CN111754251A - 广告投放方法、装置、服务器及存储介质 - Google Patents
广告投放方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN111754251A CN111754251A CN201910249173.XA CN201910249173A CN111754251A CN 111754251 A CN111754251 A CN 111754251A CN 201910249173 A CN201910249173 A CN 201910249173A CN 111754251 A CN111754251 A CN 111754251A
- Authority
- CN
- China
- Prior art keywords
- advertisement
- network model
- neural network
- vector
- user
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000013598 vector Substances 0.000 claims abstract description 170
- 238000003062 neural network model Methods 0.000 claims abstract description 101
- 230000009471 action Effects 0.000 claims abstract description 81
- 230000006870 function Effects 0.000 claims description 38
- 230000003578 releasing effect Effects 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000002716 delivery method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012549 training Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请是关于一种广告投放方法、装置、服务器及存储介质，将用户属性与广告属性转换并拼接后得到整体环境向量，第一神经网络模型根据整体环境向量确定建议投放动作，第二神经网络模型对第一神经网络模型确定的建议投放动作的效果进行评价，然后基于用户反馈动态优化第一神经网络模型和第二神经网络模型的网络参数，循环训练，使得第一神经网络模型对建议投放动作的确定更加准确，弱化了历史信息的影响，提升了广告投放的准确性。
Description
技术领域
本公开涉及深度强化学习领域，尤其涉及一种广告投放方法、装置、服务器及存储介质。
背景技术
随着广告平台的快速发展，新创意广告，即投放量低于一定数目的广告层出不穷，因此在广告的投放中，新创意广告的比重是非常大的。
相关技术中的广告投放机制主要是基于CTR(click through rate，点击率)、CVR(conversion rate，转化率)预估值的排序投放机制，由于预估值的计算依赖大量的历史数据，而新创意广告历史数据极其匮乏，因而导致新创意广告的预估值准确性很低，进而使得新创意广告投放效果远低于具备大量历史信息的普通广告。所以就目前的研究现状而言，随机投放是新创意广告投放的主要策略，但是，随机投放忽略了用户的相关信息，造成了资源的浪费，广告投放准确性也较低。
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投放方法、装置、服务器及存储介质。
根据本公开实施例的第一方面，提供一种广告投放方法，包括：
拼接待投放广告的本次被投放用户的用户稠密向量，以及所述待投放广告的广告稠密向量，得到基本环境向量，所述用户稠密向量用于表示所述本次被投放用户的用户属性，所述广告稠密向量用于表示所述待投放广告的广告属性；
拼接所述基本环境向量与正负环境向量，得到整体环境向量，所述正负环境向量用于表示所述待投放广告的历史投放用户属性；
将所述整体环境向量输入第一神经网络模型，得到表示是否投放的建议投放动作；
基于所述建议投放动作和用户反馈结果，对所述建议投放动作进行评判，得到评判结果，所述用户反馈结果为当所述建议投放动作表示投放时对所述待投放广告进行投放后得到的；
将所述整体环境向量、所述评判结果以及更新后整体环境向量，输入第二神经网络模型，得到时间差分值，基于所述时间差分值调整所述第二神经网络模型的网络参数；所述更新后整体环境向量是基于所述用户反馈结果，将所述整体环境向量更新而得；
基于所述整体环境向量、所述建议投放动作和所述时间差分值，调整所述第一神经网络模型的网络参数，用于所述待投放广告的下一次投放。
在一个实施例中，在所述将所述整体环境向量、所述评判结果以及更新后整体环境向量，输入第二神经网络模型，得到时间差分值之后，还包括：
确定所述第一神经网络模型和所述第二神经网络模型是否均收敛；
如果均收敛，确定在针对所述待投放广告的后续投放过程中，被投放用户的数量大于收敛之前被投放用户的数量。
