The invention discloses a method and a device for determining a multimedia resource delivery strategy, belonging to the Internet technical field. Including: according to dual algorithm, multimedia resource delivery model, model constraints, the model function is generated in terms of Lagrange function; the model function is transformed to obtain the optimal solution expression of the transformed model function and delivery strategy parameters; the Newton iterative equation determined by the transformed model function is advanced. The final value of the demand duality is obtained when the number of iterations reaches the preset number. The optimal solution is calculated according to the final value of the demand duality and the expression of the optimal solution. The method obtains Newton iteration equation by processing the transformed model function, and then obtains the final value of demand duality by iteration calculation of Newton iteration equation. In each iteration process, it is not necessary to solve the equation, only the results of the previous iteration can be substituted, thus reducing the computational complexity and shortening the computational time.
【技术实现步骤摘要】
确定多媒体资源投放策略的方法及装置
本专利技术涉及互联网
,特别涉及一种确定多媒体资源投放策略的方法及装置。
技术介绍
合约广告为一种基于合约的广告模式,因具有快速、便捷、灵活性强等优点,已成为现代广告投放的一种重要方式。如果将广告主签约的广告订单称为多媒体资源,将网页中用于展示广告订单的广告位称为多媒体展示资源,由于在实际投放过程中,每个多媒体资源都具有投放周期、投放次数、投放地点、投放用户属性等定向条件,而每个多媒体展示资源也具有展示地点、展示用户属性等展示条件,因此,如何确定多媒体资源的投放策略,以提高多媒体资源投放的准确率,成为多媒体资源投放过程中亟需解决的问题。现有技术在确定多媒体资源的投放策略时,可采用如下方法:根据多媒体资源的定向条件和多媒体展示资源的展示条件,确定多媒体资源投放模型和模型限制条件,该模型限制条件用于对多媒体资源投放模型的模型参数进行限制;基于模型限制条件,对多媒体资源投放模型进行变换,得到投放策略参数的最优解表达式,该投放策略参数的最优解表达式包括需求对偶和供给对偶,该需求对偶为多媒体资源的对偶,该供给对偶为多媒体展示资源的对偶;根据模型限制条件,生成需求对偶方程和供给对偶方程,该需求对偶方程和供给对偶方程均包括需求对偶和供给对偶;根据需求对偶的初始值对需求对偶方程进行求解,得到供给对偶的迭代值,并根据供给对偶的迭代值对供给对偶方程进行求解,得到需求对偶的迭代值,继续进行上述迭代过程,直至迭代次数达到预设次数;获取迭代次数为预设次数时得到的需求对偶的最终值,并根据该需求对偶的最终值和投放策略参数的最优解表达式,计算多媒 ...
【技术保护点】
