CN114266592A - 一种广告素材的分配方法、分配装置、设备和介质 - Google Patents

Abstract

本申请提供了一种广告素材的分配方法、分配装置、设备和介质，所述分配方法包括：获取目标广告的素材集合和目标用户的用户画像；所述素材集合中包括目标广告对应的符合推广条件的至少两个广告素材；将所述目标用户的用户画像和每一个广告素材的素材特征输入至训练好的广告素材分配模型，预测每一个广告素材的点击概率；若每个广告素材之间点击概率的比较结果符合预设差异要求，则将点击概率最大的广告素材确定为目标广告素材，并将所述目标广告素材分配给所述目标用户的用户端；若每个广告素材之间点击概率的比较结果不符合预设差异要求，则按照广告素材的分配优先级确定目标广告素材，并将所述目标广告素材分配给所述目标用户的用户端。

Description

一种广告素材的分配方法、分配装置、设备和介质

技术领域

本申请涉及数据处理领域，具体而言，涉及一种广告素材的分配方法、分配装置、设备和介质。

背景技术

在数字影像行业，广告主对广告推广过程中品效合一的诉求越来越强烈，其中既能看到品牌的声量，又能看到效果的销量的广告媒体，具有更强的市场竞争力，而这种广告媒体中数据媒体平台更能满足广告主的诉求。

其中，数据媒体平台中通过用户针对广告的点击率可以直观的让广告主看到自己所推广的广告的推广效果。

发明内容

有鉴于此，本申请的目的在于提供一种广告素材的分配方法、分配装置、设备和介质，用于解决现有技术中针对同一个广告，该广告的广告素材分配不合理，导致该广告的点击率较低的问题。

第一方面，本申请实施例提供了一种广告素材的分配方法，所述分配方法包括：

获取目标广告的素材集合和目标用户的用户画像；所述素材集合中包括目标广告对应的符合推广条件的至少两个广告素材；

将所述目标用户的用户画像和每一个广告素材的素材特征输入至训练好的广告素材分配模型，预测每一个广告素材的点击概率；

若每个广告素材之间点击概率的比较结果符合预设差异要求，则将点击概率最大的广告素材确定为目标广告素材，并将所述目标广告素材分配给所述目标用户的用户端；

若每个广告素材之间点击概率的比较结果不符合预设差异要求，则按照广告素材的分配优先级确定目标广告素材，并将所述目标广告素材分配给所述目标用户的用户端。

可选的，在获取目标广告的素材集合和目标用户的用户画像之前，所述目标用户是通过如下步骤确定的：

根据所述目标广告的广告分配条件、候选用户的用户画像和用户分配规则，在所述候选用户中确定所述目标用户。

可选的，在获取目标广告的素材集合和目标用户的用户画像之前，所述符合推广条件的广告素材是通过如下步骤确定的：

获取训练时刻之前所述目标广告的各个候选广告素材的曝光量和点击量；

针对每个候选广告素材，根据所述候选广告素材的点击量与曝光量的比值，计算所述候选广告素材的点击率；

根据每个候选广告素材的点击率、预设素材差异阈值和预设素材质量阈值，在所述候选广告素材中确定出符合推广条件的广告素材。

可选的，所述符合推广条件的广告素材不包括以下条件中的任意一种或两种：

候选广告素材的点击率小于候选广告素材中最大点击率与预设素材差异阈值的差值、候选广告素材的点击率小于预设素材质量阈值。

可选的，在所述候选广告素材中确定出符合推广条件的广告素材之后，在获取目标广告的素材集合和目标用户的用户画像之前，通过如下步骤对待训练的广告素材分配模型进行训练：

在训练时刻，获取第一广告素材训练样本集合；所述广告素材训练样本集合中包括至少一个训练样本；所述训练样本包括一个被曝光的符合推广条件的广告素材的素材特征、曝光该符合推广条件的广告素材的用户的用户画像、该用户对该被曝光的符合推广条件的广告素材的点击标签；

针对第一广告素材训练样本集合中的每一个训练样本，将所述训练样本中的符合推广条件的广告素材的素材特征和该符合推广条件的广告素材的曝光用户的用户画像输入至待训练的广告素材分配模型，得到第一预测结果，根据所述第一预测结果中各个广告素材的点击情况与所述训练样本中被曝光的符合推广条件的广告素材的点击情况之间的比对结果，对待训练的广告素材分配模型进行训练。

