转化率模型的训练方法、装置、电子设备及存储介质制造方法及图纸

本申请提出一种转化率模型的训练方法、装置、电子设备及存储介质，该方法包括：获取在指定日期之前的多个历史日期；获取在各个历史日期上对推荐信息进行投放时所对应的投放用户集合；针对各个历史日期，获取推荐信息在历史日期到指定日期之间的转化数据；将历史日期所对应的多个投放用户中，转化状态为发生转化的投放用户作为历史日期所对应的正样本，并将转化状态为未转化的投放用户作为历史日期所对应的负样本；根据各个历史日期所对应的正样本和负样本，生成样本集合；根据样本集合，对推荐信息的初始转化率模型进行训练，以得到目标转化率模型。该目标转化率模型，提升了对投放用户转化率预测的准确性。户转化率预测的准确性。户转化率预测的准确性。

【技术实现步骤摘要】
转化率模型的训练方法、装置、电子设备及存储介质


[0001]本申请涉及数据处理
，尤其涉及一种转化率模型的训练方法、装置、电子设备及存储介质。

技术介绍

[0002]在推荐系统领域，转化率预估是一个极其重要的方向。在对应推荐信息进行转化率预估时，通常采用与推荐新对应的训练后的转化率模型进行转化率预估，因此，准确对转化率模型进行训练，对于转化率准确预估是十分重要的。
[0003]相关技术中，在对转化率模型进行训练时，通常是在曝光日期对推荐信息进行投放，并获取曝光日期之后的指定时长(例如3天)之后的曝光转化数据，并基于所获取到的曝光转化数据，将在指定时长内转化的用户作为正常样本，并将指定时长内未转化的用户作为负样本，并基于负样本和正样本对转化率模型进行训练，然而，由于一些用户可能在三天内之后使用该推荐信息，因此，上述模型训练方式的负样本中可能存在一些假负样本，这些假负样本可能会损害预测模型。

