CN113034188A - 一种多媒体内容投放方法、装置及电子设备 - Google Patents

一种多媒体内容投放方法、装置及电子设备 Download PDF

Info

Publication number
CN113034188A
CN113034188A CN202110334947.6A CN202110334947A CN113034188A CN 113034188 A CN113034188 A CN 113034188A CN 202110334947 A CN202110334947 A CN 202110334947A CN 113034188 A CN113034188 A CN 113034188A
Authority
CN
China
Prior art keywords
multimedia content
information
sequence
page
presentation
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
Application number
CN202110334947.6A
Other languages
English (en)
Other versions
CN113034188B (zh
Inventor
洪坚斌
付焕荣
孙蒙新
莫坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110334947.6A priority Critical patent/CN113034188B/zh
Publication of CN113034188A publication Critical patent/CN113034188A/zh
Application granted granted Critical
Publication of CN113034188B publication Critical patent/CN113034188B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241Advertisements
    • G06Q30/0242Determining effectiveness of advertisements
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241Advertisements
    • G06Q30/0251Targeted advertisements
    • G06Q30/0252Targeted advertisements based on events or environment, e.g. weather or festivals

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本公开提供了一种多媒体内容投放方法、装置及电子设备,涉及计算机技术中的互联网技术、大数据等技术领域。具体方案为:接收终端设备发送的第一请求,响应于第一请求,获取第一信息展示页面;对终端设备的行为信息进行预测,得到预测行为信息;基于预测行为信息选择目标多媒体内容,并在第一信息展示页面中投放目标多媒体内容。考虑了对终端设备的行为信息进行预测得到的预测行为信息,利用预测行为信息来确定目标多媒体内容并将其投放,实现多媒体内容的投放。如此,可提高多媒体内容投放效果。

Description

一种多媒体内容投放方法、装置及电子设备
技术领域
本公开涉及计算机技术中的互联网技术、大数据等技术领域,尤其涉及一种多媒体内容投放方法、装置及电子设备。
背景技术
多媒体内容投放目前是商家为提高销售目标常采用的手段,通过多媒体内容投放,使用户有机会查看到多媒体内容,在用户查看到比较感兴趣的多媒体内容的情况下,可通过点击多媒体内容从而进入内容页面,甚至可能产生交易实现变现等,从而达到多媒体内容的销售目标等。
目前,多媒体内容投放常采用的方案是贪心策略,即对候选多媒体内容进行CPM(Cost Per Mille,每千人成本)从大到小的排序,对于每次用户的页面请求,从候选多媒体内容中选择最优CPM的多媒体内容进行投放,即CPM最优投放。
发明内容
本公开提供一种多媒体内容投放方法、装置及电子设备。
第一方面,本公开一个实施例提供一种多媒体内容投放方法,所述方法包括:
接收终端设备发送的第一请求,响应于所述第一请求,获取第一信息展示页面;
对所述终端设备的行为信息进行预测,得到预测行为信息;
基于所述预测行为信息选择目标多媒体内容,并在所述第一信息展示页面中投放目标多媒体内容。
在本实施例的多媒体内容投放方法中,首先,接收终端设备发送的第一请求,获取第一信息展示页面,然后可对终端设备的行为信息进行预测,得到预测行为信息,利用预测行为信息来选择需要投放的目标多媒体内容,将选择的目标多媒体内容投放在第一信息展示页面中。也即是,在确定需要投放的目标多媒体内容过程中,考虑了对终端设备的行为信息进行预测得到的预测行为信息,利用预测行为信息来确定目标多媒体内容并将其投放,实现多媒体内容的投放。如此,可提高多媒体内容投放效果。
第二方面,本公开一个实施例提供一种多媒体内容投放装置,所述装置包括:
接收模块,用于接收终端设备发送的第一请求,响应于所述第一请求,获取第一信息展示页面;
预测模块,用于对所述终端设备的行为信息进行预测,得到预测行为信息;
投放模块,用于基于所述预测行为信息选择目标多媒体内容,并在所述第一信息展示页面中投放目标多媒体内容。
第三方面,本公开一个实施例还提供一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开各实施例提供的多媒体内容投放方法。
第四方面,本公开一个实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本公开各实施例提供的多媒体内容投放方法。
