一种数据处理方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种数据处理方法、装置、电子设备及存储介质，涉及人工智能技术领域，该方法包括：获取第一对象资源信息和待召回资源的预设投放参数，第一对象资源信息表征目标对象的对象属性和待召回资源的非投放参数属性；将第一对象资源信息和预设投放参数输入资源召回模型中进行召回识别，得到第一召回指标数据，资源召回模型中的召回指标识别函数为非线性正相关函数，且召回指标识别函数以第一对象资源信息对应的对象资源特征和预设投放参数之和为自变量，以使第一召回指标数据与预设投放参数呈正相关；基于第一召回指标数据，从待召回资源中，筛选出目标对象对应的目标召回资源。利用本申请提供的技术方案可以提升资源召回的合理性和有效性。回的合理性和有效性。回的合理性和有效性。

【技术实现步骤摘要】
一种数据处理方法、装置、电子设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种数据处理方法、装置、电子设备及存储介质。

技术介绍

[0002]随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如人工智能技术中的深度学习技术，在资源投放系统的资源投放过程中得到了广泛的应用。
[0003]目前，资源投放过程中，会先结合待召回资源的资源属性信息、资源投放对象的对象属性信息以及资源召回模型进行资源召回，进而选出目标召回资源；接着，结合ECPM(effective cost per mille，千次展示的预估成本)进行资源排序，进而选出最终需要投放的资源；但上述资源投放过程中，虽然资源排序阶段的结合了与投放参数(资源投放方投放相应投放资源所投入的虚拟资源)呈正相关的ECPMS，但资源召回并没有关注投放参数相关的指标，导致资源是否被召回与资源投放方的投入(投放参数)没有关联，即使资源投放方增加投入，也不会提升相应资源被召回的概率，带来资源召回处理不合理等问题，同时也影响资源投放方追加投入的积极性，不仅有损资源排序阶段中ECPM，给整个投放平台带来损失，也会造成投放系统中投放资源减少，带来投放资源单调质量降低等问题。因此，需要提供更有效的方案。