在一个实施例中，所述正负环境向量包括正环境向量和负环境向量；
所述正环境向量表示对所述待投放广告感兴趣的用户的用户属性；
所述负环境向量表示对所述待投放广告不感兴趣的用户的用户属性。
在一个实施例中，所述将所述整体环境向量输入第一神经网络模型，得到表示是否投放的建议投放动作，包括：
将所述整体环境向量输入第一神经网络模型，得到所述第一神经网络模型输出的投放动作的概率；
依据所述投放动作的概率，确定表示是否投放的建议投放动作。
在一个实施例中，所述基于所述建议投放动作和用户反馈结果，对所述投放动作进行评判，得到评判结果，包括：
若所述建议投放动作表示不投放所述待投放广告，确定评判结果为第一预设负值；
若所述建议投放动作表示投放所述待投放广告，在投放后，如果用户对所述待投放广告感兴趣，确定所述评判结果为预设正值，如果用户对所述待投放广告不感兴趣，确定所述评判结果为第二预设负值，所述第二预设负值小于所述第一预设负值。
在一个实施例中，所述确定所述第一神经网络模型和所述第二神经网络模型是否均收敛，包括：
将所述时间差分值、所述建议投放动作的概率输入第一损失函数，得到第一损失函数的值，若所述第一损失函数的值连续在预设次数内变化浮动小于预设阈值时，确定所述第一神经网络模型收敛；
将所述时间差分值输入第二损失函数，得到第二损失函数的值，若所述第二损失函数的值连续在预设次数内变化浮动小于预设阈值时，确定所述第二神经网络模型收敛。
根据本公开实施例的第二方面，提供一种广告投放装置，包括：
第一拼接单元，被配置为拼接待投放广告的本次被投放用户的用户稠密向量，以及所述待投放广告的广告稠密向量，得到基本环境向量，所述用户稠密向量用于表示所述本次被投放用户的用户属性，所述广告稠密向量用于表示所述待投放广告的广告属性；
第二拼接单元，被配置为拼接所述基本环境向量与正负环境向量，得到整体环境向量，所述正负环境向量用于表示所述待投放广告的历史投放用户属性；
输入单元，被配置为将所述整体环境向量输入第一神经网络模型，得到表示是否投放的建议投放动作；
评判单元，被配置为基于所述建议投放动作和用户反馈结果，对所述建议投放动作进行评判，得到评判结果，所述用户反馈结果为当所述建议投放动作表示投放时对所述待投放广告进行投放后得到的；
第一调整单元，被配置为将所述整体环境向量、所述评判结果以及更新后整体环境向量，输入第二神经网络模型，得到时间差分值，基于所述时间差分值调整所述第二神经网络模型的网络参数，所述更新后整体环境向量是基于所述用户反馈结果，将所述整体环境向量更新而得；
第二调整单元，被配置为基于所述整体环境向量、所述建议投放动作和所述时间差分值，调整所述第一神经网络模型的网络参数，用于所述待投放广告的下一次投放。
在一个实施例中，所述的装置还包括：
第一确定单元，被配置为确定所述第一神经网络模型和所述第二神经网络模型是否均收敛；
第二确定单元，被配置为如果均收敛，确定在针对所述待投放广告的后续投放过程中，被投放用户的数量大于收敛之前被投放用户的数量。
在一个实施例中，所述正负环境向量包括正环境向量和负环境向量；
所述正环境向量表示对所述待投放广告感兴趣的用户的用户属性；
所述负环境向量表示对所述待投放广告不感兴趣的用户的用户属性。
在一个实施例中，所述输入单元，具体被配置为：
将所述整体环境向量输入第一神经网络模型，得到所述第一神经网络模型输出的投放动作的概率；并依据所述投放动作的概率，确定表示是否投放的建议投放动作。
在一个实施例中，所述评判单元，具体被配置为若所述建议投放动作表示不投放所述待投放广告，确定评判结果为第一预设负值；以及若所述建议投放动作表示投放所述待投放广告，在投放后，如果用户对所述待投放广告感兴趣，确定所述评判结果为预设正值，如果用户对所述待投放广告不感兴趣，确定所述评判结果为第二预设负值，所述第二预设负值小于所述第一预设负值。
在一个实施例中，所述第一确定单元，具体被配置为将所述时间差分值、所述建议投放动作的概率输入第一损失函数，得到第一损失函数的值，若所述第一损失函数的值连续在预设次数内变化浮动小于预设阈值时，确定所述第一神经网络模型收敛；以及将所述时间差分值输入第二损失函数，得到第二损失函数的值，若所述第二损失函数的值连续在预设次数内变化浮动小于预设阈值时，确定所述第二神经网络模型收敛。
根据本公开实施例的第三方面，提供一种广告投放服务器，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存储器上所存放的程序时，实现上述任一所述的广告投放方法。
根据本公开实施例的第四方面，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一种广告投放方法，以实现上述任一所述的广告投放方法。
根据本公开实施例的第五方面，提供一种计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的广告投放方法。
本公开的实施例提供的技术方案可以包括以下有益效果：
本发明实施例提供的一种广告投放方法，基于用户属性与广告属性，第一神经网络模型确定投放动作，第二神经网络模型评价投放动作的效果，然后基于反馈动态优化第一神经网络模型和第二神经网络模型的网络参数，使得第一神经网络模型对投放动作的确定更加准确，弱化了历史信息的影响，提升了广告投放的准确性。