第五方面,本公开一个实施例提供一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本公开各实施例提供的多媒体内容投放方法。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开提供的一个实施例的多媒体内容投放方法的流程示意图之一;
图2是本公开提供的一个实施例的多媒体内容投放方法的流程示意图之二;
图3是本公开提供的一个实施例的多媒体内容投放方法的原理图;
图4是本公开提供的一个实施例的多媒体内容投放装置的结构图;
图5是用来实现本公开实施例的多媒体内容投放方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如图1所示,根据本公开的实施例,本公开提供一种多媒体内容投放方法,可应用于电子设备,例如,电子设备可以是服务器等,方法包括:
步骤S101:接收终端设备发送的第一请求,响应于第一请求,获取第一信息展示页面。
例如,终端设备的用户需要查看多媒体信息,例如,新闻资讯、文章、视频等,可发送第一请求,用于请求第一信息展示页面,第一信息展示页面可用于展示多媒体信息等。在接收到终端设备发送的第一请求后,响应于第一请求,可获取第一信息展示页面,该第一信息展示页面中可包括第一请求的多媒体信息等。
步骤S102:对终端设备的行为信息进行预测,得到预测行为信息。
在获取第一信息展示页面后,可在第一信息展示页面中投放多媒体内容,该多媒体内容与上述多媒体信息不同,多媒体信息为用户通过第一请求的发送以请求的信息,多媒体内容是接收第一请求后,向用户推送的内容,例如,广告等。在本实施例中,为实现多媒体内容投放,首先,对终端设备的行为信息进行预测,得到预测行为信息。
步骤S103:基于预测行为信息选择目标多媒体内容,并在第一信息展示页面中投放目标多媒体内容。
在本实施例中,利用预测行为信息来确定投放的目标多媒体内容,然后在第一信息展示页面中投放目标多媒体内容,实现多媒体内容投放。作为一个示例,在第一信息展示页面中投放目标多媒体内容之后,还可以将投放目标多媒体内容后的第一信息展示页面发送给终端设备,又终端设备显示投放目标多媒体内容后的第一信息展示页面,如此,终端设备的用户不但可查看到第一请求的多媒体信息,还可以查看到投放的多媒体内容。
在本实施例的多媒体内容投放方法中,首先,接收终端设备发送的第一请求,获取第一信息展示页面,然后可对终端设备的行为信息进行预测,得到预测行为信息,利用预测行为信息来选择需要投放的目标多媒体内容,将选择的目标多媒体内容投放在第一信息展示页面中。也即是,在确定需要投放的目标多媒体内容过程中,考虑了对终端设备的行为信息进行预测得到的预测行为信息,利用预测行为信息来确定目标多媒体内容并将其投放,实现多媒体内容的投放。如此,可提高多媒体内容投放效果。
在一个实施例中,预测行为信息,包括如下至少一项:
终端设备在第一信息展示页面发起第二请求的预测概率;
第二请求对应的第二信息展示页面的多媒体内容展示位置的注意力参数的第一预测值;
第一信息展示页面的多媒体内容展示位置的注意力参数的第二预测值;
其中,注意力参数用于表示多媒体内容展示位置的多媒体内容被曝光的概率。
在第一信息展示页面发起第二请求的预测概率,可以理解为,预测在第一信息展示页面进行刷新发起第二请求的概率,例如,预测在第一信息展示页面通过下拉刷新方式或上拉刷新或自动刷新方式等刷新发起第二请求的概率。针对预测的第二请求相应的第二信息展示页面,可对其多媒体内容展示位置的注意力参数的值进行预测得到第一预测值,注意力参数用于表示所述多媒体内容展示位置的多媒体内容被曝光的概率,可以理解,多媒体内容展示位置的多媒体内容被注意到的概率,值越大,表示被曝光的概率越大,值越小,表示被曝光的概率越小。
在本实施例中,可通过终端设备在所述第一信息展示页面发起第二请求的预测概率来选择目标多媒体内容,或者,也可以通过第二请求对应的第二信息展示页面的多媒体内容展示位置的注意力参数的第一预测值来选择目标多媒体内容,或者,也可以通过所述第一信息展示页面的多媒体内容展示位置的注意力参数的第二预测值来选择目标多媒体内容,又或者,通过上述三项内容的任意组合来选择目标多媒体内容。即在本实施例中,选择目标多媒体内容的过程中,考虑了所述终端设备在所述第一信息展示页面发起第二请求的预测概率、所述第二请求对应的第二信息展示页面的多媒体内容展示位置的注意力参数的第一预测值和所述第一信息展示页面的多媒体内容展示位置的注意力参数的第二预测值中的至少一项,可提高选择的投放的目标多媒体内容的精确性,提高投放效果。
在一个实施例中,所述第一预测值为所述第二信息展示页面的第一多媒体内容展示位置的注意力参数的预测值,所述第二预测值为所述第一信息展示页面的第二多媒体内容展示位置的注意力参数的预测值;
所述第一多媒体内容展示位置为在所述第二多媒体内容展示位置之前的多媒体内容展示位置。
所述第一多媒体内容展示位置可以为在所述第二多媒体内容展示位置之前的多媒体内容展示位置,可以理解,第二信息展示页面的第一多媒体内容展示位置可以高于第一信息展示页面的第二多媒体内容展示位置,第一多媒体内容展示位置在页面中是更靠前(在页面中的顺序越靠前)的位置,例如,第二信息展示页面有3个多媒体内容展示位置,第一信息展示页面有3个多媒体内容展示位置,页面中的多媒体内容展示位置顺序排列,则第i-1个多媒体内容展示位置在第i个多媒体内容展示位置之前,i-1为正整数,第i-1个多媒体内容展示位置高于第i个多媒体内容展示位置。或者,第一多媒体内容展示位置可以与所述第二多媒体内容展示位置相同。作为一个示例,所述第二信息展示页面和第一信息展示页面包括的多媒体内容展示位置可以相同。
例如,第二多媒体内容展示位置为第一信息展示页面的第j位多媒体内容展示位置,则第一多媒体内容展示位置可以为第j-k位多媒体内容位置,1≤j≤M,k为小于j的整数,j-k≤j,即第一多媒体内容展示位置可以为在所述第二多媒体内容展示位置之前的多媒体内容展示位置,或者,第一多媒体内容展示位置可以与所述第二多媒体内容展示位置相,M为在所述第一信息展示页面中预分配的多媒体内容展示位置的数量。
即在本实施例中,可通过所述终端设备在所述第一信息展示页面发起第二请求的预测概率、第一信息展示页面的第二多媒体内容展示位置的注意力参数的预测值以及在第二多媒体内容展示位置之前的第二信息展示页面的第一多媒体内容展示位置的注意力参数的预测值中的至少一项来选择目标多媒体内容,提高目标多媒体内容选择的精确性,提高投放效果。
