本申请实施例公开了一种投放策略的评价方法、装置、电子设备、介质和程序产品；获取多个评价指标，多个评价指标包括对应目标投放策略的目标评价指标以及对应对照投放策略的对照评价指标；对目标评价指标以及对照评价指标进行回归处理，得到初始回归系数以及初始预测偏差集；基于初始预测偏差集以及损失函数集，调整初始回归系数，得到目标回归系数，损失函数集包括至少两个损失子函数；根据目标回归系数，确定对目标投放策略的评价结果。本申请通过回归系数以及目标评价指标对评价指标整体量化评价，还通过多个损失子函数计算损失值，降低异常值的影响，提高评价结果的准确性。本申请实施例可应用于多种内容投放场景，例如广告内容投放场景。告内容投放场景。告内容投放场景。
【技术实现步骤摘要】
投放策略的评价方法、装置、电子设备、介质和程序产品
[0001]本申请涉及计算机
，具体涉及一种投放策略的评价方法、装置、电子设备、介质和程序产品。
技术介绍
[0002]随着网络技术的发展，广告主或流量主等投放主常会在网络投放内容，以向对象发布启事、声明，或者传播商品信息或服务信息等。在多媒体内容投放过程中，投放主可能会通过比较不同投放策略的评价指标，来进行投放策略的优化。
[0003]然而，由于投放面对的对象不同时，投放效果不同。而不同对象之间的差异性很大，评价指标受到对象间差异性的影响，会产生波动，导致评价结果不准确。
技术实现思路
[0004]本申请实施例提供一种投放策略的评价方法、装置、电子设备、介质和程序产品，可以提升评价结果的准确性。
[0005]本申请实施例提供一种投放策略的评价方法，包括：获取多个评价指标，所述多个评价指标包括对应目标投放策略的目标评价指标以及对应对照投放策略的对照评价指标；对所述目标评价指标以及所述对照评价指标进行回归处理，得到初始回归系数以及初始预测偏差集，所述初始回归系数用于表示所述目标评价指标与所述对照评价指标之间的差异度；基于所述初始预测偏差集以及损失函数集，调整所述初始回归系数，得到目标回归系数，所述损失函数集包括至少两个损失子函数，所述至少两个损失子函数用于处理所述初始预测偏差集中不同的初始预测偏差；根据所述目标回归系数，确定对所述目标投放策略的评价结果。
[0006]本申请实施例还提供一种投放策略的评价装置，包括：获取单元，用于获取多个评价指标，所述多个评价指标包括对应目标投放策略的目标评价指标以及对应对照投放策略的对照评价指标；回归处理单元，用于对所述目标评价指标以及所述对照评价指标进行回归处理，得到初始回归系数以及初始预测偏差集，所述初始回归系数用于表示所述目标评价指标与所述对照评价指标之间的差异度；调整单元，用于基于所述初始预测偏差集，使用损失函数集调整初始回归系数，得到目标回归系数，所述损失函数集包括至少两个损失子函数，所述至少两个损失子函数用于处理所述初始预测偏差集中不同的初始预测偏差；确定单元，用于根据所述目标回归系数，确定对所述目标投放策略的评价结果。
[0007]本申请实施例还提供一种计算机设备，包括处理器和存储器，存储器存储有多条指令；所述处理器从所述存储器中加载指令，以执行本申请实施例所提供的任一种投放策略的评价方法中的步骤。
[0008]本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本申请实施例所提供的任一种投放策略的评价方法中的步骤。
[0009]本申请实施例还提供一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现本申请实施例所提供的任一种投放策略的评价方法中的步骤。
[0010]本申请实施例可以获取多个评价指标，所述多个评价指标包括对应目标投放策略的目标评价指标以及对应对照投放策略的对照评价指标；对所述目标评价指标以及所述对照评价指标进行回归处理，得到初始回归系数以及初始预测偏差集，所述初始回归系数用于表示所述目标评价指标与所述对照评价指标之间的差异度；基于所述初始预测偏差集以及损失函数集，调整所述初始回归系数，得到目标回归系数，所述损失函数集包括至少两个损失子函数，所述至少两个损失子函数用于处理所述初始预测偏差集中不同的初始预测偏差；根据所述目标回归系数，确定对所述目标投放策略的评价结果。
[0011]本申请通过对目标评价指标以及对照评价指标进行回归处理，利用回归系数表示目标评价指标与对照评价指标之间的差异度，实现对以目标评价指标以及对照评价指标的量化比较，通过预测偏差集表征评价指标的波动情况，实现对评价指标的整体量化评价，提高评价结果的准确性。本申请还通过损失函数集中的多个损失子函数分别计算预测偏差的损失值，以得到预测偏差集中所有预测偏差的损失。通过多种损失子函数处理预测偏差集中的预测偏差，可以增加损失函数对不同预测偏差的感知，能够降低异常值对处理结果的影响，提高处理结果的准确性。
附图说明
[0012]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0013]图1a是本申请实施例提供的投放策略的评价方法的场景示意图；