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投放方法的流程图。
图2是根据一示例性实施例示出的一种广告投放方法的流程图。
图3-1是根据一示例性实施例示出的一种广告投放装置框图之一。
图3-2是根据一示例性实施例示出的一种广告投放装置框图之二。
图4是根据一示例性实施例示出的一种装置的框图(计算机的一般结构)。
图5是根据一示例性实施例示出的一种装置的框图(服务器的一般结构)。
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投放方法的流程图，如图1所示，广告投放方法用于服务器中，包括以下步骤。
在步骤S11中，拼接待投放广告的本次被投放用户的用户稠密向量，以及待投放广告的广告稠密向量，得到基本环境向量，上述用户稠密向量用于表示本次被投放用户的用户属性，广告稠密向量用于表示待投放广告的广告属性。
其中，用户稠密向量用于表示本次被投放用户的用户属性，该用户属性可以包括用户的离散属性，例如，可以包括用户的年龄、性别、用户所用网络以及是否是城市常住，还可以包括用户的隐含属性，可以基于用户的行为，通过神经网络模型挖掘出隐含向量，并由得到的隐含向量表示用户的该隐含属性，隐含向量中每个元素的值在0到1之间，不同的元素使隐含向量可以表示用户不同的行为规律。在本实施例中，将用户的离散属性进行embedding操作，通过查表的方式，将每一类属性的值转换为可供学习的稠密向量，将该稠密向量与上述隐含向量进行拼接，即为用户稠密向量。
广告稠密向量用于表示待投放广告的广告属性，该广告属性为广告的离散属性，例如，可以包括广告id、所属广告主id、广告类别id。同上，对广告的离散属性进行embedding操作，通过查表的方式，将离散的广告id值转换为可供学习的稠密向量，即广告稠密向量。然后将用户稠密向量和广告稠密向量拼接，得到基本环境向量。
在步骤S12中，拼接基本环境向量与正负环境向量，得到整体环境向量，正负环境向量用于表示待投放广告的历史投放用户属性。
具体地，在一个实施例中，正负环境向量可以包括正环境向量和负环境向量，其中，正环境向量表示对待投放广告感兴趣的用户的用户属性，负环境向量表示对待投放广告不感兴趣的用户的用户属性。
在本实施例中，将该广告已有的少量历史投放信息归类组合，例如，将该广告投放过的用户分为感兴趣和不感兴趣，其中，感兴趣表示用户点击过该广告，不感兴趣表示用户没有点击过该广告或者讨厌该广告；然后将感兴趣的用户的离散属性转换为稠密向量，作为正环境向量，将不感兴趣的用户的离散属性转换为稠密向量，作为负环境向量，拼接正环境向量和负环境向量，即可得到正负环境向量；将基本环境向量与正负环境向量拼接，得到整体环境向量。
在步骤S13中，将整体环境向量输入第一神经网络模型，得到表示是否投放的建议投放动作。
其中，第一神经网络模型可以是Actor网络模型，将得到的整体环境向量输入到Actor网络模型中，输出建议投放动作。
具体地，在一个实施例中，“将整体环境向量输入第一神经网络模型，得到表示是否投放的建议投放动作”包括：
将整体环境向量输入第一神经网络模型，得到第一神经网络模型输出的投放动作的概率。
其中，投放动作的概率可以包括投放概率和不投放概率。在本实施例中，可以将整体环境向量输入Actor网络模型，Actor网络模型输出待投放广告的投放动作的概率，例如，Actor网络模型输出投放的概率是0.8，不投放的概率为0.2。显然，此处的投放动作中投放概率和不投放概率之和为1。
依据投放动作的概率，确定表示是否投放的建议投放动作。
在本实施例中，可以依据Actor网络模型输出的上述广告投放动作的概率，确定表示是否投放的建议投放动作，例如，Actor网络模型输出投放的概率是0.9，不投放的概率为0.1，则确定建议投放动作为投放。可以通过判断投放动作的概率是否大于或者小于预设值来确定建议投放动作，也可以通过判断投放动作中投放概率和不投放概率的大小关系来确定建议投放动作，本实施例不做限制。
在步骤S14中，基于建议投放动作和用户反馈结果，对建议投放动作进行评判，得到评判结果，用户反馈结果为当建议投放动作表示投放时对待投放广告进行投放后得到的。
具体地，在一个实施例中，“基于所述建议投放动作和用户反馈结果，对所述投放动作进行评判，得到评判结果”包括：
若建议投放动作表示不投放待投放广告，确定评判结果为第一预设负值；
在本实施例中，评判结果可以是奖励，若建议投放动作表示不投放上述待投放广告，则奖励为一个绝对值较小的负值，即第一预设负值。
若建议投放动作表示投放待投放广告，在投放后，如果用户对待投放广告感兴趣，确定评判结果为预设正值，如果用户对待投放广告不感兴趣，确定评判结果为第二预设负值，第二预设负值小于第一预设负值。
其中，上述感兴趣表示用户点击了该广告，不感兴趣表示用户没有点击该广告或者用户点击讨厌该广告的选项。在本实施例中，若建议投放动作表示投放待投放广告，则用户点击浏览上述广告时，奖励为预设正值；若用户没有点击该广告，或者用户点击了讨厌该广告的选项，则奖励为一个绝对值较大的负值，即第二预设负值。显然，第二预设负值小于第一预设负值。