技术实现思路

[0004]本申请提供了一种数据处理方法、装置、设备、存储介质及计算机程序产品，可以提升资源召回的合理性和有效性，同时也可以提升投放系统中投放资源的丰富性和多样性。
[0005]一方面，本申请提供了一种数据处理方法，所述方法包括：
[0006]获取第一对象资源信息和待召回资源的预设投放参数，所述第一对象资源信息表征目标对象的对象属性和待召回资源的非投放参数属性；
[0007]将所述第一对象资源信息和所述预设投放参数输入资源召回模型中进行召回识别，得到第一召回指标数据，所述资源召回模型中的召回指标识别函数为非线性正相关函数，且所述召回指标识别函数以所述第一对象资源信息对应的对象资源特征和所述预设投放参数之和为自变量，以使所述第一召回指标数据与所述预设投放参数呈正相关；
[0008]基于所述第一召回指标数据，从所述待召回资源中，筛选出所述目标对象对应的目标召回资源。
[0009]另一方面提供了一种数据处理装置，所述装置包括：
[0010]第一信息获取模块，被配置为执行获取第一对象资源信息和待召回资源的预设投放参数，所述第一对象资源信息表征目标对象的对象属性和待召回资源的非投放参数属性；
[0011]第一召回识别模块，被配置为执行将所述第一对象资源信息和所述预设投放参数
输入资源召回模型中进行召回识别，得到第一召回指标数据，所述召回指标识别层中的召回指标识别函数为非线性正相关函数，且所述召回指标识别函数以所述第一对象资源信息对应对象资源特征和所述预设投放参数之和为自变量，以使所述第一召回指标数据与所述预设投放参数呈正相关；
[0012]目标召回资源筛选模块，被配置为执行基于所述第一召回指标数据，从所述待召回资源中，筛选出所述目标对象对应的目标召回资源。
[0013]另一方面提供了一种电子设备，包括：处理器；
[0014]用于存储所述处理器可执行指令的存储器；
[0015]其中，所述处理器被配置为执行所述指令，以实现上述任一项所述的数据处理方法。
[0016]另一方面提供了一种计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行上述任一数据处理方法。
[0017]另一方面提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的数据处理方法。
[0018]本申请提供的数据处理方法、装置、设备、存储介质及计算机程序产品，具有如下技术效果：
[0019]本申请在将第一对象资源信息和待召回资源的预设投放参数输入资源召回模型中进行召回识别过程中，将资源召回模型中非线性正相关的召回指标识别函数的自变量设置为第一对象资源信息对应的对象资源特征和预设投放参数之和，可以在学习对象和待召回资源属性特征的基础上，使得得到的第一召回指标数据与预设投放参数呈正相关，实现资源被召回与资源投放方的投入(投放参数)间的关联性，提升召回指标数据对投放参数的敏感性，并基于与该预设投放参数呈正相关的第一召回指标数据，从待召回资源中，筛选出目标召回资源，可以大大提升资源召回处理合理性和有效性，且有效提升了资源投放方追加投入的积极性，在提升投放系统收益的同时，也可以提升投放系统中投放资源的丰富性和多样性。
附图说明
[0020]为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，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的介绍，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，对于本领域普通技术人员来讲，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它附图。
[0021]图1是本申请实施例提供的一种数据处理方法的应用环境的示意图；
[0022]图2是本申请实施例提供的一种数据处理方法的流程示意图；
[0023]图3是本申请实施例提供的一种获取归一化非线性参数的流程示意图；
[0024]图4是本申请实施例提供的另一种数据处理方法的流程示意图；
[0025]图5是本申请实施例提供的一种生成召回方向分析结果的流程示意图；
[0026]图6是本申请实施例提供的一种基于第一起始投放参数、第一调整投放参数、第二
召回指标数据和第三召回指标数据，进行变化方向一致性分析，得到召回方向分析结果的流程示意图；
[0027]图7是根据一示例性实施例提供的一种召回方向分析结果的示意图；
[0028]图8是本申请实施例提供的一种生成幅度分析结果的流程示意图；
[0029]图9是本申请实施例提供的一种基于第四召回指标数据、第五召回指标数据、第六召回指标数据、第七召回指标数据、第一推荐指标数据、第二推荐指标数据、第三推荐指标数据和第四推荐指标数据，进行幅度一致性分析，得到幅度分析结果的流程示意图；
[0030]图10是本申请实施例提供的一种数据处理装置的结构示意图；
[0031]图11是本申请实施例提供的一种用于数据处理的电子设备的框图；
[0032]图12是本申请实施例提供的另一种用于数据处理的电子设备的框图。
具体实施方式
