System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 广告处理方法及装置、电子设备及存储介质制造方法及图纸_技高网

广告处理方法及装置、电子设备及存储介质制造方法及图纸

技术编号:40195691 阅读:6 留言:0更新日期:2024-01-26 23:58
本公开实施例公开了一种广告处理方法及装置、电子设备及存储介质,所述方法包括:对广告进行分类,以获得第一质量广告及第二质量广告;其中,第一质量广告的价值,低于第二质量广告的价值;将第一质量广告输入生成模型,通过生成模型生成第二质量广告样本;将第一质量广告和第二质量广告样本输入至判别模型,确定第一质量广告和第二质量广告样本的判别结果;基于判别结果对对抗模型进行单独交替迭代,直至预设的损失函数满足收敛条件,以获得训练后的对抗模型;其中,对抗模型,包括:生成模型及判别模型。如此,可以使得判别模型可以及时判别出新型欺诈方式对应的广告流量,从而可以准确判别广告流量的质量,提高判别广告流量的可靠性。

【技术实现步骤摘要】

本公开涉及信息,尤其涉及一种广告处理方法及装置、电子设备及存储介质


技术介绍

1、随着互联网与计算机技术的广泛应用,广告流量在互联网领域具有重要价值。但是随着广告欺诈技术迭代更新速度越来越快,给检测异常广告流量带来巨大挑战;如何准确判别广告流量的质量,以提高广告流量的可靠性是个棘手的问题。

2、相关技术中通过监督学习和/或机器学习的检测方法,检测异常广告流量。但在面对流量变化和新型欺诈方式时,需要重新收集广告流量并学习特征,无法及时检测出新型欺诈方式,适应性相对较差。


技术实现思路

1、本公开实施例公开了一种广告处理方法及装置、电子设备及存储介质。

2、根据本公开实施例的第一方面,提供一种广告处理方法,所述方法包括:

3、对广告进行分类,以获得第一质量广告及第二质量广告;其中,所述第一质量广告的价值,低于所述第二质量广告的价值;

4、将所述第一质量广告输入生成模型,通过所述生成模型生成第二质量广告样本;

5、将所述第一质量广告和所述第二质量广告样本输入至判别模型,确定所述第一质量广告和所述第二质量广告样本的判别结果;

6、基于所述判别结果对对抗模型进行单独交替迭代,直至预设的损失函数满足收敛条件,以获得训练后的对抗模型;其中,所述对抗模型,包括:所述生成模型及所述判别模型。

7、在一些实施例中,所述基于所述判别结果对对抗模型进行单独交替迭代,直至预设的损失函数满足收敛条件,以获得训练后的对抗模型,包括:

8、确定所述判别结果是否与预期结果一致;

9、若所述判别结果与所述预期结果不一致,则交替迭代执行通过所述生成模型生成所述第二质量广告样本,以及所述第一质量广告和所述第二质量广告样本输入至所述判别模型,直至预设的损失函数满足所述收敛条件,以获得训练后的对抗模型。

10、在一些实施例中,所述将所述第一质量广告和所述第二质量广告样本输入至判别模型,确定所述第一质量广告和所述第二质量广告样本的判别结果,包括:

11、将所述第二质量广告样本、所述第一质量广告和所述第二质量广告输入至所述判别模型,确定所述第二质量广告样本、所述第一质量广告和所述第二质量广告的判别结果。

12、在一些实施例中,所述基于所述判别结果对对抗模型进行单独交替迭代,直至预设的损失函数满足收敛条件,以获得训练后的对抗模型,还包括:

13、确定所述判别结果是否与所述预期结果一致;

14、若所述判别结果与所述预期结果不一致,则交替迭代执行通过所述生成模型生成所述第二质量广告样本,以及所述第二质量广告样本、所述第一质量广告和所述第二质量广告输入至所述判别模型,直至预设的损失函数满足所述收敛条件,以获得训练后的对抗模型。

15、在一些实施例中,所述方法,还包括:

16、对所述第二质量广告样本进行价值划分,以获得第一质量目标广告样本及第二质量目标广告样本;其中,所述第一质量目标广告样本的价值,低于所述第二质量目标广告样本;

17、所述将所述第一质量广告和所述第二质量广告样本输入至判别模型,确定所述第一质量广告和所述第二质量广告样本的判别结果,包括:

18、将所述第一质量广告和所述第二质量目标广告样本输入至所述判别模型,确定所述第一质量广告和所述第二质量目标广告样本的判别结果。

19、在一些实施例中,所述对广告进行分类,以获得第一质量广告及第二质量广告,包括:

20、通过精排模型对所述广告进行评估,以确定所述广告的价值评分;

21、若所述广告的价值评分小于或等于第一预定阈值,确定所述广告为所述第一质量广告;

22、若所述广告的价值评分大于所述第一预定阈值,确定所述广告为所述第二质量广告。

23、在一些实施例中,所述方法,还包括:

24、获取广告样本集;其中,所述广告样本集,包括:至少一个第三质量广告及至少一个第四质量广告;其中,所述第三质量广告的价值,低于所述第四质量广告的价值;

25、将所述广告样本集输入至训练后的判别模型,确定所述广告样本集的判别结果。

26、根据本公开实施例的第二方面,提供一种广告处理装置,所述装置包括:

27、分类模块,用于对广告进行分类,以获得第一质量广告及第二质量广告;其中,所述第一质量广告的价值,低于所述第二质量广告的价值;

28、生成模块,用于将所述第一质量广告输入生成模型,通过所述生成模型生成第二质量广告样本;

29、确定模块,用于将所述第一质量广告和所述第二质量广告样本输入至判别模型,确定所述第一质量广告和所述第二质量广告样本的判别结果;

30、迭代模块,用于基于所述判别结果对对抗模型进行单独交替迭代,直至预设的损失函数满足收敛条件,以获得训练后的对抗模型;其中,所述对抗模型,包括:所述生成模型及所述判别模型。

31、在一些实施例中,所述迭代模块,用于确定所述判别结果是否与预期结果一致;若所述判别结果与所述预期结果不一致,则交替迭代执行通过所述生成模型生成所述第二质量广告样本,以及所述第一质量广告和所述第二质量广告样本输入至所述判别模型,直至预设的损失函数满足所述收敛条件,以获得训练后的生成对抗模型。

32、在一些实施例中,所述确定模块,用于将所述第二质量广告样本、所述第一质量广告和所述第二质量广告输入至所述判别模型,确定所述第二质量广告样本、所述第一质量广告和所述第二质量广告的判别结果。

33、在一些实施例中,所述迭代模块,用于确定所述判别结果是否与所述预期结果一致;若所述判别结果与所述预期结果不一致,则交替迭代执行通过所述生成模型生成所述第二质量广告样本,以及所述第二质量广告样本、所述第一质量广告和所述第二质量广告输入至所述判别模型,直至预设的损失函数满足所述收敛条件,以获得训练后的对抗模型。

34、在一些实施例中,所述生成模块,用于对所述第一质量广告样本进行价值划分,以获得第一质量目标广告样本及第二质量目标广告样本;其中,所述第一质量目标广告样本的价值,低于所述第二质量目标广告样本;

35、所述确定模块,用于将所述第一质量广告和所述第二质量目标广告样本输入至所述判别模型,确定所述第一质量广告和所述第二质量目标广告样本的判别结果。

36、在一些实施例中,所述分类模块,用于执行以下步骤:

37、通过精排模型对所述广告进行评估,以确定所述广告的价值评分;

38、若所述广告的价值评分小于或等于第一预定阈值,确定所述广告为所述第一质量广告;

39、若所述广告的价值评分大于所述第一预定阈值,确定所述广告为所述第二质量广告。

40、在一些实施例中,所述装置,还包括:

41、获取模块,用于获取广告样本集;其中,所述广告样本集,包括:至少一个第三质量广告本文档来自技高网...

【技术保护点】

1.一种广告处理方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述基于所述判别结果对对抗模型进行单独交替迭代,直至预设的损失函数满足收敛条件,以获得训练后的对抗模型,包括:

3.根据权利要求1至2任一项所述的方法,其特征在于,所述将所述第一质量广告和所述第二质量广告样本输入至判别模型,确定所述第一质量广告和所述第二质量广告样本的判别结果,包括:

4.根据权利要求3所述的方法,其特征在于,所述基于所述判别结果对对抗模型进行单独交替迭代,直至预设的损失函数满足收敛条件,以获得训练后的对抗模型,还包括:

5.根据权利要求1所述的方法,其特征在于,所述方法,还包括:

6.根据权利要求1所述的方法,其特征在于,所述对广告进行分类,以获得第一质量广告及第二质量广告,包括:

7.根据权利要求1所述的方法,其特征在于,所述方法,还包括:

8.一种广告处理装置,其特征在于,所述装置包括:

9.根据权利要求8所述的装置,其特征在于,

10.根据权利要求8至9任一项所述的装置,其特征在于,

11.根据权利要求10所述的装置,其特征在于,

12.根据权利要求8所述的装置,其特征在于,所述装置,还包括:

13.根据权利要求8所述的装置,其特征在于,所述分类模块,用于执行以下步骤:

14.根据权利要求8所述的装置,其特征在于,所述装置,还包括:

15.一种电子设备,其特征在于,包括:

16.一种计算机可读存储介质,其特征在于,所述可读存储介质存储有可执行程序,其中,所述可执行程序被处理器执行时实现权利要求1至7任一项所述的广告处理方法。

...

【技术特征摘要】

1.一种广告处理方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述基于所述判别结果对对抗模型进行单独交替迭代,直至预设的损失函数满足收敛条件,以获得训练后的对抗模型,包括:

3.根据权利要求1至2任一项所述的方法,其特征在于,所述将所述第一质量广告和所述第二质量广告样本输入至判别模型,确定所述第一质量广告和所述第二质量广告样本的判别结果,包括:

4.根据权利要求3所述的方法,其特征在于,所述基于所述判别结果对对抗模型进行单独交替迭代,直至预设的损失函数满足收敛条件,以获得训练后的对抗模型,还包括:

5.根据权利要求1所述的方法,其特征在于,所述方法,还包括:

6.根据权利要求1所述的方法,其特征在于,所述对广告进行分类,以获得第一质量广告及第二质量广告,包括:

【专利技术属性】
技术研发人员:赵健尚金朋韦荣能
申请(专利权)人:北京快乐茄信息技术有限公司
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