CN117909601B - 一种付费社交匹配方法、装置、设备及可读存储介质 - Google Patents

一种付费社交匹配方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN117909601B
CN117909601B CN202410294749.5A CN202410294749A CN117909601B CN 117909601 B CN117909601 B CN 117909601B CN 202410294749 A CN202410294749 A CN 202410294749A CN 117909601 B CN117909601 B CN 117909601B
Authority
CN
China
Prior art keywords
user
class
value
matching
real
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.)
Active
Application number
CN202410294749.5A
Other languages
English (en)
Other versions
CN117909601A (zh
Inventor
李阳
张争旭
郑颖
吕金松
余承超
魏纪乐
刘晨
郑智鹏
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.)
Xiamen Huanqu Information Technology Co ltd
Xiamen Seal Cloud Information Technology Co ltd
Xiamen Shequ Information Technology Co ltd
Original Assignee
Xiamen Huanqu Information Technology Co ltd
Xiamen Seal Cloud Information Technology Co ltd
Xiamen Shequ Information 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 Xiamen Huanqu Information Technology Co ltd, Xiamen Seal Cloud Information Technology Co ltd, Xiamen Shequ Information Technology Co ltd filed Critical Xiamen Huanqu Information Technology Co ltd
Priority to CN202410294749.5A priority Critical patent/CN117909601B/zh
Publication of CN117909601A publication Critical patent/CN117909601A/zh
Application granted granted Critical
Publication of CN117909601B publication Critical patent/CN117909601B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/12—Payment architectures specially adapted for electronic shopping systems
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明提供了一种付费社交匹配方法、装置、设备及可读存储介质，通过获取用户的历史信息，根据历史信息生成用户的实时付费价值，历史信息包括历史活跃度和付费情况；根据用户的请求，系统会发起召回操作，然后根据召回结果，利用用户特征数据构建预测模型，估算用户间的匹配点击付费转化率。系统还会考虑用户的实时付费价值和用户相互间匹配点击付费转化率，以生成单次匹配的转化值。获取在预设时段内的所有请求并基于每一用户的单次匹配的转化值构建KM矩阵，通过KM算法对KM矩阵进行求解全部匹配转化值组合的最大值；根据全部匹配转化值组合的最大值进行匹配推荐，解决了A类用户和B类用户推荐匹配无法在全局范围内达到最优解的问题。

Description

一种付费社交匹配方法、装置、设备及可读存储介质
技术领域
本发明涉及社交匹配领域，特别涉及一种付费社交匹配方法、装置、设备及可读存储介质。
背景技术