[0033]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，都属于本申请保护的范围。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取第一对象资源信息和待召回资源的预设投放参数，所述第一对象资源信息表征目标对象的对象属性和待召回资源的非投放参数属性；将所述第一对象资源信息和所述预设投放参数输入资源召回模型中进行召回识别，得到第一召回指标数据，所述资源召回模型中的召回指标识别函数为非线性正相关函数，且所述召回指标识别函数以所述第一对象资源信息对应的对象资源特征和所述预设投放参数之和为自变量，以使所述第一召回指标数据与所述预设投放参数呈正相关；基于所述第一召回指标数据，从所述待召回资源中，筛选出所述目标对象对应的目标召回资源。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取预设权重信息，所述预设权重信息包括预设缩放参数和/或归一化非线性参数，所述预设缩放参数用于约束所述预设投放参数在召回识别过程中的权重，所述归一化非线性参数用于为所述预设投放参数增加非线性；所述将所述第一对象资源信息和所述预设投放参数输入资源召回模型中进行召回识别，得到第一召回指标数据包括：将所述第一对象资源特征、所述预设权重信息和所述预设投放参数输入所述所述资源召回模型进行召回识别，得到所述第一召回指标数据；其中，所述召回指标识别函数以所述对象资源特征和约束投放参数之和为自变量，以使所述第一召回指标数据与所述预设投放参数呈正相关；所述约束投放参数为所述预设权重信息和所述预设投放参数的乘积。3.根据权利要求2所述的方法，其特征在于，所述归一化非线性参数采用下述方式获取：获取第一资源特征，所述第一资源特征为所述非投放参数属性的特征；对所述第一资源特征进行非线性变换，得到第二资源特征；对所述第二资源特征进行归一化处理，得到所述归一化非线性参数。4.根据权利要求1至3任一所述的方法，其特征在于，所述方法还包括：获取第一样本资源的第一起始投放参数、所述第一样本资源的第一调整投放参数和所述第一样本资源对应的第二对象资源信息
；
将所述第二对象资源信息和所述第一起始投放参数输入所述资源召回模型进行召回识别，得到第二召回指标数据；将所述第二对象资源信息和所述第一调整投放参数输入所述资源召回模型进行召回识别，得到第三召回指标数据；基于所述第一起始投放参数、所述第一调整投放参数、所述第二召回指标数据和所述第三召回指标数据，进行变化方向一致性分析，得到召回方向分析结果，所述召回方向分析结果用于指示所述资源召回模型识别出的召回指标变化方向与对应的投放参数变化方向间的一致性程度。5.根据权利要求4所述的方法，其特征在于，所述第一样本资源包括多个样本资源，所述基于所述第一起始投放参数、所述第一调整投放参数、所述第二召回指标数据和所述第三召回指标数据，进行变化方向一致性分析，得到召回方向分析结果包括：
根据每一样本资源对应的所述第一起始投放参数和所述每一样本资源对应的所述第一调整投放参数，确定所述每一样本资源对应的投放参数变化方向；根据所述每一样本资源对应的所述第二召回指标数据和所述每一样本资源对应的所述第三召回指标数据，确定所述每一样本资源对应的召回指标变化方向；对所述每一样本资源对应的所述召回指标变化方向和所述每一样本资源对应的所述投放参数变化方向进行变化方向一致性比较，得到所述每一样本资源对应的第一一致性指示信息；根据所述多个样本资源对应的所述第一一致性指示信息，生成所述召回方向分析结果。6.根据权利要求5所述的方法，其特征在于，所述根据所述多个样本资源对应的所述第一一致性指示信息，生成所述召回方向分析结果包括：将第二样本资源的数量和所述多个样本资源的数量间的比值，作为所述召回方向分析结果，所述第二样本资源为所述多个样本资源中对应的第一一致性指示信息为变化方向不一致的样本资源；或，将第三样本资源的数量和所述多个样本资源的数量间的比值，作为所述召回方向分析结果，所述第三样本资源为所述多个样本资源中对应的第一一致性指示信息为变化方向一致的样本资源。7.根据权利要求1至3任一所述的方法，其特征在于，所述方法还包括：获取多个样本资源对中每个样本资源对对应的样本投放参数、第一推荐指标数据、第二推荐指标数据、第三推荐指标数据、第四推荐指标数据、每个样本资源对中第四样本资源对应的第三对象资源信息和所述每个样本资源对中第五样本资源对应的第四对象资源信息；所述样本投放参数包括所述第四样本资源的第二起始投放参数、所述第五样本资源的第三起始投放参数、所述第四样本资源的第二调整投放参数和所述第五样本资源的第三调整投放参数；所述第一推荐指标数据为基于所述第二起始投放参数对所述第四样本资源进行投放所得到的推荐指标数据，所述第二推荐指标数据为基于所述第二调整投放参数对第四样本资源进行投放所得到的推荐指标数据，所述第三推荐指标数据为基于所述第三起始投放参数对所述第五样本资源进行投放所得到的推荐指标...

【专利技术属性】
技术研发人员：赵振岐，
申请(专利权)人：深圳市腾讯计算机系统有限公司，
类型：发明
国别省市：