选广告的点击率和/或转化率；

根据所述点击率和/或所述转化率对所述多个待选广告进行排序，得到待播广告及其播放顺序，所述待播广告的数量少于所述待选广告的数量；

所述粗排模型的训练样本包括所述待选广告被选为所述待播广告的概率。

可选的，所述根据所述被精排阶段选中的概率对所述所有候选广告进行排序，得到多个待选广告，包括：

根据所述被精排阶段选中的概率对所述候选广告进行排序，得到包括所有所述候选广告的广告序列；

从所述广告序列中选取预设数量的候选广告，得到所述待选广告。

可选的，对所述待选广告进行排序的公式为：

eCPM＝CTR*CPC，或者eCPM＝CTR*CVR*CPA；

其中，eCPM为排序参数，CTR为所述点击率，CVR为所述转化率，CPC为广告客户对一次点击的出价，CPA为广告客户对一次转化的出价。

可选的，还包括：

利用粗排训练样本进行模型训练，得到所述粗排模型，所述粗排训练样本包括历次精排中被选出为所述待播广告的概率。

可选的，所述粗排训练样本包括正样本和负样本，其中：

所述正样本为精排中胜出的样本；

所述负样本为精排中败选的样本。

第二方面，提供一种广告的排序装置，包括：

第一计算模块，被配置为利用预先训练的粗排模型计算所有候选广告的被精排阶段选中的概率；

第一排序模块，被配置为根据所述被精排阶段选中的概率对所述所有候选广告进行排序，得到多个待选广告，所述待选广告的数量少于所述候选广告的数量；

第二计算模块，被配置为利用预先训练的精排模型计算每个所述待选广告的点击率和/或转化率；

第二排序模块，被配置为根据所述点击率和/或所述转化率对所述多个待选广告进行排序，得到待播广告及其播放顺序，所述待播广告的数量少于所述待选广告的数量；

所述粗排模型的训练样本包括所述待选广告被选为所述待播广告的概率。

可选的，所述第一排序模块包括：

排序执行单元，被配置为根据所述被精排阶段选中的概率对所述候选广告进行排序，得到包括所有所述候选广告的广告序列；

广告选出单元，被配置为从所述广告序列中选取预设数量的候选广告，得到所述待选广告。

可选的，对所述待选广告进行排序的公式为：

eCPM＝CTR*CPC，或者eCPM＝CTR*CVR*CPA；

其中，eCPM为排序参数，CTR为所述点击率，CVR为所述转化率，CPC为广告客户对一次点击的出价，CPA为广告客户对一次转化的出价。

可选的，还包括：

模型训练模块，被配置为利用粗排训练样本进行模型训练，得到所述粗排模型，所述粗排训练样本包括历次精排中被选出为所述待播广告的概率。

可选的，所述粗排训练样本包括正样本和负样本，其中：

所述正样本为精排中胜出的样本；

所述负样本为精排中败选的样本。

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，所述处理器被配置执行如第一方面所述的排序方法。

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排序方法。

第五方面，提供一种应用程序/计算机程序产品，包括；

本公开的实施例提供的技术方案可以包括以下有益效果：相比于传统的排序方法，本实施例所依据的两个模型的训练所依据的样本的差别较大，耦合度较低，因此最终的排序效果较好。

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是根据一示例性实施例示出的一种广告的排序方法的流程图；

图2是根据一示例性实施例示出的另一种广告的排序方法的流程图；

图3是根据一示例性实施例示出的一种广告的排序装置的框图；

图4是根据一示例性实施例示出的另一种广告的排序装置的框图；

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是根据一示例性实施例示出的一种广告的排序方法的流程图，如图1所示，本实施例的排序方法用于短视频播放系统的广告服务器中，该方法包括以下步骤：

S1、利用粗排模型计算所有候选广告的被精排阶段选中的概率。

在得到所有召回的候选广告后，利用预先训练的粗排模型计算每个候选广告的被精排阶段选中的概率。重要的是，这里的被精排阶段选中的概率是指每个候选广告被最终推送到视频流中予以播放的概率。相应的，该粗排模型的训练样本中包括待选广告被选为待播广告的结果数据，具体而言，是指待选广告是否被最终选为待播广告这一结果。一般而言待选广告较多，数量能达到数万个，而最终的待播广告则要少的多。

S2、根据被精排阶段选中的概率对候选广告进行排序。

即根据每个候选广告的被精排阶段选中的概率对所有候选广告进行排序，通过排序从中选出需要进一步精排的待选广告，这里的待选广告的数量自然要小于候选广告的数量。

具体来说，在对候选广告进行排序时，根据每个候选广告的被精排阶段选中的概率对所有候选广告进行排序，从而得到一个被精排阶段选中的概率从高到低的广告序列；然后从该广告序列中选取预设数量的待选广告。预设数量可以根据广告播放的需求或政策进行确定。