可选的，所述广告素材分配模型按照预设更新周期进行重新训练，所述训练时刻是所述更新周期的初始时刻。

可选的，所述按照广告素材的分配优先级确定目标广告素材，包括：

利用随机函数和每个广告素材的分配优先级，在广告素材中确定出目标广告素材。

可选的，所述每个广告素材之间点击概率的比较结果符合预设差异要求是所述广告素材中点击概率的最大值与点击概率的最小值之差大于或等于预设分配差异阈值。

第二方面，本申请实施例提供了一种广告素材的分配装置，包括：

第一获取模块，用于获取目标广告的素材集合和目标用户的用户画像；所述素材集合中包括至少两个目标广告对应的符合推广条件的广告素材；

预测模块，用于将所述目标用户的用户画像和每一个广告素材的素材特征输入至训练好的广告素材分配模型，预测每一个广告素材的点击概率；

分配模块，用于若每个广告素材之间点击概率的比较结果符合预设差异要求，则将点击概率最大的广告素材确定为目标广告素材，并将所述目标广告素材分配给所述目标用户的用户端；若每个广告素材之间点击概率的比较结果不符合预设差异要求，则按照广告素材的分配优先级确定目标广告素材，并将所述目标广告素材分配给所述目标用户的用户端。

第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述方法的步骤。

本申请所提供的广告素材的分配方法，首先，获取目标广告的素材集合和目标用户的用户画像；所述素材集合中包括目标广告对应的符合推广条件的至少两个广告素材；其次，将所述目标用户的用户画像和每一个广告素材的素材特征输入至训练好的广告素材分配模型，预测每一个广告素材的点击概率；最后，若每个广告素材之间点击概率的比较结果符合预设差异要求，则将点击概率最大的广告素材确定为目标广告素材，并将所述目标广告素材分配给所述目标用户的用户端；若每个广告素材之间点击概率的比较结果不符合预设差异要求，则按照广告素材的分配优先级确定目标广告素材，并将所述目标广告素材分配给所述目标用户的用户端。

在某些实施例中，在给目标用户分配广告素材时，只将符合推广条件的广告素材作为待分配的素材，事先已经推广效果差的广告素材排除掉了，而且还通过训练好的广告素材分配模型对每一个符合推广条件的广告素材进行点击概率的预测，如果不同广告素材的点击概率之间的差异符合预设差异要求就将点击概率最大的广告素材分配给目标用户，也就是将用户最有可能感兴趣的广告素材推广给目标用户，提高了目标广告的点击率，而且，如果预测得到的目标用户对每一个符合推广条件的广告素材的点击概率大致相同，也就是不符合预设差异要求，则按照事先基于数据统计方式确定出来的分配优先级给目标用户分配目标广告素材，也可以提高目标广告的点击率。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例提供的一种广告素材的分配方法的流程示意图；

图2为本申请实施例提供的一种广告素材分配模型的训练方法的流程示意图；

图3为本申请实施例提供的一种广告素材的分配装置的结构示意图；

图4为本申请实施例提供的一种计算机设备的结构示意图；

图5为本申请实施例提供的一种样本示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

在现有技术中，同一个广告包括了多个广告素材，在广告素材前期推广期间，将每个广告素材随机推广给指定的用户群体中的每一个用户，在达到预定的统计时间后，统计每个广告素材的点击率，在后续的广告推广过程中，将点击率最高的广告素材推广给所有的用户，占据所有用户的流量。但是对于不同用户来说自己感兴趣的广告素材是不同的，如果将点击率最高的广告素材推广给所有的用户，则可能会存在某些用户无法点击到自己所感兴趣的广告素材，这样就会降低了广告推广过程中所收到的点击率，进而降低了广告的推广成功率。

基于上述缺陷，本申请实施例提供了一种广告素材的分配方法，如图1所示，包括以下步骤：

S101，获取目标广告的素材集合和目标用户的用户画像；所述素材集合中包括目标广告对应的符合推广条件的至少两个广告素材；

S102，将所述目标用户的用户画像和每一个广告素材的素材特征输入至训练好的广告素材分配模型，预测每一个广告素材的点击概率；

S103，若每个广告素材之间点击概率的比较结果符合预设差异要求，则将点击概率最大的广告素材确定为第一目标广告素材，并将所述第一目标广告素材分配给所述目标用户的用户端；

S104，若每个广告素材之间点击概率的比较结果不符合预设差异要求，则按照广告素材的分配优先级确定第二目标广告素材，并将所述第二目标广告素材分配给所述目标用户的用户端。

在上述步骤S101中，目标广告是待推广的广告。目标广告可以包括多个广告素材(至少两个)，然而并不是目标广告的每一个广告素材的推广效果都非常好，也是会存在一些推广效果比较差的广告素材的，因此，目标广告的素材集合中包括的是目标广告的广告素材中符合推广条件的广告素材。目标用户是所使用的用户端可以接收目标广告的广告素材的用户，目标用户的用户画像用于表征目标用户的用户特征，用户画像包括以下信息中的任意一种或多种：性别、年龄、常驻地、设备类型、网络等基本属性特征，以及浏览、关注、收藏、搜索关键词、购买记录等用户行为特征，以及通过其他模型或统计方法挖掘或计算得出的兴趣标签、RMF特征等。其中，RMF特征包括用户最近一次交易日期(Recency)、近期客单价(Monetary)、近期交易次数(Frequency)。近期交易次数也可以是平台订单量。

