用于转化评估的方法、装置、设备和存储介质制造方法及图纸

根据本公开的实施例，提供了用于转化评估的方法、装置、设备和存储介质。该方法包括：从目标资源的资源相关数据提取资源特征；从目标资源的目标受众群体的受众相关数据提取目标受众群体的受众特性，目标受众群体要被分发与目标资源相关的推荐内容项；以及基于资源特征和受众特征，通过资源特征和受众特征与预计转化率之间的预定关联关系，确定针对目标资源的目标预计转化率，目标预计转化率指示目标受众群体执行针对目标资源的转化的预计概率。根据该方案，能够提高转化率评估的准确度，进而还能够提高针对资源的推荐内容项的投放效果。能够提高针对资源的推荐内容项的投放效果。能够提高针对资源的推荐内容项的投放效果。

【技术实现步骤摘要】
用于转化评估的方法、装置、设备和存储介质


[0001]本公开的示例实施例总体涉及计算机
，特别地涉及用于转化评估的方法、装置、设备和计算机可读存储介质。

技术介绍

[0002]互联网提供了对各种各样资源的访问。例如，通过互联网可以访问各类应用、商品、音视频内容等。随着数量和种类快速增长，对于资源的受众而言，从大量资源中找到自己感兴趣的资源是一件非常困难的事情，对于资源供应方来说，也期望自己的资源能够受到目标受众的关注。有鉴于此，推荐系统被应用于向受众群体推荐满足用户需求的资源。在提供与特定资源相关的推荐内容时，通常期望受众能够执行特定转化事件，“转化”例如可以包括下载、注册、加入购物车、购买或其他资源需求行为。对于转化的评估可能会影响到资源推荐的投放、付费等，因此期望能够实现准确的转化评估。