S3、利用精排模型计算每个待选广告的点击率和/或转化率。

在确定待选广告后，利用预先训练的精排模型对所有待选广告进行计算，预测出每个待选广告的点击率和转化率，或者仅计算其中的一个。

点击率是指其在播放过程中被用户点击的概率，即对其进行点击的用户占所有浏览用户的比例；转化率是指根据其内容进行注册或者购买的用户占所有浏览用户的比例。

S4、根据点击率和/或转化率对多个待选广告进行排序。

通过对待选广告的排序，从中确定出最终被推送的待播广告。这里的待播广告的数量会低于待选广告的数量。

在根据点击率或转化率进行排序、即精排时，根据以下公式进行排序的：

eCPM＝CTR*CPC；

或者，eCPM＝CTR*CVR*CPA；

其中，eCPM为排序参数，CTR为点击率，CVR为转化率，CPC为广告客户对一次点击的出价，CPA为广告客户对一次转化的出价。

从上述技术方案可以看出，本实施例提供了一种广告的排序方法，具体为利用预先训练的粗排模型计算所有候选广告的被精排阶段选中的概率；根据被精排阶段选中的概率对所有候选广告进行排序，得到多个待选广告，待选广告的数量少于候选广告的数量；利用预先训练的精排模型计算每个待选广告的点击率和/或转化率；根据点击率和/或转化率对多个待选广告进行排序，得到待播广告及其播放顺序，待播广告的数量少于待选广告的数量；相比于传统的排序方法，本实施例所依据的两个模型的训练所依据的样本的差别较大，耦合度较低，因此最终的排序效果较好。

图2是根据一示例性实施例示出的另一种广告的排序方法的流程图，如图2所示，本实施例的排序方法用于短视频播放系统的广告服务器中，该方法包括以下步骤：

S0、利用粗排训练样本进行模型训练。

通过相应的模型训练，得到对所有候选广告的被精排阶段选中的概率进行计算的粗排模型。这里进行模型训练的粗排训练样本包括待选广告最终被选定为待播广告的概率。

这里粗排训练样本包括正样本和负样本，正样本是指最终在精排中胜出的样本，而负样本是指没有被最终选为待播广告的样本。

S1、利用粗排模型计算所有候选广告的被精排阶段选中的概率。

在得到所有召回的候选广告后，利用预先训练的粗排模型计算每个候选广告的被精排阶段选中的概率。重要的是，这里的被精排阶段选中的概率是指每个候选广告被最终推送到视频流中予以播放的概率。相应的，该粗排模型的训练样本中包括待选广告被选为待播广告的结果数据，具体而言，是指待选广告是否被最终选为待播广告这一结果。一般而言候选广告较多，数量能达到数万个。

S2、根据被精排阶段选中的概率对候选广告进行排序。

即根据每个候选广告的被精排阶段选中的概率对所有候选广告进行排序，通过排序从中选出需要进一步精排的待选广告，这里的待选广告的数量自然要小于候选广告的数量。

具体来说，在对候选广告进行排序时，根据每个候选广告的被精排阶段选中的概率对所有候选广告进行排序，从而得到一个被精排阶段选中的概率从高到低的广告序列；然后从该广告序列中选取预设数量的待选广告。

S3、利用精排模型计算每个待选广告的点击率和/或转化率。

在确定待选广告后，利用预先训练的精排模型对所有待选广告进行计算，预测出每个待选广告的点击率和转化率，或者仅计算其中的一个。

点击率是指其在播放过程中被用户点击的概率，即对其进行点击的用户占所有浏览用户的比例；转化率是指根据其内容进行注册或者购买的用户占所有浏览用户的比例。

S4、根据点击率和/或转化率对多个待选广告进行排序。

通过对待选广告的排序，从中确定出最终被推送的待播广告。这里的待播广告的数量会低于待选广告的数量。

在根据点击率或转化率进行排序、即精排时，根据以下公式进行排序的：

eCPM＝CTR*CPC；

或者，eCPM＝CTR*CVR*CPA；

其中，eCPM为排序参数，CTR为点击率，CVR为转化率，CPC为广告客户对一次点击的出价，CPA为广告客户对一次转化的出价。

从上述技术方案可以看出，本实施例提供了一种广告的排序方法，具体为利用粗排训练样本进行模型训练，利用预先训练的粗排模型计算所有候选广告的被精排阶段选中的概率；根据被精排阶段选中的概率对所有候选广告进行排序，得到多个待选广告，待选广告的数量少于候选广告的数量；利用预先训练的精排模型计算每个待选广告的点击率和/或转化率；根据点击率和/或转化率对多个待选广告进行排序，得到待播广告及其播放顺序，待播广告的数量少于待选广告的数量；相比于传统的排序方法，本实施例所依据的两个模型的训练所依据的样本的差别较大，耦合度较低，因此最终的排序效果较好。

