本公开关于一种媒介信息处理方法、装置、电子设备、存储介质及计算机程序，所述方法包括：获取目标账户的账户特征。根据所述账户特征以及预先训练的概率预测模型，得到概率预测结果；所述概率预测结果反映目标排序模型对应的候选媒介信息成为目标媒介信息的概率；根据所述概率预测结果以及预设的媒介数量计算算法，确定各排序模型对应的媒介信息筛选数量。根据各排序模型对应的媒介信息筛选数量，在各所述排序模型排序后的媒介信息序列中，获取所述候选媒介信息；所述候选媒介信息用于确定所述目标账户对应的目标媒介信息。采用本方法，提高了目标媒介信息的推荐准确性。提高了目标媒介信息的推荐准确性。提高了目标媒介信息的推荐准确性。
【技术实现步骤摘要】
媒介信息处理方法、装置、电子设备及存储介质
[0001]本公开涉及数据处理
，尤其涉及媒介信息处理方法、装置、电子设备、存储介质及计算机程序。
技术介绍
[0002]在媒介信息投放展示之前，需要经过定向、召回和排序等处理操作，以确定出用于投放展示的目标媒介信息。在此过程中，排序阶段是需要根据预设的模型对召回的媒介信息数据流进行排序筛选的过程。其中，排序又可以分为粗排序和精排序两个阶段。
[0003]目前的媒介信息排序方法中，粗排序阶段包含两个预设的排序模型，两个排序模型会按照不同的维度，分别对召回的媒介信息数据流进行排序，得到对应两个不同维度的媒介信息序列，进而，在每一媒介信息序列中确定出固定数量的候选媒介信息，以使精排序可以在粗排序得到的候选媒介信息中确定出唯一的目标媒介信息，并将目标媒介信息推荐给账户。
[0004]然而，目前的媒介信息排序方法中，粗排序中的两个排序模型是按照不同的维度排序得到的媒介信息序列。不同的维度对于不同账户的来说重要程度不同，因此，若各账户均按照统一的数量阈值来获取两个媒介信息序列中的候选媒介信息，则造成媒介信息投放不具有针对性，进而导致确定出的目标媒介信息的准确性较低。
技术实现思路
[0005]本公开提供一种媒介信息处理方法、装置、电子设备、存储介质及计算机程序，以至少解决相关技术中确定出的目标媒介信息的准确性较低的问题。本公开的技术方案如下：
[0006]根据本公开实施例的第一方面，提供一种媒介信息处理方法，包括：
[0007]获取目标账户的账户特征；
[0008]根据所述账户特征以及预先训练的概率预测模型，得到概率预测结果；所述概率预测结果反映目标排序模型对应的候选媒介信息成为目标媒介信息的概率；
[0009]根据所述概率预测结果以及预设的媒介数量计算算法，确定各排序模型对应的媒介信息筛选数量；所述各排序模型中包括所述目标排序模型；
[0010]根据各排序模型对应的媒介信息筛选数量，在各所述排序模型排序后的媒介信息序列中，获取所述候选媒介信息；所述候选媒介信息用于确定所述目标账户对应的目标媒介信息。
[0011]在一个实施例中，所述获取目标账户的账户特征，包括：
[0012]获取目标账户的账户画像特征和上下文特征；
[0013]将所述账户画像特征和所述上下文特征进行特征拼接，得到融合特征，并对所述融合特征进行编码处理，得到编码处理后的账户特征。
[0014]在一个实施例中，所述根据所述概率预测结果以及预设的媒介数量计算算法，确
定各排序模型对应的媒介信息筛选数量，包括：
[0015]获取预设的候选媒介信息总数量；
[0016]将所述候选媒介信息总数量作为约束条件，并根据所述概率预测结果和预设目标规划算法，构建目标函数；所述目标函数中包含各所述排序模型对应的媒介信息筛选参数；
[0017]通过所述目标函数以及所述约束条件，确定所述目标函数中包含的各所述排序模型对应的媒介信息筛选参数的参数值；所述参数值为各所述排序模型对应的媒介信息筛选数量。
[0018]在一个实施例中，所述方法还包括：
[0019]获取目标账户的样本账户特征和训练样本，所述训练样本中包含样本目标媒介信息、以及所述样本目标媒介信息对应的排序模型的模型标记；
[0020]根据所述样本账户特征和所述训练样本，对初始概率预测模型进行模型训练，得到训练完成的概率预测模型。
[0021]在一个实施例中，所述获取训练样本，包括：
[0022]获取媒介信息流；所述媒介信息流中包含多个媒介信息集合；
[0023]将每一所述媒介信息集合输入排序模型，得到每一所述排序模型对应的候选媒介信息，并对所述候选媒介信息添加模型标记，所述模型标记表征所述候选媒介信息对应的排序模型；
[0024]根据预设的价值预估模型和所述候选媒介信息，确定各所述候选媒介信息中的样本目标媒介信息，并根据所述样本目标媒介信息以及所述样本目标媒介信息的所述模型标记，确定训练样本。
[0025]在一个实施例中，所述训练样本包括正样本和负样本；所述根据所述样本目标媒介信息以及所述样本目标媒介信息的所述模型标记，确定训练样本，包括：
[0026]若所述样本目标媒介信息携带第一模型标记，则将所述样本目标媒介信息确定为正样本数据；