[0014]图1b是本申请实施例提供的投放策略的评价方法的流程示意图；
[0015]图1c是本申请实施例提供的损失函数集、平方项损失函数以及绝对值损失函数的函数曲线图；
[0016]图2a是本申请另一个实施例提供的投放策略的评价方法流程示意图；
[0017]图2b是本申请实施例提供的GMV指标的提升率的箱线图；
[0018]图3是本申请实施例提供的投放策略的评价装置的结构示意图；
[0019]图4是本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0020]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0021]本申请实施例提供一种投放策略的评价方法、装置、电子设备、介质和程序产品。
[0022]其中，该投放策略的评价装置具体可以集成在电子设备中，该电子设备可以为终
端、服务器等设备。其中，终端可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、或者个人电脑(Personal Computer，PC)等设备；终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端、飞行器等。服务器可以是单一服务器，也可以是由多个服务器组成的服务器集群。
[0023]在一些实施例中，该投放策略的评价装置还可以集成在多个电子设备中，比如，投放策略的评价装置可以集成在多个服务器中，由多个服务器来实现本申请的投放策略的评价方法。
[0024]在一些实施例中，服务器也可以以终端的形式来实现。
[0025]例如，参考图1a，投放策略的评价方法集成在服务器中，该服务器可以根据目标投放策略以及对照投放策略向客户端投放内容，再从客户端获取多个评价指标，多个评价指标包括对应目标投放策略的目标评价指标以及对应对照投放策略的对照评价指标；对目标评价指标以及对照评价指标进行回归处理，得到初始回归系数以及初始预测偏差集，初始回归系数用于表示目标评价指标与对照评价指标之间的差异度；基于初始预测偏差集以及损失函数集，调整初始回归系数，得到目标回归系数，损失函数集包括至少两个损失子函数，至少两个损失子函数用于处理初始预测偏差集中不同的初始预测偏差；根据目标回归系数，确定对目标投放策略本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种投放策略的评价方法，其特征在于，包括：获取多个评价指标，所述多个评价指标包括对应目标投放策略的目标评价指标以及对应对照投放策略的对照评价指标；对所述目标评价指标以及所述对照评价指标进行回归处理，得到初始回归系数以及初始预测偏差集，所述初始回归系数用于表示所述目标评价指标与所述对照评价指标之间的差异度；基于所述初始预测偏差集以及损失函数集，调整所述初始回归系数，得到目标回归系数，所述损失函数集包括至少两个损失子函数，所述至少两个损失子函数用于处理所述初始预测偏差集中不同的初始预测偏差；根据所述目标回归系数，确定对所述目标投放策略的评价结果。2.如权利要求1所述的投放策略的评价方法，其特征在于，所述对所述目标评价指标以及所述对照评价指标进行回归处理，得到初始回归系数以及初始预测偏差集，包括：获取预设的回归模型，所述预设的回归模型的因变量为所述评价指标，所述预设的回归模型的自变量为所述评价指标的类型信息；通过所述预设的回归模型对所述目标评价指标以及所述对照评价指标进行回归处理，得到初始回归系数以及初始预测偏差集。3.如权利要求1所述的投放策略的评价方法，其特征在于，所述基于所述初始预测偏差集以及损失函数集，调整所述初始回归系数，得到目标回归系数，包括：使用损失函数集，确定所述初始预测偏差集对应的损失值；基于所述初始预测偏差集对应的损失值，调整初始回归系数，直至所述损失函数集收敛，得到目标回归系数。4.如权利要求3所述的投放策略的评价方法，其特征在于，所述初始预测偏差集包括多个初始预测偏差，所述损失函数集包括对应第一预测偏差区间的平方项损失函数以及对应第二预测偏差区间的绝对值损失函数，所述使用损失函数集，确定所述初始预测偏差集对应的损失值，包括：针对每个所述初始预测偏差，当所述初始预测偏差满足第一预测偏差区间时，使用所述平方项损失函数处理所述初始预测偏差，得到对应所述初始预测偏差的损失值；针对每个所述初始预测偏差，当所述初始预测偏差满足第二预测偏差区间时，使用所述绝对值损失函数处理所述初始预测偏差，得到对应所述初始预测偏...
【专利技术属性】
技术研发人员：李池洋，朱志华，蔡政，何家其，邓颖，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
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。