比如，一款新型SUV汽车上市，该汽车广告在推广的时候，做了多套素材：素材1，以0首付分期付款为卖点的素材创意；素材2，以车载智能影音娱乐中控、舒适大空间为卖点的素材创意；素材3，以车辆越野性能为卖点的素材创意；素材4，以品牌定位与身份情怀为主题的素材创意；素材5，以及对前几种创意主题微调的不同版本。其中，只有素材1-4才符合推广条件，则目标广告的素材集合中包括：素材1，以0首付分期付款为卖点的素材创意；素材2，以车载智能影音娱乐中控、舒适大空间为卖点的素材创意；素材3，以车辆越野性能为卖点的素材创意；素材4，以品牌定位与身份情怀为主题的素材创意。

在上述步骤S102中，广告素材的素材特征可以是表征该广告素材的内容的标签，可以是广告素材的内容中的关键词，比如，广告素材为“以0首付分期付款为卖点的素材创意”，则素材特征为“0首付”。其中，广告素材的素材特征除了是由人为设置的之外，也可以是通过特征提取模型提取得到的，比如，广告素材为一张图片，则特征提取模型为用于提取图片特征的模型。训练好的广告素材分配模型可以预测出每一个符合推广条件的广告素材的分配给目标用户后，目标用户对每一个符合推广条件的广告素材进行点击的点击概率。点击概率越高说明用户对广告素材越感兴趣，点击概率越低说明用户对广告素材兴趣较低。

具体实施中，在预测每一个广告素材的点击概率时，针对每一个广告素材，将目标用户的用户画像和该广告素材的素材特征输入至训练好的广告素材分配模型，就可以预测出目标用户对该广告素材的点击概率。

在上述步骤S103中，第一目标广告素材是用于分配给目标用户的用户端的素材。每个广告素材之间点击概率的比较结果符合预设差异要求可以是所述广告素材中点击概率的最大值与点击概率的最小值之差大于或等于预设分配差异阈值。其中预设分配差异阈值是预先设置好的，该预设分配差异阈值可以是工作人员根据媒体业务(比如，广告推广业务)需求确定的。如果目标广告的符合推广条件的广告素材中点击概率的最大值与点击概率的最小值之差大于或等于预设分配差异阈值，则说明预测到的点击概率之间的差异比较明显，也说明了目标用户对每一个符合推广条件的广告素材的感兴趣程度是不同的，因此，将点击概率的最大值对应的广告素材确定为第一目标广告素材，并将第一目标广告素材分配给目标用户的用户端，使得用户端可以展示该第一目标广告素材，以便用户对该第一目标广告素材进行点击。

在上述步骤S104中，第二目标广告素材是用于分配给目标用户的用户端的素材。分配优先级是利用数据统计方式统计得到的，用于表征广告素材可能被目标用户点击的程度。分配优先级越高则广告素材可能被目标用户点击的程度越高；分配优先级越低则广告素材可能被目标用户点击的程度越低。分配优先级可以通过如下步骤确定：

针对每个符合推广条件的广告素材，根据该广告素材的点击率与所有符合推广条件的广告素材的点击率之和，计算该广告素材的权重，并基于该广告素材的权重确定该广告素材的分配优先级。

其中，广告素材的权重越大，则该广告素材的分配优先级越高；广告素材的权重越小，则该广告素材的分配优先级越低。

具体实施中，如果每个广告素材之间点击概率的比较结果不符合预设差异要求，说明预测出目标用户对每个广告素材的感兴趣程度可能大致相同，为了尽可能的让目标用户对分配的广告素材进行点击，所以可以采用基于数据统计方式确定出来的分配优先级给目标用户分配目标广告素材。比如，将分配优先级最高的广告素材作为第二目标广告素材分配给目标用户。

在申请所提供的实施例中，通过上述四个步骤，在给目标用户分配广告素材时，只将符合推广条件的广告素材作为待分配的素材，事先已经推广效果差的广告素材排除掉了，而且还通过训练好的广告素材分配模型对每一个符合推广条件的广告素材进行点击概率的预测，如果预测到的点击概率之间符合预设差异要求就将点击概率最大的广告素材分配给目标用户，也就是将用户最有可能感兴趣的广告素材推广给目标用户，提高了目标广告的点击率，而且，如果预测得到的目标用户对每一个符合推广条件的广告素材的点击概率大致相同，也就是不符合预设差异要求，则按照事先基于数据统计方式确定出来的分配优先级给目标用户分配目标广告素材，也可以提高目标广告的点击率。

