预估模型的训练方法、分发量预估方法、装置、设备及介质制造方法及图纸

本公开提供了一种预估模型的训练方法、分发量预估方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及深度学习技术领域。具体实现方案为：获取样本数据和样本分发量；根据所述样本分发量，确定所述样本数据所属的目标分发量区间；提取所述样本数据的样本特征；根据所述样本特征和所述样本分发量进行模型训练，得到所述目标分发量区间对应的预估模型。本公开实施例依据样本分发量将样本数据进行分类，确定样本数据所属的目标分发量区间，进而依据不同的目标分发量区间内的样本数据进行模型训练，从而得到与该目标分发量区间对应的预估模型，有效提升预估模型的预估准确度。度。度。

【技术实现步骤摘要】
预估模型的训练方法、分发量预估方法、装置、设备及介质


[0001]本公开涉及计算机
，具体涉及深度学习
，尤其涉及一种预估模型的训练方法、分发量预估方法、装置、设备及介质。

技术介绍

[0002]数据发布后的阅读量或点击量直接影响其转化率，例如文章或商单等，若数据的分发量与其实际阅读量和点击量越接近，则其转化率越高；若分发量远大于实际阅读量或点击量，则会导致资源的浪费；反之则会严重影响收益。因此，对于数据分发量的预估准确性，直接影响其资源占用情况和收益情况。

技术实现思路

[0003]本公开提供了一种预估模型的训练方法、分发量预估方法、装置、设备以及介质，可有效提高分发量的预估准确度。
[0004]根据本公开的一方面，提供了一种预估模型的训练方法，包括：
[0005]获取样本数据和样本分发量；
[0006]根据样本分发量，确定样本数据所属的目标分发量区间；
[0007]根据样本特征和样本分发量进行模型训练，得到目标分发量区间对应的预估模型。
[0008]根据本公开的第二方面，提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预估模型的训练方法，包括：获取样本数据和样本分发量；根据所述样本分发量，确定所述样本数据所属的目标分发量区间；提取所述样本数据的样本特征；根据所述样本特征和所述样本分发量进行模型训练，得到所述目标分发量区间对应的预估模型。2.根据权利要求1所述的方法，其中，所述根据所述样本分发量，确定所述样本数据所属的目标分发量区间，包括：根据所述样本分发量与预设分发量阈值的比较结果，确定所述样本数据所属的目标分发量区间。3.根据权利要求1所述的方法，所述样本特征包括样本统计特征和样本属性特征，以及所述根据所述样本特征和所述样本分发量进行模型训练，得到所述目标分发量区间对应的预估模型，包括：根据所述样本统计特征，确定所述样本数据的特征向量和轨迹向量；根据所述特征向量、所述轨迹向量、所述样本属性特征和所述样本分发量进行模型训练，得到所述目标分发量区间对应的预估模型。4.根据权利要求3所述的方法，其中，所述根据所述样本统计特征，确定所述样本数据的特征向量和轨迹向量，包括：根据所述样本统计特征和第一预设模型，得到所述样本数据的特征向量；根据所述样本统计特征和第二预设模型，得到所述样本数据的轨迹向量。5.根据权利要求3所述的方法，其中，所述预估模型用于文章的分发量预估，所述样本数据包括样本文章。6.根据权利要求5所述的方法，其中，所述样本统计特征包括以下至少一项：所述样本文章作者的用户曝光量、历史发文量和发文量窗口中位数；所述样本属性特征包括以下至少一项：所述样本文章作者的垂类、被关注量。7.一种分发量预估方法，包括：获取目标数据；确定所述目标数据的初步预估结果；根据所述初步预估结果对应的目标分发量区间，确定预估模型，其中，所述预估模型通过权利要求1
‑
6中任一项所述的方法得到；将所述目标数据的数据特征输入所述预估模型，得到所述目标数据的预估分发量。8.根据权利要求7所述的方法，其中，所述确定所述目标数据的初步预估结果，包括：提取所述目标数据的数据特征；根据所述数据特征，确定所述目标数据的初步预估结果。9.根据权利要求8所述的方法，其中，所述根据所述数据特征，确定所述目标数据的初步预估结果，包括：将所述数据特征输入训练好的分类模型，得到所述目标数据的初步预估结果。10.根据权利要求7所述的方法，其中，所述目标数据包括待分发的目标文章，所述目标数据的数据特征包括所述目标数据的作者统计特征和作者属性特征。
11.一种预估模型的训练装置，包括：第一获取模块，被配置为获取样本数据和样本分发量；第一确定模块，被配置为根据所述样本分发量，确定所述样本数据所属的目标分发量区间；提取模块，被配置为提取所述样本数据的样本特征；训练模块，被配置为根据所述样本特征和所述样本分发量进行模型训练，得到所述目标分发量区间对应的预估模型。12.根据权...

【专利技术属性】
技术研发人员：韩钊，陈旭，韩彪，
申请(专利权)人：百度中国有限公司，
类型：发明
国别省市：