模型训练方法、广告投放方法、装置、设备及存储介质制造方法及图纸

本申请实施例提供了一种模型训练方法、广告投放方法、装置、设备及存储介质，包括：获取多个已投放广告样本；根据多个已投放广告样本训练目标模型；目标模型包括共享嵌入层和多个场景塔；共享嵌入层是多个场景塔共享的嵌入层，针对多个已投放广告样本中的任一已投放广告样本，共享嵌入层的输入是已投放广告样本的特征信息，输出是特征信息经过共享嵌入层进行降维处理后得到的第一向量；针对多个场景塔中的任一场景塔，场景塔对应一个广告投放场景，广告投放场景包括至少一个投放位置，场景塔的输入是第一向量，输出是已投放广告样本在至少一个投放位置上的点击率；目标模型不区分多个已投放广告样本所来源的流量渠道，从而可以提高模型精度。高模型精度。高模型精度。

【技术实现步骤摘要】
模型训练方法、广告投放方法、装置、设备及存储介质


[0001]本申请实施例涉及互联网
，尤其涉及一种模型训练方法、广告投放方法、装置、设备及存储介质。

技术介绍

[0002]随着广告的宣传效果的不断提高，各大广告主对广告的投放力度也越来越大，基于此，广告投放策划端确定各个广告的投放位置至关重要。
[0003]目前，广告投放策划端可以将待投放广告的特征信息输入至一个模型，以得到该待投放广告在每个广告投放场景的每个投放位置上的点击率，根据该点击率确定各个投放位置上的待投放广告；其中，该模型可以通过一些已投放广告样本训练得到的，该模型会对多个已投放广告样本所来源的流量渠道进行区分，由于每种广告投放场景下的已投放广告样本有限，从而导致训练得到的模型精度不高的问题。

技术实现思路

[0004]本申请实施例提供一种模型训练方法、广告投放方法、装置、设备及存储介质，从而可以提高模型精度。
[0005]第一方面，本申请实施例提供一种模型训练方法，包括：获取多个已投放广告样本；根据多个已投放广告样本训练目标模型；其中，目标模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取多个已投放广告样本；根据所述多个已投放广告样本训练目标模型；其中，所述目标模型包括：共享嵌入层和多个场景塔；所述共享嵌入层是所述多个场景塔共享的嵌入层，针对所述多个已投放广告样本中的任一已投放广告样本，所述共享嵌入层的输入是所述已投放广告样本的特征信息，输出是所述特征信息经过所述共享嵌入层进行降维处理后得到的第一向量；针对所述多个场景塔中的任一场景塔，所述场景塔对应一个广告投放场景，所述广告投放场景包括至少一个投放位置，所述场景塔的输入是所述第一向量，输出是所述已投放广告样本在所述至少一个投放位置上的点击率；所述目标模型不区分所述多个已投放广告样本所来源的流量渠道。2.根据权利要求1所述的方法，其特征在于，所述多个已投放广告样本的特征信息是通过批处理方式输入至所述共享嵌入层的。3.根据权利要求1或2所述的方法，其特征在于，所述已投放广告样本的特征信息包括以下至少一项：所述已投放广告样本的用户特征、广告特征、上下文特征。4.一种广告投放方法，其特征在于，包括：获取至少一个待投放广告各自的特征信息；针对所述至少一个待投放广告中的任一待投放广告，将所述待投放广告的特征信息输入至目标模型中，以得到所述待投放广告在每个广告投放场景的每个投放位置上的点击率；根据所述至少一个待投放广告在所述每个投放位置的点击率，确定所述每个投放位置上的目标待投放广告；在所述每个投放位置投放对应的目标待投放广告；其中，所述目标模型是通过多个已投放广告样本训练得到的，且所述目标模型不区分所述多个已投放广告样本所来源的流量渠道。5.根据权利要求4所述的方法，其特征在于，所述根据所述至少一个待投放广告在所述每个投放位置的点击率，确定所述每个投放位置上的目标待投放广告，包括：针对所述至少一个待投放广告中的任一待投放广告，计算所述待投放广告在所述每个投放位置的点击率与所述待投放广告的出价的乘积，以得到所述待投放广告在所述每个投放位置的乘积结果；确定所述每个投放位置上对应乘积结果最大的待投放广告为所述每个投放位置上的目标待投放广告。6.根据权利要求4所述的方法，其特征在于，所述根据所述至少一个待投放广告在所述每个投放位置的点击率，确定所述每个投放位置上的目标待投放广告，包括：确定所述每个投放位置上对应点击率最大的待投放广告；确定所述每个投放位置上对应点击率最大的待投放广告为所述每个投放位置上的目标待投放广告。7.根据权利要求4
‑
6任一项所述的方法，其特征在于，所述目标模型包括：共享嵌入层和多个场景塔；所述共享嵌入层是所述多...

【专利技术属性】
技术研发人员：衣建中，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：