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()
【技术实现步骤摘要】
本专利技术涉及模型训练,特别是涉及一种模型更新方法及装置。
技术介绍
1、在一些app中通常会设置一些广告位,广告主在购买广告位时通常会根据广告位的ltv(life time value,用户生命周期总价值)数据作为投放广告的计费标准。因此,广告主会针对广告位的ltv数据的预测,决定是否购买该广告位进行广告投放。
2、在现有技术中,广告系统下ltv的预估是非常困难的,预估ltv数据属于深度转化中的回归问题,该ltv数据的预估值直接影响后续广告的竞价系统,而ltv数据作为一个预测值,回传的时间受到广告主指定ltv生命周期的影响,例如广告主与广告平台达成一致决定以7天为用户生命周期,以7天的ltv进行计费和交易,今天发送的广告在7天后才会回传最终的预测值,模型在预估时只能以7天前的数据进行更新,而最近7天回传的数据无法应用到模型预估当中,使得模型更新不及时,导致ltv预估偏低。
技术实现思路
1、有鉴于此,本专利技术提供一种模型更新方法,通过该方法,可以在一个完整的周期未结束的情况下应用近期的ltv数据对模型进行更新,以避免近期回传的ltv数据浪费,也能进一步提高模型的精确度。
2、本专利技术还提供了一种模型更新装置,用以保证上述方法在实际中的实现及应用。
3、一种模型更新方法,包括:
4、获取广告系统在当前预测日回传的目标广告位的当日ltv数据;
5、应用所述当日ltv数据训练所述广告系统的第一存储位置中的第一预估模型,获得
6、获取多个已回传的第二历史ltv数据,各个所述第二历史ltv数据分别为包含所述当前预测日在内的前q天的预测日回传的ltv数据,q为小于m的正整数;
7、应用各个所述第二历史ltv数据更新所述新的第一预估模型的各路模型中的第一路模型,获得第二预估模型;其中,所述第一路模型为所述当前时间周期中已回传ltv数据的预测日所关联的一路模型;
8、将所述第二预估模型保存至所述广告系统的第二存储位置,完成所述当前预测日的模型更新过程。
9、上述的方法,可选的,所述第一历史ltv数据为前一个预测日回传的ltv数据,或所述前一个预测日所属的时间周期之前的至少m天的历史预测日回传的ltv数据;
10、其中,如果前一个预测日对第一预估模型的训练为首次训练,则前一个预测日的第一历史ltv数据为前一个预测日所属的时间周期之前的至少m天的历史预测日回传的ltv数据。如果前一个预测日对第一预估模型的训练非首次训练,则前一个预测日的第一历史ltv数据为前一个预测日回传的ltv数据。
11、上述的方法,可选的,所述第一预估模型包括输入层、编码层、模型层和输出层,所述第一预估模型中的各路模型属于所述模型层;
12、所述应用所述当日ltv数据训练所述广告系统的第一存储位置中的第一预估模型,获得新的第一预估模型,包括:
13、获得所述目标广告位的广告信息和用户信息,所述广告信息包含多个广告特征,所述用户信息包含多个用户特征和多个用户行为特征;
14、基于所述广告信息、用户信息及当日ltv数据,执行所述第一预估模型对应的预测过程,获得所述第一预估模型的输出层输出的每路模型对应的第一预测值;
15、判断各个所述第一预测值是否满足预设的第一收敛条件;
16、如果各个所述第一预测值不满足所述第一收敛条件,调整所述模型层中的每路模型的模型参数,并重新执行所述第一预估模型对应的预测过程;
17、如果各个所述第一预测值满足所述第一收敛条件,获得新的第一预估模型;
18、其中,所述执行所述第一预估模型对应的预测过程,包括:
19、通过所述输入层将所述广告信息、用户信息及所述当日ltv数据输入所述编码层,触发所述编码层将各个所述广告特征、用户特征、用户行为特征和当日ltv数据的数据特征转换成多维向量;
20、通过所述编码层将各个所述多维向量分别输入所述模型层中的各路模型,获得所述模型层中的每路模型通过所述输出层输出的与其关联的预测日对应的第一预测值。
21、上述的方法,可选的,所述应用各个所述第二历史ltv数据更新所述新的第一预估模型的各路模型中的第一路模型,获得第二预估模型,包括:
22、基于所述广告信息、用户信息及各个第二历史ltv数据,执行所述第一预估模型对应的预测过程,获得所述第一预估模型的输出层输出的第一路模型对应的第二预测值;
