CN112232846A - 基于多媒体文件的特征值确定方法、装置、介质及设备 - Google Patents
基于多媒体文件的特征值确定方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN112232846A CN112232846A CN201910636904.6A CN201910636904A CN112232846A CN 112232846 A CN112232846 A CN 112232846A CN 201910636904 A CN201910636904 A CN 201910636904A CN 112232846 A CN112232846 A CN 112232846A
- Authority
- CN
- China
- Prior art keywords
- multimedia file
- characteristic value
- exposure
- determining
- predicted
- 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 56
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 25
- 238000010586 diagram Methods 0.000 description 13
- 238000006243 chemical reaction Methods 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 230000002860 competitive effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003313 weakening effect Effects 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
- G06Q30/0242—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
- G06Q30/0273—Determination of fees for advertising
-
- 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
- G06Q30/0277—Online advertisement
Abstract
本公开提供一种基于多媒体文件的特征值确定方法、基于多媒体文件的特征值确定装置、计算机可读存储介质及电子设备;涉及计算机技术领域。该基于多媒体文件的特征值确定方法包括:为多媒体文件确定一预测特征值,预测特征值为随机值;根据预测特征值确定多媒体文件在第一时刻下的曝光量;根据曝光量与目标曝光量的比对,调整预测特征值;将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值,其中,第二时刻的发生时间晚于第一时刻。本公开中的基于多媒体文件的特征值确定方法能够一定程度上克服多媒体文件展示效果被削弱的问题,进而通过调整多媒体文件的特征值,使得多媒体文件完成其固定输出量,以提升其展示效果。
Description
技术领域
本公开涉及计算机技术领域,具体而言,涉及一种基于多媒体文件的特征值确定方法、基于多媒体文件的特征值确定装置、计算机可读存储介质及电子设备。
背景技术
随着互联网技术的不断发展,通过输出多媒体文件向用户展示待展示的内容成为了当下主流的展示方式。
当存在多个多媒体文件需要向用户展示且展示区域不能同时展示所有多媒体文件时,则需要选择性的展示一部分多媒体文件。对于展示的这一部分多媒体文件,可能是存在固定量输出的一种多媒体文件,也可能是随着每次展示不断调整其用于竞争的特征值的另一种多媒体文件。
但是,存在固定量输出的多媒体文件用于竞争的特征值通常较低,在与另一种多媒体文件竞争时,通常会由于特征值较低而无法获得展示,从而会使得其无法完成其固定量输出,从而削弱其展示效果。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种基于多媒体文件的特征值确定方法、基于多媒体文件的特征值确定装置、计算机可读存储介质及电子设备,在一定程度上克服多媒体文件展示效果被削弱的问题,进而通过调整多媒体文件的特征值,使得多媒体文件完成其固定输出量,以提升其展示效果。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的第一方面,提供一种基于多媒体文件的特征值确定方法,包括:
为多媒体文件确定一预测特征值,预测特征值为随机值;
根据预测特征值确定多媒体文件在第一时刻下的曝光量;
根据曝光量与目标曝光量的比对,调整预测特征值;
将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值,其中,第二时刻的发生时间晚于第一时刻。
在本公开的一种示例性实施例中,根据曝光量与目标曝光量的比对,调整预测特征值,包括:
根据曝光量与目标曝光量的比对,对预测特征值进行调整,直到曝光量与目标曝光量的差值小于预设阈值。