1.一种确定多媒体资源投放策略的方法,其特征在于,所述方法包括:根据多媒体资源的定向条件和多媒体展示资源的展示条件,确定多媒体资源投放模型和模型限制条件,所述模型限制条件用于对所述多媒体资源投放模型的模型参数进行限制;根据对偶算法、所述多媒体资源投放模型及所述模型限制条件,生成以拉格朗日函数表示的模型函数,所述模型函数包括需求对偶、供给对偶及投放策略参数,所述需求对偶为多媒体资源的对偶,所述供给对偶为多媒体展示资源的对偶;在所述模型函数满足卡罗需‑库恩‑塔克条件KKT条件时,对所述模型函数进行变换,得到变换后的模型函数和投放策略参数的最优解表达式;根据所述变换后的模型函数,确定所述需求对偶的第一牛顿迭代方程和所述供给对偶的第二牛顿迭代方程;根据所述需求对偶的初始值和所述供给对偶的初始值,对所述第一牛顿迭代方程和所述第二牛顿迭代方程进行迭代计算;获取迭代次数达到预设次数时所述需求对偶的最终值;根据所述需求对偶的最终值和所述投放策略参数的最优解表达式,计算所述投放策略参数的最优解。
【技术特征摘要】
1.一种确定多媒体资源投放策略的方法,其特征在于,所述方法包括:根据多媒体资源的定向条件和多媒体展示资源的展示条件,确定多媒体资源投放模型和模型限制条件,所述模型限制条件用于对所述多媒体资源投放模型的模型参数进行限制;根据对偶算法、所述多媒体资源投放模型及所述模型限制条件,生成以拉格朗日函数表示的模型函数,所述模型函数包括需求对偶、供给对偶及投放策略参数,所述需求对偶为多媒体资源的对偶,所述供给对偶为多媒体展示资源的对偶;在所述模型函数满足卡罗需-库恩-塔克条件KKT条件时,对所述模型函数进行变换,得到变换后的模型函数和投放策略参数的最优解表达式;根据所述变换后的模型函数,确定所述需求对偶的第一牛顿迭代方程和所述供给对偶的第二牛顿迭代方程;根据所述需求对偶的初始值和所述供给对偶的初始值,对所述第一牛顿迭代方程和所述第二牛顿迭代方程进行迭代计算;获取迭代次数达到预设次数时所述需求对偶的最终值;根据所述需求对偶的最终值和所述投放策略参数的最优解表达式,计算所述投放策略参数的最优解。2.根据权利要求1所述的方法,其特征在于,所述模型函数还包括多媒体资源缺量,所述多媒体资源缺量为基于所述定向条件未被投放的多媒体资源数量;所述在所述模型函数满足KKT条件时,对所述模型函数进行变换,得到变换后的模型函数和投放策略参数的最优解表达式,包括:计算所述模型函数对所述投放策略参数的一阶偏导数,得到所述模型函数的第一稳定性条件;计算所述模型函数对所述多媒体资源缺量的一阶偏导数,得到所述模型函数的第二稳定性条件;根据所述KKT条件和所述模型函数,确定所述模型函数的互补松弛条件;对所述第一稳定性条件进行变换,得到投放策略参数的表达式;将所述第一稳定性条件和所述第二稳定性条件代入所述模型函数中,得到所述变换后的模型函数;根据所述互补松弛条件,对所述投放策略参数的表达式进行最优化计算,得到所述投放策略参数的最优解表达式。3.根据权利要求1或2所述的方法,其特征在于,所述根据所述变换后的模型函数,确定所述需求对偶的第一牛顿迭代方程和所述供给对偶的第二牛顿迭代方程,包括:计算所述变换后的模型函数对所述需求对偶的偏导数值;计算所述变换后的模型函数对所述供给对偶的偏导数值;根据对所述需求对偶的偏导数值,生成所述需求对偶的第一牛顿迭代方程;根据对所述供给对偶的偏导数值,生成所述供给对偶的第二牛顿迭代方程。4.根据权利要求3所述的方法,其特征在于,所述计算所述变换后的模型函数对所述需求对偶的偏导数值,包括:计算所述变换后的模型函数对所述需求对偶的一阶偏导数,并将所述投放策略参数的最优解表达式代入计算结果中,得到对所述需求对偶的一阶偏导数值;计算所述变换后的模型函数对所述需求对偶的二阶偏导数,并将所述投放策略参数的最优解表达式代入计算结果中,得到对所述需求对偶的二阶偏导数值。5.根据权利要求3所述的方法,其特征在于,所述计算所述变换后的模型函数对所述供给对偶的偏导数值,包括:计算所述变换后的模型函数对所述供给对偶的一阶偏导数,并将所述投放策略参数的最优解表达式代入计算结果中,得到对所述供给对偶的一阶偏导数值;计算所述变换后的模型函数对所述供给对偶的二阶偏导数,并将所述投放策略参数的最优解表达式代入计算结果中,得到对所述供给对偶的二阶偏导数值。6.根据权利要求4所述的方法,其特征在于,所述根据对所述需求对偶的偏导数值,生成所述需求对偶的第一牛顿迭代方程,包括:根据对所述需求对偶的偏导数值,应用以下公式,生成所述需求对偶的第一牛顿迭代方程:其中,αj为所述需求对偶,t为迭代次数,A为对所述需求对偶的二阶偏导数值,B为对所述需求对偶的一阶偏导数值。7.根据权利要求5所述的方法,其特征在于,所述根据对所述供给对偶的偏导数值,生成所述供给对偶的第二牛顿迭代方程,包括:根据对所述供给对偶的偏导数值,应用以下公式,生成所述需求对偶的第二牛顿迭...
【专利技术属性】
技术研发人员:刘磊,陈戈,徐澜,江志,金伟,张弘,赵鹏昊,
申请(专利权)人:腾讯科技北京有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。