【技术实现步骤摘要】
媒体信息的推送方法、装置、电子设备及存储介质
[0001]本申请涉及人工智能领域，具体而言，本申请涉及一种媒体信息的推送方法、装置、电子设备及存储介质。
技术介绍
[0002]随着网络技术的发展，越来越多的商家开始采用在应用程序上展示媒体信息来进行业务推广。例如，在应用程序中展示广告推广业务。
[0003]目前的推送系统在针对不同的应用程序推送媒体信息时，例如推送广告时，通常是根据历史已经推送的广告记录对模型进行训练，得到对应的预测模型。然而，不同的媒体信息可能具有不同的转化率类型，即点击后的跳转页面或跳转类型不同，导致训练后的预测模型针对不同的转化率类型的媒体信息，得到的预测转化率的准确率较低。
技术实现思路
[0004]本申请实施例的目的旨在提供一种媒体信息的推送方法、装置及电子设备，本申请实施例提供的技术方案如下：
[0005]一方面，本申请实施例提供了一种媒体信息的推送的方法，该方法包括：
[0006]接收应用程序发送的针对媒体信息的展示请求；
[0007]针对多个候选媒体信息中的每一候选媒体信息，响应于展示请求，获取输入特征；输入特征包括候选媒体信息的候选媒体特征以及应用程序对应的对象特征；
[0008]确定候选媒体信息对应的转化率类型，并确定训练后的预测模型的至少两个转化链路中与转化率类型对应的目标转化链路；
[0009]从输入特征中提取第一输入特征，将第一输入特征输入预测模型，通过预测模型的目标转化链路预测候选媒体信息的预测转化率；>[0010]基于候选媒体信息对应的预测转化率确定针对候选媒体信息的推荐度，基于各个候选媒体信息分别对应的推荐度从多个候选媒体信息中确定出目标媒体信息；
[0011]将目标媒体信息的推送至应用程序，以使应用程序在位置标识对应的位置展示目标媒体信息。
[0012]在一些可能的实施方式中，预测模型包括第一模型分支和第二模型分支；第一模型分支中包括多个转化链路；方法还包括：
[0013]从输入特征中提取第二输入特征；
[0014]将第一输入特征输入预测模型，通过预测模型的目标转化链路预测候选媒体信息的预测转化率，包括：
[0015]将第一输入特征输入第一模型分支，通过第一模型分支中的目标转化链路预测候选媒体信息的第一转化率；
[0016]将第二输入特征输入第二模型分支，通过第二模型分支预测候选媒体信息的第二转化率；
[0017]基于第一转化率和第二转化率确定预测转化率。
[0018]在一些可能的实施方式中，对象特征包括对象属性特征；输入特征还包括候选媒体信息的媒体相关特征；媒体相关特征包括展示请求的发出位置信息和应用程序中用于展示媒体信息的位置标识；
[0019]从输入特征中提取第一输入特征，包括：
[0020]将媒体相关特征、候选媒体特征以及对象属性特征作为第一输入特征。
[0021]在一些可能的实施方式中，对象特征还包括对象针对应用程序的历史行为特征；
[0022]从输入特征中提取第二输入特征，包括：
[0023]获取历史行为特征对应的时间记录；
[0024]将历史行为特征中，时间记录距离当前时间的时间间隔小于或等于预设时间间隔的目标历史行为特征作为第二输入特征。
[0025]在一些可能的实施方式中，预测模型是基于如下方式训练得到的：
[0026]获取多个样本媒体信息；每一样本媒体信息展示于样本应用程序的样本位置对应有真实转化率；
[0027]获取每一样本媒体信息展示于样本应用程序的样本位置对应的样本输入特征；每一样本输入特征包括样本媒体信息的样本媒体相关特征、样本媒体特征以及对应的样本对象特征；
[0028]从样本输入特征中提取第一样本输入特征和第二样本输入特征；
[0029]基于第一样本输入特征、第二样本输入特征以及样本转化率对初始预测模型进行训练，得到预测模型。
[0030]在一些可能的实施方式中，基于第一样本输入特征、第二样本输入特征以及样本转化率对初始预测模型进行训练，得到预测模型，包括：
[0031]针对每一样本媒体信息，确定样本媒体信息对应的样本转化率类型；
[0032]从初始预测模型的第一初始模型分支的至少两个转化链路中，确与样本转化率类型对应的样本转化链路；
[0033]基于第一样本输入特征和第二样本输入特征对初始预测模型进行至少一次优化操作，直至训练损失符合预设条件，得到预测模型；
[0034]其中，优化操作包括：
[0035]将第一样本输入特征输入第一初始模型分支，通过样本转化链路预测第一样本转化率；
[0036]将第二样本输入特征输入第二初始模型分支，通过第二初始模型分支预测第二样本转化率；
[0037]基于第一样本转化率和第二样本转化率确定样本转化率；
[0038]基于样本转化率和真实转化率确定训练损失，并基于训练损失调整初始预测模型中的目标参数；目标参数包括第一初始模型分支的参数、样本转化链路的参数以及第二初始模型分支中除多个转化链路以外部分的参数。
[0039]在一些可能的实施方式中，基于候选媒体信息对应的预测转化率确定针对候选媒体信息的推荐度，包括：
