广告推荐方法、装置、设备、存储介质及计算机产品制造方法及图纸

本申请实施例公开了一种广告推荐方法，装置、设备、存储介质及计算机产品，其中方法包括：获取与用户请求相匹配的N个候选广告集；获取N个候选广告集中每个广告在所属候选广告集中的状态信息，并基于每个广告在所属候选广告集中的状态信息确定每个广告在所属候选广告集中对应的质量条件；确定每个广告在所属候选广告集中的推荐质量，并基于每个广告在所属候选广告集中的推荐质量以及每个广告在所属候选广告集中对应的质量条件，对N个候选广告集进行筛选，得到待定广告集；基于待定广告集向目标用户输出推荐广告。采用本申请实施例可提高广告的曝光率。高广告的曝光率。高广告的曝光率。

【技术实现步骤摘要】
广告推荐方法、装置、设备、存储介质及计算机产品


[0001]本申请涉及计算机
，尤其涉及一种广告推荐方法、装置、设备、存储介质及计算机产品。

技术介绍

[0002]在广告推荐领域，智能召回又称为智能定向，主要任务就是给广告找合适的用户。给广告找的用户约合适精准，广告曝光的效率越高。从广告主的角度来看，可以提高给其广告最合适的一批用户源，达到了其打广告的目的；从广告平台的角度，提高了广告曝光的效率，提升了ECPM，提升了广告平台的收入；从用户的角度，能够触及最合适的广告，方便了生活，提升了使用体验，增强了用户粘性。如上述所述，智能推荐广告旨在圈定高质量人群的智能召回，好处良多。
[0003]应当理解的，智能推送给用户的广告数量较多或较少都会影响广告的推广效果，如果推送的广告太多，用户产生厌烦情绪，反而会影响广告曝光的效率；如果推送的广告太少，用户不能从中找到合适的广告，影响了用户的体验，将会降低用户粘性。因此，在广告推荐领域中，如何向用户推送合适数量的广告成为当今研究的热点问题之一。