只有在目标广告对应的符合推广条件的广告素材的数量达到两个以上时，不同的用户才会对不同的广告素材的兴趣程度不同，因此在本申请中，通过广告素材分配模型预测出目标用户所感兴趣的广告素材，并将其感兴趣的广告素材推送给该目标用户，让目标用户接收到的是自己所感兴趣的广告素材，进而才会提高目标广告的点击率。也因此，只有在目标广告对应的符合推广条件的广告素材的数量达到两个以上时，才可以执行本申请所提供的广告素材的分配方法。如果目标广告对应的符合推广条件的广告素材的数量只有一个，则给每一个用户推广的都只有这一个广告素材，无需为目标用户推广除了这一个广告素材之外的其他广告素材，因此也无需执行本申请所提供的广告素材的分配方法。

每个目标广告会有对应的广告分配条件，根据该广告分配条件可以在众多用户中找到与目标广告更匹配的用户群，因此，广告分配条件也可以是确定目标用户的限定条件，因此，在步骤S101之前，通过如下步骤确定目标用户：

步骤105，根据所述目标广告的广告分配条件、候选用户的用户画像和用户分配规则，在所述候选用户中确定所述目标用户。

在上述步骤105中，广告分配条件用于在众多候选用户中筛选出与目标广告相匹配的目标用户，广告分配条件可以包括以下条件中的任意一种或多种：年龄条件、性别条件、工作领域条件、资产条件、设备类型条件、常住地条件、网络条件等。该广告分配条件可以基于用户画像中所提到的信息确定。用户分配规则指的是在一个用户符合多个广告的广告条件时，为用户确定哪一个为目标广告的规则，可以根据每个广告的指定用户数量来确定，比如，共有10000个候选用户，广告A需要第一目标用户的数量为5000，广告B需要第二目标用户的数量为500，则广告A所需要的第一目标用户的占比为1/2，广告B所需要的第二目标用户的占比为1/20，若一个用户同时满足广告A和广告B的广告分配条件，则根据所需用户占比，将该用户确定为第一目标用户。

具体实施中，根据所述目标广告的广告分配条件、候选用户的用户画像，筛选出推广目标广告的目标用户，如果该目标用户即可以被推广目标广告，又可以推广其他广告，则需要根据用户分配规则确定该目标用户最终被推广的广告，如果最终被推广的广告还是目标广告，则该用户还是会被确定为目标用户，如果最终被推广的广告是其他广告，则该用户不再是目标用户。

目标广告会有多个广告素材，有些广告素材是符合推广条件的，有些广告素材是不符合推广条件的，由于目标广告的素材集合中的广告素材均是符合推广条件的，因此，在步骤S101之前，需要在目标广告的众多素材中确定出符合推广条件的广告素材：

步骤106，获取训练时刻之前所述目标广告的各个候选广告素材的曝光量和点击量；

步骤107，针对每个候选广告素材，根据所述候选广告素材的点击量与曝光量的比值，计算所述候选广告素材的点击率；

步骤108，根据每个候选广告素材的点击率、预设素材差异阈值和预设素材质量阈值，在所述候选广告素材中确定出符合推广条件的广告素材。

在上述步骤106中，训练时刻是广告素材分配模型的预设更新周期中的初始时刻，广告素材分配模型按照预设更新周期进行重新训练。比如，广告素材分配模型的预设更新周期为1天，则训练时刻是一天中的凌晨0点。获取到的目标广告的各个候选广告素材的曝光量和点击量均是历史数据，历史数据可以是用户的行为日志，通过获取目标广告的指定用户群中每个用户的行为日志，在行为日志中包括用户对目标广告的曝光数据和点击数据，进而可以统计出目标广告的每个候选广告素材的曝光量和点击量。

在上述步骤107中，针对每个候选广告素材，候选广告素材的点击量与曝光量的比值就是该候选广告素材的点击率。

在上述步骤108中，预设素材差异阈值和预设素材质量阈值均是预先设置好的，预设素材差异阈值用于判断同一个广告对应的推广效果最好的广告素材和推广效果最差的广告素材之间的差异，推广效果最好指的是点击率最大，该值可以根据媒体业务(比如，广告推广业务)需求确定。预设素材质量阈值用于表征广告素材在媒体业务中推广的最低要求，该值可以根据媒体业务(比如，广告推广业务)需求确定。

具体的，在根据每个候选广告素材的点击率、预设素材差异阈值和预设素材质量阈值，确定出符合推广条件的广告素材时，排除掉以下任意一种或两种的条件，就可以得到符合推广条件的广告素材：