在步骤S15中，将整体环境向量、评判结果以及更新后整体环境向量，输入第二神经网络模型，得到时间差分值，基于时间差分值调整第二神经网络模型的网络参数，更新后整体环境向量是基于用户反馈结果，将整体环境向量更新而得。
其中，第二神经网络模型可以是Critic网络模型，上述整体环境向量为步骤S12中拼接基本环境向量与正负环境向量而得到的，评判结果为上述步骤S32中的奖励，更新后整体环境向量为步骤S14后，基于待投放广告投放后用户的反馈结果，将整体环境向量更新后得到的，具体地，更新的是整体环境向量中的正负环境向量，正负环境向量如何得到的在步骤S12的一个实施例中有详细介绍，此处不再赘述。将整体环境向量、奖励、更新后整体环境向量输入Critic网络模型，利用Critic网络模型计算时间差分值，基于该时间差分值，利用预设调整策略调整Critic网络模型的网络参数。
在步骤S16中，基于上述整体环境向量、建议投放动作和时间差分值，调整第一神经网络模型的网络参数，用于待投放广告的下一次投放。
在本步骤中，基于步骤S12中的整体环境向量、步骤S13中的建议投放动作和步骤S15的时间差分值，调整第一神经网络模型的网络参数，其中，第一神经网络模型可以是Actor网络模型。
调整后的第一神经网络模型和第二神经网络模型用于待投放广告的下一次投放，即，下一次投放时，将新的待投放用户的用户稠密向量和待投放广告的广告稠密向量拼接，作为新的整体环境向量输入调整后的第一神经网络模型，如步骤S13，得到表示是否投放的建议投放动作。
本发明实施例提供的一种广告投放方法，将用户属性与广告属性转换并拼接后得到整体环境向量，第一神经网络模型根据整体环境向量确定建议投放动作，第二神经网络模型对第一神经网络模型确定的建议投放动作的效果进行评价，然后基于用户反馈动态优化第一神经网络模型和第二神经网络模型的网络参数，循环训练，使得第一神经网络模型对建议投放动作的确定更加准确，弱化了历史信息的影响，提升了广告投放的准确性。
在一个实施例中，如图2，在步骤S15“将整体环境向量、评判结果以及更新后整体环境向量，输入第二神经网络模型，得到时间差分值”之后，还可以包括：
S21、确定第一神经网络模型和第二神经网络模型是否均收敛。
在本实施例中，例如第一神经网络模型和第二神经网络模型分别是Actor网络模型和Critic网络模型，需要根据损失函数确定Actor网络模型和Critic网络模型是否收敛。
具体地，步骤S21“确定第一神经网络模型和第二神经网络模型是否均收敛”，包括：
将时间差分值、建议投放动作的概率输入第一损失函数，得到第一损失函数的值，若第一损失函数的值连续在预设次数内变化浮动小于预设阈值时，确定第一神经网络模型收敛。
例如，第一神经网络模型为Actor网络模型，其损失函数可以为时间差分值和建议投放动作的概率乘积取负对数。将时间差分值、建议投放动作的概率输入Actor网络模型，得到Actor网络模型损失函数的值，当Actor网络模型损失函数的值连续在预设次数内变化浮动小于预设阈值时，例如，预设次数为100，预设阈值为5％，即Actor网络模型循环执行100次后，Actor网络模型的损失函数值在这100次内浮动变化不超过5％时，则确定Actor网络模型收敛。
将时间差分值输入第二损失函数，得到第二损失函数的值，若第二损失函数的值连续在预设次数内变化浮动小于预设阈值时，确定第二神经网络模型收敛。
例如，第二神经网络模型为Critic网络模型，其损失函数可以为时间差分值的平方。将时间差分值输入Critic网络模型，得到Critic网络模型损失函数的值，当Critic网络模型损失函数的值连续在预设次数内变化浮动小于预设阈值时，例如，预设次数为50，预设阈值为3％，即Critic网络模型循环执行50次后，Critic网络模型的损失函数值在这50次内浮动变化不超过3％时，则确定Critic网络模型收敛。
S22、如果均收敛，确定在针对待投放广告的后续投放过程中，被投放用户的数量大于收敛之前被投放用户的数量。
在本实施例中，如果第一神经网络模型和第二神经网络模型均收敛，则可以适当扩大投放范围，即被投放用户的数量大于收敛之前被投放用户的数量；也可以全流量线上部署，其中全流量指的是全部用户的请求，本实施例不做限制。扩大投放范围后，还需要对第一神经网络模型和第二神经网络模型的参数进行调整，方法如前述调整网络模型参数内容，此处不再赘述。如果其中一个神经网络模型没有收敛，则在小范围内投放，继续训练模型。
图3-1是根据一示例性实施例示出的一种广告投放装置框图。参照图3-1，该装置包括第一拼接单元31，第二拼接单元32、输入单元33、评判单元34、第一调整单元35和第二调整单元36；
该第一拼接单元31被配置为拼接待投放广告的本次被投放用户的用户稠密向量，以及待投放广告的广告稠密向量，得到基本环境向量，所述用户稠密向量用于表示所述本次被投放用户的用户属性，所述广告稠密向量用于表示所述待投放广告的广告属性；
该第二拼接单元32被配置为被配置为拼接基本环境向量与正负环境向量，得到整体环境向量，所述正负环境向量用于表示所述待投放广告的历史投放用户属性；
该输入单元33被配置为被配置为将整体环境向量输入第一神经网络模型，得到表示是否投放的建议投放动作；