在一个实施例中,基于预测行为信息选择目标多媒体内容,并在第一信息展示页面中投放目标多媒体内容,包括:
基于预测行为信息选择目标多媒体内容,并在第一信息展示页面中的第二多媒体内容展示位置投放目标多媒体内容。
在选择目标多媒体内容后,在第一信息展示页面中的第二多媒体内容展示位置投放目标多媒体内容,即实现在第二多媒体内容展示位置的目标多媒体内容投放,而确定目标多媒体内容过程中,考虑了所述终端设备在所述第一信息展示页面发起第二请求的预测概率、第一信息展示页面的第二多媒体内容展示位置的注意力参数的预测值以及在第二多媒体内容展示位置之前的第二信息展示页面的第一多媒体内容展示位置的注意力参数的预测值中的至少一项,可提高目标多媒体内容选择的精确性,将其投放至第一信息展示页面的第二多媒体内容展示位置,提高投放效果。
在一个实施例中,对终端设备的行为信息进行预测,得到预测行为信息,包括以下至少一项:
将终端设备的第一信息输入第一模型,通过第一模型进行概率预测,得到预测概率,其中,第一信息包括网络状态和生成第一请求的刷新方式中的至少一项;
将第二信息和第二信息展示页面的多媒体内容展示位置输入第二模型,通过第二模型进行预测,得到注意力参数的第一预测值,其中,第二信息包括生成第一请求的刷新方式、第二信息展示页面的类型和终端设备的属性信息中的至少一项;
将第三信息和第一信息展示页面的多媒体内容展示位置输入第二模型,通过第二模型进行预测,得到注意力参数的第二预测值,其中,第三信息包括生成第一请求的刷新方式、第一信息展示页面的类型和终端设备的属性信息中的至少一项。
也即是在本实施例中,可通过第一模型预测终端设备在所述第一信息展示页面发起第二请求的预测概率,可通过第二模型预测注意力参数的第一预测值和第二预测值。需要说明的是,第一模型可以是在通过第一模型进行概率预测,得到预测概率之前预先训练得到的模型,第一模型的结构多种多样,在本公开实施例中不作限定,例如,第一模型可以是神经网络模型等。第二模型可以是在通过第二模型进行预测,得到所述注意力参数的预测值之前预先训练得到的模型,第二模型的结构多种多样,在本公开实施例中不作限定,例如,第二模型可以是与第一模型不同的神经网络模型等。
在本实施例中,可通过将包括网络状态和生成第一请求的刷新方式中的至少一项的第一信息输入第一模型进行概率预测,以提高预测的概率的准确性。也可通过将包括生成第一请求的刷新方式、第二信息展示页面的类型和终端设备的属性信息中的至少一项的第二信息输入第二模型进行预测,可提高预测第一预测值的准确性。通过将包括生成第一请求的刷新方式、第一信息展示页面的类型和终端设备的属性信息中的至少一项的第三信息输入第二模型进行预测,可提高预测第二预测值的准确性。
需要说明的是,作为一个示例,终端设备的属性信息包括但不限于以下至少一项:
终端设备的操作系统;
终端设备中用户属性信息。
其中,用户属性信息包括但不限于用户年龄以及用户性别等属性。
在一个实施例中,基于预测行为信息选择目标多媒体内容,并在第一信息展示页面中的第二多媒体内容展示位置投放目标多媒体内容,包括:
在预测概率与第一预测值的乘积大于第二预测值的情况下,将目标多媒体内容序列中每千人成本CPM次优的多媒体内容确定为目标多媒体内容;
其中,目标多媒体内容序列为候选多媒体内容序列或第一多媒体内容序列,第一多媒体内容序列为候选多媒体内容序列中除已投放的多媒体内容之外的多媒体内容序列,候选多媒体内容序列为响应于第一请求获取的多媒体内容序列。
CPM(Cost Per Mille)也可称为千次展现收费,表示获得一千次展现机会所付出的费用。也即是在预测概率与第二信息展示页面的第一多媒体内容展示位置的注意力参数的预测值的乘积大于第一信息展示页面的第二多媒体内容展示位置的注意力参数的第二预测值的情况下,表示在第二信息展示页面的第一多媒体内容展示位置投放CPM更高的多媒体内容的效果可能会更高,可将目标多媒体内容序列中第二大的CPM的多媒体内容确定为目标多媒体内容,在第一信息展示页面中的所述第二多媒体内容展示位置投放目标多媒体内容,提高投放效果。
在一个实施例中,基于预测行为信息选择目标多媒体内容,并在第一信息展示页面中的第二多媒体内容展示位置投放目标多媒体内容,包括:
在预测概率与第一预测值的乘积小于或等于第二预测值的情况下,将目标多媒体内容序列中CPM最大的多媒体内容确定为目标多媒体内容;
其中,目标多媒体内容序列为候选多媒体内容序列或第一多媒体内容序列,第一多媒体内容序列为候选多媒体内容序列中除已投放的多媒体内容之外的多媒体内容序列,候选多媒体内容序列为响应于第一请求获取的多媒体内容序列。
也即是在预测概率与第二信息展示页面的第一多媒体内容展示位置的注意力参数的预测值的乘积小于或等于第一信息展示页面的第二多媒体内容展示位置的注意力参数的第二预测值的情况下,表示在第一信息展示页面的第二多媒体内容展示位置投放CPM更高的多媒体内容的效果可能会更高,可将目标多媒体内容序列中最大CPM的多媒体内容确定为目标多媒体内容,在第一信息展示页面中的所述第二多媒体内容展示位置投放目标多媒体内容,提高投放效果。
在一个实施例中,候选多媒体内容序列中多媒体内容按照CPM大小顺序排列。作为一个示例,可以是按照CPM从大到小的顺序排列,如此,可按照顺序从序列中选择次优或最大的CPM的多媒体内容进行投放。
在一个实施例中,候选多媒体内容序列与预设历史时间段内的已投放多媒体内容序列的交集为空,预设历史时间段的结束时间为第一请求的接收时间。即在预设历史时间段内,已投放的多媒体内容不再重复投放,已提高内容投放的多样性和丰富性。
在一个实施例中,基于预测行为信息选择目标多媒体内容,并在第一信息展示页面中的第二多媒体内容展示位置投放目标多媒体内容,包括:
在第一信息展示页面的位置靠前的j-1个多媒体内容位置投放候选多媒体内容序列中j-1个多媒体内容,其中,j-1个多媒体内容的CPM大于候选多媒体内容序列中第一多媒体内容序列的CPM,第一多媒体内容序列为候选多媒体内容序列中除j-1个多媒体内容之外的多媒体内容序列,j为大于1的整数;