[0027]若所述样本目标媒介信息携带第二模型标记，则将所述样本目标媒介信息确定为负样本数据。
[0028]根据本公开实施例的第二方面，提供一种媒介信息处理装置，包括：
[0029]获取单元，被配置为执行获取目标账户的账户特征；
[0030]处理单元，被配置为执行根据所述账户特征以及预先训练的概率预测模型，得到概率预测结果；所述概率预测结果反映目标排序模型对应的候选媒介信息成为目标媒介信息的概率；
[0031]确定单元，被配置为执行根据所述概率预测结果以及预设的媒介数量计算算法，确定各排序模型对应的媒介信息筛选数量；所述各排序模型中包括所述目标排序模型；
[0032]筛选单元，被配置为执行根据各排序模型对应的媒介信息筛选数量，在各所述排序模型排序后的媒介信息序列中，获取所述媒介信息筛选数量的候选媒介信息；所述候选媒介信息用于确定所述目标账户对应的目标媒介信息。
[0033]在一个实施例中，所述获取单元包括：
[0034]获取子单元，被配置为执行获取目标账户的账户画像特征和上下文特征；
[0035]编码处理单元，被配置为执行将所述账户画像特征和所述上下文特征进行特征拼
接，得到融合特征，并对所述融合特征进行编码处理，得到编码处理后的账户特征。
[0036]在一个实施例中，所述确定单元包括：
[0037]获取子单元，被配置为执行获取预设的候选媒介信息总数量；
[0038]构建子单元，被配置为执行将所述候选媒介信息总数量作为约束条件，并根据所述概率预测结果和预设目标规划算法，构建目标函数；所述目标函数中包含各所述排序模型对应的媒介信息筛选参数；
[0039]计算单元，被配置为执行通过所述目标函数以及所述约束条件，确定目标函数中包含的各所述排序模型对应的媒介信息筛选参数的参数值；所述参数值为各所述排序模型对应的媒介信息筛选数量。
[0040]在一个实施例中，所述媒介信息处理装置还包括：
[0041]样本获取单元，被配置为执行获取目标账户的样本账户特征和训练样本，所述训练样本中包含样本目标媒介信息、以及所述样本目标媒介信息对应的排序模型的模型标记；
[0042]训练单元，被配置为执行根据所述样本账户特征和所述训练样本，对初始概率预测模型进行模型训练，得到训练完成的概率预测模型。
[0043]在一个实施例中，所述样本获取单元，包括：
[0044]数据获取子单元，被配置为执行获取媒介信息流；所述媒介信息流中包含多个媒介信息集合；
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种媒介信息处理方法，其特征在于，所述方法包括：获取目标账户的账户特征；根据所述账户特征以及预先训练的概率预测模型，得到概率预测结果；所述概率预测结果反映目标排序模型对应的候选媒介信息成为目标媒介信息的概率；根据所述概率预测结果以及预设的媒介数量计算算法，确定各排序模型对应的媒介信息筛选数量；所述各排序模型中包括所述目标排序模型；根据各排序模型对应的媒介信息筛选数量，在各所述排序模型排序后的媒介信息序列中，获取所述候选媒介信息；所述候选媒介信息用于确定所述目标账户对应的目标媒介信息。2.根据权利要求1所述的媒介信息处理方法，其特征在于，所述获取目标账户的账户特征，包括：获取目标账户的账户画像特征和上下文特征；将所述账户画像特征和所述上下文特征进行特征拼接，得到融合特征，并对所述融合特征进行编码处理，得到编码处理后的账户特征。3.根据权利要求1所述的媒介信息处理方法，其特征在于，所述根据所述概率预测结果以及预设的媒介数量计算算法，确定各排序模型对应的媒介信息筛选数量，包括：获取预设的候选媒介信息总数量；将所述候选媒介信息总数量作为约束条件，并根据所述概率预测结果和预设目标规划算法，构建目标函数；所述目标函数中包含各所述排序模型对应的媒介信息筛选参数；通过所述目标函数以及所述约束条件，确定所述目标函数中包含的各所述排序模型对应的媒介信息筛选参数的参数值；所述参数值为各所述排序模型对应的媒介信息筛选数量。4.根据权利要求1所述的媒介信息处理方法，其特征在于，所述方法还包括：获取目标账户的样本账户特征和训练样本，所述训练样本中包含样本目标媒介信息、以及所述样本目标媒介信息对应的排序模型的模型标记；根据所述样本账户特征和所述训练样本，对初始概率预测模型进行模型训练，得到训练完成的概率预测模型。5.根据权利要求4所述的媒介信息处理方法，其特征在于，所述获取训练样本，包括：获取媒介信息流；所述媒介信息流中包含多个媒介信息集合；将每一所述媒介信息集合输入排序模型，得到每一所述排序模型对应的候选媒介信息...
【专利技术属性】
技术研发人员：肖严，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：
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。