23、判断各个所述第二预测值是否满足预设的第二收敛条件;
24、如果各个所述第二预测值不满足所述第二收敛条件,调整所述模型层中的第一路模型的模型参数,并重新执行所述第一预估模型对应的预测过程;
25、如果各个所述第二预测值满足所述第二收敛条件,完成获得第二预估模型。
26、上述的方法,可选的,还包括:
27、应用所述第二预估模型预测所述当前时间周期内回传的总ltv数据。
28、一种模型更新装置,包括:
29、第一获取单元,用于获取广告系统在当前预测日回传的目标广告位的当日ltv数据;
30、训练单元,用于应用所述当日ltv数据训练所述广告系统的第一存储位置中的第一预估模型,获得新的第一预估模型;所述第一预估模型为前一个预测日通过至少一第一历史ltv数据训练获得的机器学习模型,所述第一预估模型包含n个多路模型,每路模型分别关联所述当前预测日所属的当前时间周期内的至少一个预测日,所述当前时间周期包含m天的预测日,m大于等于n,且m和n均为正整数;
31、第二获取单元,用于获取多个已回传的第二历史ltv数据,各个所述第二历史ltv数据分别为包含所述当前预测日在内的前q天的预测日回传的ltv数据,q为小于m的正整数;
32、更新单元,用于应用各个所述第二历史ltv数据更新所述新的第一预估模型的各路模型中的第一路模型,获得第二预估模型;其中,所述第一路模型为所述当前时间周期中已回传ltv数据的预测日所关联的一路模型;
33、保存单元,用于将所述第二预估模型保存至所述广告系统的第二存储位置,完成所述当前预测日的模型更新过程。
34、上述的装置,可选的,所述第一历史ltv数据为前一个预测日回传的ltv数据,或所述前一个预测日所属的时间周期之前的至少m天的历史预测日回传的ltv数据;
35、其中,如果前一个预测日对第一预估模型的训练为首次训练,则前一个预测日的第一历史ltv数据为前一个预测日所属的时间周期之前的至少m天的历史预测日回传的ltv数据。如果前一个预本文档来自技高网...
【技术保护点】
1.一种模型更新方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述第一历史ltv数据为前一个预测日回传的ltv数据,或所述前一个预测日所属的时间周期之前的至少M天的历史预测日回传的ltv数据;
3.根据权利要求1所述的方法,其特征在于,所述第一预估模型包括输入层、编码层、模型层和输出层,所述第一预估模型中的各路模型属于所述模型层;
4.根据权利要求3所述的方法,其特征在于,所述应用各个所述第二历史ltv数据更新所述新的第一预估模型的各路模型中的第一路模型,获得第二预估模型,包括:
5.根据权利要求1所述的方法,其特征在于,还包括:
6.一种模型更新装置,其特征在于,包括:
7.根据权利要求6所述的装置,其特征在于,所述第一历史ltv数据为前一个预测日回传的ltv数据,或所述前一个预测日所属的时间周期之前的至少M天的历史预测日回传的ltv数据;
8.根据权利要求6所述的装置,其特征在于,所述第一预估模型包括输入层、编码层、模型层和输出层,所述第一预估模型中的各路模型属于所述模型
9.根据权利要求8所述的装置,其特征在于,所述更新单元应用各个所述第二历史ltv数据更新所述新的第一预估模型的各路模型中的第一路模型,获得第二预估模型,包括:
10.根据权利要求6所述的装置,其特征在于,还包括:
...【技术特征摘要】
1.一种模型更新方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述第一历史ltv数据为前一个预测日回传的ltv数据,或所述前一个预测日所属的时间周期之前的至少m天的历史预测日回传的ltv数据;
3.根据权利要求1所述的方法,其特征在于,所述第一预估模型包括输入层、编码层、模型层和输出层,所述第一预估模型中的各路模型属于所述模型层;
4.根据权利要求3所述的方法,其特征在于,所述应用各个所述第二历史ltv数据更新所述新的第一预估模型的各路模型中的第一路模型,获得第二预估模型,包括:
5.根据权利要求1所述的方法,其特征在于,还包括:
【专利技术属性】
技术研发人员:胡峰,
申请(专利权)人:北京搜狐新媒体信息技术有限公司,
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。