[0040]确定应用程序在位置标识对应的位置展示候选媒体信息对应的预测点击率；
[0041]获取针对候选媒体信息的出价数值；
[0042]基于预测点击率、预测转化率以及出价数值确定针对候选媒体信息的推荐度。
[0043]在一些可能的实施方式中，基于各个候选媒体信息分别对应的推荐度从多个候选媒体信息中确定出目标媒体信息，包括：
[0044]从多个候选媒体信息中确定出推荐度最大的第一媒体信息；
[0045]若第一媒体信息的推荐度大于或等于预设推荐度，则将第一媒体信息作为目标媒体信息。
[0046]另一方面，本申请实施例提供了一种媒体信息的推送装置，该装置包括：
[0047]接收模块，用于接收应用程序发送的针对媒体信息的展示请求；
[0048]获取模块，用于针对多个候选媒体信息中的每一候选媒体信息，响应于展示请求，获取输入特征；输入特征包括候选媒体信息的候选媒体特征以及应用程序对应的对象特征；
[0049]第一确定模块，用于确定候选媒体信息对应的转化率类型，并确定训练后的预测模型的至少两个转化链路中与转化率类型对应的目标转化链路；
[0050]预测模块，用于从输入特征中提取第一输入特征，将第一输入特征输入预测模型，通过预测模型的目标转化链路预测候选媒体信息的预测转化率；
[0051]第二确定模块，用于基于候选媒体信息对应的预测转化率确定针对候选媒体信息的推荐度，基于各个候选媒体信息分别对应的推荐度从多个候选媒体信息中确定出目标媒体信息；
[0052]推送模块，用于将目标媒体信息的推送至应用程序，以使应用程序在位置标识对应的位置展示目标媒本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种媒体信息推送方法，其特征在于，所述方法包括：接收应用程序发送的针对媒体信息的展示请求；针对多个候选媒体信息中的每一候选媒体信息，响应于所述展示请求，获取输入特征；所述输入特征包括所述候选媒体信息的候选媒体特征以及所述应用程序对应的对象特征；确定所述候选媒体信息对应的转化率类型，并确定训练后的预测模型的至少两个转化链路中与所述转化率类型对应的目标转化链路；从所述输入特征中提取第一输入特征，将所述第一输入特征输入所述预测模型，通过所述预测模型的所述目标转化链路预测所述候选媒体信息的预测转化率；基于所述候选媒体信息对应的预测转化率确定针对所述候选媒体信息的推荐度，基于各个候选媒体信息分别对应的推荐度从所述多个候选媒体信息中确定出目标媒体信息；将所述目标媒体信息的推送至所述应用程序，以使所述应用程序在所述位置标识对应的位置展示所述目标媒体信息。2.根据权利要求1所述的方法，其特征在于，所述预测模型包括第一模型分支和第二模型分支；所述第一模型分支中包括所述多个转化链路；所述方法还包括：从所述输入特征中提取第二输入特征；将所述第一输入特征输入所述预测模型，通过所述预测模型的所述目标转化链路预测所述候选媒体信息的预测转化率，包括：将所述第一输入特征输入所述第一模型分支，通过所述第一模型分支中的所述目标转化链路预测所述候选媒体信息的第一转化率；将所述第二输入特征输入所述第二模型分支，通过所述第二模型分支预测所述候选媒体信息的第二转化率；基于所述第一转化率和所述第二转化率确定所述预测转化率。3.根据权利要求2所述的方法，其特征在于，所述对象特征包括对象属性特征；所述输入特征还包括所述候选媒体信息的媒体相关特征；所述媒体相关特征包括所述展示请求的发出位置信息和所述应用程序中用于展示媒体信息的位置标识；所述从所述输入特征中提取第一输入特征，包括：将所述媒体相关特征、所述候选媒体特征以及所述对象属性特征作为所述第一输入特征。4.根据权利要求3所述的方法，其特征在于，所述对象特征还包括所述对象针对所述应用程序的历史行为特征；所述从所述输入特征中提取第二输入特征，包括：获取所述历史行为特征对应的时间记录；将所述历史行为特征中，时间记录距离当前时间的时间间隔小于或等于预设时间间隔的目标历史行为特征作为所述第二输入特征。5.根据权利要求3所述的方法，其特征在于，所述预测模型是基于如下方式训练得到的：获取多个样本媒体信息；每一样本媒体信息展示于样本应用程序的样本位置对应有真实转化率；获取每一样本媒体信息展示于所述样本应用程序的样本位置对应的样本输入特征；每
一所述样本输入特征包括样本媒体信息的样本媒体相关特征、样本媒体特征以及对应的样本对象特征；从所述样本输入特征中提取第一样本输入特征和第二样本输入特征；基于所述第一样本输入特征、第二样本输入特征以及所述样本转化率对初始预测模型进行训练，得到所述预测模型。6.根据权利要求3所述的方法，其特征在于，所述基于所述第一样本输入特征、第二样本输入特征以及所述样本转化率对初始预测模型进行训练，得到所述预测模型，包括：针对每一样本媒体信息，确定所述样本媒体信息对应的样本转化率类型；从初始预测模型的第一初始模型分...
【专利技术属性】
技术研发人员：吴航，纪天旭，汪伟，漆洪凯，
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。