该评判单元34被配置为基于建议投放动作和用户反馈结果，对建议投放动作进行评判，得到评判结果，所述用户反馈结果为当所述建议投放动作表示投放时对所述待投放广告进行投放后得到的；
该第一调整单元35被配置为将整体环境向量、评判结果以及更新后整体环境向量，输入第二神经网络模型，得到时间差分值，基于时间差分值调整第二神经网络模型的网络参数，所述更新后整体环境向量是基于所述用户反馈结果，将所述整体环境向量更新而得；
该第二调整单元36被配置为基于整体环境向量、建议投放动作和时间差分值，调整第一神经网络模型的网络参数，用于待投放广告的下一次投放。
在一个实施例中，如图3-2，在一个实施例中，该装置还包括：
第一确定单元37，被配置为确定第一神经网络模型和第二神经网络模型是否均收敛；
第二确定单元38，被配置为如果均收敛，确定在针对待投放广告的后续投放过程中，被投放用户的数量大于收敛之前被投放用户的数量。
在一个实施例中，正负环境向量包括正环境向量和负环境向量；正环境向量表示对待投放广告感兴趣的用户的用户属性；负环境向量表示对待投放广告不感兴趣的用户的用户属性。
在一个实施例中，输入单元33，具体被配置为将整体环境向量输入第一神经网络模型，得到第一神经网络模型输出的投放动作的概率；并依据投放动作的概率，确定表示是否投放的建议投放动作。
在一个实施例中，评判单元34，具体被配置为若建议投放动作表示不投放待投放广告，确定评判结果为第一预设负值；以及若建议投放动作表示投放待投放广告，在投放后，如果用户对待投放广告感兴趣，确定评判结果为预设正值，如果用户对待投放广告不感兴趣，确定评判结果为第二预设负值，第二预设负值小于第一预设负值。
在一个实施例中，第一确定单元37，具体被配置为将所述时间差分值、所述建议投放动作的概率输入第一损失函数，得到第一损失函数的值，若所述第一损失函数的值连续在预设次数内变化浮动小于预设阈值时，确定所述第一神经网络模型收敛；以及将所述时间差分值输入第二损失函数，得到第二损失函数的值，若所述第二损失函数的值连续在预设次数内变化浮动小于预设阈值时，确定所述第二神经网络模型收敛。
关于上述实施例中的装置，其中各个单元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。
图4是根据一示例性实施例示出的一种用于广告投放装置600的框图。例如，装置600可以是计算机、消息收发设备等。
参照图4，装置400可以包括以下一个或多个组件：处理组件402，存储器404，电力组件406，多媒体组件408，音频组件410，输入/输出(I/O)的接口412，传感器组件414，以及通信组件416。
处理组件402通常控制装置400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402可以包括一个或多个处理器420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402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。
存储器404被配置为存储各种类型的数据以支持在设备400的操作。这些数据的示例包括用于在装置400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404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406为装置400的各种组件提供电力。电源组件406可以包括电源管理系统，一个或多个电源，及其他与为装置400生成、管理和分配电力相关联的组件。
多媒体组件408包括在所述装置400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408包括一个前置摄像头和/或后置摄像头。当设备400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410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(MIC)，当装置400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404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。
I/O接口412为处理组件402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414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到设备400的打开/关闭状态，组件的相对定位，例如所述组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414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414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414