当下社交用户推荐多数基于用户基础资料特征，通过召回相似资料特征的用户进行推荐。然而，在付费社交行业，对于推荐的准确性有着更高的要求，单单仅用户特征不足以判断用户的付费意愿和付费能力，且在付费社交领域不准确的推荐可能导致用户金钱的浪费，并降低用户对于产品的留存使用意愿。如图1所示，系统在需要为B类用户甲单次进行A类用户的推荐时，并不会将全部A类用户1到A类用户N都推荐给B类用户甲。每次请求只匹配一个A类用户，而且由于A类用户数量有限，系统也不会无限制地向所有B类用户发起推荐。因此，图1中展示的在不同请求时间错开的情况下，如何将A类用户和B类用户推荐匹配在全局范围内达到最优解是一个相当困难的问题。
有鉴于此，提出本申请。
发明内容
本发明公开了一种付费社交匹配方法、装置、设备及可读存储介质，旨在解决在A类用户和B类用户的推荐匹配无法在全局范围内达到最优解的问题。
本发明第一实施例提供了一种付费社交匹配方法，包括：
获取用户的历史信息，并根据所述历史信息生成所述用户的实时付费价值，其中，所述历史信息包括历史活跃度和付费情况；
根据所述用户的请求发起召回并生成召回结果，调用基于用户特征数据构建的预测模型对所述召回结果进行估算，以生成用户相互间匹配的点击付费转化率，并根据所述用户的实时付费价值和所述用户相互间匹配的点击付费转化率，计算出单次匹配的转化值，其中，所述召回结果为与所述用户的请求相关联的用户特征数据。
获取在预设时段内的所有请求并基于每一用户的单次匹配的转化值构建KM矩阵，并通过KM算法对所述KM矩阵进行求解全部匹配转化值组合的最大值；
根据所述全部匹配转化值组合的最大值进行匹配推荐。
优选地，所述根据所述历史信息生成所述用户的实时付费价值具体为：
根据帕累托二八法则生成用户的实时付费价值，其中，帕累托二八法则的表达式为；
Bid为用户的实时付费价值，Bid0为用户生命周期原累积消费表现，Bid0k为全部用户值的二八分位线;
所述用户生命周期原累积消费表现的表达式为：
；
其中，为用户当日T0前/>日时当天的付费指标，/>为时间衰减函数，n为用户注册的天数；
所述时间衰减函数的表达式为：；其中，/>为衰减系数。
优选地，根据所述用户的请求发起召回并生成召回结果，调用基于用户特征数据构建的预测模型对所述召回结果进行估算，以生成用户相互间匹配的点击付费转化率，并根据所述用户的实时付费价值和所述用户相互间匹配的点击付费转化率，计算出单次匹配的转化值，具体为：
基于所述用户的请求，生成B类用户的实时付费价值和A类用户的实时付费价值；
根据所述B类用户的实时付费价值和A类用户的实时付费价值以及用户请求的召回情况生成单次匹配的转化值；所述单次匹配的转化值的表达式为：ecpm=B类BidA类BidCTR/>CVR，其中，CTR为模型计算预估点击率，CVR为模型计算预估付费转化率，B类Bid为B类用户的实时付费价值，A类Bid为A类用户的实时付费价值。
优选地，所述KM矩阵为：
其中，KM矩阵用于反映在所有可能的A类用户和B类用户组合中，每一对匹配的转化值，为A类用户甲与B类用户1的单次匹配转化值，/>为A类用户甲与B类用户N的单次匹配转化值,/>为A类用户M与B类用户1的单次匹配转化值，为A类用户M与B类用户N的单次匹配转化值；
所述KM算法被配置为找到一个最大权匹配，使得所有匹配的ecpm值之和达到最大。
本发明第二实施例提供了一种付费社交匹配装置，包括：
实时付费价值生成单元，用于获取用户的历史信息，并根据所述历史信息生成所述用户的实时付费价值，其中，所述历史信息包括历史活跃度和付费情况；
匹配转化值生成单元，用于根据所述用户的请求发起召回并生成召回结果，调用基于用户特征数据构建的预测模型对所述召回结果进行估算，以生成用户相互间匹配的点击付费转化率，并根据所述用户的实时付费价值和所述用户相互间匹配的点击付费转化率，计算出单次匹配的转化值，其中，所述召回结果为与所述用户的请求相关联的用户特征数据；
矩阵构建单元，用于获取在预设时段内的所有请求并基于每一用户的单次匹配的转化值构建KM矩阵，并通过KM算法对所述KM矩阵进行求解全部匹配转化值组合的最大值；
推荐单元，用于根据所述全部匹配转化值组合的最大值进行匹配推荐。
优选地，所述实时付费价值生成单元具体用于：
根据帕累托二八法则生成用户的实时付费价值，其中，帕累托二八法则的表达式为；
Bid为用户的实时付费价值，Bid0为用户生命周期原累积消费表现，Bid0k为全部用户值的二八分位线;
所述用户生命周期原累积消费表现的表达式为：
；
其中，为用户当日T0前/>为时间衰减函数，n为用户注册的天数；
所述时间衰减函数的表达式为：；其中，/>为衰减系数。
优选地，所述匹配转化值生成单元具体用于：
基于所述用户的请求，生成B类用户的实时付费价值和A类用户的实时付费价值；