基于预测行为信息从第一多媒体内容序列中确定目标多媒体内容,在第一信息展示页面中的第二多媒体内容展示位置投放目标多媒体内容,所述第二多媒体内容展示位置包括所述第一信息展示页面的多个多媒体内容展示位置中除所述j-1个多媒体内容位置之外的位置。
也即是,位置靠前的j-1个多媒体内容展示位置用于投放CPM较大的j-1个多媒体内容,其余的位置靠后的第二多媒体内容展示位置用于投放基于所述预测行为信息从所述第一多媒体内容序列中确定所述目标多媒体内容,使多媒体内容投放更加灵活。
下面以一个具体实施例对上述方法的过程加以说明。
信息流场景下,用户可以不断通过刷新获取资讯和广告内容等,可根据自身兴趣点击/消费对应的内容。其中在广告侧,普遍采用贪心的广告供给,即CPM排序最优供给策略,来实现变现效率最优,而实际广告产品为了确保用户体验,会对投放的广告进行丰富度控制,普遍是频控控制,即相同广告在一定时长内对于同一用户,只能投放一次。通过后验分析发现,用户在信息流场景里的浏览路径丰富,在不同场景下用户注意力存在明显差异,比如广告位靠前对比靠后,又比如列表页对比详情页等,注意力会存在差异,注意力差异在业务上体现是点击率与曝光率的差异。而CPM=ctr*cvr*bid,*表示乘号,点击率ctr差异直接带来的CPM的波动,cvr为转化率,bid可以理解为基准定价,如果后面流量的注意力(约等点击率)高于当前广告位,贪心的广告供给,并不能实现广告系统变现效率最大化。本公开实施例方案从单请求变现效率最优到多请求广告分配变现效率最优,这其中涉及到流量的预估(不确定性)、流量质量量化对比(注意力刻画)、广告重排序/重分配等。
本公开可对用户频控时长内的广告分配进行马尔可夫建模:首先刻画用户状态转移(下拉刷新、上拉刷新、流失等),预估用户状态转移下的下一刷概率,其次对每一刷的点击率拆分成以下几个阶段,下发->曝光->注意力->点击。通过引入注意力参数,刻画广告位置的天然优势,剥离由于位置差异带来的点击率差异,点击率模型实际更多刻画的是用户对广告感兴趣程度,本实施例通过对于用户状态、流量整体分步、注意力差异进行跨请求的广告分配或投放。
在频控和广告贪心供给的限制下,由于流量质量、用户注意力差异,导致的变现效率受限的问题。为了更好的了解问题,可将广告触达用户后拆分成一下几个阶段:展现->曝光->注意力->点击,为了简化问题,可们将整体过程拆分成两部分,一部分展现->曝光->注意力的过程,刻画成与位置相关的变量ei,j(这里i代表用户在频控时长内,第i个请求里的第j位广告位置的注意力参数),另一部分将点击刻画成用户对广告内容的感兴趣程度adv。因为在各个环节上,用户都可能流失/停止进入下一个环节的情况,可将广告整体环节CPM刻画成CPMi,j=ei,j*adv。
这里存在以下几个先验知识:
广告检索系统采用贪心广告供给,即advk>advk+1
广告位置存在注意力差异,位置靠前天然优于位置靠后广告位,即ei,j>ei,j+1
用户不同状态下(网络状态、刷新方式),对于下一刷的概率不同:P(si+1|si)这里刻画的是第i个请求下,用户发起下一次请求(即第i+1)的概率。
则可知整体优化目标函数:
Figure BDA0002997095440000111
Figure BDA0002997095440000112
这里N表示用户的请求个数,ASN表示每个请求的广告位数量,C表示候选广告序列中的广告数量,这里假设广告之间的互相影响基本可以忽略,实际广告之间间隔较大,假设基本成立。advk表示用户对候选广告序列中的第k个广告的感兴趣程度。
基于上述知识,本公开实施例提供了一种多媒体内容投放方法,流程如下:
如图2所示,首先,接收用户发送的第i个请求,获取候选广告序列,对候选广告序列按照CPM从高到低的顺序排序,如表1所示。CPM1最大,CPMn最小,CPMk表示候选广告序列中第k个广告的CPM,1≤k≤n,此处的CPMk采用ctrk*cvrk*bidk公式得到的,ctrk表示第k个广告的点击率,cvrk表示第k个广告的转化率,bidk表示第k个广告的基准标价。
表1
CPM<sub>1</sub> CPM<sub>2</sub> CPM<sub>n</sub>
若为第i个请求的第一信息展示页面分配的广告位置有多个,例如,3个,则位置靠前的2个广告位置可采用贪心策略供给,即在位置靠前的2个广告位置候选广告序列中CPM较大的2个广告,例如,在最前的广告位置投放CPM1的广告,在排在第二的广告位置投放CPM2的广告,则还剩余CPM3到CPMn的广告未投放。
再判断p(si+1|si)*ei+1,j-k>ei,j是否成立,由于是对第3个广告位置的投放策略,j可取3,若成立,则将剩余的广告中次优CPM(即CPM4)的广告投放至最后一个广告位置即第3个广告位置,否则,将剩余的广告中最大CPM(即CPM3)的广告投放至最后一个广告位置。
以用户浏览过程为例,候选广告序列中广告按照CPM从大到小排序为广告1、广告2、广告m、广告x、广告z、广告y,若按照现有贪心散发,如图3所示,用户发送第一次请求,获得第一请求的第一信息展示页面为列表页,分配2个广告位置,可投放2个广告,则将CPM较大的2个广告即广告1、广告2投放,用户在详情页点击图文资讯,发送第二次请求,获取详情页,分配1个广告位,将CPM排第三的广告m投放,用户返回列表页,在列表页中刷新,发送第三次请求,对于第三次请求的信息展示页,分配2个广告位置,将剩余未投放的广告中CPM较大的两个广告即广告x、广告z投放。然而,现有这种贪心策略每次投放选择的是最优的CPM的广告投放,未能充分开发用户整体广告位的变现价值,投放效果不佳。
基于此,本公开实施提供了一种投放方法,根据本公开实施提供的投放方法进行投放,则首先对于第一次请求的2个广告位置,将最大的CPM的广告即广告1投放至第1个广告位置,对于第2个广告位置采用本公开上述投放策略,即判断p(s1+1|s1)*e1+1,2-k>e1,2是否成立,若成立,在第2个广告位置投放候选广告序列中未投放的广告中CPM次优的广告即广告m。用户在详情页点击图文资讯,发送第二次请求,获取详情页,分配1个广告位,判断p(s2+1|s2)*e2+1,1-k>e2,1是否成立,由于j为1,则k可取0,若成立,在详情页的第1个广告位置投放候选广告序列中未投放的广告中CPM次优的广告即广告x。用户返回列表页,在列表页中刷新,发送第三次请求,对于第三次请求的信息展示页,分配2个广告位置,将剩余未投放的广告中CPM最大的1个广告即广告2投放至第三次请求的信息展示页的第1个广告位,对于第2个广告位置采用本公开上述投放策略,即判断p(s3+1|s3)*e3+1,2-k>e3,2是否成立,若成立,在第2个广告位置投放候选广告序列中未投放的广告中CPM次优的广告即广告y,否则投放广告z。