在本公开的一种示例性实施例中,多媒体文件为多个,预测特征值与多媒体文件一一对应。
在本公开的一种示例性实施例中,根据特征值确定多媒体文件在第一时刻下的曝光量,包括:
对所有的特征值按照由高到低的顺序排序,根据排序结果确定出对应的多媒体文件在第一时刻下的曝光量。
在本公开的一种示例性实施例中,该基于多媒体文件的特征值确定方法还包括:
根据调整后的预测特征值和多媒体文件的预估点击率确定多媒体文件的预测收益值,预测收益值用于表示输出多媒体文件后预测得到的收益。
在本公开的一种示例性实施例中,将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值,包括:
比对第一时刻的曝光环境和第二时刻的曝光环境;
根据比对结果将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值。
在本公开的一种示例性实施例中,曝光环境包括多媒体文件的目标曝光量、最大收益值以及预估点击率。
根据本公开的第二方面,提供一种基于多媒体文件的特征值确定装置,包括特征值确定单元、曝光量确定单元以及曝光量比对单元,其中:
特征值确定单元,用于为多媒体文件确定一预测特征值,预测特征值为随机值;
曝光量确定单元,用于根据预测特征值确定多媒体文件在第一时刻下的曝光量;
曝光量比对单元,用于根据曝光量与目标曝光量的比对,调整预测特征值;
特征值确定单元,还用于将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值,第二时刻的发生时间晚于第一时刻。
在本公开的一种示例性实施例中,曝光量比对单元根据曝光量与目标曝光量的比对,调整预测特征值的方式具体为:
曝光量比对单元根据曝光量与目标曝光量的比对,对预测特征值进行调整,直到曝光量与目标曝光量的差值小于预设阈值。
在本公开的一种示例性实施例中,多媒体文件为多个,预测特征值与多媒体文件一一对应。
在本公开的一种示例性实施例中,曝光量确定单元根据预测特征值确定多媒体文件在第一时刻下的曝光量的方式具体为:
曝光量确定单元对所有的预测特征值按照由高到低的顺序排序,根据排序结果确定出对应的多媒体文件在第一时刻下的曝光量。
在本公开的一种示例性实施例中,该基于多媒体文件的特征值确定装置还包括收益值确定单元,其中:
收益值确定单元,用于根据调整后的预测特征值和多媒体文件的预估点击率确定多媒体文件的预测收益值,预测收益值用于表示输出多媒体文件后预测得到的收益。
在本公开的一种示例性实施例中,特征值确定单元将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值的方式具体为:
特征值确定单元比对第一时刻的曝光环境和第二时刻的曝光环境;
特征值确定单元根据比对结果将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值。
在本公开的一种示例性实施例中,曝光环境包括多媒体文件的目标曝光量、最大收益值以及预估点击率。
根据本公开的第三方面,提供一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。
根据本公开的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的方法。
本公开示例性实施例可以具有以下部分或全部有益效果:
在本公开的一示例实施方式所提供的基于多媒体文件的特征值确定方法中,可以为多媒体文件确定一预测特征值(如,虚拟竞价),预测特征值为随机值,并根据预测特征值确定多媒体文件在第一时刻下的曝光量,以及根据曝光量与目标曝光量的比对,调整预测特征值,进而将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值,其中,第二时刻与第一时刻相近,故第二时刻的竞争环境与第一时刻的竞争环境相似,因此,在第一时刻预测的竞价可以用于第二时刻。依据上述方案描述,本公开一方面能够在一定程度上克服多媒体文件展示效果被削弱的问题,进而通过调整多媒体文件的特征值,使得多媒体文件完成其固定输出量,以提升多媒体文件的展示效果;另一方面,相较传统的人工确定预测特征值,本公开能够通过为多媒体文件自动调整预测特征值,以在保证曝光量的情况下,降低人工成本。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。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示出了可以应用本公开实施例的一种基于多媒体文件的特征值确定方法及基于多媒体文件的特征值确定装置的示例性系统架构的示意图;
图2示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图;
图3示意性示出了根据本公开的一个实施例的基于多媒体文件的特征值确定方法的流程图;
图4示意性示出了根据本公开的一个实施例的调整预测特征值时对应的虚拟出价变化示意图;
图5示意性示出了根据本公开的一个实施例中的基于多媒体文件的特征值确定装置的结构框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示出了可以应用本公开实施例的一种基于多媒体文件的特征值确定方法及基于多媒体文件的特征值确定装置的示例性应用环境的系统架构的示意图。