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416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置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416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416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，装置400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404，上述指令可由装置400的处理器420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5是根据一示例性实施例示出的一种用于广告投放的装置500的框图。例如，装置500可以被提供为一服务器。参照图5，装置500包括处理组件522，其进一步包括一个或多个处理器，以及由存储器532所代表的存储器资源，用于存储可由处理组件522的执行的指令，例如应用程序。存储器532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522被配置为执行指令，以执行上述方法。
装置500还可以包括一个电源组件526被配置为执行装置500的电源管理，一个有线或无线网络接口550被配置为将装置500连接到网络，和一个输入输出(I/O)接口558。装置500可以操作基于存储在存储器532的操作系统，例如Windows ServerTM，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)
1.一种广告投放方法，其特征在于，包括：
拼接待投放广告的本次被投放用户的用户稠密向量，以及所述待投放广告的广告稠密向量，得到基本环境向量，所述用户稠密向量用于表示所述本次被投放用户的用户属性，所述广告稠密向量用于表示所述待投放广告的广告属性；
拼接所述基本环境向量与正负环境向量，得到整体环境向量，所述正负环境向量用于表示所述待投放广告的历史投放用户属性；
将所述整体环境向量输入第一神经网络模型，得到表示是否投放的建议投放动作；
基于所述建议投放动作和用户反馈结果，对所述建议投放动作进行评判，得到评判结果，所述用户反馈结果为当所述建议投放动作表示投放时对所述待投放广告进行投放后得到的；
将所述整体环境向量、所述评判结果以及更新后整体环境向量，输入第二神经网络模型，得到时间差分值，基于所述时间差分值调整所述第二神经网络模型的网络参数，所述更新后整体环境向量是基于所述用户反馈结果，将所述整体环境向量更新而得；
基于所述整体环境向量、所述建议投放动作和所述时间差分值，调整所述第一神经网络模型的网络参数，用于所述待投放广告的下一次投放。
2.根据权利要求1所述的方法，其特征在于，在所述将所述整体环境向量、所述评判结果以及更新后整体环境向量，输入第二神经网络模型，得到时间差分值之后，还包括：
确定所述第一神经网络模型和所述第二神经网络模型是否均收敛；
如果均收敛，确定在针对所述待投放广告的后续投放过程中，被投放用户的数量大于收敛之前被投放用户的数量。
3.根据权利要求1所述的方法，其特征在于，所述正负环境向量包括正环境向量和负环境向量；
所述正环境向量表示对所述待投放广告感兴趣的用户的用户属性；
所述负环境向量表示对所述待投放广告不感兴趣的用户的用户属性。
4.根据权利要求1所述的方法，其特征在于，所述将所述整体环境向量输入第一神经网络模型，得到表示是否投放的建议投放动作，包括：
将所述整体环境向量输入第一神经网络模型，得到所述第一神经网络模型输出的投放动作的概率；
依据所述投放动作的概率，确定表示是否投放的建议投放动作。
5.根据权利要求1所述的方法，其特征在于，所述基于所述建议投放动作和用户反馈结果，对所述投放动作进行评判，得到评判结果，包括：
若所述建议投放动作表示不投放所述待投放广告，确定评判结果为第一预设负值；
若所述建议投放动作表示投放所述待投放广告，在投放后，如果用户对所述待投放广告感兴趣，确定所述评判结果为预设正值，如果用户对所述待投放广告不感兴趣，确定所述评判结果为第二预设负值，所述第二预设负值小于所述第一预设负值。
6.根据权利要求2所述的方法，其特征在于，所述确定所述第一神经网络模型和所述第二神经网络模型是否均收敛，包括：
将所述时间差分值、所述建议投放动作的概率输入第一损失函数，得到第一损失函数的值，若所述第一损失函数的值连续在预设次数内变化浮动小于预设阈值时，确定所述第一神经网络模型收敛；
将所述时间差分值输入第二损失函数，得到第二损失函数的值，若所述第二损失函数的值连续在预设次数内变化浮动小于预设阈值时，确定所述第二神经网络模型收敛。
7.一种广告投放装置，其特征在于，包括：
第一拼接单元，被配置为拼接待投放广告的本次被投放用户的用户稠密向量，以及所述待投放广告的广告稠密向量，得到基本环境向量，所述用户稠密向量用于表示所述本次被投放用户的用户属性，所述广告稠密向量用于表示所述待投放广告的广告属性；
