[發明專利]原生廣告插播方法和裝置

有效

• 申請號: 201710605797.1
• 申請日: 2017-07-24
• 公開（公告）號: CN107481037B
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 趙夕煒;徐夙龍;江雪;胡景賀
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/04;G06N3/08;G06F16/9535
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 張一軍;姜勁

本發明實施例公開了一種原生廣告插播方法和裝置，涉及計算機技術領域。其中，該方法包括：基于訓練得到的預估器對每個候選廣告插播結果包含廣告的概率進行預估；將預估值大于預設閾值的候選廣告插播結果濾除；從過濾剩下的候選廣告插播結果中選取待展示的廣告插播結果。本發明提供的原生廣告插播方法，能進一步降低對用戶體驗的傷害，同時能夠滿足動態調整廣告位次的需求，進而實現了更優的原生廣告插播效果。

技術領域

本發明涉及計算機技術領域，尤其涉及一種原生廣告插播方法和裝置。

背景技術

原生廣告是近幾年興起的一種廣告樣式，其以盡可能小地傷害用戶體驗為前提，與原生信息流高度融合。例如，在電商等購物類應用中，原生廣告會是一條商品搜索結果；在微博、微信等社交應用中，原生廣告會是一則微博或者是朋友圈的一則說說。

如何在原生信息流中插入原生廣告是一個復雜的研究課題。在實現本發明過程中，發明人發現現有技術中至少存在如下問題：現有的原生廣告插播方法對于用戶體驗的量化指標限制不是特別明確，無法有效評估不同插播結果對用戶體驗的影響；同時，現有的原生廣告插播方法大多基于固定的廣告位次進行插播，無法滿足動態調整廣告位次的需求，進而造成原生廣告插播效果不理想。

發明內容

有鑒于此，本發明實施例提供一種原生廣告插播方法和裝置，能進一步降低對用戶體驗的傷害，同時能夠滿足動態調整廣告位次的需求，進而實現更優的原生廣告插播效果。

為實現上述目的，根據本發明實施例的一個方面，提供了一種原生廣告插播方法。

本發明實施例的原生廣告插播方法包括：基于訓練得到的預估器對每個候選廣告插播結果包含廣告的概率進行預估；將預估值大于預設閾值的候選廣告插播結果濾除；從過濾剩下的候選廣告插播結果中選取待展示的廣告插播結果。

可選地，所述方法還包括：基于第一訓練樣本和第二訓練樣本對深度神經網絡進行訓練，以得到所述預估器；其中，所述第一訓練樣本為：從插入廣告的搜索展示記錄中提取的特征數據，所述第二訓練樣本為：從未插入廣告的搜索展示記錄中提取的特征數據。

可選地，所述基于第一訓練樣本和第二訓練樣本對深度神經網絡進行訓練，以得到所述預估器的步驟包括：根據第一對抗優化方式對深度神經網絡進行訓練，

其中，V(D,M_A,M_N)代表損失函數；D代表深度網絡辨別器函數；M_A代表用于映射第一訓練樣本的深度網絡映射器函數；M_N代表用于映射第二訓練樣本的深度網絡映射器函數；x代表訓練樣本；x～P_A(x)代表第一訓練樣本服從的分布；x～P_N(x)代表第二訓練樣本服從的分布；代表優化D以使損失函數取得極大值；代表優化M_A、M_N以使損失函數取得極小值。

可選地，所述基于第一訓練樣本和第二訓練樣本對深度神經網絡進行訓練，以得到所述預估器的步驟包括：根據第二對抗優化方式對深度神經網絡進行訓練，

其中，V(D,M_A,M_N)代表損失函數；D代表深度網絡辨別器函數；M_A代表用于映射第一訓練樣本的深度網絡映射器函數；M_N代表用于映射第二訓練樣本的深度網絡映射器函數，并且M_N在所述對抗優化中保持不變；x代表訓練樣本；x～P_A(x)代表第一訓練樣本服從的分布；x～P_N(x)代表第二訓練樣本服從的分布；代表優化D以使損失函數取得極大值；代表優化M_A以使函數取得極大值。