技术实现思路

[0004]本申请提出一种转化率模型的训练方法、装置、电子设备及存储介质。
[0005]本申请一方面实施例提出一种转化率模型的训练方法，该方法包括：获取在指定日期之前的多个历史日期；获取在各个所述历史日期上对推荐信息进行投放时所对应的已投放用户集合，其中，所述已投放用户集合包括多个投放用户；针对各个所述历史日期，获取所述推荐信息在所述历史日期到所述指定日期之间的转化数据，其中，所述转化数据包括所述多个投放用户各自对应的转化状态；将所述历史日期所对应的多个投放用户中，转化状态为发生转化的投放用户作为所述历史日期所对应的正样本，并将转化状态为未转化的投放用户作为所述历史日期所对应的负样本；根据各个所述历史日期所对应的正样本和负样本，生成样本集合；根据所述样本集合，对所述推荐信息的初始转化率模型进行训练，以得到目标转化率模型。
[0006]在本申请的一个实施例中，所述根据所述样本集合，对所述推荐信息的初始转化率模型进行训练，以得到目标转化率模型，包括：
[0007]获取所述样本集合中样本的用户特征、所述样本与所述推荐信息之间的交叉特征以及所述推荐信息的推荐信息特征；
[0008]根据所述用户特征、所述交叉特征和所述推荐信息特征对所述推荐信息的初始转化率模型进行训练，以得到所述目标转化率模型。
[0009]在本申请的一个实施例中，所述多个历史日期中的最晚日期与所述指定日期之间的间隔天数大于或者等于预设天数。
[0010]本申请实施例的转化率模型的训练方法，获取在指定日期之前的多个历史日期；获取在各个历史日期上对推荐信息进行投放时所对应的已投放用户集合；针对各个历史日
期，获取推荐信息在历史日期到指定日期之间的转化数据；将历史日期所对应的多个投放用户中，转化状态为发生转化的投放用户作为历史日期所对应的正样本，并将转化状态为未转化的投放用户作为历史日期所对应的负样本；根据各个历史日期所对应的正样本和负样本，生成样本集合；根据样本集合，对推荐信息的初始转化率模型进行训练，以得到目标转化率模型。该目标转化率模型，提升了对投放用户转化率预测的准确性。
[0011]本申请另一方面实施例提出一种推荐信息的投放方法，该方法包括：获取在指定日期上对所述推荐信息进行投放时所选择的待投放用户；获取所述待投放用户对应的用户特征、所述推荐信息的推荐信息特征以及所述待投放用户与所述推荐信息的交叉特征；将所述用户特征、所述交叉特征和所述推荐信息特征输入到所述推荐信息的目标转化率模型中，以得到所述待投放用户针对所述推荐信息的预估转化率，其中，所述目标转化率模型是根据所述转化率模型的训练方法训练得到的；根据所述预估转化率，确定是否向所述待投放用户投放所述推广信息。
[0012]在本申请的一个实施例中，所述方法还包括：
[0013]获取所述推荐信息在所述指定日期上对应的延迟因子；
[0014]获取所述推荐信息在所述指定日期上对应的修正因子；
[0015]将所述延迟因子和所述修正因子中的最大值作为融合因子；
[0016]其中，所述根据所述预估转化率，确定是否向所述待投放用户投放所述推广信息，包括：
[0017]根据所述融合因子对所述预估转化率进行调整，以得到调整后的预估转化率；
[0018]在所述调整后的预估转化率大于预设转化率阈值的情况下，向所述待投放用户投放所述推荐信息。
[0019]在本申请的一个实施例中，所述获取所述推荐信息在所述指定日期上对应的延迟因子，包括：
[0020]获取所述推荐信息在所述指定日期之前的多个历史日期的投放人数以及所述历史日期到所述指定日期之间每天的转化人数；
[0021]根据所述投放人数和所述转化人数，确定推荐信息在所述指定日期的转化延迟因子。
[0022]在本申请的一个实施例中，所述获取所述推荐信息在所述指定日期对应的修正因子，包括：
[0023]获取推荐信息在所述指定日期之前的预设N天内的第一转化率；
[0024]获取所述推荐信息在所述指定日期之前的预设M天内的第二转化率，其中，M和N均为大于1的整数，并且，所述N大于所述M；
[0025]根据所述第一转化率和所述第二转化率，确定所述推荐信息在所述指定日期对应的修正因子。
[0026]本申请实施例的推荐信息的投放方法，获取在指定日期上对推荐信息进行投放时所选择的待投放用户；获取待投放用户对应的用户特征、推荐信息的推荐信息特征以及待投放用户与推荐信息的交叉特征；将用户特征、交叉特征和推荐信息特征输入到推荐信息的目标转化率模型中，以得到待投放用户针对推荐信息的预估转化率；根据预估转化率，确定是否向待投放用户投放推广信息。因此，在得到待投放用户对于推荐信息的预估转化率
的情况下，该推荐信息的投放方法能够依据预估转化率提升投放的准确性。
[0027]本申请另一方面实施例提出一种转化率模型的训练装置，该装置包括：
[0028]第一获取模块，用于获取在指定日期之前的多个历史日期；