图3是根据一示例性实施例示出的一种广告的排序装置的框图，如图3所示，本实施例的排序装置用于短视频播放系统的广告服务器中，该装置包括第一计算模块10、第一排序模块20、第二计算模块30和第二排序模块40。

第一计算模块被配置为利用粗排模型计算所有候选广告的被精排阶段选中的概率。

在得到所有召回的候选广告后，利用预先训练的粗排模型计算每个候选广告的被精排阶段选中的概率。重要的是，这里的被精排阶段选中的概率是指每个候选广告被最终推送到视频流中予以播放的概率。相应的，该粗排模型的训练样本中包括待选广告被选为待播广告的结果数据，具体而言，是指待选广告是否被最终选为待播广告这一结果。一般而言候选广告较多，数量能达到数万个。

第一排序模块被配置为根据被精排阶段选中的概率对候选广告进行排序。

即根据每个候选广告的被精排阶段选中的概率对所有候选广告进行排序，通过排序从中选出需要进一步精排的待选广告，这里的待选广告的数量自然要小于候选广告的数量。

具体来说，该模块包括排序执行单元和广告选出单元，排序执行单元用于在对候选广告进行排序时，根据每个候选广告的被精排阶段选中的概率对所有候选广告进行排序，从而得到一个被精排阶段选中的概率从高到低的广告序列；广告选出单元用于从该广告序列中选取预设数量的待选广告。

第二计算模块被配置为利用精排模型计算每个待选广告的点击率和/或转化率。

在确定待选广告后，利用预先训练的精排模型对所有待选广告进行计算，预测出每个待选广告的点击率和转化率，或者仅计算其中的一个。

点击率是指其在播放过程中被用户点击的概率，即对其进行点击的用户占所有浏览用户的比例；转化率是指根据其内容进行注册或者购买的用户占所有浏览用户的比例。

第二排序模块被配置为根据点击率和/或转化率对多个待选广告进行排序。

通过对待选广告的排序，从中确定出最终被推送的待播广告。这里的待播广告的数量会低于待选广告的数量。

在根据点击率或转化率进行排序、即精排时，根据以下公式进行排序的：

eCPM＝CTR*CPC；

或者，eCPM＝CTR*CVR*CPA；

其中，eCPM为排序参数，CTR为点击率，CVR为转化率，CPC为广告客户对一次点击的出价，CPA为广告客户对一次转化的出价。

从上述技术方案可以看出，本实施例提供了一种广告的排序装置，具体为利用预先训练的粗排模型计算所有候选广告的被精排阶段选中的概率；根据被精排阶段选中的概率对所有候选广告进行排序，得到多个待选广告，待选广告的数量少于候选广告的数量；利用预先训练的精排模型计算每个待选广告的点击率和/或转化率；根据点击率和/或转化率对多个待选广告进行排序，得到待播广告及其播放顺序，待播广告的数量少于待选广告的数量；相比于传统的排序方法，本实施例所依据的两个模型的训练所依据的样本的差别较大，耦合度较低，因此最终的排序效果较好。

另外，如图4所示，本实施例中还包括模型训练模块50。

模型训练模块被配置为利用粗排训练样本进行模型训练。

通过相应的模型训练，得到对所有候选广告的被精排阶段选中的概率进行计算的粗排模型。这里进行模型训练的粗排训练样本包括待选广告最终被选定为待播广告的概率。

这里粗排训练样本包括正样本和负样本，正样本是指最终在精排中胜出的样本，而负样本是指没有被最终选为待播广告的样本。

本申请的一个具体实施方式中还提供一种计算机程序，该计算机程序在执行时能够执行如图1或图2所示的广告的排序方法。

图5是根据一示例性实施例示出的一种用于电子设备的框图。

例如，电子设备500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5，电子设备500可以包括以下一个或多个组件：处理组件502，存储器504，电力组件506，多媒体组件509，音频组件510，输入/输出(I/O)的接口512，传感器组件514，以及通信组件516。

处理组件502通常控制电子设备500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502可以包括一个或多个处理器520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502可以包括一个或多个模块，便于处理组件502和其他组件之间的交互。例如，处理组件502可以包括多媒体模块，以方便多媒体组件509和处理组件502之间的交互。

存储器504被配置为存储各种类型的数据以支持在设备500的操作。这些数据的示例包括用于在电子设备500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504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506为电子设备500的各种组件提供电力。电源组件506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500生成、管理和分配电力相关联的组件。