根据所述B类用户的实时付费价值和A类用户的实时付费价值以及用户请求的召回情况生成单次匹配的转化值；所述单次匹配的转化值的表达式为：ecpm=B类BidA类BidCTR/>CVR，其中，CTR为模型计算预估点击率，CVR为模型计算预估付费转化率，B类Bid为B类用户的实时付费价值，A类Bid为A类用户的实时付费价值。
优选地，所述KM矩阵为：
其中，KM矩阵用于反映在所有可能的A类用户和B类用户组合中，每一对匹配的转化值，为A类用户甲与B类用户1的单次匹配转化值，/>为A类用户甲与B类用户N的单次匹配转化值,/>为A类用户M与B类用户1的单次匹配转化值，为A类用户M与B类用户N的单次匹配转化值；
所述KM算法被配置为找到一个最大权匹配，使得所有匹配的ecpm值之和达到最大。
本发明第三实施例提供了一种付费社交匹配设备，包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如上任意一项所述的一种付费社交匹配方法。
本发明第四实施例提供了一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如上任意一项所述一种付费社交匹配方法。
基于本发明提供了一种付费社交匹配方法、装置、设备及可读存储介质，通过获取用户的历史信息，并根据所述历史信息生成所述用户的实时付费价值，其中，所述历史信息包括历史活跃度和付费情况；接着，基于所述用户的请求，系统发起召回操作，并根据所述用户的实时付费价值和所述召回，生成单次匹配的转化值；再接着，获取在预设时段内的所有请求并基于每一用户的单次匹配的转化值构建KM矩阵，并通过KM算法对所述KM矩阵进行求解全部匹配转化值组合的最大值；最后，根据所述全部匹配转化值组合的最大值进行匹配推荐。解决了在A类用户和B类用户推荐匹配无法在全局范围内达到最优解的问题。
附图说明
图1是现有技术中的推荐匹配示意图；
图2是本发明第一实施例提供的一种付费社交匹配方法的流程示意图；
图3是本发明提供的全局的匹配计算示意图；
图4是本发明第二实施例提供的一种付费社交匹配装置的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测（陈述的条件或事件）”可以被解释成为“当确定时”或“响应于确定”或“当检测（陈述的条件或事件）时”或“响应于检测（陈述的条件或事件）”。
实施例中提及的“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述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。
以下结合附图对本发明的具体实施例做详细说明。
本发明公开了一种付费社交匹配方法、装置、设备及可读存储介质，旨在解决在A类用户和B类用户双方的推荐匹配无法在全局范围内达到最优解的问题。
请参阅图2，本发明第一实施例提供了一种付费社交匹配方法，其可由付费社交匹配设备（以下简称匹配设备）来执行，特别的，由所述匹配设备内的一个或者多个处理器来执行，以至少实现如下步骤：
S101，获取用户的历史信息，并根据所述历史信息生成所述用户的实时付费价值，其中，所述历史信息包括历史活跃度和付费情况；
在本实施例中，所述匹配设备可以是服务器、工作站、台式电脑、笔记本电脑等具有数据处理能力的终端，所述匹配设备内可安装有相应的操作系统以及应用软件，并通过操作系统以及应用软件的结合来实现本实施例所需的功能；
根据帕累托二八法则生成用户的实时付费价值，其中，帕累托二八法则的表达式为；
Bid为用户的实时付费价值，Bid0为用户生命周期原累积消费表现，Bid0k为全部用户值的二八分位线;
所述用户生命周期原累积消费表现的表达式为：
；
其中，为用户当日T0前/>为时间衰减函数，n为用户注册的天数；
所述时间衰减函数的表达式为：；其中，/>为衰减系数。
需要说明的是，通过帕累托二八法则计算的每个用户付费社交意愿，可以有效解决低付费转化率资源与高付费转化率资源匹配，占用和浪费了高付费转化率资源的问题。通过时间衰减函数引入，解决了用户随着生命周期活跃天数及历史消费表现不同，而造成了长周期优质用户没有被合理评估问题。
具体地，针对每个用户，通过分析其历史记录，包括活跃度和付费情况，了解其在社交平台上的行为表现。这可以包括用户在过去的时间内的活跃频率、使用时长以及是否有过付费行为等方面的信息。根据用户的历史活跃和付费情况，计算其当前的实时付费社交价值（Bid）。实时付费价值综合考虑用户的过去行为、付费习惯、最近活跃情况等因素。进一步地，在本实施例中，使用帕累托二八法则，对用户进行分组或排序，以确定在整体用户群体中，哪些用户对于社交平台的付费贡献占据了主要的份额。主要涉及到将用户按照其生命周期原累积消费表现进行划分，将那些对平台贡献较大的用户与其他用户进行区分。计算Bid0，这是用户生命周期原累积消费表现的一种度量。可以基于用户过去的累积付费情况来评估其对平台的贡献。通过计算全部用户值的二八分位线，确定在整体用户群体中，前二成用户对平台的付费贡献达到了整体贡献的80%。其能够识别关键的高价值用户群体。引入用户当日T0前日至当天的付费指标，并考虑时间衰减函数。时间衰减函数可能类似于使用牛顿衰减定理的方式，用于对用户的意愿热度进行建模。衰减系数可以根据用户的时间留存表现进行计算，以反映用户当前的付费价值。