技术实现思路

[0003]在本公开的第一方面，提供了一种转化评估的方法。该方法包括：从目标资源的资源相关数据提取资源特征；从目标资源的目标受众群体的受众相关数据提取目标受众群体的受众特性，目标受众群体要被分发与目标资源相关的推荐内容项；以及基于资源特征和受众特征，通过资源特征和受众特征与预计转化率之间的预定关联关系，确定针对目标资源的目标预计转化率，目标预计转化率指示目标受众群体执行针对目标资源的转化的预计概率。
[0004]在本公开的第二方面，提供了一种用于转化评估的装置。该装置包括：资源特征提取模块，被配置为从目标资源的资源相关数据提取资源特征；受众特性提取模块，被配置为从目标资源的目标受众群体的受众相关数据提取目标受众群体的受众特性，目标受众群体要被分发与目标资源相关的推荐内容项；以及转化率确定模块，被配置为基于资源特征和受众特征，通过资源特征和受众特征与预计转化率之间的预定关联关系，确定针对目标资源的目标预计转化率，目标预计转化率指示目标受众群体执行针对目标资源的转化的预计概率。
[0005]在本公开的第三方面，提供了一种电子设备。该设备包括至少一个处理单元；以及至少一个存储器，至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令。指令在由至少一个处理单元执行时使设备执行第一方面的方法。
[0006]在本公开的第四方面，提供了一种计算机可读存储介质。该介质上存储有计算机程序，计算机程序被处理器执行时实现第一方面的方法。
[0007]应当理解，本
技术实现思路
部分中所描述的内容并非旨在限定本公开的实施例的关键特征或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的描述而变得容易理解。
附图说明
[0008]结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
[0009]图1示出了能够在其中实现本公开的实施例的示例环境的示意图；
[0010]图2示出了根据本公开的一些实施例的内容管理系统的示意框图；
[0011]图3示出了根据本公开的一些实施例的转化率预估模型的训练流程的示意图；
[0012]图4示出了根据本公开的一些实施例的转化率预估模型的模型架构和训练架构；
[0013]图5示出了根据本公开的一些实施例的策略制定器的示例的示意框图；
[0014]图6示出了根据本公开的一些实施例的转化评估过程的流程图；
[0015]图7示出了根据本公开的一些实施例的用于转化评估的装置的框图；以及
[0016]图8示出了其中可以实施本公开的一个或多个实施例的电子设备。
具体实施方式
[0017]下面将参照附图更详细地描述本公开的实施例。虽然附图中示出了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0018]在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“一些实施例”应当理解为“至少一些实施例”。下文还可能包括其他明确的和隐含的定义。
[0019]可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
[0020]可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当根据相关法律法规通过适当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
[0021]例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息，从而使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
[0022]作为一种可选的但非限制性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式，例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或“不同意”向电子设备提供个人信息的选择控件。
[0023]可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其他满足相关法律法规的方式也可应用于本公开的实现方式中。
[0024]如本文中所使用的，术语“模型”可以从训练数据中学习到相应的输入与输出之间的关联关系，从而在训练完成后可以针对给定的输入，生成对应的输出。模型的生成可以基于机器学习技术。深度学习是一种机器学习算法，通过使用多层处理单元来处理输入和提
供相应输出。神经网络模型是基于深度学习的模型的一个示例。在本文中，“模型”也可以被称为“机器学习模型”、“学习模型”、“机器学习网络”或“学习网络”，这些术语在本文中可互换地使用。
[0025]“神经网络”是一种基于深度学习的机器学习网络。神经网络能够处理输入并且提供相应输出，其通常包括输入层和输出层以及在输入层与输出层之间的一个或多个隐藏层。在深度学习应用中使用的神经网络通常包括许多隐藏层，从而增加网络的深度。神经网络的各个层按顺序相连，从而前一层的输出被提供作为后一层的输入，其中输入层接收神经网络的输入，而输出层的输出作为神经网络的最终输出。神经网络的每个层包括一个或多个节点(也称为处理节点或神经元)，每个节点处理来自上一层的输入。
[0026]通常，机器学习大致可以包括三个阶段，即训练阶段、测试阶段和应用阶段(也称为推理阶段)。在训练阶段，给定的模型可以使用大量的训练数据进行训练，不断迭代更新参数值，直到模型能够从训练数据中获取一致的满足预期目标的推理。通过训练，模型可以被认为能够从训练数据中学习从输入到输出之间的关联(也称为输入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种转化评估的方法，包括：从目标资源的资源相关数据提取资源特征；从所述目标资源的目标受众群体的受众相关数据提取所述目标受众群体的受众特性，所述目标受众群体要被分发与所述目标资源相关的推荐内容项；以及基于所述资源特征和所述受众特征，通过资源特征和受众特征与预计转化率之间的预定关联关系，确定针对所述目标资源的目标预计转化率，所述目标预计转化率指示所述目标受众群体执行针对所述目标资源的转化的预计概率。2.根据权利要求1所述的方法，还包括：基于所述目标预计转化率来确定与所述目标资源相关的推荐内容项在所述目标受众群体中的分发策略。3.根据权利要求2所述的方法，其中确定所述分发策略包括：基于所述目标预计转化率来确定成本调整系数；基于所述成本调整系数来调整针对所述推荐内容项的成本数据；以及基于调整后的所述成本数据来确定所述分发策略。4.根据权利要求3所述的方法，其中确定所述成本调整系数包括：确定针对所述目标资源的历史预计转化率，所述历史预计转化率指示所述目标资源的历史受众群体执行针对所述目标资源的转化的预计概率，所述历史受众群体在所述历史时间段内已被提供与所述目标资源相关的推荐内容项；以及基于所述目标预计转化率与所述历史预计转化率之间的比率来确定所述成本调整系数。5.根据权利要求4所示的方法，其中基于所述比率来确定所述成本调整系数包括：如果所述比率指示所述目标预计转化率超过所述历史预计转化率，将所述成本调整系数增加第一值；以及如果所述比率指示所述目标预计转化率超过所述历史预计转化率，将所述成本调整系数降低第二值。6.根据权利要求1所述的方法，其中确定所述目标预计转化率包括：确定所述资源特征和所述受众特征的特征交叉结果；以及基于所述特征交叉结果来确定针对所述目标资源的预计转化率。7.根据权利要求1所述的方法，其中资源特征和受众特征与预计转化率之间的所述预定关联关系被表示为转化率预估模型，所述转化率预估模型至少基于以下来被训练：正训练样本，包括样本资源的资源特征以及针对所述样本资源的第一样本受众群体的受众特征，所述第一样本受众群体被分发与所述样本资源相关的样本推荐内容项并且被标记为已执行针对所述样本资源的转化；以及负训练样本，包括所述样本资源的所述资源特征和从所述样本资源的受众群体集合中随机选择的第二样本受众群体的受众特征。8.根据权利要求7所述的方法，其中所述转化率预估模型还基于以下来被训练：所述正训练样本的事件标签，所述事件标签指示所述第一样本受众群体的转化的事件类型，并且其中所述转化率预估模型的训练目标被配置为至少基于所述事件类型来更新所述转化率预估模型的参数值。
9.根据权利要求1所述的方法，还包括：基于所述目标资源的供应方和所述目标受众群体的授权，获得所述资源相关数据和所述受众相关数据。10.一种用于转化评估的装置，包括：资源特征提取模块，被配置为从目标资源的资源相关数据提取资源特征；受众特性提取模块，被配置为从所述目标资源的目标受众群体的受众相关数据提取所述目标受众群体的受众特性，所述目标受众群体要被分发与所述目标资源相关的推荐内容项；以及转化率确定模块，被配置为基于所述资源特征和所述受众特征，通过资源特征和受众特征与预计转化率之间的预定关联关系，确定针对所述目标...

【专利技术属性】
技术研发人员：孔晓旺，陈舒，吴志斌，王喆，何海乾，
申请(专利权)人：脸萌有限公司，
类型：发明
国别省市：