第二拼接单元，被配置为拼接所述基本环境向量与正负环境向量，得到整体环境向量，所述正负环境向量用于表示所述待投放广告的历史投放用户属性；
输入单元，被配置为将所述整体环境向量输入第一神经网络模型，得到表示是否投放的建议投放动作；
评判单元，被配置为基于所述建议投放动作和用户反馈结果，对所述建议投放动作进行评判，得到评判结果，所述用户反馈结果为当所述建议投放动作表示投放时对所述待投放广告进行投放后得到的；
第一调整单元，被配置为将所述整体环境向量、所述评判结果以及更新后整体环境向量，输入第二神经网络模型，得到时间差分值，基于所述时间差分值调整所述第二神经网络模型的网络参数，所述更新后整体环境向量是基于所述用户反馈结果，将所述整体环境向量更新而得；
第二调整单元，被配置为基于所述整体环境向量、所述建议投放动作和所述时间差分值，调整所述第一神经网络模型的网络参数，用于所述待投放广告的下一次投放。
8.根据权利要求7所述的广告投放装置，其特征在于，所述的装置还包括：
第一确定单元，被配置为确定所述第一神经网络模型和所述第二神经网络模型是否均收敛；
第二确定单元，被配置为如果均收敛，确定在针对所述待投放广告的后续投放过程中，被投放用户的数量大于收敛之前被投放用户的数量。
9.一种广告投放服务器，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存储器上所存放的程序时，实现权利要求1-6任一所述的方法步骤。
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一种广告投放方法，以实现权利要求1-6任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910249173.XA CN111754251B (zh) | 2019-03-29 | 2019-03-29 | 广告投放方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910249173.XA CN111754251B (zh) | 2019-03-29 | 2019-03-29 | 广告投放方法、装置、服务器及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111754251A true CN111754251A (zh) | 2020-10-09 |
| CN111754251B CN111754251B (zh) | 2024-01-19 |
Family
ID=72671798
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910249173.XA Active CN111754251B (zh) | 2019-03-29 | 2019-03-29 | 广告投放方法、装置、服务器及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111754251B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114912957A (zh) * | 2022-05-25 | 2022-08-16 | 北京奇艺世纪科技有限公司 | 一种广告指标预测方法、装置、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101124810A (zh) * | 2005-07-21 | 2008-02-13 | 株式会社恒星技术 | 广告信息显示方法、广告信息显示系统、广告信息显示程序及广告信息发送程序 |
| CN105574741A (zh) * | 2015-12-22 | 2016-05-11 | 北京奇虎科技有限公司 | 一种流量价值的评估方法、装置及其应用方法和系统 |
| CN106897892A (zh) * | 2015-12-18 | 2017-06-27 | 北京奇虎科技有限公司 | 广告投放方法及装置 |
| CN107423992A (zh) * | 2016-05-23 | 2017-12-01 | 北京易车互联信息技术有限公司 | 确定广告点击率的预估模型的方法及装置 |
| CN108038545A (zh) * | 2017-12-06 | 2018-05-15 | 湖北工业大学 | 基于Actor-Critic神经网络连续控制的快速学习算法 |
| CN108053050A (zh) * | 2017-11-14 | 2018-05-18 | 广州优视网络科技有限公司 | 点击率预估方法、装置、计算设备及存储介质 |
| CN108280682A (zh) * | 2018-01-16 | 2018-07-13 | 深圳市和讯华谷信息技术有限公司 | 广告投放方法、终端及计算机可读存储介质 |
-
2019
- 2019-03-29 CN CN201910249173.XA patent/CN111754251B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101124810A (zh) * | 2005-07-21 | 2008-02-13 | 株式会社恒星技术 | 广告信息显示方法、广告信息显示系统、广告信息显示程序及广告信息发送程序 |