S102，根据所述用户的请求发起召回并生成召回结果，调用基于用户特征数据构建的预测模型对所述召回结果进行估算，以生成用户相互间匹配的点击付费转化率，并根据所述用户的实时付费价值和所述用户相互间匹配的点击付费转化率，计算出单次匹配的转化值，其中，所述召回结果为与所述用户的请求相关联的用户特征数据；
具体地，在本实施例中，请结合图3，基于所述用户的请求，生成B类用户的实时付费价值和A类用户的实时付费价值；
根据所述B类用户的实时付费价值和A类用户的实时付费价值以及用户请求的召回情况生成单次匹配的转化值；所述单次匹配的转化值的表达式为：ecpm=B类BidA类BidCTR/>CVR，其中，CTR为模型计算预估点击率，CVR为模型计算预估转化率，B类Bid为B类用户的实时付费价值，A类Bid为A类用户的实时付费价值。
需要说明的是，对于每个B类用户和A类用户的组合，所述确定设备会根据他们的社交意愿（Bid）来进行匹配。其中，对于每一次匹配，所述确定设备计算B类用户的Bid和A类用户的Bid的乘积，再乘以点击率（CTR，Click-Through Rate）和付费转化率（CVR，Conversion Rate）。这个过程为单次匹配的转化值（ecpm）。
S103，获取在预设时段内的所有请求并基于每一用户的单次匹配的转化值构建KM矩阵，并通过KM算法对所述KM矩阵进行求解全部匹配转化值组合的最大值；
在本实施例中，所述KM矩阵为：
其中，KM矩阵用于反映在所有可能的A类用户和B类用户组合中，每一对匹配的转化值，为A类用户甲与B类用户1的单次匹配转化值，/>为A类用户甲与B类用户N的单次匹配转化值,/>为A类用户M与B类用户1的单次匹配转化值，为A类用户M与B类用户N的单次匹配转化值；
所述KM算法被配置为找到一个最大权匹配，使得所有匹配的ecpm值之和达到最大。
需要说明的是， KM算法是一种用于解决二分图最大权匹配问题的算法。在本实施例中，其涉及到将B类用户和A类用户构成的二分图中的边权（权值）定义为它们的ecpm值。具体地，可以将B类用户和A类用户看作是一个二分图中的节点。每个节点都与对方性别的节点相连，形成一条边。边的权值即为通过计算得到的ecpm值，代表了匹配的转化价值。KM算法的目标是找到一个最大权匹配，即在所有可能的A类用户和B类用户用户组合中，找到一组匹配，使得匹配的ecpm值之和达到最大。 KM算法通过不断优化匹配的选择，使得匹配的总权值最大化。这样，有效解决了单次匹配无法兼顾全局资源匹配转化最优问题。
S104，根据所述全部匹配转化值组合的最大值进行匹配推荐。
请参阅图4，本发明第二实施例提供了一种付费社交匹配装置，包括：
实时付费价值生成单201，用于获取用户的历史信息，并根据所述历史信息生成所述用户的实时付费价值，其中，所述历史信息包括历史活跃度和付费情况；
匹配转化值生成单元202，用于根据所述用户的请求发起召回并生成召回结果，调用基于用户特征数据构建的预测模型对所述召回结果进行估算，以生成用户相互间匹配的点击付费转化率，并根据所述用户的实时付费价值和所述用户相互间匹配的点击付费转化率，计算出单次匹配的转化值，其中，所述召回结果为与所述用户的请求相关联的用户特征数据；
矩阵构建单元203，用于获取在预设时段内的所有请求并基于每一用户的单次匹配的转化值构建KM矩阵，并通过KM算法对所述KM矩阵进行求解全部匹配转化值组合的最大值；
推荐单元204，用于根据所述全部匹配转化值组合的最大值进行匹配推荐。
优选地，所述实时付费价值生成单元具体用于：
根据帕累托二八法则生成用户的实时付费价值，其中，帕累托二八法则的表达式为；
Bid为用户的实时付费价值，Bid0为用户生命周期原累积消费表现，Bid0k为全部用户值的二八分位线;
所述用户生命周期原累积消费表现的表达式为：
；
其中，为用户当日T0前/>为时间衰减函数，n为用户注册的天数；
所述时间衰减函数的表达式为：；其中，/>为衰减系数。
优选地，所述匹配转化值生成单元具体用于：
基于所述用户的请求，生成B类用户的实时付费价值和A类用户的实时付费价值；
根据所述B类用户的实时付费价值和A类用户的实时付费价值以及用户请求的召回情况生成单次匹配的转化值；所述单次匹配的转化值的表达式为：ecpm=B类BidA类BidCTR/>CVR，其中，CTR为模型计算预估点击率，CVR为模型计算预估转化率，B类Bid为B类用户的实时付费价值，A类Bid为A类用户的实时付费价值。
