信息投放方法、装置、电子设备及存储介质制造方法及图纸

技术编号:38825787 阅读:12 留言:0更新日期:2023-09-15 20:05
本发明专利技术实施例涉及一种信息投放方法、装置、电子设备及存储介质,涉及互联网领域,所述方法包括:获取训练集,其中,所述训练集包括第一预设时间段中各时间周期内目标信息所投放渠道的渠道特征数据、用户画像特征数据以及特征标签值;基于所述训练集对待训练的预测模型进行训练,获得预测模型;根据所述预测模型确定渠道特征权重,并根据所述渠道特征权重调整目标信息的投放渠道;即本发明专利技术实施例同时考虑了渠道特征的时序性和用户画像特征,从而获得更精确的预测模型,进而获得更精确的渠道特征权重,为后续目标信息在不同渠道上的资源分配提供了更可靠的依据。提供了更可靠的依据。提供了更可靠的依据。

【技术实现步骤摘要】
信息投放方法、装置、电子设备及存储介质


[0001]本专利技术涉及互联网
,尤其涉及一种信息投放方法、装置、电子设备及存储介质。

技术介绍

[0002]在信息投放领域,信息通常可以通过多种渠道进行投放。比如电商领域,平台或者广告主会在搜索引擎、广告、短视频等多个渠道投放商品信息,用户在购买商品前可能经过多种渠道触达,因此,衡量不同渠道的转化效率,并根据渠道的转换效率调整后续的资源分配是非常有必要的。
[0003]现有技术中,通过归因模型来确定每个渠道的转换率,但目前的归因模型通常仅关注渠道特征,也就是说,现有技术中存在归因结果不准确,导致后续资源在不同渠道上进行分配准确度不高的问题。