候选广告素材的点击率小于候选广告素材中最大点击率与预设素材差异阈值的差值、候选广告素材的点击率小于预设素材质量阈值。

其中，候选广告素材的点击率小于候选广告素材中最大点击率与预设素材差异阈值的差值，说明点击率小的候选广告素材与点击率最大的候选广告素材之间的差异较大，进一步说明了点击率小的候选广告素材的推广效果不是很好。候选广告素材的点击率小于预设素材质量阈值，说明该候选广告素材的推广效果还没有达到广告推广的最低要求，同样的说明该候选广告素材的推广效果不好。

将推广效果不好的广告素材都进行排除，只保留符合推广条件的广告素材进行推广，提高了目标用户对目标广告的点击率，进而提高了目标广告的推广效果。

在本申请中对待训练的广告素材分配模型进行训练时，由于推广效果不好的广告素材已经被筛除了，所以在给目标用户分配广告素材时也只会分配符合推广条件的广告素材，因此，在训练过程中，也只会利用符合推广条件的广告素材对待训练的广告素材分配模型进行训练，如图2所示，包括：

S201，在训练时刻，获取第一广告素材训练样本集合；所述广告素材训练样本集合中包括至少一个训练样本；所述训练样本包括一个被曝光的符合推广条件的广告素材、曝光该符合推广条件的广告素材的用户的用户画像、该用户对该被曝光的符合推广条件的广告素材的第一点击标签；

S202，针对第一广告素材训练样本集合中的每一个训练样本，将所述训练样本中的符合推广条件的广告素材的素材特征和该符合推广条件的广告素材的曝光用户的用户画像输入至待训练的广告素材分配模型，得到第一预测结果，根据所述第一预测结果中各个广告素材的点击情况与所述训练样本中被曝光的符合推广条件的广告素材的点击情况之间的比对结果，对待训练的广告素材分配模型进行训练。

在上述步骤S201中，获取历史数据携带有曝光符合推广条件的广告素材的日志，在该日志中确定出曝光的符合推广条件的广告素材，该日志对应的用户画像，以及该用户是否对该广告素材进行了点击，如果用户对该广告素材进行了点击，则将第一点击标签设置为1，如果用户对该广告素材没有进行了点击，则将第一点击标签设置为0。将获取的每一个日志对应数据作为训练样本，多个训练样本组成第一广告素材训练样本集合。

在上述步骤S202中，第一预测结果是针对每一个训练样本，在训练过程中待训练的广告素材分配模型预测得到的用户对每个符合推广条件的广告素材的点击概率。所述训练样本中被曝光的符合推广条件的广告素材的点击情况是根据用户对该被曝光的符合推广条件的广告素材的点击标签确定的，比如，第一点击标签为1，则说明用户对该被曝光的符合推广条件的广告素材进行了点击，第一点击标签为0，则说明用户没有对该被曝光的符合推广条件的广告素材进行了点击。所述第一预测结果中各个广告素材的点击情况与所述训练样本中被曝光的符合推广条件的广告素材的点击情况之间的比对结果包括：若被曝光的符合推广条件的广告素材被点击，且第一预测结果中点击概率最大的广告素材与该被曝光的符合推广条件的广告素材一致，则说明待训练的广告素材分配模型预测对了；若被曝光的符合推广条件的广告素材未被点击，且第一预测结果中点击概率最大的广告素材与该被曝光的符合推广条件的广告素材一致，则说明待训练的广告素材分配模型预测错了；若被曝光的符合推广条件的广告素材未被点击，且第一预测结果中点击概率最大的广告素材与该被曝光的符合推广条件的广告素材不一致，则说明待训练的广告素材分配模型预测对了。

具体实施中，针对第一广告素材训练样本集合中的每一个训练样本，如果待训练的广告素材分配模型预测对了，则不对该待训练的广告素材分配模型中的参数进行调整；如果待训练的广告素材分配模型预测错了，则需要对该待训练的广告素材分配模型中的参数进行调整。

在上述训练过程，只有在第一广告素材训练样本集合中的每一个训练样本对待训练的广告素材分配模型均进行了训练，第一次训练结束，也就是，待训练的广告素材分配模型的训练次数与第一广告素材训练样本集合中训练样本数量一致时，待训练的广告素材分配模型第一次训练结束。在待训练的广告素材分配模型第一次训练结束后，该待训练的广告素材分配模型可能达到使用要求，也可能达不到使用要求，因此，还需要对第一次训练结束得到的待训练的广告素材分配模型进行验证，也就是对待训练的广告素材分配模型的训练过程还包括以下步骤：

步骤203，当所述第一广告素材训练样本集合中的每一个训练样本对待训练的广告素材分配模型均进行了训练后，得到待验证的广告素材分配模型，以及获取广告素材验证样本集合；所述获取广告素材验证样本集合中包括至少一个验证样本；所述验证样本包括一个被曝光的符合推广条件的广告素材、曝光该符合推广条件的广告素材的用户的用户画像、该用户对该被曝光的符合推广条件的广告素材的第二点击标签；

