媒体文件的处理方法、装置、存储介质和处理器制造方法及图纸

本发明专利技术公开了一种媒体文件的处理方法、装置、存储介质和处理器。该方法包括：获取目标媒体文件；基于深度学习模型，对目标媒体文件进行预估，得到目标媒体文件在投放时消耗的目标预估流量，其中，深度学习模型用于通过历史媒体文件的数据，建立不同的媒体文件与不同的媒体文件在投放时所需消耗的预估流量之间的映射关系；获取目标媒体文件在实际投放时消耗的实际流量；基于实际流量和目标预估流量之间的差异量，确定目标媒体文件展现的概率，其中，差异量小于目标阈值。通过本发明专利技术，达到了提高媒体文件的投放效率的技术效果。

Processing method, device, storage medium and processor of media file

【技术实现步骤摘要】
媒体文件的处理方法、装置、存储介质和处理器
本专利技术涉及媒体文件领域，具体而言，涉及一种媒体文件的处理方法、装置、存储介质和处理器。
技术介绍
目前，对于媒体文件的处理，预算平滑的应用可以有效地控制预算超额或预算不能耗尽的情况。相关技术中的预算平滑方式主要有匀速平滑、按照流量模式平滑和按照媒体文件的投放效果进行平滑。其中，匀速平滑使流量按照投放时间平均分布分配，流量模式平滑按照流量的时间分布分配，按照媒体文件的投放效果进行平滑，在投放时设置投放目标，当投放效果偏离投放目标，预算控制模块会反馈给投放系统，调整广告投放的概率或者直接修改广告出价，以使投放效果趋于稳定。但是，上述对媒体文件的广告预算控制在先验的流量模型做得不够精细，没有根据每个广告主和流量的对应关系进行训练。在投放过程中，预算平滑的动态调整需要一个过程，如果预测结果和实际结果差距较大，可能出现后续的调整较慢，此时间段的广告主预算就被迅速消耗，从而出现很快退出投放的情况，降低了媒体文件的投放效率。针对现有技术中媒体文件的投放效率低的技术问题，目前尚未提出有效的解决方案本文档来自技高网...

【技术保护点】
1.一种媒体文件的处理方法，其特征在于，包括：/n获取目标媒体文件；/n基于深度学习模型，对所述目标媒体文件进行预估，得到所述目标媒体文件在投放时消耗的目标预估流量，其中，所述深度学习模型用于通过历史媒体文件的数据，建立不同的媒体文件与所述不同的媒体文件在投放时所需消耗的预估流量之间的映射关系；/n获取所述目标媒体文件在实际投放时消耗的实际流量；/n基于所述实际流量和所述目标预估流量之间的差异量，确定所述目标媒体文件展现的概率，其中，所述差异量小于目标阈值。/n

【技术特征摘要】
1.一种媒体文件的处理方法，其特征在于，包括：
获取目标媒体文件；
基于深度学习模型，对所述目标媒体文件进行预估，得到所述目标媒体文件在投放时消耗的目标预估流量，其中，所述深度学习模型用于通过历史媒体文件的数据，建立不同的媒体文件与所述不同的媒体文件在投放时所需消耗的预估流量之间的映射关系；
获取所述目标媒体文件在实际投放时消耗的实际流量；
基于所述实际流量和所述目标预估流量之间的差异量，确定所述目标媒体文件展现的概率，其中，所述差异量小于目标阈值。


2.根据权利要求1所述的方法，其特征在于，在基于深度学习模型，对所述目标媒体文件进行预估，得到所述目标媒体文件在投放时所需消耗的目标预估流量之后，所述方法还包括：
将所述目标预估流量缓存至预算平滑模块，其中，所述预算平滑模块用于将所述不同的媒体文件的预估流量分配至对应的投放时间段，且控制所述不同的媒体文件的预估流量保持在流量阈值范围内；
基于所述预算平滑模块，将所述目标预估流量分配至对应的目标投放时间段，且将所述目标预估流量控制在所述流量阈值范围内。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
在所述目标媒体文件冷启动的情况下，控制所述目标媒体文件以低于概率阈值的投放概率进行投放。


4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
通过竞价实时交易平台针对所述目标媒体文件返回的竞价成功标识，对所述预算平滑模块中存储的所述目标预估流量进行更新。


5.根据权利要求2所述的方法，其特征在于，所述预算平滑模块通过内存存储方式存储所述目标媒体文件在更新时间段对应的流量消耗数据，通过本地存储方式存储所述目标媒体文件...

【专利技术属性】
技术研发人员：孙雨田，李东军，王冉，
申请(专利权)人：苏州跃盟信息科技有限公司，
类型：发明
国别省市：江苏;32