[發明專利]基于媒體文件的行為預估方法和裝置

有效

• 申請號: 201611159336.8
• 申請日: 2016-12-13
• 公開（公告）號: CN108614845B
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 陳細華
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q30/02;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;賈允

本發明公開了一種基于媒體文件的行為預估方法和裝置。其中，該方法包括：獲取與媒體文件的類型相對應的行為樣本，其中，行為樣本用于表示多種目標行為的執行情況，多種目標行為包括具有預設關系的行為；在行為樣本的特征向量保持不變的情況下，將行為樣本轉化為目標向量，其中，目標向量的長度與多種目標行為的數量相同，目標向量的每維分量用于表示每種目標行為的執行情況；通過預設深層神經網絡對行為樣本的特征向量和目標向量進行處理，得到用于表示多種目標行為執行于媒體文件的執行概率的預估數據。本發明解決了相關技術媒體文件的行為預估復雜的問題的技術問題。

技術領域

本發明涉及媒體文件領域，具體而言，涉及一種基于媒體文件的行為預估方法和裝置。

背景技術

目前，在媒體文件的營銷領域，通常需要預估用戶在一定場景下點擊媒體文件鏈接的概率、進入媒體文件詳情頁的概率，也即，點擊率(Click Through Rate)預估，簡稱PCTR。傳統應對這種復雜多行為PCTR預估的方法是，對每個行為單獨建立模型進行PCTR預估，設其中某個行為的樣本量為N的訓練數據集合是其中為樣本i的特征向量，y_i∈{0,1}為對應的目標，0表示曝光，1表示點擊。這樣當有N種行為時，就需要建立N個模型，并且每個模型都需要單獨調參優化，因而媒體文件的預估復雜，存在需要大量人力、時間和機器資源的問題，另外，在線上預估PCTR的時候，由于每個模型預估一種行為，還存在耗時大的問題。

在一般場景中，只需要針對媒體文件的詳情鏈接的行為預估，而社交空間中的媒體文件比較特殊，不僅需要針對媒體文件的詳情鏈接的行為預估，而且包括媒體文件的多種不同媒體文件類型的點擊行為預估，另外媒體文件的多種行為之間存在一定相關性，各種行為的真實點擊率差異巨大，導致彼此之間存在一定相關性的多種行為的預估比傳統的行為預估更復雜。

針對上述的媒體文件的行為預估復雜的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種基于媒體文件的行為預估方法和裝置，以至少解決相關技術媒體文件的行為預估復雜的問題的技術問題。

根據本發明實施例的一個方面，提供了一種基于媒體文件的行為預估方法。該媒體文件的行為預估方法包括：獲取與媒體文件的類型相對應的行為樣本，其中，行為樣本用于表示多種目標行為的執行情況，多種目標行為包括具有預設關系的行為；在行為樣本的特征向量保持不變的情況下，將行為樣本轉化為目標向量，其中，目標向量的長度與多種目標行為的數量相同，目標向量的每維分量用于表示每種目標行為的執行情況；通過預設深層神經網絡對行為樣本的特征向量和目標向量進行處理，得到用于表示多種目標行為執行于媒體文件的執行概率的預估數據。

根據本發明實施例的另一方面，還提供了一種基于媒體文件的行為預估裝置。基于媒體文件的行為預估裝置包括：第一獲取單元，用于獲取與媒體文件的類型相對應的行為樣本，其中，行為樣本用于表示多種目標行為的執行情況，多種目標行為包括具有預設關系的行為；轉化單元，用于在行為樣本的特征向量保持不變的情況下，將行為樣本轉化為目標向量，其中，目標向量的長度與多種目標行為的數量相同，目標向量的每維分量用于表示每種目標行為的執行情況；處理單元，用于通過預設深層神經網絡對行為樣本的特征向量和目標向量進行處理，得到用于表示多種目標行為執行于媒體文件的執行概率的預估數據。

在本發明實施例中，通過獲取與媒體文件的類型相對應的行為樣本，其中，行為樣本用于表示多種目標行為的執行情況；在行為樣本的特征向量保持不變的情況下，將行為樣本轉化為目標向量，其中，目標向量的長度與多種目標行為的數量相同，目標向量的每維分量用于表示每種目標行為的執行情況；通過預設深層神經網絡對行為樣本的特征向量和目標向量進行處理，得到用于表示多種目標行為執行于媒體文件的執行概率的預估數據，進而達到了對多種目標行為進行預估的目的，從而實現了降低媒體文件的行為預估復雜性的技術效果，進而解決了相關技術媒體文件的行為預估復雜的問題的技術問題。

附圖說明