即通过本公开的实施例的方法,可提升流量的变现效率,特别是在流量涨幅减缓,展现频控作为统一限制的场景下,解决贪心广告供给带来的变现不够充分的问题,实际实验效果显著。
如图4所示,根据本公开的实施例,本公开还提供一种多媒体内容投放装置400,装置包括:
接收模块401,用于接收终端设备发送的第一请求,响应于第一请求,获取第一信息展示页面;
预测模块402,用于对终端设备的行为信息进行预测,得到预测行为信息;
投放模块403,用于基于预测行为信息选择目标多媒体内容,并在第一信息展示页面中投放目标多媒体内容。
在一个实施例中,预测行为信息,包括如下至少一项:
终端设备在第一信息展示页面发起第二请求的预测概率;
第二请求对应的第二信息展示页面的多媒体内容展示位置的注意力参数的第一预测值;
第一信息展示页面的多媒体内容展示位置的注意力参数的第二预测值;
其中,注意力参数用于表示多媒体内容展示位置的多媒体内容被曝光的概率。
在一个实施例中,第一预测值为第二信息展示页面的第一多媒体内容展示位置的注意力参数的预测值,第二预测值为第一信息展示页面的第二多媒体内容展示位置的注意力参数的预测值;
第一多媒体内容展示位置为在第二多媒体内容展示位置之前的多媒体内容展示位置。
在一个实施例中,基于预测行为信息选择目标多媒体内容,并在第一信息展示页面中投放目标多媒体内容,包括:
基于预测行为信息选择目标多媒体内容,并在第一信息展示页面中的第二多媒体内容展示位置投放目标多媒体内容。
在一个实施例中,预测模块,包括以下至少一项:
第一子预测模块,用于将终端设备的第一信息输入第一模型,通过第一模型进行概率预测,得到预测概率,其中,第一信息包括网络状态和生成第一请求的刷新方式中的至少一项;
第二子预测模块,用于将第二信息和第二信息展示页面的多媒体内容展示位置输入第二模型,通过第二模型进行预测,得到注意力参数的第一预测值,其中,第二信息包括生成第一请求的刷新方式、第二信息展示页面的类型和终端设备的属性信息中的至少一项;
第三子预测模块,用于将第三信息和第一信息展示页面的多媒体内容展示位置输入第二模型,通过第二模型进行预测,得到注意力参数的第二预测值,其中,第三信息包括生成第一请求的刷新方式、第一信息展示页面的类型和终端设备的属性信息中的至少一项。
在一个实施例中,基于预测行为信息选择目标多媒体内容,并在第一信息展示页面中的第二多媒体内容展示位置投放目标多媒体内容,包括:
在预测概率与第一预测值的乘积大于第二预测值的情况下,将目标多媒体内容序列中每千人成本CPM次优的多媒体内容确定为目标多媒体内容;
其中,目标多媒体内容序列为候选多媒体内容序列或第一多媒体内容序列,第一多媒体内容序列为候选多媒体内容序列中除已投放的多媒体内容之外的多媒体内容序列,候选多媒体内容序列为响应于第一请求获取的多媒体内容序列。
在一个实施例中,基于预测行为信息选择目标多媒体内容,并在第一信息展示页面中的第二多媒体内容展示位置投放目标多媒体内容,包括:
在预测概率与第一预测值的乘积小于或等于第二预测值的情况下,将目标多媒体内容序列中CPM最大的多媒体内容确定为目标多媒体内容;
其中,目标多媒体内容序列为候选多媒体内容序列或第一多媒体内容序列,第一多媒体内容序列为候选多媒体内容序列中除已投放的多媒体内容之外的多媒体内容序列,候选多媒体内容序列为响应于第一请求获取的多媒体内容序列。
在一个实施例中,候选多媒体内容序列中多媒体内容按照CPM大小顺序排列。
在一个实施例中,候选多媒体内容序列与预设历史时间段内的已投放多媒体内容序列的交集为空,预设历史时间段的结束时间为第一请求的接收时间。
在一个实施例中,投放模块,包括:
第一子投放模块,用于在第一信息展示页面的位置靠前的j-1个多媒体内容位置投放候选多媒体内容序列中j-1个多媒体内容,其中,j-1个多媒体内容的CPM大于候选多媒体内容序列中第一多媒体内容序列的CPM,第一多媒体内容序列为候选多媒体内容序列中除j-1个多媒体内容之外的多媒体内容序列,j为大于1的整数;
第二子投放模块,用于基于预测行为信息从第一多媒体内容序列中确定目标多媒体内容,在第一信息展示页面中的第二多媒体内容展示位置投放目标多媒体内容,第二多媒体内容展示位置包括第一信息展示页面的多个多媒体内容展示位置中除j-1个多媒体内容位置之外的位置。
上述各实施例的多媒体内容投放装置为实现上述各实施例的多媒体内容投放方法的装置,技术特征对应,技术效果对应,在此不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
本公开实施例的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本公开所提供的多媒体内容投放方法。
本公开实施例的计算机程序产品,包括计算机程序,所述计算机程序用于使计算机执行本公开各实施例提供的多媒体内容投放方法。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,电子设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口504也连接至总线504。