步骤204，针对所述广告素材验证样本集合中的每一个验证样本，将符合推广条件的广告素材的素材特征和该符合推广条件的广告素材的曝光用户的用户画像输入至待验证的广告素材分配模型，得到该验证样本的第二预测结果；

步骤205，根据所述广告素材验证样本集合中每个验证样本中的所述第二预测结果和所述点击标签，判断所述待验证的广告素材分配模型是否符合使用要求；若所述待验证的广告素材分配模型符合使用要求，则将所述待验证的广告素材分配模型确定为训练完成的广告素材分配模型；若所述待验证的广告素材分配模型不符合使用要求，则继续获取新的训练样本，组成第二广告素材训练样本集合，将第二广告素材训练样本集合作为新的第一广告素材训练样本集合，以及将所述待验证的广告素材分配模型作为新的待训练的广告素材分配模型，重新执行步骤S202、步骤203、步骤204和步骤205。

在上述步骤203中，待验证的广告素材分配模型是待训练的广告素材分配模型在上一次训练结束后得到的。获取历史数据携带有曝光符合推广条件的广告素材的日志，在该日志中确定出曝光的符合推广条件的广告素材，该日志对应的用户画像，以及该用户是否对该广告素材进行了点击，如果用户对该广告素材进行了点击，则将第二点击标签设置为1，如果用户对该广告素材没有进行了点击，则将第二点击标签设置为0。将获取的每一个日志对应数据作为验证样本，多个验证样本组成第一广告素材训练样本集合。

在上述步骤204中，第二预测结果是针对每一个验证样本，待验证的广告素材分配模型预测得到的用户对每个符合推广条件的广告素材的点击概率。

在上述步骤205中，针对每个验证样本，将第二点击标签为1的验证样本作为正样本，将第二点击标签为0的验证样本作为负样本。

具体的，使用如下步骤判断所述待验证的广告素材分配模型是否符合使用要求。

步骤2051，针对每个验证样本，确定第二预测结果中针对该验证样本中所曝光的符合推广条件的广告素材的预测概率；

步骤2052，根据每个验证样本中针对所曝光的符合推广条件的广告素材的预测概率，对广告素材验证样本集合中的验证样本进行排序，并根据排序为每个验证样本添加序号；

步骤2053，根据所述广告素材验证样本集合中正样本的数量和负样本的数量，以及正样本所对应的序号，计算待验证的广告素材分配模型的预测精度；

步骤2054，根据所述预测精度和预设精度阈值，判断所述待验证的广告素材分配模型是否符合使用要求。

在上述步骤2052中，具体的，可以根据每个验证样本中针对所曝光的符合推广条件的广告素材的预测概率的大小，对广告素材验证样本集合中的验证样本进行降序排序，并对排序后的每个验证样本添加序号。

在上述步骤2053中，使用如下公式，计算待验证的广告素材分配模型的预测精度：

其中，AUC为待验证的广告素材分配模型的预测精度，i为排序后的验证样本中的第i个验证样本，rank_i为第i个验证样本的序号，M为广告素材验证样本集合中正样本的数量，M为广告素材验证样本集合中负样本的数量，positiveclass表征正样本，∑_{i∈ positiveclass}rank_i是对正样本的序号进行求和计算。

比如，有4个样本，分别为A、B、C、D，如图5所示，A、B为负样本，C、D为正样本，每个样本分别有对应的预测概率，根据预测概率对样本进行升序排序，并为每个样本添加对应的序号，使用上述计算AUC的公式可以计算得到AUC为0.75。

在上述步骤2054中，预设精度阈值是人为设置的，如果计算测到的预测精度大于预设精度阈值，则说明待验证的广告素材分配模型符合使用要求，则将待验证的广告素材分配模型确定为训练完成的广告素材分配模型；如果计算测到的预测精度不大于预设精度阈值，则说明待验证的广告素材分配模型不符合使用要求，则需要对待验证的广告素材分配模型继续进行训练，也就是重新执行步骤S202、步骤203、步骤204和步骤205。

需要注意的是无论是训练好的广告素材分配模型和还待训练的广告素材分配模型，它们均是对数据特征的处理，因此在将数据输入上述两个模型之前需要进行归一化处理。

虽然上文中提到如果预测得到的目标用户对每一个广告素材的点击概率大致相同，则说明目标用户对每一个广告素材的感兴趣程度也差不多，这样就可以利用事先基于数据统计得到的分配优先级给目标用户分配目标广告素材，如果将分配优先级最高的广告素材分配给目标用户的话，会大大的增加分配优先级最高的广告素材的流量，而其他的广告素材的流量会减少很多，这样丧失了很多的公平性，因此，本申请还提供一种确定目标广告素材的方法，步骤S104包括：