优选地，所述KM矩阵为：
其中，KM矩阵用于反映在所有可能的A类用户和B类用户组合中，每一对匹配的转化值，为A类用户甲与B类用户1的单次匹配转化值，/>为A类用户甲与B类用户N的单次匹配转化值,/>为A类用户M与B类用户1的单次匹配转化值，为A类用户M与B类用户N的单次匹配转化值；
所述KM算法被配置为找到一个最大权匹配，使得所有匹配的ecpm值之和达到最大。
本发明第三实施例提供了一种付费社交匹配设备，包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如上任意一项所述的一种付费社交匹配方法。
本发明第四实施例提供了一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如上任意一项所述一种付费社交匹配方法。
基于本发明提供了一种付费社交匹配方法、装置、设备及可读存储介质，通过获取用户的历史信息，并根据所述历史信息生成所述用户的实时付费价值，其中，所述历史信息包括历史活跃度和付费情况；接着，基于所述用户的请求发起召回，并根据所述用户的实时付费价值和所述召回，生成单次匹配的转化值；再接着，获取在预设时段内的所有请求并基于每一用户的单次匹配的转化值构建KM矩阵，并通过KM算法对所述KM矩阵进行求解全部匹配转化值组合的最大值；最后，根据所述全部匹配转化值组合的最大值进行匹配推荐。解决了在A类用户和B类用户双方的推荐匹配无法在全局范围内达到最优解的问题。
示例性地，本发明第三实施例和第四实施例中所述的计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述实现一种付费社交匹配设备中的执行过程。例如，本发明第二实施例中所述的装置。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种付费社交匹配方法的控制中心，利用各种接口和线路连接整个所述实现对一种付费社交匹配方法的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现一种付费社交匹配方法的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、文字转换功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、文字消息数据等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘、智能存储卡（Smart Media Card, SMC）、安全数字（Secure Digital,SD）卡、闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述实现的模块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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (6)

1.一种付费社交匹配方法，其特征在于，包括：
获取用户的历史信息，并根据所述历史信息生成所述用户的实时付费价值，具体为：根据帕累托二八法则生成用户的实时付费价值，其中，帕累托二八法则的表达式为；Bid为用户的实时付费价值，Bid0为用户生命周期原累积消费表现，Bid0k为全部用户值的二八分位线;所述用户生命周期原累积消费表现的表达式为：;其中，/>为用户当日T0前/>日时当天的付费指标，/>为时间衰减函数，n为用户注册的天数；所述时间衰减函数的表达式为：/>；其中，/>为衰减系数，其中，所述历史信息包括历史活跃度和付费情况；
根据所述用户的请求发起召回并生成召回结果，调用基于用户特征数据构建的预测模型对所述召回结果进行估算，以生成用户相互间匹配的点击付费转化率，并根据所述用户的实时付费价值和所述用户相互间匹配的点击付费转化率，计算出单次匹配的转化值，其中，所述召回结果为与所述用户的请求相关联的用户特征数据；
获取在预设时段内的所有请求并基于每一用户的单次匹配的转化值构建KM矩阵，并通过KM算法对所述KM矩阵进行求解全部匹配转化值组合的最大值，其中，所述KM矩阵为：
其中，KM矩阵用于反映在所有可能的A类用户和B类用户组合中，每一对匹配的转化值，为A类用户甲与B类用户1的单次匹配转化值，/>为A类用户甲与B类用户N的单次匹配转化值,/>为A类用户M与B类用户1的单次匹配转化值，/>为A类用户M与B类用户N的单次匹配转化值；所述KM算法被配置为找到一个最大权匹配，使得所有匹配的ecpm值之和达到最大；