电子设备500中的多个部件连接至I/O接口504,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(I)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如多媒体内容投放方法。例如,在一些实施例中,多媒体内容投放方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM503并由计算单元501执行时,可以执行上文描述的多媒体内容投放方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行多媒体内容投放方法。本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括第二电子设备和服务器。第二电子设备和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有第二电子设备-服务器关系的计算机程序来产生第二电子设备和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。

Claims (23)

1.一种多媒体内容投放方法,所述方法包括:
接收终端设备发送的第一请求,响应于所述第一请求,获取第一信息展示页面;
对所述终端设备的行为信息进行预测,得到预测行为信息;
基于所述预测行为信息选择目标多媒体内容,并在所述第一信息展示页面中投放目标多媒体内容。
2.根据权利要求1所述的方法,其中,所述预测行为信息,包括如下至少一项:
所述终端设备在所述第一信息展示页面发起第二请求的预测概率;
所述第二请求对应的第二信息展示页面的多媒体内容展示位置的注意力参数的第一预测值;
所述第一信息展示页面的多媒体内容展示位置的注意力参数的第二预测值;
其中,所述注意力参数用于表示所述多媒体内容展示位置的多媒体内容被曝光的概率。
3.根据权利要求2所述的方法,其中,所述第一预测值为所述第二信息展示页面的第一多媒体内容展示位置的注意力参数的预测值,所述第二预测值为所述第一信息展示页面的第二多媒体内容展示位置的注意力参数的预测值;
所述第一多媒体内容展示位置为在所述第二多媒体内容展示位置之前的多媒体内容展示位置。
4.根据权利要求3所述的方法,其中,所述基于所述预测行为信息选择目标多媒体内容,并在所述第一信息展示页面中投放目标多媒体内容,包括:
基于所述预测行为信息选择目标多媒体内容,并在所述第一信息展示页面中的所述第二多媒体内容展示位置投放目标多媒体内容。
5.根据权利要求2所述的方法,其中,所述对所述终端设备的行为信息进行预测,得到预测行为信息,包括以下至少一项:
将所述终端设备的第一信息输入第一模型,通过所述第一模型进行概率预测,得到所述预测概率,其中,所述第一信息包括网络状态和生成所述第一请求的刷新方式中的至少一项;
将第二信息和所述第二信息展示页面的多媒体内容展示位置输入第二模型,通过所述第二模型进行预测,得到所述注意力参数的第一预测值,其中,所述第二信息包括生成所述第一请求的刷新方式、所述第二信息展示页面的类型和所述终端设备的属性信息中的至少一项;
将第三信息和所述第一信息展示页面的多媒体内容展示位置输入第二模型,通过所述第二模型进行预测,得到所述注意力参数的第二预测值,其中,所述第三信息包括生成所述第一请求的刷新方式、所述第一信息展示页面的类型和所述终端设备的属性信息中的至少一项。
6.根据权利要求4所述的方法,其中,所述基于所述预测行为信息选择目标多媒体内容,并在所述第一信息展示页面中的所述第二多媒体内容展示位置投放目标多媒体内容,包括:
在所述预测概率与所述第一预测值的乘积大于所述第二预测值的情况下,将目标多媒体内容序列中每千人成本CPM次优的多媒体内容确定为所述目标多媒体内容;
其中,所述目标多媒体内容序列为候选多媒体内容序列或第一多媒体内容序列,所述第一多媒体内容序列为所述候选多媒体内容序列中除已投放的多媒体内容之外的多媒体内容序列,所述候选多媒体内容序列为响应于所述第一请求获取的多媒体内容序列。
7.根据权利要求4所述的方法,其中,所述基于所述预测行为信息选择目标多媒体内容,并在所述第一信息展示页面中的所述第二多媒体内容展示位置投放目标多媒体内容,包括:
在所述预测概率与所述第一预测值的乘积小于或等于所述第二预测值的情况下,将目标多媒体内容序列中CPM最大的多媒体内容确定为所述目标多媒体内容;
其中,所述目标多媒体内容序列为候选多媒体内容序列或第一多媒体内容序列,所述第一多媒体内容序列为所述候选多媒体内容序列中除已投放的多媒体内容之外的多媒体内容序列,所述候选多媒体内容序列为响应于所述第一请求获取的多媒体内容序列。
8.根据权利要求6或7所述的方法,其中,所述候选多媒体内容序列中多媒体内容按照CPM大小顺序排列。
9.根据权利要求6-8中任一所述的方法,其中,所述候选多媒体内容序列与预设历史时间段内的已投放多媒体内容序列的交集为空,所述预设历史时间段的结束时间为所述第一请求的接收时间。
10.根据权利要求6-8中任一所述的方法,其中,所述基于所述预测行为信息选择目标多媒体内容,并在所述第一信息展示页面中的所述第二多媒体内容展示位置投放目标多媒体内容,包括:
在所述第一信息展示页面的位置靠前的j-1个多媒体内容位置投放所述候选多媒体内容序列中j-1个多媒体内容,其中,所述j-1个多媒体内容的CPM大于候选多媒体内容序列中第一多媒体内容序列的CPM,所述第一多媒体内容序列为所述候选多媒体内容序列中除所述j-1个多媒体内容之外的多媒体内容序列,j为大于1的整数;
基于所述预测行为信息从所述第一多媒体内容序列中确定所述目标多媒体内容,在所述第一信息展示页面中的所述第二多媒体内容展示位置投放目标多媒体内容,所述第二多媒体内容展示位置包括所述第一信息展示页面的多个多媒体内容展示位置中除所述j-1个多媒体内容位置之外的位置。
11.一种多媒体内容投放装置,所述装置包括:
接收模块,用于接收终端设备发送的第一请求,响应于所述第一请求,获取第一信息展示页面;
预测模块,用于对所述终端设备的行为信息进行预测,得到预测行为信息;
投放模块,用于基于所述预测行为信息选择目标多媒体内容,并在所述第一信息展示页面中投放目标多媒体内容。
12.根据权利要求11所述的装置,其中,所述预测行为信息,包括如下至少一项:
所述终端设备在所述第一信息展示页面发起第二请求的预测概率;
所述第二请求对应的第二信息展示页面的多媒体内容展示位置的注意力参数的第一预测值;
所述第一信息展示页面的多媒体内容展示位置的注意力参数的第二预测值;
其中,所述注意力参数用于表示所述多媒体内容展示位置的多媒体内容被曝光的概率。