技术实现思路

[0004]本专利技术提供了一种信息投放方法、装置、电子设备及存储介质,以解决现有技术中因归因结果不准确,导致后续资源在不同渠道上进行分配准确度不高的技术问题。
[0005]第一方面,本专利技术实施例提供一种信息投放方法,包括:获取训练集,其中,所述训练集包括第一预设时间段中各时间周期内目标信息所投放渠道的渠道特征数据、用户画像特征数据以及特征标签值;基于所述训练集对待训练的预测模型进行训练,获得预测模型;根据所述预测模型确定渠道特征权重,并根据所述渠道特征权重调整目标信息的投放渠道。
[0006]作为可选的实施例,所述用户画像特征数据包括用户行为特征数据和用户类别特征数据。
[0007]作为可选的实施例,所述基于所述训练集对待训练的预测模型进行训练,获得预测模型,包括:将各时间周期的渠道特征数据输入到门控循环单元GRU中,获得候选隐藏状态序列数据,并根据候选隐藏状态序列数据获得最终隐藏状态序列数据;基于注意力机制确定各时间周期的渠道特征数据对应的权重系数;根据所述权重系数对所述最终隐藏状态序列数据进行加权求和,获得聚合特征权重;对所述用户行为特征数据进行对数转换和归一化处理,获得处理后的用户行为特征数据;将所述用户类别特征数据输入到嵌入层,获得处理后的用户类别特征数据;将所述处理后的用户行为特征数据和处理后的用户类别特征数据进行拼接,并通过激活函数,获得处理后的用户画像特征数据;根据所述聚合特征权重、渠道特征数据和处理后的用户画像特征数据对待训练的预测模型进行训练直至满足预设条件,获得预测模型。
[0008]作为可选的实施例,所述基于注意力机制确定各时间周期的渠道特征数据对应的权重系数,包括:根据用户行为特征数据标记目标用户,其中,所述目标用户为在第一目标时间段内未活跃,在第二目标时间段内活跃的用户;获取目标用户在所述第二目标时间段
内访问目标信息所对应的渠道特征数据,并根据目标用户在所述第二目标时间段内访问目标信息所对应的渠道特征数据确定渠道权重纠正值;根据所述候选隐藏状态序列数据、渠道权重纠正值以及时间差参数确定各时间周期的渠道特征数据对应的权重系数,其中,所述时间差参数为渠道在预设时间段内出现时间和当前时间的差值。
[0009]作为可选的实施例,所述根据所述预测模型确定渠道特征权重,包括:根据所述聚合特征权重确定渠道特征权重。
[0010]作为可选的实施例,所述方法还包括:获取测试集,所述测试集包括第二预设时间段中各时间周期内目标信息所投放渠道的渠道特征数据、用户画像特征数据以及特征标签值;根据所述测试集确定所述预测模型的评价指标;其中,所述评价指标包括以下至少一种:预测准确度AUC、渠道特征权重以及预测模型的稳定性。
[0011]作为可选的实施例,所述预测模型的稳定性包括ACU稳定性和/或渠道特征权重稳定性。
[0012]第二方面,本专利技术实施例提供一种信息投放装置,包括:获取模块,用于获取训练集,其中,所述训练集包括第一预设时间段中各时间周期内目标信息所投放渠道的渠道特征数据、用户画像特征数据以及特征标签值;训练模块,用于基于所述训练集对待训练的预测模型进行训练,获得预测模型;调整模块,用于根据所述预测模型确定渠道特征权重,并根据所述渠道特征权重调整目标信息的投放渠道。
[0013]第三方面,本专利技术实施例提供一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序时,实现第一方面任一项所述的信息投放方法的步骤。
[0014]第四方面,本专利技术实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项所述的信息投放方法的步骤。
[0015]本专利技术实施例提供的信息投放方法、装置、电子设备及存储介质,通过获取训练集,其中,所述训练集包括第一预设时间段中各时间周期内目标信息所投放渠道的渠道特征数据、用户画像特征数据以及特征标签值;基于所述训练集对待训练的预测模型进行训练,获得预测模型;根据所述预测模型确定渠道特征权重,并根据所述渠道特征权重调整目标信息的投放渠道;即本专利技术实施例同时考虑了渠道特征的时序性和用户画像特征,从而获得更精确的预测模型,进而获得更精确的渠道特征权重,为后续目标信息在不同渠道上的资源分配提供了更可靠的依据。
附图说明
[0016]此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本专利技术的实施例,并与说明书一起用于解释本专利技术的原理。
[0017]为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
[0018]图1为本专利技术实施例提供的信息投放方法的流程示意图;
[0019]图2为本专利技术实施例提供的种信息投放方法的流程框图;
[0020]图3为本专利技术实施例中步骤S102的详细实施的流程示意图;
[0021]图4为本专利技术实施例提供的一种预测模型的训练架构图;
[0022]图5为本专利技术实施例提供的一种信息投放装置的结构示意图;
[0023]图6为本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0024]为使本专利技术实施例的目的、技术方案和优点更加清楚,下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本专利技术的一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本专利技术保护的范围。
[0025]大多数互联网产品野蛮生长的时代已经过去,快糙猛的跑马圈地方式需要向深耕细作的方式转变,就需要精细化运营。对于电商领域来说,一个用户从看到一个商品到最后成交,会经过比较复杂的购物路径,有可能用户最开始搜索一个关键词,也可能是用户刷到一个相关的广告,也有可能是通过短视频或者直播平台导入进来的,总之用户在购买商品前可能经过多种渠道的触达,那么对于电商运营者来说,就需要去衡量不同渠本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种信息投放方法,其特征在于,包括:获取训练集,其中,所述训练集包括第一预设时间段中各时间周期内目标信息所投放渠道的渠道特征数据、用户画像特征数据以及特征标签值;基于所述训练集对待训练的预测模型进行训练,获得预测模型;根据所述预测模型确定渠道特征权重,并根据所述渠道特征权重调整目标信息的投放渠道。2.根据权利要求1所述的方法,其特征在于,所述用户画像特征数据包括用户行为特征数据和用户类别特征数据。3.根据权利要求2所述的方法,其特征在于,所述基于所述训练集对待训练的预测模型进行训练,获得预测模型,包括:将各时间周期的渠道特征数据输入到门控循环单元GRU中,获得候选隐藏状态序列数据,并根据候选隐藏状态序列数据获得最终隐藏状态序列数据;基于注意力机制确定各时间周期的渠道特征数据对应的权重系数;根据所述权重系数对所述最终隐藏状态序列数据进行加权求和,获得聚合特征权重;对所述用户行为特征数据进行对数转换和归一化处理,获得处理后的用户行为特征数据;将所述用户类别特征数据输入到嵌入层,获得处理后的用户类别特征数据;将所述处理后的用户行为特征数据和处理后的用户类别特征数据进行拼接,并通过激活函数,获得处理后的用户画像特征数据;根据所述聚合特征权重、渠道特征数据和处理后的用户画像特征数据对待训练的预测模型进行训练直至满足预设条件,获得预测模型。4.根据权利要求3所述的方法,其特征在于,所述基于注意力机制确定各时间周期的渠道特征数据对应的权重系数,包括:根据用户行为特征数据标记目标用户,其中,所述目标用户为在第一目标时间段内未活跃,在第二目标时间段内活跃的用户;获取目标用户在所述第二目标时间段内访问目标信息所对应的渠道特征数据,并根据目标用户在所述第二目标时间段内访问目标信息所对应的渠道特征数据确定渠道权重纠正值;根据所述候选隐藏状态...

【专利技术属性】
技术研发人员:田明杨白冰
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:

网友询问留言 已有0条评论
  • 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。

1