根据所述全部匹配转化值组合的最大值进行匹配推荐。
2.根据权利要求1所述的一种付费社交匹配方法，其特征在于，所述根据所述用户的请求发起召回并生成召回结果，调用基于用户特征数据构建的预测模型对所述召回结果进行估算，以生成用户相互间匹配的点击付费转化率，并根据所述用户的实时付费价值和所述用户相互间匹配的点击付费转化率，计算出单次匹配的转化值，具体为：
基于所述用户的请求，生成B类用户的实时付费价值和A类用户的实时付费价值；
根据所述B类用户的实时付费价值和A类用户的实时付费价值以及用户请求的召回情况生成单次匹配的转化值；所述单次匹配的转化值的表达式为：ecpm=B类BidA类Bid/>CTR/>CVR，其中，CTR为模型计算的预估点击率，CVR为模型计算的预估付费转化率，B类Bid为B类用户的实时付费价值，A类Bid为A类用户的实时付费价值。
3.一种付费社交匹配装置，其特征在于，包括：
实时付费价值生成单元，用于获取用户的历史信息，并根据所述历史信息生成所述用户的实时付费价值，具体用于：根据帕累托二八法则生成用户的实时付费价值，其中，帕累托二八法则的表达式为；Bid为用户的实时付费价值，Bid0为用户生命周期原累积消费表现，Bid0k为全部用户值的二八分位线;所述用户生命周期原累积消费表现的表达式为：/>;其中，/>为用户当日T0前/>日时当天的付费指标，/>为时间衰减函数，n为用户注册的天数；所述时间衰减函数的表达式为：/>；其中，/>为衰减系数，其中，所述历史信息包括历史活跃度和付费情况；
匹配转化值生成单元，用于根据所述用户的请求发起召回并生成召回结果，调用基于用户特征数据构建的预测模型对所述召回结果进行估算，以生成用户相互间匹配的点击付费转化率，并根据所述用户的实时付费价值和所述用户相互间匹配的点击付费转化率，计算出单次匹配的转化值，其中，所述召回结果为与所述用户的请求相关联的用户特征数据；
矩阵构建单元，用于获取在预设时段内的所有请求并基于每一用户的单次匹配的转化值构建KM矩阵，并通过KM算法对所述KM矩阵进行求解全部匹配转化值组合的最大值，其中，所述KM矩阵为：
其中，KM矩阵用于反映在所有可能的A类用户和B类用户组合中，每一对匹配的转化值，为A类用户甲与B类用户1的单次匹配转化值，/>为A类用户甲与B类用户N的单次匹配转化值,/>为A类用户M与B类用户1的单次匹配转化值，/>为A类用户M与B类用户N的单次匹配转化值；所述KM算法被配置为找到一个最大权匹配，使得所有匹配的ecpm值之和达到最大；
推荐单元，用于根据所述全部匹配转化值组合的最大值进行匹配推荐。
4.根据权利要求3所述的一种付费社交匹配装置，其特征在于，所述匹配转化值生成单元具体用于：
基于所述用户的请求，生成B类用户的实时付费价值和A类用户的实时付费价值；
根据所述B类用户的实时付费价值和A类用户的实时付费价值以及用户请求的召回情况生成单次匹配的转化值；所述单次匹配的转化值的表达式为：ecpm=B类BidA类Bid/>CTR/>CVR，其中，CTR为模型计算预估点击率，CVR为模型计算预估付费转化率，B类Bid为B类用户的实时付费价值，A类Bid为A类用户的实时付费价值。
5.一种付费社交匹配设备，其特征在于，包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如权利要求1至2任意一项所述的一种付费社交匹配方法。
6.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如权利要求1至2任意一项所述一种付费社交匹配方法。
CN202410294749.5A 2024-03-15 2024-03-15 一种付费社交匹配方法、装置、设备及可读存储介质 Active CN117909601B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410294749.5A CN117909601B (zh) 2024-03-15 2024-03-15 一种付费社交匹配方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410294749.5A CN117909601B (zh) 2024-03-15 2024-03-15 一种付费社交匹配方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN117909601A CN117909601A (zh) 2024-04-19
CN117909601B true CN117909601B (zh) 2024-05-17

Family