13.根据权利要求12所述的装置,其中,所述第一预测值为所述第二信息展示页面的第一多媒体内容展示位置的注意力参数的预测值,所述第二预测值为所述第一信息展示页面的第二多媒体内容展示位置的注意力参数的预测值;
所述第一多媒体内容展示位置为在所述第二多媒体内容展示位置之前的多媒体内容展示位置。
14.根据权利要求13所述的装置,其中,所述基于所述预测行为信息选择目标多媒体内容,并在所述第一信息展示页面中投放目标多媒体内容,包括:
基于所述预测行为信息选择目标多媒体内容,并在所述第一信息展示页面中的所述第二多媒体内容展示位置投放目标多媒体内容。
15.根据权利要求12所述的装置,其中,所述预测模块,包括以下至少一项:
第一子预测模块,用于将所述终端设备的第一信息输入第一模型,通过所述第一模型进行概率预测,得到所述预测概率,其中,所述第一信息包括网络状态和生成所述第一请求的刷新方式中的至少一项;
第二子预测模块,用于将第二信息和所述第二信息展示页面的多媒体内容展示位置输入第二模型,通过所述第二模型进行预测,得到所述注意力参数的第一预测值,其中,所述第二信息包括生成所述第一请求的刷新方式、所述第二信息展示页面的类型和所述终端设备的属性信息中的至少一项;
第三子预测模块,用于将第三信息和所述第一信息展示页面的多媒体内容展示位置输入第二模型,通过所述第二模型进行预测,得到所述注意力参数的第二预测值,其中,所述第三信息包括生成所述第一请求的刷新方式、所述第一信息展示页面的类型和所述终端设备的属性信息中的至少一项。
16.根据权利要求14所述的装置,其中,所述基于所述预测行为信息选择目标多媒体内容,并在所述第一信息展示页面中的所述第二多媒体内容展示位置投放目标多媒体内容,包括:
在所述预测概率与所述第一预测值的乘积大于所述第二预测值的情况下,将目标多媒体内容序列中每千人成本CPM次优的多媒体内容确定为所述目标多媒体内容;
其中,所述目标多媒体内容序列为候选多媒体内容序列或第一多媒体内容序列,所述第一多媒体内容序列为所述候选多媒体内容序列中除已投放的多媒体内容之外的多媒体内容序列,所述候选多媒体内容序列为响应于所述第一请求获取的多媒体内容序列。
17.根据权利要求14所述的装置,其中,所述基于所述预测行为信息选择目标多媒体内容,并在所述第一信息展示页面中的所述第二多媒体内容展示位置投放目标多媒体内容,包括:
在所述预测概率与所述第一预测值的乘积小于或等于所述第二预测值的情况下,将目标多媒体内容序列中CPM最大的多媒体内容确定为所述目标多媒体内容;
其中,所述目标多媒体内容序列为候选多媒体内容序列或第一多媒体内容序列,所述第一多媒体内容序列为所述候选多媒体内容序列中除已投放的多媒体内容之外的多媒体内容序列,所述候选多媒体内容序列为响应于所述第一请求获取的多媒体内容序列。
18.根据权利要求16或17所述的装置,其中,所述候选多媒体内容序列中多媒体内容按照CPM大小顺序排列。
19.根据权利要求16-18中任一所述的装置,其中,所述候选多媒体内容序列与预设历史时间段内的已投放多媒体内容序列的交集为空,所述预设历史时间段的结束时间为所述第一请求的接收时间。
20.根据权利要求16-18中任一所述的装置,其中,所述投放模块,包括:
第一子投放模块,用于在所述第一信息展示页面的位置靠前的j-1个多媒体内容位置投放所述候选多媒体内容序列中j-1个多媒体内容,其中,所述j-1个多媒体内容的CPM大于候选多媒体内容序列中第一多媒体内容序列的CPM,所述第一多媒体内容序列为所述候选多媒体内容序列中除所述j-1个多媒体内容之外的多媒体内容序列,j为大于1的整数;
第二子投放模块,用于基于所述预测行为信息从所述第一多媒体内容序列中确定所述目标多媒体内容,在所述第一信息展示页面中的所述第二多媒体内容展示位置投放目标多媒体内容,所述第二多媒体内容展示位置包括所述第一信息展示页面的多个多媒体内容展示位置中除所述j-1个多媒体内容位置之外的位置。
21.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-10任一所述的多媒体内容投放方法。
22.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-10任一所述的多媒体内容投放方法。
23.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-10中任一所述的多媒体内容投放方法。
CN202110334947.6A 2021-03-29 2021-03-29 一种多媒体内容投放方法、装置及电子设备 Active CN113034188B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110334947.6A CN113034188B (zh) 2021-03-29 2021-03-29 一种多媒体内容投放方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110334947.6A CN113034188B (zh) 2021-03-29 2021-03-29 一种多媒体内容投放方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN113034188A true CN113034188A (zh) 2021-06-25
CN113034188B CN113034188B (zh) 2023-07-28

Family

ID=76452615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110334947.6A Active CN113034188B (zh) 2021-03-29 2021-03-29 一种多媒体内容投放方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN113034188B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115208831A (zh) * 2022-07-11 2022-10-18 腾讯科技(深圳)有限公司 请求处理方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016195594A1 (en) * 2015-06-02 2016-12-08 Aegis Media Asia Pacific Management Pte Ltd Method and apparatus for selectively allocating data to different online delivery platforms