[0029]第二获取模块，用于获取在各个所述历史日期上对推荐信息进行投放时所对应的已投放用户集合，其中，所述已投放用户集合包括多个投放用户；
[0030]第三获取模块，用于针对各个所述历史日期，获取所述推荐信息在所述历史日期到所述指定日期之间的转化数据，其中，所述转化数据包括所述多个投放用户各自对应的转化状态；
[0031]第一确定模块，用于将所述历史日期所对应的多个投放用户中，转化状态为发生转化的投放用户作为所述历史日期所对应的正样本，并将转化状态为未转化的投放用户作为所述历史日期所对应的负样本；
[0032]生成模块，用于根据各个所述历史日期所对应的正样本和负样本，生成样本集合；
[0033]训练模块，用于根据所述样本集合，对所述推荐信息的初始转化率模型进行训练，以得到目标转化率模型。
[0034]在本申请的一个实施例中，所述训练模块，包括：
[0035本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种转化率模型的训练方法，其特征在于，所述方法包括：获取在指定日期之前的多个历史日期；获取在各个所述历史日期上对推荐信息进行投放时所对应的已投放用户集合，其中，所述已投放用户集合包括多个投放用户；针对各个所述历史日期，获取所述推荐信息在所述历史日期到所述指定日期之间的转化数据，其中，所述转化数据包括所述多个投放用户各自对应的转化状态；将所述历史日期所对应的多个投放用户中，转化状态为发生转化的投放用户作为所述历史日期所对应的正样本，并将转化状态为未转化的投放用户作为所述历史日期所对应的负样本；根据各个所述历史日期所对应的正样本和负样本，生成样本集合；根据所述样本集合，对所述推荐信息的初始转化率模型进行训练，以得到目标转化率模型。2.如权利要求1所述的方法，其特征在于，所述根据所述样本集合，对所述推荐信息的初始转化率模型进行训练，以得到目标转化率模型，包括：获取所述样本集合中样本的用户特征、所述样本与所述推荐信息之间的交叉特征以及所述推荐信息的推荐信息特征；根据所述用户特征、所述交叉特征和所述推荐信息特征对所述推荐信息的初始转化率模型进行训练，以得到所述目标转化率模型。3.如权利要求1所述的方法，其特征在于，所述多个历史日期中的最晚日期与所述指定日期之间的间隔天数大于或者等于预设天数。4.一种推荐信息的投放方法，其包括：获取在指定日期上对所述推荐信息进行投放时所选择的待投放用户；获取所述待投放用户对应的用户特征、所述推荐信息的推荐信息特征以及所述待投放用户与所述推荐信息的交叉特征；将所述用户特征、所述交叉特征和所述推荐信息特征输入到所述推荐信息的目标转化率模型中，以得到所述待投放用户针对所述推荐信息的预估转化率，其中，所述目标转化率模型是根据权利要求1
‑
3任一项所述的方法训练得到的；根据所述预估转化率，确定是否向所述待投放用户投放所述推广信息。5.如权利要求4所述的方法，其特征在于，所述方法还包括：获取所述推荐信息在所述指定日期上对应的延迟因子；获取所述推荐信息在所述指定日期上对应的修正因子；将所述延迟因子和所述修正因子中的最大值作为融合因子；其中，所述根据所述预估转化率，确定是否向所述待投放用户投放所述推广信息，包括：根据所述融合因子对所述预估转化率进行调整，以得到调整后的预估转化率；在所述调整后的预估转化率大于预设转化率阈值的情况下，向所述待投放用户投放所述推荐信息。6.如权利要求5所述的方法，其特征在于，所述获取所述推荐信息在所述指定日期上对应的延迟因子，包括：
获取所述推荐信息在所述指定日期之前的多个历史日期的投放人数以及所述历史日期到所述指定日期之间每天的转化人数；根据所述投放人数和所述转化人数，确定推荐信息在所述指定日期的转化延迟因子。7.如权利要求5所述的方法，其特征在于，所述获取所述推荐信息在所述指定日期对应的修正因子，包括：获取推荐信息在所述指定日期之前的预设N天内的第一转化率；获取所述推荐信息在所述指定日期之前的预设M天内的第二转化率，其中，M和N均为大于1的整数，并且，所述N大于所述M；根据所述第一转化率和所述第二转化率，确定所述推荐信息在所述指定日期对应的修正因子。8.一种转化率模型的训练装置，其特征在于，所述装置包括：第一获取模块，用于获取在指定日期之前的多个历史日期；第二获取模块，用于获取在各个所述历史日期上对推荐信息进行投放时所对应的已投放用户集合，其中，所述已投放用户集合包括多个投放用户；第三获取模块，用于针对各个所述历史日期，获取所述推荐信息在所述历史日期到所述指定日期之间的转化数据，其中，所述转化数据包括所述多个投放用户各自对应的...

【专利技术属性】
技术研发人员：张万里，范聪，白冰，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：