技术实现思路

>[0004]本申请本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种广告推荐方法，其特征在于，包括：获取与用户请求相匹配的N个候选广告集，每个候选广告集对应一个匹配条件，任一候选广告集对应的匹配条件用于表示在以所述任一候选广告集对应的匹配条件进行匹配时，所述任一候选广告集中的广告与所述用户请求匹配；获取所述N个候选广告集中每个广告在所属候选广告集中的状态信息，并基于所述每个广告在所属候选广告集中的状态信息确定所述每个广告在所属候选广告集中对应的质量条件；每个广告在所属候选广告集中的状态信息包括所述每个广告在所属候选广告集中的基础状态，以及所述每个广告与所述N个候选广告集中其他广告之间的联动状态；确定所述每个广告在所属候选广告集中的推荐质量，并基于所述每个广告在所属候选广告集中的推荐质量以及所述每个广告在所属候选广告集中对应的质量条件，对所述N个候选广告集进行筛选，得到待定广告集；基于所述待定广告集向目标用户输出推荐广告。2.如权利要求1所述的方法，其特征在于，所述N个候选广告集是调用智能广告推荐模型从多个待推荐广告中确定的，所述智能广告推荐模型包括一个第一类广告匹配网络和N
‑
1个第二类广告匹配网络，每个第二类广告匹配网络对应一个用户标签，所述N个候选广告集包括一个第一类候选广告集和N
‑
1个第二类候选广告集；所述第一类候选广告集对应的匹配条件是基于所述第一类广告匹配网络设置的，每个第二类候选广告集对应的匹配条件是基于每个第二类广告匹配网络设置的；所述获取与用户请求相匹配的N个候选广告集，包括：调用所述第一类广告匹配网络预估多个待推荐广告中每个广告的推广度，基于每个广告推广度和每个广告的广告主设定的原始定向，从所述多个待推荐广告中筛选出第一类候选广告集；基于所述用户请求分析目标用户对应的N
‑
1个用户标签，以及获取所述多个待推荐广告中每个广告的广告标签，所述N
‑
1个第二类广告匹配网络与所述N
‑
1个用户标签相对应，一个第二类广告匹配网络对应一个用户标签；调用每个第二类广告匹配网络从所述多个待推荐广告中查找与所述每个第二类广告匹配网络对应的用户标签相匹配的一个第二类候选广告集。3.如权利要求1所述的方法，其特征在于，所述每个广告在所属候选广告集中对应的质量条件包括质量阈值；所述基于所述每个候选广告在所属候选广告集中的推荐质量以及所述每个候选广告在所属候选广告集中对应的质量条件，对所述N个候选广告集进行筛选，得到待定广告集，包括：若任一广告在所属候选广告集中的推荐质量，大于所述任一广告在所属候选广告集中对应的质量阈值，则将所述任一广告添加到待定广告集中。4.如权利要求1所述的方法，其特征在于，所述基于所述每个候选广告在所属候选广告集中的推荐质量以及所述每个候选广告在所属候选广告集中对应的质量条件，对所述N个候选广告集进行筛选，得到待定广告集，包括：获取预设的推荐广告的广告总数量，以及确定所述每个候选广告集对应的广告数量占比；根据所述推荐广告的广告总数量、所述每个广告在所属候选广告集中的推荐质量、所
述N个候选广告集中的广告总数量以及所述N个候选广告集对应的历史质量均值进行运算，得到所述待定广告集中广告的广告总数量；基于所述待定广告集中广告的广告总数量和所述每个候选广告集对应的广告数量占比确定所述每个候选广告集对应的目标数量；所述每个候选广告集对应的目标数量是指所述每个候选广告集中允许被选中添加到所述待定广告集中广告的数量；从所述每个候选广告集中选择目标数量个目标广告添加到所述待定广告集中；其中，任一候选广告集中的目标广告在所述任一候选广告集中的推荐质量满足所述目标广告在所述任一候选广告集中对应的质量条件。5.如权利要求3所述的方法，其特征在于，所述基于所述每个广告在所属候选广告集中的状态信息确定所述每个广告在所属候选广告集中对应的质量条件，包括：获取所述每个广告在所属候选广告集中的初始质量阈值；基于所述每个广告在所属候选广告集中的状态信息确定每个广告在所属候选广告集中对应的调节指示信息；按照所述每个广告在所属候选广告集中对应的调节指示信息对所述每个广告在所属候选广告集中的初始质量阈值进行调节，得到所述每个广告在所属候选广告集中的质量阈值。6.如权利要求5所述的方法，其特征在于，所述N个候选集中包括第i个广告，所述第i个广告所属候选广告集包括第I个候选集，I为大于或等于1且小于或等于N的整数，i为整数；所述基于所述每个广告在所属候选广告集中的状态信息确定所述每个广告在所属候选广告集中对应的调节指示信息，包括：分别对所述第i个广告的基础状态和所述第i个广告与所述N个候选广告集中其他广告之间的联动状态进行向量嵌入处理；调用深度强化学习网络对向量嵌入处理后的联动状态和基础状态进行调节回报预测，得到预测结果；所述预测结果中包括L种调节方式对应的L个回报值，一种调节方式对应一个回报值；任一种调节方式对应的回报值用于表示在所述第i个广告处于联动状态和基础状态时，对所述第i个广告的初始质量阈值执行任一种调节方式所得收益；L种调节方式包括不调节、向上调剂以及向下调节；从所述L个回报值中选择目标回报值，并基于所述目标回报值对应的调节方式生成所述第i个广告在所述I个候选广告集中的调节指示信息。7.如权利要求5所述的方法，所述每个广告在所属候选广告集中对应的调节指示信息包括所述每个广告在所属候选广告集中的调节参数，所述按照所述每个广告在所属候选广告集中对应的调节指示信息对所述每个广告在所属候选广告集中的初始质量阈值进行调节，得到所述每个广告在所属候选广告集中的质量阈值，包括：将所述每个广告在所属候选广告集中对应的调节指示信息中的调节参数输入至阈值调节规则中进行运算；根据运算结果确定所述每个广告在所属候选广告集中对应的质量阈值。8.如权利要求5所述的方法，其特征在于，所述N个候选集中包括第i个广告，所述第i个广告所属候选广告集包括第I个候选集，I为大于或等于1且小于或等于N的整数，i为整数；若所述第I个候选广告集中的广告均是调用智能广告推荐模型中的目标网络为用户请求匹
配到的，所述目标网络包括第一类广告匹配网络或者任意一个第二类广告匹配网络；则所述获取每个广告在所属候选广告集中的初始质量阈值，包括：采样W个用户，以及获取在预设历史时间内由所述目标网络确定出的H个历史广告；确定所述W个用户中，每个用户与所述H个历史广告中每个历史广告进行组合的质量分，得到W*H个质量分；将所述W*H个质量分按照从小到大的顺序等分为C组，每组中包括的质量分的数量相同，并根据每组中的多个质量分确定每组的组级质量分；从所述C组中确定目标组，并将所述目标组的组级质量分确定为所述第i个广告在所述第I个候选广告集中的初始质量阈值。9.如权利要求6所述的方法，其特征在于，所述方法还包括：获取第一广告样本，以及获取所述第一广告样本对应的标签信息，所述第一广告样本对应的标签信息包括第一调节方式以及所述第一调节方式对应的第一标签回报值；所述第一广告样本是N个样本广告集中任意一个样本广告集中的任意一个广告样本；所述N个样本...

【专利技术属性】
技术研发人员：李少波，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：