步骤1041，利用随机函数和每个广告素材的分配优先级，在广告素材中确定出目标广告素材。

在上述步骤1041中，为每个分配优先级设置对应的数值区间，若随机函数随机得出的数值位于哪一个数值区间内，则将数值区间对应的广告素材确定为目标广告素材。

本申请实施例提供了一种广告素材的分配装置，如图3所示，所述分配装置包括：

第一获取模块301，用于获取目标广告的素材集合和目标用户的用户画像；所述素材集合中包括至少两个目标广告对应的符合推广条件的广告素材；

预测模块302，用于将所述目标用户的用户画像和每一个广告素材的素材特征输入至训练好的广告素材分配模型，预测每一个广告素材的点击概率；

分配模块303，用于若每个广告素材之间点击概率的比较结果符合预设差异要求，则将点击概率最大的广告素材确定为目标广告素材，并将所述目标广告素材分配给所述目标用户的用户端；若每个广告素材之间点击概率的比较结果不符合预设差异要求，则按照广告素材的分配优先级确定目标广告素材，并将所述目标广告素材分配给所述目标用户的用户端。

可选的，所述分配装置还包括：

第一确定模块，用于根据所述目标广告的广告分配条件、候选用户的用户画像和用户分配规则，在所述候选用户中确定所述目标用户。

可选的，所述分配装置还包括：

第二获取模块，获取训练时刻之前所述目标广告的各个候选广告素材的曝光量和点击量；

计算模块，用于针对每个候选广告素材，根据所述候选广告素材的点击量与曝光量的比值，计算所述候选广告素材的点击率；

第三确定模块，用于根据每个候选广告素材的点击率、预设素材差异阈值和预设素材质量阈值，在所述候选广告素材中确定出符合推广条件的广告素材。

可选的，所述符合推广条件的广告素材不包括以下条件中的任意一种或两种：

候选广告素材的点击率小于候选广告素材中最大点击率与预设素材差异阈值的差值、候选广告素材的点击率小于预设素材质量阈值。

可选的，所述分配装置还包括：

第三获取模块，用于在训练时刻，获取第一广告素材训练样本集合；所述广告素材训练样本集合中包括至少一个训练样本；所述训练样本包括一个被曝光的符合推广条件的广告素材、曝光该符合推广条件的广告素材的用户的用户画像、该用户对该被曝光的符合推广条件的广告素材的点击标签；

训练模块，用于针对第一广告素材训练样本集合中的每一个训练样本，将所述训练样本中的符合推广条件的广告素材的素材特征和该符合推广条件的广告素材的曝光用户的用户画像输入至待训练的广告素材分配模型，得到第一预测结果，根据所述第一预测结果中各个广告素材的点击情况与所述训练样本中被曝光的符合推广条件的广告素材的点击情况之间的比对结果，对待训练的广告素材分配模型进行训练。

可选的，所述广告素材分配模型按照预设更新周期进行重新训练，所述训练时刻是所述更新周期的初始时刻。

可选的，所述分配模块，包括：

分配单元，用于利用随机函数和每个广告素材的分配优先级，在广告素材中确定出目标广告素材。

可选的，所述每个广告素材之间点击概率的比较结果符合预设差异要求是所述广告素材中点击概率的最大值与点击概率的最小值之差大于或等于预设分配差异阈值。

对应于图1中的广告素材的分配方法，本申请实施例还提供了一种计算机设备400，如图4所示，该设备包括存储器401、处理器402及存储在该存储器401上并可在该处理器402上运行的计算机程序，其中，上述处理器402执行上述计算机程序时实现上述广告素材的分配方法。

具体地，上述存储器401和处理器402能够为通用的存储器和处理器，这里不做具体限定，当处理器402运行存储器401存储的计算机程序时，能够执行上述广告素材的分配方法，解决了现有技术中针对同一个广告，该广告的广告素材分配不合理，导致该广告的点击率较低的问题。

对应于图1中的广告素材的分配方法，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述广告素材的分配方法的步骤。

具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述广告素材的分配方法，解决了现有技术中针对同一个广告，该广告的广告素材分配不合理，导致该广告的点击率较低的问题，本申请在给目标用户分配广告素材时，只将符合推广条件的广告素材作为待分配的素材，事先已经推广效果差的广告素材排除掉了，而且还通过训练好的广告素材分配模型对每一个符合推广条件的广告素材进行点击概率的预测，如果不同广告素材之间点击概率的差异符合预设差异要求就将点击概率最大的广告素材分配给目标用户，也就是将用户最有可能感兴趣的广告素材推广给目标用户，提高了目标广告的点击率，而且，如果预测得到的目标用户对每一个符合推广条件的广告素材的点击概率大致相同，也就是不符合预设差异要求，则按照事先基于数据统计方式确定出来的分配优先级给目标用户分配目标广告素材，也可以提高目标广告的点击率。