| CN106897892A (zh) * | 2015-12-18 | 2017-06-27 | 北京奇虎科技有限公司 | 广告投放方法及装置 |
| CN105574741A (zh) * | 2015-12-22 | 2016-05-11 | 北京奇虎科技有限公司 | 一种流量价值的评估方法、装置及其应用方法和系统 |
| CN107423992A (zh) * | 2016-05-23 | 2017-12-01 | 北京易车互联信息技术有限公司 | 确定广告点击率的预估模型的方法及装置 |
| CN108053050A (zh) * | 2017-11-14 | 2018-05-18 | 广州优视网络科技有限公司 | 点击率预估方法、装置、计算设备及存储介质 |
| CN108038545A (zh) * | 2017-12-06 | 2018-05-15 | 湖北工业大学 | 基于Actor-Critic神经网络连续控制的快速学习算法 |
| CN108280682A (zh) * | 2018-01-16 | 2018-07-13 | 深圳市和讯华谷信息技术有限公司 | 广告投放方法、终端及计算机可读存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114912957A (zh) * | 2022-05-25 | 2022-08-16 | 北京奇艺世纪科技有限公司 | 一种广告指标预测方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111754251B (zh) | 2024-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110782468B (zh) | 图像分割模型的训练方法及装置及图像分割方法及装置 | |
| KR101796402B1 (ko) | 멀티미디어 정보의 표시방법 및 장치 | |
| KR101917070B1 (ko) | 이동 단말기, 서버, 시스템, 이동 단말기 및 서버의 제어 방법 | |
| KR20160094927A (ko) | 단문 메시지 콘텐츠를 디스플레이하는 방법, 장치 및 시스템, 단문 메시지의 디스플레이를 결정하는 방법 및 장치 | |
| US20170032287A1 (en) | Method and device for providing ticket information | |
| US11169702B2 (en) | Method and device for displaying information and storage medium | |
| CN109670077B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
| CN109447125B (zh) | 分类模型的处理方法、装置、电子设备及存储介质 | |
| CN109819288B (zh) | 广告投放视频的确定方法、装置、电子设备及存储介质 | |
| CN111461304B (zh) | 分类神经网络的训练方法、文本分类方法、装置及设备 | |
| CN110691268B (zh) | 一种消息发送方法、装置、服务器、移动终端及存储介质 | |
| CN109714643B (zh) | 视频数据的推荐方法、系统及服务器和存储介质 | |
| CN109614470B (zh) | 回答信息的处理方法、装置、终端及可读存储介质 | |
| CN111160448A (zh) | 一种图像分类模型的训练方法及装置 | |
| CN111369271A (zh) | 一种广告的排序方法、装置、电子设备及存储介质 | |
| CN111966412A (zh) | 唤醒终端的方法、装置及存储介质 | |
| CN109784537B (zh) | 广告点击率的预估方法、装置及服务器和存储介质 | |
| CN111754251B (zh) | 广告投放方法、装置、服务器及存储介质 | |
| CN109522543B (zh) | 一种信息处理方法及终端设备 | |
| CN112308588A (zh) | 广告的投放方法、装置及存储介质 | |
| CN113553509B (zh) | 一种内容推荐方法、装置、电子设备及存储介质 | |
| CN110677470B (zh) | 服务信息推送方法、装置及计算机可读存储介质 | |
| CN109088920B (zh) | 智能音箱的评价方法、装置、设备及存储介质 | |
| US20170169467A1 (en) | Information push method and device | |
| CN112037719B (zh) | 屏幕亮度调节方法和装置 |
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 |