ID=90692722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410294749.5A Active CN117909601B (zh) 2024-03-15 2024-03-15 一种付费社交匹配方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN117909601B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108965938A (zh) * 2018-08-03 2018-12-07 山东大学 智能电视中潜在付费用户预测方法及系统
CN116151711A (zh) * 2021-11-18 2023-05-23 北京三快在线科技有限公司 订单分配方法、装置、存储介质及电子设备
WO2023115935A1 (zh) * 2021-12-22 2023-06-29 华为云计算技术有限公司 数据处理方法、相关装置及设备
CN116757805A (zh) * 2023-06-08 2023-09-15 厦门她趣信息技术有限公司 一种基于竞价模式的交友匹配系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108965938A (zh) * 2018-08-03 2018-12-07 山东大学 智能电视中潜在付费用户预测方法及系统
CN116151711A (zh) * 2021-11-18 2023-05-23 北京三快在线科技有限公司 订单分配方法、装置、存储介质及电子设备
WO2023115935A1 (zh) * 2021-12-22 2023-06-29 华为云计算技术有限公司 数据处理方法、相关装置及设备
CN116757805A (zh) * 2023-06-08 2023-09-15 厦门她趣信息技术有限公司 一种基于竞价模式的交友匹配系统

Also Published As

Publication number Publication date
CN117909601A (zh) 2024-04-19

Similar Documents

Publication Publication Date Title
CN110033314B (zh) 广告数据处理方法及装置
WO2022267735A1 (zh) 业务数据处理方法、装置、计算机设备和存储介质
CN108733706B (zh) 热度信息的生成方法和装置
CN109299356B (zh) 基于大数据的活动推荐方法、装置、电子设备及存储介质
WO2014070573A2 (en) System and method for generating subscriber churn predictions
CN109598538B (zh) 一种广告投放的流量控制方法、装置、设备及介质
CN111222922B (zh) 一种广告投放方法、装置、广告投放服务器及存储介质
CN114331521A (zh) 一种商业数据监控分析管理方法、系统、设备及存储介质
CN113034171A (zh) 一种业务数据处理方法、装置、计算机及可读存储介质
CN110956500B (zh) 一种广告实时竞价系统中降低广告请求耗时的方法及系统
CN106161389B (zh) 一种作弊识别方法、装置及终端
CN113139826A (zh) 广告位的分配权限确定方法、装置、计算机设备
CN109472312B (zh) 应用程序评估方法、装置、计算机设备及存储介质
CN112529400B (zh) 一种数据处理方法、装置、终端和可读存储介质
CN117909601B (zh) 一种付费社交匹配方法、装置、设备及可读存储介质
CN112001563A (zh) 一种话单量的管理方法、装置、电子设备及存储介质
CN113743968A (zh) 信息投放方法、装置及设备
CN116629556A (zh) 推荐任务的分配方法、装置、存储介质及电子设备
CN112989276A (zh) 信息推送系统的评价方法和装置
CN111105270A (zh) 一种管理推送数据的方法及装置
CN110610758A (zh) 一种科室医疗成本动态分摊方法、装置及设备
CN112015978B (zh) 一种定制信息发送方法、装置和电子设备
CN113408817B (zh) 流量分发方法、装置、设备及存储介质
CN114925275A (zh) 产品推荐方法、装置、计算机设备及存储介质
CN115185695A (zh) 一种系统资源分配方法、装置、设备及存储介质

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
GR01 Patent grant