在本申请所提供的实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (11)

1.一种广告素材的分配方法，其特征在于，所述分配方法包括：

获取目标广告的素材集合和目标用户的用户画像；所述素材集合中包括目标广告对应的符合推广条件的至少两个广告素材；

将所述目标用户的用户画像和每一个广告素材的素材特征输入至训练好的广告素材分配模型，预测每一个广告素材的点击概率；

若每个广告素材之间点击概率的比较结果符合预设差异要求，则将点击概率最大的广告素材确定为第一目标广告素材，并将所述第一目标广告素材分配给所述目标用户的用户端；

若每个广告素材之间点击概率的比较结果不符合预设差异要求，则按照广告素材的分配优先级确定第二目标广告素材，并将所述第二目标广告素材分配给所述目标用户的用户端。

2.根据权利要求1所述的分配方法，其特征在于，在获取目标广告的素材集合和目标用户的用户画像之前，所述目标用户是通过如下步骤确定的：

根据所述目标广告的广告分配条件、候选用户的用户画像和用户分配规则，在所述候选用户中确定所述目标用户。

3.根据权利要求1所述的分配方法，其特征在于，在获取目标广告的素材集合和目标用户的用户画像之前，所述符合推广条件的广告素材是通过如下步骤确定的：

获取训练时刻之前所述目标广告的各个候选广告素材的曝光量和点击量；

针对每个候选广告素材，根据所述候选广告素材的点击量与曝光量的比值，计算所述候选广告素材的点击率；

根据每个候选广告素材的点击率、预设素材差异阈值和预设素材质量阈值，在所述候选广告素材中确定出符合推广条件的广告素材。

4.根据权利要求3所述的分配方法，其特征在于，所述符合推广条件的广告素材不包括以下条件中的任意一种或两种：

候选广告素材的点击率小于候选广告素材中最大点击率与预设素材差异阈值的差值、候选广告素材的点击率小于预设素材质量阈值。

5.根据权利要求3所述的分配方法，其特征在于，在所述候选广告素材中确定出符合推广条件的广告素材之后，在获取目标广告的素材集合和目标用户的用户画像之前，通过如下步骤对待训练的广告素材分配模型进行训练：

在训练时刻，获取第一广告素材训练样本集合；所述广告素材训练样本集合中包括至少一个训练样本；所述训练样本包括一个被曝光的符合推广条件的广告素材的素材特征、曝光该符合推广条件的广告素材的用户的用户画像、该用户对该被曝光的符合推广条件的广告素材的点击标签；

针对第一广告素材训练样本集合中的每一个训练样本，将所述训练样本中的符合推广条件的广告素材的素材特征和该符合推广条件的广告素材的曝光用户的用户画像输入至待训练的广告素材分配模型，得到第一预测结果，根据所述第一预测结果中各个广告素材的点击情况与所述训练样本中被曝光的符合推广条件的广告素材的点击情况之间的比对结果，对待训练的广告素材分配模型进行训练。

6.根据权利要求3所述的分配方法，其特征在于，所述广告素材分配模型按照预设更新周期进行重新训练，所述训练时刻是所述更新周期的初始时刻。

7.根据权利要求1所述的分配方法，其特征在于，所述按照广告素材的分配优先级确定目标广告素材，包括：

利用随机函数和每个广告素材的分配优先级，在广告素材中确定出目标广告素材。

8.根据权利要求1所述的分配方法，其特征在于，所述每个广告素材之间点击概率的比较结果符合预设差异要求是所述广告素材中点击概率的最大值与点击概率的最小值之差大于或等于预设分配差异阈值。

9.一种广告素材的分配装置，其特征在于，包括：

第一获取模块，用于获取目标广告的素材集合和目标用户的用户画像；所述素材集合中包括至少两个目标广告对应的符合推广条件的广告素材；

预测模块，用于将所述目标用户的用户画像和每一个广告素材的素材特征输入至训练好的广告素材分配模型，预测每一个广告素材的点击概率；

分配模块，用于若每个广告素材之间点击概率的比较结果符合预设差异要求，则将点击概率最大的广告素材确定为第一目标广告素材，并将所述第一目标广告素材分配给所述目标用户的用户端；若每个广告素材之间点击概率的比较结果不符合预设差异要求，则按照广告素材的分配优先级确定第二目标广告素材，并将所述第二目标广告素材分配给所述目标用户的用户端。

10.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1-8中任一项所述的方法的步骤。

11.一种计算机可读存储介质，所述计算机可读存储介质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运行时执行上述权利要求1-8中任一项所述的方法的步骤。

Images