多媒体组件509包括在所述电子设备500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509包括一个前置摄像头和/或后置摄像头。当设备500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510被配置为输出和/或输入音频信号。例如，音频组件510包括一个麦克风(MIC)，当电子设备500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504或经由通信组件516发送。在一些实施例中，音频组件510还包括一个扬声器，用于输出音频信号。

I/O接口512为处理组件502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514包括一个或多个传感器，用于为电子设备500提供各个方面的状态评估。例如，传感器组件514可以检测到设备500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500的显示器和小键盘，传感器组件514还可以检测电子设备500或电子设备500一个组件的位置改变，用户与电子设备500接触的存在或不存在，电子设备500方位或加速/减速和电子设备500的温度变化。传感器组件514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514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514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516被配置为便于电子设备500和其他设备之间有线或无线方式的通信。电子设备500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516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516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500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，用于执行上述图1或图2所示的排序方法。

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504，上述指令可由电子设备500的处理器520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6是根据一示例性实施例示出的另一种电子设备的框图。例如，电子设备600可以被提供为一服务器。参照图6，电子设备600包括处理组件622，其进一步包括一个或多个处理器，以及由存储器632所代表的存储器资源，用于存储可由处理组件622的执行的指令，例如应用程序。存储器632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622被配置为执行指令，以执行如图1或图2所示的排序方法。

电子设备600还可以包括一个电源组件626被配置为执行电子设备600的电源管理，一个有线或无线网络接口650被配置为将电子设备600连接到网络，和一个输入输出(I/O)接口658。电子设备600可以操作基于存储在存储器632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 (10)

1.一种广告的排序方法，其特征在于，包括：

利用预先训练的粗排模型计算所有候选广告的被精排阶段选中的概率；

根据所述被精排阶段选中的概率对所述所有候选广告进行排序，得到多个待选广告，所述待选广告的数量少于所述候选广告的数量；

利用预先训练的精排模型计算每个所述待选广告的点击率和/或转化率；

根据所述点击率和/或所述转化率对所述多个待选广告进行排序，得到待播广告及其播放顺序，所述待播广告的数量少于所述待选广告的数量；

所述粗排模型的训练样本包括所述待选广告被选为所述待播广告的结果数据。

2.如权利要求1所述的排序方法，其特征在于，所述根据所述被精排阶段选中的概率对所述所有候选广告进行排序，得到多个待选广告，包括：

根据所述被精排阶段选中的概率对所述候选广告进行排序，得到包括所有所述候选广告的广告序列；

从所述广告序列中选取预设数量的候选广告，得到所述待选广告。

3.如权利要求1所述的排序方法，其特征在于，对所述待选广告进行排序的公式为：

eCPM＝CTR*CPC，或者eCPM＝CTR*CVR*CPA；

其中，eCPM为排序参数，CTR为所述点击率，CVR为所述转化率，CPC为广告客户对一次点击的出价，CPA为广告客户对一次转化的出价。

4.如权利要求1所述的排序方法，其特征在于，还包括：

利用粗排训练样本进行模型训练，得到所述粗排模型，所述粗排训练样本包括历次精排中被选出为所述待播广告的概率。

5.如权利要求4所述的排序方法，其特征在于，所述粗排训练样本包括正样本和负样本，其中：

所述正样本为精排中胜出的样本；

所述负样本为精排中败选的样本。

6.一种广告的排序装置，其特征在于，包括：

第一计算模块，被配置为利用预先训练的粗排模型计算所有候选广告的被精排阶段选中的概率；

第一排序模块，被配置为根据所述被精排阶段选中的概率对所述所有候选广告进行排序，得到多个待选广告，所述待选广告的数量少于所述候选广告的数量；

第二计算模块，被配置为利用预先训练的精排模型计算每个所述待选广告的点击率和/或转化率；

第二排序模块，被配置为根据所述点击率和/或所述转化率对所述多个待选广告进行排序，得到待播广告及其播放顺序，所述待播广告的数量少于所述待选广告的数量；

所述粗排模型的训练样本包括所述待选广告被选为所述待播广告的概率。

7.如权利要求6所述的排序装置，其特征在于，所述第一排序模块包括：

排序执行单元，被配置为根据所述被精排阶段选中的概率对所述候选广告进行排序，得到包括所有所述候选广告的广告序列；

广告选出单元，被配置为从所述广告序列中选取预设数量的候选广告，得到所述待选广告。

8.如权利要求6所述的排序装置，其特征在于，还包括：

模型训练模块，被配置为利用粗排训练样本进行模型训练，得到所述粗排模型，所述粗排训练样本包括历次精排中被选出为所述待播广告的概率。

9.一种电子设备，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，所述处理器被配置执行如权利要求1～5任一项所述的排序方法。

10.一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任一项所述的排序方法。

Images