US20170124596A1 (en) * 2015-10-30 2017-05-04 Adelphic, Inc. Systems and methods for optimal automatic advertising transactions on networked devices
CN111738766A (zh) * 2020-06-23 2020-10-02 北京达佳互联信息技术有限公司 用于多媒体信息的数据处理方法、装置以及服务器
CN112149407A (zh) * 2020-09-18 2020-12-29 北京有竹居网络技术有限公司 标题生成方法、训练方法、装置、电子设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016195594A1 (en) * 2015-06-02 2016-12-08 Aegis Media Asia Pacific Management Pte Ltd Method and apparatus for selectively allocating data to different online delivery platforms
US20170124596A1 (en) * 2015-10-30 2017-05-04 Adelphic, Inc. Systems and methods for optimal automatic advertising transactions on networked devices
CN111738766A (zh) * 2020-06-23 2020-10-02 北京达佳互联信息技术有限公司 用于多媒体信息的数据处理方法、装置以及服务器
CN112149407A (zh) * 2020-09-18 2020-12-29 北京有竹居网络技术有限公司 标题生成方法、训练方法、装置、电子设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐广根;杨璐;严建峰;: "一种基于马尔可夫模型的稀疏轨迹终点预测算法", 计算机科学, no. 08 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115208831A (zh) * 2022-07-11 2022-10-18 腾讯科技(深圳)有限公司 请求处理方法、装置、设备及存储介质
CN115208831B (zh) * 2022-07-11 2024-04-26 腾讯科技(深圳)有限公司 请求处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113034188B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
US9460451B2 (en) Quality scoring system for advertisements and content in an online system
US20170098236A1 (en) Exploration of real-time advertising decisions
EP2821952A1 (en) Unified marketplace for advertisements and content in an online system
US9256688B2 (en) Ranking content items using predicted performance
CN108540508B (zh) 用于推送信息的方法、装置和设备
CN113627846A (zh) 一种库存调整方法、装置、电子设备及计算机可读介质
CN111459992B (zh) 信息推送方法、电子设备和计算机可读介质
CN113793081A (zh) 仓储监控方法、装置、计算机可读介质及电子设备
CN113766016B (zh) 一种信息推送方法及服务器
CN114461919A (zh) 信息推荐的模型训练方法及装置
CN113656733B (zh) 一种落地页生成方法、装置、电子设备及存储介质
CN113034188B (zh) 一种多媒体内容投放方法、装置及电子设备
CN111159553A (zh) 信息推送方法、装置、计算机设备及存储介质
KR20180080175A (ko) 최적화된 디지털 컴포넌트 분석 시스템
CN113205189B (zh) 训练预测模型的方法、预测方法及装置
CN109862188B (zh) 信息发送方法及装置、设备及存储介质
CN113360816A (zh) 点击率预测的方法和装置
CN114880562A (zh) 用于推荐信息的方法和装置
CN113379511A (zh) 用于输出信息的方法和装置
CN113378050A (zh) 用户分类方法、装置和电子设备
US20150332192A1 (en) Estimating Future Inventory
CN113626175A (zh) 数据处理的方法和装置
CN111523033A (zh) 基于浏览记录的信息推送方法、装置、及相关设备
US20150039459A1 (en) Determining a price associated with a winning bid
CN108985827B (zh) 信息投放数据的分析方法、装置、介质及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant