CN113627979A - 资源投放数据的处理方法、装置、服务器、系统及介质 - Google Patents
资源投放数据的处理方法、装置、服务器、系统及介质 Download PDFInfo
- Publication number
- CN113627979A CN113627979A CN202110874452.2A CN202110874452A CN113627979A CN 113627979 A CN113627979 A CN 113627979A CN 202110874452 A CN202110874452 A CN 202110874452A CN 113627979 A CN113627979 A CN 113627979A
- Authority
- CN
- China
- Prior art keywords
- result
- resource
- prediction
- delivery
- target
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title description 8
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 238000010606 normalization Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开关于一种资源投放数据的处理方法、装置、服务器、系统及介质。该方法包括：依据目标资源的特征，对目标资源的投放结果进行预测，得到预测结果；监控预测结果，并生成与预测结果对应的预测信息；将预测信息发送至资源投放客户端，以使得资源投放客户端展示预测信息。如此，提高了投放结果的可预期性和可解释性，方便资源投放者有针对性地调整投放计划，及时做出合理的资源投放决策，从而提高了资源投放者的体验效果。
Description
技术领域
本公开涉及资源投放领域，尤其涉及一种资源投放数据的处理方法、装置、服务器、系统及介质。
背景技术
随着互联网的发展，通过资源投放平台进行线上的资源投放已经得到广泛应用。资源投放者进行资源投放时，关心资源素材的投放结果，但是，基于相关技术中的资源投放策略，资源投放结果存在比较高的不确定性，投放结果的可解释性较低，资源投放者可能无法进行合理的资源投放，实际所达到的资源投放结果与投入的资源成本不相符，导致资源投放体验比较差。
发明内容
本公开提供一种资源投放数据的处理方法、装置、服务器、系统及介质，以至少解决相关技术中资源投放体验比较差的问题。本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种资源投放数据的处理方法，该方法包括：
依据目标资源的特征，对目标资源的投放结果进行预测，得到预测结果；
监控预测结果，并生成与预测结果对应的预测信息；
将预测信息发送至资源投放客户端，以使得资源投放客户端展示预测信息。
在一种可能的实施方式中，预测结果包括至少一个投放结果指标的预测值，监控预测结果，并生成与预测结果对应的预测信息步骤包括：
将投放结果指标的预测值与最近一次的投放结果指标的历史预测值进行比较，以得到第一比较结果；
基于第一比较结果，生成预测信息。
在一种可能的实施方式中，基于第一比较结果，生成预测信息步骤包括：
当投放结果指标的预测值小于最近一次的投放结果指标的历史预测值时，生成预警信息；
生成与投放结果指标的预测值和预警信息对应的预测信息。
在一种可能的实施方式中，当投放结果指标的预测值小于最近一次的投放结果指标的历史预测值时，生成预警信息步骤包括：
当投放结果指标的预测值小于最近一次的投放结果指标的历史预测值，且投放结果指标的预测值比投放结果指标的历史预测值下降的百分比达到预设百分比时，生成预警信息。
在一种可能的实施方式中，预测结果包括至少一个投放结果指标的预测值，监控预测结果，并生成与预测结果对应的预测信息步骤包括：
将投放结果指标的预测值与第一预设阈值进行比较，以得到第二比较结果；
基于第二比较结果，生成预测信息。
在一种可能的实施方式中，目标资源的特征包括至少一个特征，基于第二比较结果，生成预测信息步骤包括：
当投放结果指标的预测值小于或者等于第一预设阈值时，确定目标资源的特征中的目标特征的质量评分，以作为第一评分；
针对当前投放的所有资源中目标资源之外的每个资源，获取该资源的特征中的目标特征的质量评分，以得到第二评分；
将第一评分和第二评分，进行排序；
基于排序的结果，生成针对目标资源的特征中的目标特征的质量提示信息；
生成与投放结果指标的预测值和质量提示信息对应的预测信息。
在一种可能的实施方式中，目标资源的特征包括下述的至少一种：资源素材的特征、资源账户的特征、资源出价的特征。
在一种可能的实施方式中，依据目标资源的特征，对目标资源的投放结果进行预测，得到预测结果步骤包括：
将目标资源的特征，输入投放结果的预测模型，得到预测结果。
在一种可能的实施方式中，预测模型包括多个预测通道，各预测通道对应的预测结果是对未来的不同时间的预测结果。
在一种可能的实施方式中，预测模型的训练过程包括：
获取样本资源的特征和投放结果的实际结果；
对样本资源的特征中包含的数值类特征进行归一化处理；
对样本资源的特征中包含的非数值类特征进行特征提取；
将样本资源的特征对应的归一化处理的结果与特征提取的结果进行拼接，并输入预设模型，得到样本资源的投放结果的预测结果；
基于样本资源的投放结果的预测结果和实际结果，生成损失函数；
对预设模型的参数进行调整，在损失函数的值小于或者等于第二预设阈值时，得到预测模型。
在一种可能的实施方式中，该方法还包括：
实时从资源投放平台得到样本资源的特征；
通过更新后的样本资源的特征，更新预测模型。
根据本公开实施例的第二方面，提供一种资源投放数据的处理装置，该装置包括：
预测单元，被配置为执行依据目标资源的特征，对目标资源的投放结果进行预测，得到预测结果；
监控单元，被配置为执行监控预测结果，并生成与预测结果对应的预测信息；
发送单元，被配置为执行将预测信息发送至资源投放客户端，以使得资源投放客户端展示预测信息。
在一种可能的实施方式中，预测结果包括至少一个投放结果指标的预测值，监控单元，具体被配置为执行：
将投放结果指标的预测值与最近一次的投放结果指标的历史预测值进行比较，以得到第一比较结果；
基于第一比较结果，生成预测信息。
在一种可能的实施方式中，监控单元，具体被配置为执行：
当投放结果指标的预测值小于最近一次的投放结果指标的历史预测值时，生成预警信息；
生成与投放结果指标的预测值和预警信息对应的预测信息。
在一种可能的实施方式中，监控单元，具体被配置为执行：
当投放结果指标的预测值小于最近一次的投放结果指标的历史预测值，且投放结果指标的预测值比投放结果指标的历史预测值下降的百分比达到预设百分比时，生成预警信息。
在一种可能的实施方式中，预测结果包括至少一个投放结果指标的预测值，监控单元，具体被配置为执行：
将投放结果指标的预测值与第一预设阈值进行比较，以得到第二比较结果；
基于第二比较结果，生成预测信息。
在一种可能的实施方式中，目标资源的特征包括至少一个特征，监控单元，具体被配置为执行：
当投放结果指标的预测值小于或者等于对应的预设阈值时，确定目标资源的特征中的目标特征的质量评分，以作为第一评分；
针对当前投放的所有资源中目标资源之外的每个资源，获取该资源的特征中的目标特征的质量评分，以得到第二评分；
将第一评分和第二评分，进行排序；
基于排序的结果，生成针对目标资源的特征中的目标特征的质量提示信息；
生成与投放结果指标的预测值和质量提示信息对应的预测信息。
在一种可能的实施方式中，目标资源的特征包括下述的至少一种：资源素材的特征、资源账户的特征、资源出价的特征。
在一种可能的实施方式中，预测单元，具体被配置为执行：
将目标资源的特征，输入投放结果的预测模型，得到预测结果。
在一种可能的实施方式中，预测模型包括多个预测通道，各预测通道对应的预测结果是对未来的不同时间的预测结果。
在一种可能的实施方式中，该装置还包括：
训练单元，被配置为执行获取样本资源的特征和投放结果的实际结果；对样本资源的特征中包含的数值类特征进行归一化处理；对样本资源的特征中包含的非数值类特征进行特征提取；将样本资源的特征对应的归一化处理的结果与特征提取的结果进行拼接，并输入预设模型，得到样本资源的投放结果的预测结果；基于样本资源的投放结果的预测结果和实际结果，生成损失函数；对预设模型的参数进行调整，在损失函数的值小于或者等于第二预设阈值时，得到预测模型。
在一种可能的实施方式中，该装置还包括：
更新单元，被配置为执行实时从资源投放平台得到样本资源的特征；通过更新后的样本资源的特征，更新预测模型。
根据本公开实施例的第三方面，提供一种资源投放服务器，包括：
处理器；
用于存储所述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所述指令，以实现如第一方面中任一的资源投放数据的处理方法。
根据本公开实施例的第四方面，提供一种资源投放系统，包括：资源投放客户端和如第三方面中任一的资源投放服务器。
根据本公开实施例的第五方面，提供一种存储介质，当所述存储介质中的指令由资源投放服务器的处理器执行时，使得资源投放服务器能够执行如第一方面中任一的资源投放数据的处理方法。
根据本公开实施例的第六方面，提供一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现如第一方面任一的资源投放数据的处理方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
由于依据目标资源的特征对目标资源的投放结果进行了预测，得到了预测结果，实现了对目标资源的投放结果的提前预测，，然后对该预测结果进行监控并提供了预测结果对应的预测信息，发送至资源投放客户端，使得资源投放客户端可以展示该预测信息，因此，提高了投放结果的可预期性和可解释性，方便资源投放者有针对性地调整投放计划，及时做出合理的资源投放决策，从而提高了资源投放者的体验效果。
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，并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种应用场景的示意图。
图2是根据一示例性实施例示出的一种资源投放数据的处理方法的流程图。
图3是根据一示例性实施例示出的一种资源投放数据的处理方法的流程图。
图4是根据一示例性实施例示出的一种资源投放数据的处理方法的流程图。
图5是根据一示例性实施例示出的一种资源投放数据的处理装置的框图。
图6是根据一示例性实施例示出的一种资源投放数据的处理装置的框图。
图7是根据一示例性实施例示出的一种装置的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开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、本公开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资源投放数据的处理方法的应用场景示意图。如图1所示，本公开实施例提供的资源投放数据的处理方法可以应用于资源投放平台，该资源投放平台包括资源投放服务器101，以及资源投放客户端(例如web端)102。实际应用中，资源投放者通过资源投放客户端102登录资源账户并进行资源投放，投放资源后，资源投放服务器101可以执行本公开实施例提供的资源投放数据的处理方法，通过投放结果的预测结果进行监控并提供相应的预测信息，如此，资源投放客户端102可以展示该预测信息，提高了投放结果的可预期性和可解释性，使得资源投放者可以基于此及时做出合理的资源投放决策，从而提高了体验效果。
图2是根据一示例性实施例示出的一种资源投放数据的处理方法的流程图，如图2所示，该资源投放数据的处理方法用于资源投放服务器中，包括以下步骤。
在步骤S21中，依据目标资源的特征，对目标资源的投放结果进行预测，得到预测结果。
其中的目标资源是指待进行投放结果的监控的资源，例如广告资源。目标资源的特征可以是目标资源的基本情况的描述信息。
在步骤S22中，监控预测结果，并生成与预测结果对应的预测信息。
在步骤S23中，将预测信息发送至资源投放客户端，以使得资源投放客户端展示预测信息。
本公开实施例中，由于依据目标资源的特征对目标资源的投放结果进行了预测，得到了预测结果，实现了对目标资源的投放结果的提前预测，，然后对该预测结果进行监控并提供了预测结果对应的预测信息，发送至资源投放客户端，使得资源投放客户端可以展示该预测信息，因此，提高了投放结果的可预期性和可解释性，方便资源投放者有针对性地调整投放计划，及时做出合理的资源投放决策，从而提高了资源投放者的体验效果。另外，对于资源投放平台来讲，更能吸引资源投放者进行资源投放。
在示例性实施例中，依据目标资源的特征，对目标资源的投放结果进行预测，得到预测结果步骤具体实现方式可以包括：将目标资源的特征，输入投放结果的预测模型，得到预测结果。其中的预测模型是基于样本资源训练得到的。本实施例中，通过预测模型进行预测，可以更加快速准确地预测出投放结果。
在示例性实施例中，上述预测模型也可以包括一个预测通道，该预测通道对应的预测结果是对未来的预设时间的预测结果。上述预测模型可以包括多个预测通道，各预测通道对应的预测结果是对未来的不同时间的预测结果。例如，各预测通道对应的预测结果可以包括对未来的N个小时的预测结果，对未来M天的预测结果，对未来K周的预测结果，等等。其中，N、M、K的取值可以根据实际情况设置。例如，N的取值小于24小时，M的取值小于7，K的取值不超过1。如此，不仅可以对未来的投放结果进行提前预测，且可以对未来不同时间的投放结果进行提前预测，预测更加全面。
在示例性实施例中，上述目标资源的特征可以包括资源素材的特征，和/或，资源账户的特征，和/或，资源出价的特征。
其中，资源素材可以是视频，也可以图片，等等。相应的，资源素材的特征是对资源素材的基本情况的描述信息。资源素材的特征可以包括以下项中的至少一项：播放时长、清晰度和类别属性标签。其中，类别属性标签表征了资源素材的类别，例如剧情类、动画类等。播放时长、清晰度、类别属性等都可能是影响投放结果的因素，因为播放时长合适，或者清晰度较高，亦或者类别属性是人们感兴趣的资源，可能更加吸引人，因此，可以基于播放时长、清晰度和类别属性标签等特征进行投放结果的准确预测。
资源账户的特征是对资源账户的基本情况的描述信息。资源账户的特征可以包括以下项中的至少一项：资源账号的身份标识号(ID，Identity document)、营业执照信息、产品信息和所投放资源的历史投放结果。这里，资源账户的所投放资源可以包括目标资源，还可以包括目标资源之外的其它资源。实际应用中，资源账户的特征与资源的投放结果相关，例如，如果资源账户所经营的范围、所投放资源针对的产品都是人们比较感兴趣的，那么投放结果可能会比较好，又例如，在某些场景中，一个资源账户的产品可能集中在某一类产品，如果这个资源账户投放的大部分资源的历史投放结果都比较好，那这个资源账户投放的目标资源的投放结果大概率上也可能会比较好，等等。因此，可以基于营业执照信息、产品信息和所投放资源的历史投放结果进行投放结果的准确预测。
资源出价的特征是对目标资源的出价的基本情况的描述信息。实际应用中，资源投放服务器的资源投放策略中，一般会考虑到资源出价这个因素，资源出价高的，更有可能展示给用户，从而提高投放结果。因此，可以基于资源出价的特征进行投放结果的准确预测。
可以理解的是，以上仅是示例性的举例了目标资源的特征的种类，也可以根据实际情况采用其它的特征，此处不再一一进行列举。
在示例性实施例中，上述预测结果可以包括至少一个投放结果指标的预测值。例如，投放结果指标可以但不限于为曝光数、点击率、转化率或者资源投放消耗值，等等。
其中，曝光数是资源的展示次数。点击率是资源被点击次数与展示次数的比值。转化率是通过资源影响而发生购买、注册或者信息需求行为的资源浏览者人数占点击人数的比例。资源投放消耗值是资源投放消耗的资源成本。曝光数、点击率、转化率或者资源投放消耗值，都能够从一定程度上反映出投放结果，因此，可以基于曝光数、点击率、转化率或者资源投放消耗值的预测，得到准确的投放结果。
需要说明的是，上述投放结果指标的预测值可以是一个单点值，例如，以某个价格进行投放时，一天之内，曝光数为5万，或者转化率为10％，也可以是一个区间范围，例如，曝光数超过10万，或者转化率大于10％。相比于单点值的预测，通过区间范围的预测，降低了预测难度，提高了预测的准确性。
在示例实施例中，上述预测模型的训练过程可以包括：获取样本资源的特征和投放结果的实际结果；对样本资源的特征中包含的数值类特征进行归一化处理；对样本资源的特征中包含的非数值类特征进行特征提取；将样本资源的特征对应的归一化处理的结果与特征提取的结果进行拼接，并输入预设模型，得到样本资源的投放结果的预测结果；基于样本资源的投放结果的预测结果和实际结果，生成损失函数；对预设模型的参数进行调整，在损失函数的值小于或者等于第二预设阈值时，得到预测模型。
其中，资源的特征可以包括数值类特征和非数值类特征。
其中，通过数值形式表示的特征即为数值类特征，示例性的，资源账号的ID。对数值类特征进行归一化处理后，使得数值在一定范围内，例如0～1，以便训练。
通过数值形式以外的形式表示的特征为非数值类特征，示例性的，图片、汉字等。
实际应用中，在模型训练阶段，可以预先搭建预设模型，可以采用XGBoost等回归模型。并预先收集样本资源，以及收集样本资源的特征，例如，资源素材的特征，资源账户的特征，资源出价的特征，投放结果的实际结果。如此，可以得到预测结果准确的预测模型。
在示例性实施例中，上述方法还可以包括：实时从资源投放平台得到样本资源的特征；通过更新后的样本资源的特征，更新预测模型。为了提高预测模型的时效性，还可以进一步的从资源投放平台线上环境实时产生的数据中进行采样，得到更新的样本资源，来对预测模型进行更新，从而提高了预测模型的投放结果的时效性和准确性。
在示例性实施例中，上述预测结果可以包括至少一个投放结果指标的预测值，在步骤S22中，监控预测结果，并生成与预测结果对应的预测信息步骤具体实现方式可以包括：将投放结果指标的预测值与最近一次的投放结果指标的历史预测值进行比较，以得到第一比较结果；基于第一比较结果，生成预测信息。
实际应用中，可以定期地或者不定期地获取目标资源的特征，将目标资源的特征输入上述预测模型，得到目标资源的投放结果的预测结果。基于此，监控目标资源的投放结果。其中，最近一次的投放结果指标的历史预测值是指上一次通过获取目标资源的特征，将目标资源的特征输入上述预测模型，得到的目标资源的投放结果的预测结果。
本公开实施例中，通过将投放结果指标的预测值与最近一次的投放结果指标的历史预测值进行比较，监控投放结果指标的预测值的变化，实现了对投放结果的预测结果的监控，基于此生成预测信息，可以使得资源投放者更加清晰地了解投放结果的变化情况，及时有针对性地调整投放计划，进一步提高了资源投放者的体验效果。
在示例性实施例中，基于第一比较结果，生成预测信息步骤具体实现方式可以包括：当投放结果指标的预测值小于最近一次的投放结果指标的历史预测值时，生成预警信息；生成与投放结果指标的预测值和预警信息对应的预测信息。其中，预警信息用于提示资源账户投放结果有降低趋势。如此，对于投放结果指标的预测值降低的情况，生成相应的预警信息，让资源投放者引起重视。
在示例性实施例中，可以是当投放结果指标的预测值低于最近一次的投放结果指标的历史预测值时，直接生成预警信息。
考虑到投放结果指标的预测值虽然有所降低，但是仍然属于投放结果比较好的情况，这可能是正常的波动，此时可以暂不进行预警，避免引起资源投放者不必要的担忧，当投放结果指标的预测值大幅下降时，这时可能是投放出现问题，可以进行预警，让资源投放者引起重视。
基于此，在示例性实施例中，当投放结果指标的预测值小于最近一次的投放结果指标的历史预测值时，生成预警信息步骤具体实现方式可以包括：当投放结果指标的预测值小于最近一次的投放结果指标的历史预测值，且投放结果指标的预测值比投放结果指标的历史预测值下降的百分比达到预设百分比时，生成预警信息。实际应用中，当投放结果指标的预测值低于最近一次的投放结果指标的历史预测值时，可以计算投放结果指标的预测值比投放结果指标的历史预测值下降的百分比，当该百分比达到预设百分比时，生成预警信息。其中，预设百分比可以根据实际情况设置，例如设置80％。示例性的，预警信息为：“警示：资源投放消耗值的预测值下降80％，请及时应对”。
在示例性实施例中，基于第一比较结果，生成预测信息步骤具体可以包括：当投放结果指标的预测值高于或者等于最近一次的投放结果指标的历史预测值时，生成与投放结果指标的预测值对应的预测信息。如此，针对投放结果指标的预测值没有下降的情况，可以不进行预警，正常的展示投放结果指标的预测值即可。
示例性实施例中，预测结果包括至少一个投放结果指标的预测值，在步骤S22中，监控预测结果，并生成与预测结果对应的预测信息步骤具体实现方式可以包括：将投放结果指标的预测值与第一预设阈值进行比较，以得到第二比较结果；基于第二比较结果，生成预测信息。
其中，第一预设阈值可以根据实际情况进行设置，在此不做限定。
本公开实施例中，通过将投放结果指标的预测值与第一预设阈值进行比较，实现对本次的投放结果指标的预测值的监控，基于此，生成预测信息，可以使得资源投放者更加清晰地了解当前的投放结果的预测情况。
在示例性实施例中，目标资源的特征可以包括至少一个特征，如图3所示，基于第二比较结果，生成预测信息步骤具体可以包括：
在步骤S31中，当投放结果指标的预测值小于或者等于第一预设阈值时，确定目标资源的特征中的目标特征的质量评分，以作为第一评分。
其中，目标资源的特征中的目标特征是指目标资源的至少一个特征中待进行质量评分的特征。质量评分可以表征目标特征的质量。质量评分越高，质量越高。
实际应用中，可以预先训练目标特征的质量评分模型，具体的，可以将标注有质量评分的样本特征输入预设质量评分模型，进行训练，以得到质量评分模型。模型训练的方式可以参考相关技术，此处不做赘述。将目标资源的特征中的目标特征，输入质量评分模型，得到第一评分。
在步骤S32中，针对当前投放的所有资源中目标资源之外的每个资源，获取该资源的特征中的目标特征的质量评分，以得到第二评分。
同样，对当前投放的所有资源中目标资源之外的每个资源来说，该资源的特征中的目标特征是指该资源的至少一个特征中待进行质量评分的特征，该资源的特征中的目标特征与目标资源的特征中的目标特征为同一特征，实际应用中，可以预先将该资源的特征中的目标特征，输入上述质量评分模型，得到第二评分。
在步骤S33中，将第一评分和第二评分，进行排序。
在步骤S34中，基于排序的结果，生成针对目标资源的特征中的目标特征的质量提示信息。
其中，质量提示信息用于提示资源投放者，目标资源的目标特征在当前投放的所有资源的目标特征中的质量水平。该质量提示信息可以包含第一评分的排名，也可以包含：目标资源的目标特征的质量评分超过了当前投放的资源的P％。其中，P％是低于第一评分的第二评分的个数占所有评分的总个数的百分比。
举例来说，目标特征为资源素材的特征，该资源素材的特征包括清晰度，质量提示信息可以是目标资源的资源素材的质量评分超过了当前投放的资源的30％。
在步骤S35中，生成与投放结果指标的预测值和质量提示信息对应的预测信息。
本实施例中，当投放结果指标的预测值较低时，给出了相应的质量提示信息，该质量提示信息是基于当前投放的所有资源的目标特征的质量评分得到的，能够反映目标资源的目标特征在当前投放的所有资源的目标特征中的质量水平，可以供资源投放者参考，如此，进一步提高了体验效果。
另外，通过对投放结果指标的预测值进行一定的后处理，提供了一些质量提示信息，对于资源投放者来说，增加了投放结果的预测值的置信度以及投放结果的可解释性。
示例性的，上述目标特征可以为资源素材的特征，也可以为资源出价的特征。因为，这对资源投放者来说，都是方便调整的。
在示例性实施例中，基于第二比较结果，生成预测信息步骤具体可以包括：当投放结果指标的预测值高于对应的第一预设阈值时，生成与投放结果指标的预测值对应的预测信息。如此，针对投放结果指标的预测值并非较低的情况，可以不提供质量提示信息，正常的展示投放结果指标的预测值即可。
需要说明的是，上述生成预测结果对应的预测信息的实施方式可以单独实施，也可以相互配合实施。
在实际应用场景中，资源投放服务器执行上述资源投放数据的处理方法之后，可以将上述预测信息保存在数据库中的资源账户下。相应的，如图4所示，资源投放客户端102提供一页面401，用于展示投放结果监控结果(即上述预测信息)，该页面可以包括查看控件402和展示控件403。在资源账户登录状态下，响应于针对该查看控件402输入操作，资源投放客户端102向资源投放服务器101发送查看请求。响应于该查看请求，资源投放服务器101可以从数据库中资源账户下，获取上述预测信息，并发送至资源投放客户端102。资源投放客户端102接收并展示上述预测信息。例如，通过展示控件403的展示区域展示上述预测信息。如此，资源投放者就可以看到投放结果的监控结果。
图5是根据一示例性实施例示出的一种资源投放数据的处理装置框图。参照图5，该装置500应用于资源投放服务器，包括预测单元501，监控单元502，和发送单元503。
预测单元501，被配置为执行依据目标资源的特征，对目标资源的投放结果进行预测，得到预测结果；
监控单元502，被配置为执行监控预测结果，并生成与预测结果对应的预测信息；
发送单元503，被配置为执行将预测信息发送至资源投放客户端，以使得资源投放客户端展示预测信息。
在一种可能的实施方式中，预测结果包括至少一个投放结果指标的预测值，监控单元502，具体被配置为执行：
将投放结果指标的预测值与最近一次的投放结果指标的历史预测值进行比较，以得到第一比较结果；
基于第一比较结果，生成预测信息。
在一种可能的实施方式中，监控单元502，具体被配置为执行：
当投放结果指标的预测值小于最近一次的投放结果指标的历史预测值时，生成预警信息；
生成与投放结果指标的预测值和预警信息对应的预测信息。
在一种可能的实施方式中，监控单元502，具体被配置为执行：
当投放结果指标的预测值小于最近一次的投放结果指标的历史预测值，且投放结果指标的预测值比投放结果指标的历史预测值下降的百分比达到预设百分比时，生成预警信息。
在一种可能的实施方式中，预测结果包括至少一个投放结果指标的预测值，监控单元，具体被配置为执行：
将投放结果指标的预测值与第一预设阈值进行比较，以得到第二比较结果；
基于第二比较结果，生成预测信息。
在一种可能的实施方式中，目标资源的特征包括至少一个特征，监控单元502，具体被配置为执行：
当投放结果指标的预测值小于或者等于对应的预设阈值时，确定目标资源的特征中的目标特征的质量评分，以作为第一评分；
针对当前投放的所有资源中目标资源之外的每个资源，获取该资源的特征中的目标特征的质量评分，以得到第二评分；
将第一评分和第二评分，进行排序；
基于排序的结果，生成针对目标资源的特征中的目标特征的质量提示信息；
生成与投放结果指标的预测值和质量提示信息对应的预测信息。
在一种可能的实施方式中，目标资源的特征包括下述的至少一种：资源素材的特征、资源账户的特征、资源出价的特征。
在一种可能的实施方式中，预测单元501，具体被配置为执行：
将目标资源的特征，输入投放结果的预测模型，得到预测结果。
在一种可能的实施方式中，预测模型包括多个预测通道，各预测通道对应的预测结果是对未来的不同时间的预测结果。
在一种可能的实施方式中，如图6所示，该装置还包括：
训练单元504，被配置为执行获取样本资源的特征和投放结果的实际结果；对样本资源的特征中包含的数值类特征进行归一化处理；对样本资源的特征中包含的非数值类特征进行特征提取；将样本资源的特征对应的归一化处理的结果与特征提取的结果进行拼接，并输入预设模型，得到样本资源的投放结果的预测结果；基于样本资源的投放结果的预测结果和实际结果，生成损失函数；对预设模型的参数进行调整，在损失函数的值小于或者等于第二预设阈值时，得到预测模型。
在一种可能的实施方式中，如图6所示，该装置还包括：
更新单元505，被配置为执行实时从资源投放平台得到样本资源的特征；通过更新后的样本资源的特征，更新预测模型。
关于上述实施例中的装置，其中各个模块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7是根据一示例性实施例示出的一种用于资源投放数据的处理的装置700的框图。例如，装置700可以被提供为一服务器。参照图7，装置700包括处理组件722，其进一步包括一个或多个处理器，以及由存储器732所代表的存储器资源，用于存储可由处理组件722的执行的指令，例如应用程序。存储器732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722被配置为执行指令，以执行上述资源投放数据的处理方法。
装置700还可以包括一个电源组件726被配置为执行装置700的电源管理，一个有线或无线网络接口750被配置为将装置700连接到网络，和一个输入输出(I/O)接口758。装置700可以操作基于存储在存储器732的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器732，上述指令可由装置700的处理器执行以完成上述资源投放数据的处理方法。可选地，存储介质可以是非临时性计算机可读存储介质，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。
在示例性实施例中，还提供了一种计算机程序产品，包括计算机程序，该计算机程序在被装置700的处理器执行时实现上述资源投放数据的处理方法。可选地，该计算机程序可以存储在装置700的存储介质中，该存储介质可以是非临时性计算机可读存储介质，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。
在示例性实施例中，还提供一种资源投放系统，包括：资源投放客户端和资源投放服务器。例如，该资源投放服务器为装置700，可以执行上述资源投放数据的处理方法。
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)
1.一种资源投放数据的处理方法，其特征在于，包括：
依据目标资源的特征，对所述目标资源的投放结果进行预测，得到预测结果；
监控所述预测结果，并生成与所述预测结果对应的预测信息；
将所述预测信息发送至资源投放客户端，以使得所述资源投放客户端展示所述预测信息。
2.根据权利要求1所述的资源投放数据的处理方法，其特征在于，所述预测结果包括至少一个投放结果指标的预测值，所述监控所述预测结果，并生成与所述预测结果对应的预测信息步骤包括：
将所述投放结果指标的预测值与最近一次的所述投放结果指标的历史预测值进行比较，以得到第一比较结果；
基于所述第一比较结果，生成所述预测信息。
3.根据权利要求1所述的资源投放数据的处理方法，其特征在于，所述预测结果包括至少一个投放结果指标的预测值，所述监控所述预测结果，并生成与所述预测结果对应的预测信息步骤包括：
将所述投放结果指标的预测值与第一预设阈值进行比较，以得到第二比较结果；
基于所述第二比较结果，生成所述预测信息。
4.根据权利要求1至3任一项所述的资源投放数据的处理方法，其特征在于，所述依据目标资源的特征，对所述目标资源的投放结果进行预测，得到预测结果步骤包括：
将所述目标资源的特征，输入投放结果的预测模型，得到所述预测结果。
5.根据权利要求4所述的资源投放数据的处理方法，其特征在于，所述预测模型的训练过程包括：
获取样本资源的特征和投放结果的实际结果；
对所述样本资源的特征中包含的数值类特征进行归一化处理；
对所述样本资源的特征中包含的非数值类特征进行特征提取；
将所述样本资源的特征对应的归一化处理的结果与特征提取的结果进行拼接，并输入预设模型，得到所述样本资源的投放结果的预测结果；
基于所述样本资源的投放结果的预测结果和所述实际结果，生成损失函数；
对所述预设模型的参数进行调整，在所述损失函数的值小于或者等于第二预设阈值时，得到所述预测模型。
6.一种资源投放数据的处理装置，其特征在于，包括：
预测单元，被配置为执行依据目标资源的特征，对所述目标资源的投放结果进行预测，得到预测结果；
监控单元，被配置为执行监控所述预测结果，并生成与所述预测结果对应的预测信息；
发送单元，被配置为执行将所述预测信息发送至资源投放客户端，以使得所述资源投放客户端展示所述预测信息。
7.一种资源投放服务器，其特征在于，包括：
处理器；
用于存储所述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所述指令，以实现如权利要求1至5中任一项所述的资源投放数据的处理方法。
8.一种资源投放系统，其特征在于，包括：资源投放客户端和如权利要求7所述的资源投放服务器。
9.一种存储介质，当所述存储介质中的指令由资源投放服务器的处理器执行时，使得资源投放服务器能够执行如权利要求1至5中任一项所述的资源投放数据的处理方法。
10.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如权利要求1至5任一项所述的资源投放数据的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110874452.2A CN113627979A (zh) | 2021-07-30 | 2021-07-30 | 资源投放数据的处理方法、装置、服务器、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110874452.2A CN113627979A (zh) | 2021-07-30 | 2021-07-30 | 资源投放数据的处理方法、装置、服务器、系统及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113627979A true CN113627979A (zh) | 2021-11-09 |
Family
ID=78381901
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110874452.2A Pending CN113627979A (zh) | 2021-07-30 | 2021-07-30 | 资源投放数据的处理方法、装置、服务器、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113627979A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113918826A (zh) * | 2021-12-15 | 2022-01-11 | 北京达佳互联信息技术有限公司 | 投放信息处理方法、资源预测模型训练方法及装置 |
| CN117177013A (zh) * | 2023-09-15 | 2023-12-05 | 山东心法科技有限公司 | 一种基于语言模型的媒体内容预测方法、设备及介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103268560A (zh) * | 2013-04-19 | 2013-08-28 | 杭州电子科技大学 | 一种基于脑电信号指标的投放前广告效果评价方法 |
| CN106980924A (zh) * | 2017-03-08 | 2017-07-25 | 蔚来汽车有限公司 | 基于需求预测的电动车充换电资源推荐方法及装置 |
| CN107808333A (zh) * | 2016-09-08 | 2018-03-16 | 阿里巴巴集团控股有限公司 | 一种商品投放决策系统、方法及装置 |
| CN108256893A (zh) * | 2016-12-29 | 2018-07-06 | 北京国双科技有限公司 | 广告投放效果的分析方法及装置 |
| CN110472879A (zh) * | 2019-08-20 | 2019-11-19 | 秒针信息技术有限公司 | 一种资源效果的评估方法、装置、电子设备及存储介质 |
| CN110781605A (zh) * | 2019-11-05 | 2020-02-11 | 恩亿科(北京)数据科技有限公司 | 广告投放模型测试方法、装置、计算机设备及存储介质 |
| CN111861542A (zh) * | 2020-06-15 | 2020-10-30 | 北京雷石天地电子技术有限公司 | 投放广告的方法、装置、终端和非临时性计算机可读存储介质 |
| CN111861573A (zh) * | 2020-07-24 | 2020-10-30 | 网易传媒科技（北京）有限公司 | 信息投放处理方法、装置、存储介质及电子设备 |
| CN112348548A (zh) * | 2020-08-31 | 2021-02-09 | 北京三快在线科技有限公司 | 一种消息投放方法、装置、电子设备及可读存储介质 |
| CN112596985A (zh) * | 2020-12-30 | 2021-04-02 | 绿盟科技集团股份有限公司 | 一种it资产探测方法、装置、设备和介质 |
| CN112785344A (zh) * | 2021-02-01 | 2021-05-11 | 北京达佳互联信息技术有限公司 | 广告投放方法、装置、电子设备和存储介质 |
| CN112862516A (zh) * | 2021-01-14 | 2021-05-28 | 北京达佳互联信息技术有限公司 | 资源投放方法、装置、电子设备及存储介质 |
-
2021
- 2021-07-30 CN CN202110874452.2A patent/CN113627979A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103268560A (zh) * | 2013-04-19 | 2013-08-28 | 杭州电子科技大学 | 一种基于脑电信号指标的投放前广告效果评价方法 |
| CN107808333A (zh) * | 2016-09-08 | 2018-03-16 | 阿里巴巴集团控股有限公司 | 一种商品投放决策系统、方法及装置 |
| CN108256893A (zh) * | 2016-12-29 | 2018-07-06 | 北京国双科技有限公司 | 广告投放效果的分析方法及装置 |
| CN106980924A (zh) * | 2017-03-08 | 2017-07-25 | 蔚来汽车有限公司 | 基于需求预测的电动车充换电资源推荐方法及装置 |
| CN110472879A (zh) * | 2019-08-20 | 2019-11-19 | 秒针信息技术有限公司 | 一种资源效果的评估方法、装置、电子设备及存储介质 |
| CN110781605A (zh) * | 2019-11-05 | 2020-02-11 | 恩亿科(北京)数据科技有限公司 | 广告投放模型测试方法、装置、计算机设备及存储介质 |
| CN111861542A (zh) * | 2020-06-15 | 2020-10-30 | 北京雷石天地电子技术有限公司 | 投放广告的方法、装置、终端和非临时性计算机可读存储介质 |
| CN111861573A (zh) * | 2020-07-24 | 2020-10-30 | 网易传媒科技（北京）有限公司 | 信息投放处理方法、装置、存储介质及电子设备 |
| CN112348548A (zh) * | 2020-08-31 | 2021-02-09 | 北京三快在线科技有限公司 | 一种消息投放方法、装置、电子设备及可读存储介质 |
| CN112596985A (zh) * | 2020-12-30 | 2021-04-02 | 绿盟科技集团股份有限公司 | 一种it资产探测方法、装置、设备和介质 |
| CN112862516A (zh) * | 2021-01-14 | 2021-05-28 | 北京达佳互联信息技术有限公司 | 资源投放方法、装置、电子设备及存储介质 |
| CN112785344A (zh) * | 2021-02-01 | 2021-05-11 | 北京达佳互联信息技术有限公司 | 广告投放方法、装置、电子设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 肖朔晨: "基于多源数据的移动通信用户行为识别及个性化推荐研究", 《中国优秀博士学位论文全文数据库 经济与管理科学辑》, pages 2 - 4 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113918826A (zh) * | 2021-12-15 | 2022-01-11 | 北京达佳互联信息技术有限公司 | 投放信息处理方法、资源预测模型训练方法及装置 |
| CN113918826B (zh) * | 2021-12-15 | 2022-03-25 | 北京达佳互联信息技术有限公司 | 投放信息处理方法、资源预测模型训练方法及装置 |
| WO2023109025A1 (zh) * | 2021-12-15 | 2023-06-22 | 北京达佳互联信息技术有限公司 | 投放信息处理方法、资源预测模型训练方法及装置 |
| CN117177013A (zh) * | 2023-09-15 | 2023-12-05 | 山东心法科技有限公司 | 一种基于语言模型的媒体内容预测方法、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11004107B2 (en) | Target user directing method and apparatus and computer storage medium | |
| CN108476334B (zh) | 广告投放的跨屏优化 | |
| US9183557B2 (en) | Advertising targeting based on image-derived metrics | |
| US20220114903A1 (en) | Systems and methods for providing tailored educational materials | |
| EP3764303A1 (en) | Information processing device, etc. for calculating prediction data | |
| US20130030907A1 (en) | Clustering offers for click-rate optimization | |
| CN113627979A (zh) | 资源投放数据的处理方法、装置、服务器、系统及介质 | |
| US11157947B2 (en) | System and method for real-time optimization and industry benchmarking for campaign management | |
| WO2020197974A1 (en) | System and method for augmenting casted content with augmented reality content | |
| JP2018005900A (ja) | 広告商品提供方法およびシステム | |
| US20170228775A1 (en) | Learning apparatus, learning method, and non-transitory computer readable storage medium | |
| CN109087124B (zh) | 一种应用程序价值预测方法及装置 | |
| US20220230740A1 (en) | Method and computer program to determine user's mental state by using user's behavior data or input data | |
| AU2016100270A4 (en) | On-line interactive environment | |
| CN113312512A (zh) | 训练方法、推荐方法、装置、电子设备以及存储介质 | |
| US20220122118A1 (en) | Planning device and computer program | |
| CN113015010B (zh) | 推送参数确定方法、装置、设备及计算机可读存储介质 | |
| CN112884529B (zh) | 一种广告竞价方法、装置、设备及介质 | |
| EP3055816A1 (en) | Systems and methods for use in marketing | |
| CN111046293A (zh) | 一种根据测评结果推荐内容的方法及其系统 | |
| CN117897738A (zh) | 人工智能辅助的实况体育数据质量保证 | |
| US11861636B2 (en) | Providing insights and suggestions for journeys | |
| CN112749324B (zh) | 网络媒介信息投放控制方法、装置、电子设备及存储介质 | |
| EP3743873B1 (en) | Modeling distribution of digital components over a network | |
| CN115379265A (zh) | 虚拟主播的直播行为控制方法及装置 |
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 |