如图1所示,系统架构100可以包括终端设备101、102、103中的一个或多个,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。终端设备101、102、103可以是具有显示屏的各种电子设备,包括但不限于台式计算机、便携式计算机、智能手机和平板电脑等等。应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
本公开实施例所提供的基于多媒体文件的特征值确定方法一般由服务器105执行,相应地,基于多媒体文件的特征值确定装置一般设置于服务器105中。但本领域技术人员容易理解的是,本公开实施例所提供的基于多媒体文件的特征值确定方法也可以由终端设备101、102、103执行,相应的,基于多媒体文件的特征值确定装置也可以设置于终端设备101、102、103中,本示例性实施例中对此不做特殊限定。举例而言,在一种示例性实施例中,服务器105为多媒体文件确定一预测特征值,并根据预测特征值确定多媒体文件在第一时刻下的曝光量,以及根据曝光量与目标曝光量的比对,调整预测特征值,进而将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值。
图2示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图2示出的电子设备的计算机系统200仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图2所示,计算机系统200包括中央处理单元(CPU)201,其可以根据存储在只读存储器(ROM)202中的程序或者从存储部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中,还存储有系统操作所需的各种程序和数据。CPU201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至I/O接口205:包括键盘、鼠标等的输入部分206;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分207;包括硬盘等的存储部分208;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器210上,以便于从其上读出的计算机程序根据需要被安装入存储部分208。
特别地,根据本公开的实施例,下文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分209从网络上被下载和安装,和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时,执行本申请的方法和装置中限定的各种功能。在一些实施例中,计算机系统200还可以包括AI(ArtificialIntelligence,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。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如下述实施例中所述的方法。例如,所述的电子设备可以实现如图3以及图3的实施例所示的各个步骤等。
以下对本公开实施例的技术方案进行详细阐述:
线上广告通常分为合约广告和竞价广告,在竞争广告位时通常是合约广告和竞价广告一起竞争,但是,由于合约广告是保量广告,不会在每次竞争中进行实时出价,因此,为了保证合约广告的曝光量,通常需要为合约广告赋予虚拟出价,使其与竞价广告进行竞争。
通常使用pacing作为合约广告的系数,控制合约广告的播放速率,以其达到保量效果,或使用rank percent threshold过滤广告自身低pCTR(广告点击率预测)的流量,以实现效果择优,而二者配合使用可以使合约广告的保量和效果均得到保障。在实际使用过程中,pacing配额和rank percent机制在参数优化框架下能够有效的满足广告主的保量和效果需求,然而上述方法会降低广告投放平台的收益。
具体地,在rank percent threshold为0的情况下,等于纯pacing机制,没有效果择优。而一旦阈值高于0,那么对合约广告而言,大量拉取机会被过滤掉,因而具有更高的保量压力,算法则会调高pacing。这个做法使得合约广告排序分值过高,可以挤占掉大量高出价的竞价广告的流量,降低广告投放平台的收益。
需要说明的是,pacing是广告系统中控制花费预算的节奏的一个算法,可以通过调节出价,让广告主获得最大的投资回报率。rank percent threshold为一种预设的阈值,用于过滤低点击率。rank percent机制是一种排名百分比机制,用于通过排名,确定出前N位的广告并对其进行展示;其中,N为正整数。
基于上述一个或多个问题,本示例实施方式提供了一种基于多媒体文件的特征值确定方法。该基于多媒体文件的特征值确定方法可以应用于上述服务器105,也可以应用于上述终端设备101、102、103中的一个或多个,本示例性实施例中对此不做特殊限定。参考图3所示,该基于多媒体文件的特征值确定方法可以包括以下步骤S310至步骤S340:
步骤S310:为多媒体文件确定一预测特征值,预测特征值为随机值。
步骤S320:根据预测特征值确定多媒体文件在第一时刻下的曝光量。
步骤S330:根据曝光量与目标曝光量的比对,调整预测特征值。
步骤S340:将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值,其中,第二时刻的发生时间晚于第一时刻。
在本公开的一示例实施方式所提供的基于多媒体文件的特征值确定方法中,可以为多媒体文件随机确定一预测特征值(如,虚拟竞价),并根据预测特征值确定多媒体文件在第一时刻下的曝光量,以及根据曝光量与目标曝光量的比对,调整预测特征值,进而将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值,其中,第二时刻与第一时刻相近,故第二时刻的竞争环境与第一时刻的竞争环境相似,因此,在第一时刻预测的竞价可以用于第二时刻。依据上述方案描述,本公开一方面能够在一定程度上克服多媒体文件展示效果被削弱的问题,进而通过调整多媒体文件的特征值,使得多媒体文件完成其固定输出量,以提升多媒体文件的展示效果;另一方面,相较传统的人工确定预测特征值,本公开能够通过为多媒体文件自动调整预测特征值,以在保证曝光量的情况下,降低人工成本。
下面,对于本示例实施方式的上述步骤进行更加详细的说明。
在步骤S310中,为多媒体文件随机确定一预测特征值。
在本公开的实施例中,多媒体文件可以为合约广告,并且多媒体文件可以为多个,预测特征值与多媒体文件一一对应。预测特征值可以为虚拟出价,根据为合约广告确定出一虚拟出价,可以使其利用该虚拟出价与竞价广告进行竞争,以保证合约广告的曝光量。
本公开的实施例中,如果多媒体文件为多个,那么,为多媒体文件随机确定一预测特征值的具体实施方式为:为每个多媒体文件分别随机确定一预测特征值。
在本公开的实施例中,点击付费广告(Cost Per Click,CPC)是根据广告被点击的次数收费。展示付费广告(Cost Per Mille,CPM)可以理解为,只要展示了广告主的广告内容,广告主就为此付费。eCPM(effective Cost Per Mille)指的就是每一千次展示可以获得的广告收入。CPA(Cost Per Action,)是一种按广告投放实际效果计价方式的广告,即按回应的有效问卷或注册计费,不限广告投放量。转化率(Click Value Rate,CVR)是衡量CPA广告效果的指标。点击通过率(Click Through Rate,CTR)是网络广告(如,图片广告、文字广告、关键词广告、排名广告或视频广告等)的点击到达率,即该广告的实际点击次数(也可以理解为到达目标页面的数量)除以广告的曝光量。预估点击率(Predict Click ThroughRate,pCTR)用于表示受众点击广告的意愿。此外,优化千次展现出价(Optimized Cost PerMille,oCPM)是采用更精准的点击率和转化率预估机制,将广告展现给最容易产生转化的用户,在获取流量的同时能够提高转化率、降低转化成本。此外,优化行为出价(optimizedCost Per Action,oCPA)是当广告主在广告投放流程中选定特定的优化目标(如,移动应用的激活),提供愿意为此投放目标而支付的平均价格,并及时、准确回传效果数据,借助转化预估模型可以实时预估每一次点击对广告主的转化价值、自动出价以及最终按照点击扣费,并且,转化预估模型会根据广告主的广告转化数据不断自动优化。其中,CPM、CPC、oCPM/oCPA的参照对比,请参阅如下表格:
在本公开的实施例中,合约广告也可以称为CPM广告,竞价广告可以称为CPC广告。CPC和oCPM/oCPA的eCPM均与CTR相关,其中,CPM的排序公式的表达式为:FakeBid*pCTR*1000;CPC的排序公式的表达式为:Bid*pCTR*1000。其中的FakeBid为虚拟出价,Bid为实际出价,通过排序公式的表达式能够确定出展示广告所获得的收益。具体地,对于每个CPM,广告投放平台通过为其确定出一虚拟出价与其他广告进行竞争,通过保量优化算法,能够对虚拟出价进行实时调整,使得CPM能够在排期内完成预定的播放量,可以理解为,将合约广告视为竞价广告,进而通过平台动态出价来控制整体曝光量。
进一步地,虽然采用虚拟出价机制能够有效的通过竞争过滤掉低效果广告,但相比于强行过滤的rank percent机制,效果会有所降低。为了在流量允许的条件下强化合约广告的投放效果(FakeBid with CTR+),可以将CPM的排序公式的表达式调整为:
FakeBidβ*(pCTR-pCTRthreshold)*1000)
其中,FakeBidβ为效果提升模式下的算法出价,pCTRthreshold为最低pCTR阈值,低于此值的多媒体文件将被过滤,故,调整后的虚拟出价的表达式可以为:
通过上述表达式确定出的虚拟出价能够为合约广告争取更多的广告展示机会,以使得合约广告能够完成预期的曝光量。
在步骤S320中,根据预测特征值确定多媒体文件在第一时刻下的曝光量。
在本公开的实施例中,第一时刻可以为当前时刻,在该时刻下的多媒体文件竞争已完成。根据预测特征值确定多媒体文件在第一时刻下的曝光量能够根据已知的竞争环境(即,上述的曝光环境)确定出第一时刻下的最优特征值(即,上述的预测特征值),以将其用于下一时刻(即,上述的第二时刻)。
在本公开的实施例中,可选的,根据特征值确定多媒体文件在第一时刻下的曝光量,包括:
对所有的特征值按照由高到低的顺序排序,根据排序结果确定出对应的多媒体文件在第一时刻下的曝光量。
在本公开的实施例中,排序结果的前N位特征值对应的广告能够得以展示,其中,N为正整数且N小于特征值的总数量。举例来说,排序结果中的第一位,即出价最高的广告,对其展示5次/分钟,排序结果中的第二位,即出价第二高的广告,对其展示3次/分钟,故可知,在3分钟内,第一位广告的曝光量为15次,第二位广告的曝光量为9次。因此,根据每个多媒体文件在排序结果中所处的位置能够确定出其在第一时刻下的曝光量。
可见,实施该可选的实施例,能够通过排序结果确定出广告在第一时刻下的曝光量,以根据曝光量对预测特征值进行调整,进而提升合约广告的曝光率,以使其达到预期的曝光量。
在步骤S330中,根据曝光量与目标曝光量的比对,调整预测特征值。
在本公开的实施例中,根据曝光量与目标曝光量的比对,调整预测特征值的方式具体可以为:每次对预测特征值进行调整后将其应用于第一时刻下,以得到曝光量,根据曝光量的变化对预测特征值进行调整;具体地,如果曝光量高于目标曝光量,则调低预测特征值,如果曝光量低于目标曝光量,则调高预测特征值,直到曝光量处于包括目标曝光量的预设范围内,或者直到曝光量等于目标曝光量,本公开的实施例不作限定。此外,需要说明的是,对预测特征值的调整存在一次或多次,本公开的实施例不作限定。
在本公开的实施例中,可选的,根据曝光量与目标曝光量的比对,调整预测特征值,包括:
根据曝光量与目标曝光量的比对,对预测特征值进行调整,直到曝光量与目标曝光量的差值小于预设阈值。
在本公开的实施例中,曝光量用于表示输出多媒体文件的频率,目标曝光量是输出多媒体文件的预期频率。实施该可选的实施例,能够通过对预测特征值的调整,使得每个多媒体文件逐渐接近其预期的曝光量,以平衡合约广告与竞价广告之间的竞争关系。
在本公开的实施例中,可选的,还可以包括:通过margin对预测特征值进行评价,根据评价结果优化用于调整预测特征值的算法。其中,通过margin能够衡量出价质量,margin越小则代表虚拟出价算法(即,上述的用于调整预测特征值的算法)确定出的虚拟出价(即,上述的预测特征值)质量越高,其表达式如下:
margin=FakeBid*pCTR-eCPMfirst_rank_cpc
其中,margin为算法调节出价与理论上的最高溢价差,FakeBid为虚拟出价、pCTR为预估点击率、eCPMfirst_rank_cpc为竞价广告的最高eCPM出价。
可见,实施该可选的实施例,能够根据margin快速的衡量各个的合约广告收益,通过溢价值代表该合约广告对平台的价值,进而确定出高溢价维度的客户,为运营优化提供提升空间。
另外,需要说明的是,本公开中利用的虚拟出价算法可以是一种贪婪算法,即,在对问题求解时,总是做出在当前看来是最好的选择,而不从整体最优上加以考虑,这是在某种意义上的局部最优解。贪心算法没有固定的算法框架,算法设计的关键是贪心策略的选择,贪心策略使用的前提是局部最优能导致全局最优。
在步骤S340中,将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值,其中,第二时刻的发生时间晚于第一时刻。
在本公开的实施例中,第一时刻可以为T时刻,第二时刻可以为T+Δ时刻,其中,Δ为极小值。第二时刻的曝光环境与第一时刻的曝光环境相似,曝光环境E=[pCTR,Max(Scorecpc),budget];其中,budget是广告预算,Max(Scorecpc)是上述的eCPMfirst_rank_cpc。
在本公开的实施例中,可选的,将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值,包括:
比对第一时刻的曝光环境和第二时刻的曝光环境;
根据比对结果将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值。
其中,曝光环境包括多媒体文件的目标曝光量、最大收益值以及预估点击率。
在本公开的实施例中,比对结果用于表示第一时刻的曝光环境和第二时刻的曝光环境的相似程度,可选的,如果其相似程度满足预设条件,则可以执行将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值的步骤。此外,目标曝光量可以为上述的budget,最大收益值可以为上述的Max(Scorecpc),预估点击率可以为上述的pCTR。
可见,实施该可选的实施例,能够通过将曝光环境相同的两个时刻中前一时刻的特征值赋予后一时刻,以提升后一时刻的多媒体文件的曝光量,以提升多媒体文件带来的广告收益。
可见,实施图3所示的基于多媒体文件的特征值确定方法,能够在一定程度上克服多媒体文件展示效果被削弱的问题,进而通过调整多媒体文件的特征值,使得多媒体文件完成其固定输出量,以提升多媒体文件的展示效果;以及,相较传统的人工确定预测特征值,能够通过为多媒体文件自动调整预测特征值,以在保证曝光量的情况下,降低人工成本。
在本公开的实施例中,可选的,该基于多媒体文件的特征值确定方法还包括:
根据调整后的预测特征值和多媒体文件的预估点击率确定多媒体文件的预测收益值,预测收益值用于表示输出多媒体文件后预测得到的收益。
可见,实施该可选的实施例,能够通过预测特征值和多媒体文件的预估点击率确定出在此曝光量下得到的预测收益值,以根据预测收益值调整曝光策略,进而提升广告投放效率。
请参阅图4,图4示意性示出了根据本公开的一个实施例的调整预测特征值时对应的虚拟出价变化示意图。如图4所示,纵轴表示虚拟出价,横轴表示迭代次数,也可以理解为对于预测特征值的调整次数,图4中主要示出了迭代次数为7和迭代次数为50时的曲线变换,从迭代次数为7开始,曲线斜率逐渐变缓,当迭代次数为50时,曲线斜率接近于0,即,多媒体文件的虚拟出价已收敛为0,即多媒体文件已达到预期的曝光量。
可见,结合图4所示曝光量变化示意图以及基于多媒体文件的特征值确定方法的流程图,能够在一定程度上克服多媒体文件展示效果被削弱的问题,进而通过调整多媒体文件的特征值,使得多媒体文件完成其固定输出量,以提升多媒体文件的展示效果;以及,相较传统的人工确定预测特征值,能够通过为多媒体文件自动调整预测特征值,以在保证曝光量的情况下,降低人工成本。
进一步的,本示例实施方式中,还提供了一种基于多媒体文件的特征值确定装置。该基于多媒体文件的特征值确定装置可以应用于一服务器或终端设备。参考图5所示,该基于多媒体文件的特征值确定装置可以包括:特征值确定单元501、曝光量确定单元502以及曝光量比对单元503,其中:
特征值确定单元501,用于为多媒体文件确定一预测特征值,预测特征值为随机值;
曝光量确定单元502,用于根据预测特征值确定多媒体文件在第一时刻下的曝光量;
曝光量比对单元503,用于根据曝光量与目标曝光量的比对,调整预测特征值;
特征值确定单元501,还用于将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值,第二时刻的发生时间晚于第一时刻。
其中,多媒体文件为多个,预测特征值与多媒体文件一一对应。
可见,实施图5所示的基于多媒体文件的特征值确定装置,能够在一定程度上克服多媒体文件展示效果被削弱的问题,进而通过调整多媒体文件的特征值,使得多媒体文件完成其固定输出量,以提升多媒体文件的展示效果;以及,相较传统的人工确定预测特征值,能够通过为多媒体文件自动调整预测特征值,以在保证曝光量的情况下,降低人工成本。
在本公开的一种示例性实施例中,曝光量比对单元503根据曝光量与目标曝光量的比对,调整预测特征值的方式具体为:
曝光量比对单元503根据曝光量与目标曝光量的比对,对预测特征值进行调整,直到曝光量与目标曝光量的差值小于预设阈值。
可见,实施该示例性实施例,能够通过对预测特征值的调整,使得每个多媒体文件逐渐接近其预期的曝光量,以平衡合约广告与竞价广告之间的竞争关系。
在本公开的一种示例性实施例中,曝光量确定单元502根据预测特征值确定多媒体文件在第一时刻下的曝光量的方式具体为:
曝光量确定单元502对所有的预测特征值按照由高到低的顺序排序,根据排序结果确定出对应的多媒体文件在第一时刻下的曝光量。
可见,实施该示例性实施例,能够通过排序结果确定出广告在第一时刻下的曝光量,以根据曝光量对预测特征值进行调整,进而提升合约广告的曝光率,以使其达到预期的曝光量。
在本公开的一种示例性实施例中,该基于多媒体文件的特征值确定装置还包括收益值确定单元(未图示),其中:
收益值确定单元,用于根据调整后的预测特征值和多媒体文件的预估点击率确定多媒体文件的预测收益值,预测收益值用于表示输出多媒体文件后预测得到的收益。
可见,实施该示例性实施例,能够通过预测特征值和多媒体文件的预估点击率确定出在此曝光量下得到的预测收益值,以根据预测收益值调整曝光策略,进而提升广告投放效率。
在本公开的一种示例性实施例中,特征值确定单元501将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值的方式具体为:
特征值确定单元501比对第一时刻的曝光环境和第二时刻的曝光环境;
特征值确定单元501根据比对结果将调整后的预测特征值确定为多媒体文件在第二时刻下的特征值。
其中,曝光环境包括多媒体文件的目标曝光量、最大收益值以及预估点击率。
可见,实施该示例性实施例,能够通过将曝光环境相同的两个时刻中前一时刻的特征值赋予后一时刻,以提升后一时刻的多媒体文件的曝光量,以提升多媒体文件带来的广告收益。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
由于本公开的示例实施例的基于多媒体文件的特征值确定装置的各个功能模块与上述基于多媒体文件的特征值确定方法的示例实施例的步骤对应,因此对于本公开装置实施例中未披露的细节,请参照本公开上述的基于多媒体文件的特征值确定方法的实施例。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、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公开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,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开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。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于多媒体文件的特征值确定方法,其特征在于,包括:
为所述多媒体文件确定一预测特征值,所述预测特征值为随机值;
根据所述预测特征值确定所述多媒体文件在所述第一时刻下的曝光量;
根据所述曝光量与目标曝光量的比对,调整所述预测特征值;
将调整后的预测特征值确定为所述多媒体文件在第二时刻下的特征值,其中,所述第二时刻的发生时间晚于所述第一时刻。
2.根据权利要求1所述的方法,其特征在于,根据所述曝光量与目标曝光量的比对,调整所述预测特征值,包括:
根据所述曝光量与目标曝光量的比对,对所述预测特征值进行调整,直到所述曝光量与所述目标曝光量的差值小于预设阈值。
3.根据权利要求1所述的方法,其特征在于,所述多媒体文件为多个,所述预测特征值与所述多媒体文件一一对应。
4.根据权利要求3所述的方法,其特征在于,根据所述预测特征值确定所述多媒体文件在所述第一时刻下的曝光量,包括:
对所有的所述预测特征值按照由高到低的顺序排序,根据排序结果确定出对应的所述多媒体文件在所述第一时刻下的曝光量。
5.根据权利要求1所述的方法,其特征在于,还包括:
根据调整后的预测特征值和所述多媒体文件的预估点击率确定所述多媒体文件的预测收益值,所述预测收益值用于表示输出所述多媒体文件后预测得到的收益。
6.根据权利要求1所述的方法,其特征在于,将调整后的预测特征值确定为所述多媒体文件在第二时刻下的特征值,包括:
比对所述第一时刻的曝光环境和所述第二时刻的曝光环境;
根据比对结果将调整后的预测特征值确定为所述多媒体文件在第二时刻下的特征值。
7.根据权利要求6所述的方法,其特征在于,所述曝光环境包括所述多媒体文件的所述目标曝光量、最大收益值以及预估点击率。
8.一种基于多媒体文件的特征值确定装置,其特征在于,包括:
特征值确定单元,用于为所述多媒体文件随机确定一预测特征值;
曝光量确定单元,用于根据所述预测特征值确定所述多媒体文件在所述第一时刻下的曝光量;
曝光量比对单元,用于根据所述曝光量与目标曝光量的比对,调整所述预测特征值;
所述特征值确定单元,还用于将调整后的预测特征值确定为所述多媒体文件在第二时刻下的特征值,所述第二时刻的发生时间晚于所述第一时刻。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910636904.6A CN112232846B (zh) | 2019-07-15 | 基于多媒体文件的特征值确定方法、装置、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910636904.6A CN112232846B (zh) | 2019-07-15 | 基于多媒体文件的特征值确定方法、装置、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112232846A true CN112232846A (zh) | 2021-01-15 |
CN112232846B CN112232846B (zh) | 2024-05-14 |
Family
ID=
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800251A (zh) * | 2021-04-12 | 2021-05-14 | 北京达佳互联信息技术有限公司 | 多媒体资源投放方法、装置、电子设备及存储介质 |
CN113034203A (zh) * | 2021-04-19 | 2021-06-25 | 广州欢网科技有限责任公司 | 一种自适应广告投放方法、装置、系统及计算机 |
CN113554470A (zh) * | 2021-07-29 | 2021-10-26 | 北京达佳互联信息技术有限公司 | 一种资源投放方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1719328A (zh) * | 2005-07-01 | 2006-01-11 | 北京中星微电子有限公司 | 一种用于自动曝光调节的方法及控制系统 |
CN105979162A (zh) * | 2016-07-21 | 2016-09-28 | 凌云光技术集团有限责任公司 | 一种可扩展动态范围图像的自动曝光调整方法及装置 |
CN108322666A (zh) * | 2018-02-12 | 2018-07-24 | 广州视源电子科技股份有限公司 | 摄像头快门的调控方法、装置、计算机设备及存储介质 |
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1719328A (zh) * | 2005-07-01 | 2006-01-11 | 北京中星微电子有限公司 | 一种用于自动曝光调节的方法及控制系统 |
CN105979162A (zh) * | 2016-07-21 | 2016-09-28 | 凌云光技术集团有限责任公司 | 一种可扩展动态范围图像的自动曝光调整方法及装置 |
CN108322666A (zh) * | 2018-02-12 | 2018-07-24 | 广州视源电子科技股份有限公司 | 摄像头快门的调控方法、装置、计算机设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800251A (zh) * | 2021-04-12 | 2021-05-14 | 北京达佳互联信息技术有限公司 | 多媒体资源投放方法、装置、电子设备及存储介质 |
CN112800251B (zh) * | 2021-04-12 | 2021-06-22 | 北京达佳互联信息技术有限公司 | 多媒体资源投放方法、装置、电子设备及存储介质 |
CN113034203A (zh) * | 2021-04-19 | 2021-06-25 | 广州欢网科技有限责任公司 | 一种自适应广告投放方法、装置、系统及计算机 |
CN113554470A (zh) * | 2021-07-29 | 2021-10-26 | 北京达佳互联信息技术有限公司 | 一种资源投放方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8666809B2 (en) | Advertisement campaign simulator | |
JP5695655B2 (ja) | ユーザフィードバックに基づくオンライン広告の選択及び優先順位付け | |
KR100930787B1 (ko) | 광고 입찰액 자동 조정 방법 및 시스템 | |
CN110570232A (zh) | 互联网广告投放方法、装置、服务器及存储介质 | |
CN110348908B (zh) | 广告投放预算控制方法及装置 | |
US20170358000A1 (en) | Intraday modeling to adjust online ad distribution | |
US20130097028A1 (en) | Dynamic Floor Pricing for Managing Exchange Monetization | |
WO2009018552A2 (en) | Customized distribution of advertising impressions | |
US20130006758A1 (en) | User feedback-based selection of online advertisements using normalized cost modifiers | |
US20120284128A1 (en) | Order-independent approximation for order-dependent logic in display advertising | |
US20150100438A1 (en) | Selecting among advertisements competing for a slot associated with electronic content delivered over a network based upon predicted latency | |
CN111899041A (zh) | 信息投放的处理和投放方法、装置、设备及存储介质 | |
US20210382952A1 (en) | Web content organization and presentation techniques | |
CN112905879A (zh) | 推荐方法、装置、服务器以及存储介质 | |
CN111756827A (zh) | 信息推送方法、装置及服务器 | |
CN111724181A (zh) | 一种信息的推送方法、装置、介质及电子设备 | |
JP5699233B1 (ja) | 生成装置、生成方法および生成プログラム | |
CN112232846B (zh) | 基于多媒体文件的特征值确定方法、装置、介质及设备 | |
CN112232846A (zh) | 基于多媒体文件的特征值确定方法、装置、介质及设备 | |
US11540001B2 (en) | Systems and methods of dynamic optimization of data element utilization according to objectives | |
CN111340535A (zh) | 展示信息的数据处理方法、装置、介质及电子设备 | |
CN111489182A (zh) | 信息展示的竞争资源控制方法、装置、计算机设备及存储介质 | |
US20190043078A1 (en) | Model-based resource-aware resource reduction request amount suggestion for content items | |
JP6664576B2 (ja) | 配信装置、配信方法及び配信プログラム | |
CN113516495B (zh) | 信息推送方法、装置、电子设备及计算机可读介质 |
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 |