[發明專利]推廣內容的評價方法、裝置、電子設備和存儲介質

在審

• 申請號: 201910361747.2
• 申請日: 2019-04-30
• 公開（公告）號: CN110189163A
• 公開（公告）日: 2019-08-30
• 發明（設計）人: 程建明
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/08
• 代理公司: 北京市隆安律師事務所 11323
• 代理人: 權鮮枝

1.一種推廣內容的評價方法，其特征在于，包括：

根據推廣數據生成樣本數據；所述樣本數據包括多個標簽，且至少包括與喚起行為對應的喚起標簽；

將所述樣本數據輸入到基于深度學習網絡的多目標模型中進行訓練，得到推廣內容的評價模型；所述多目標模型包括與各標簽分別對應的子網絡；

根據所述推廣內容的評價模型對待評價的推廣內容進行評價。

2.如權利要求1所述的方法，其特征在于，所述將所述樣本數據輸入到基于深度學習網絡的多目標模型中進行訓練，得到推廣內容的評價模型包括：

基于梯度下降的方法，降低所述多目標模型使用的損失函數的值，對各子網絡的參數同時進行更新。

3.如權利要求1所述的方法，其特征在于，所述推廣數據包括推廣內容的展現數據；

所述多個標簽還包括：與點擊行為對應的點擊標簽，與轉化行為對應的轉化標簽；

所述根據所述推廣內容的評價模型對待評價的推廣內容進行評價包括：預估所述待評價的推廣內容的點擊率、喚起率和轉化率。

4.如權利要求3所述的方法，其特征在于，所述多目標模型使用的損失函數包括若干個交叉熵損失函數，各交叉熵損失函數分別用于計算一項差異性信息，所述差異性信息包括如下的一種或多種：

點擊標簽與相應子網絡預估值的差異；

點擊標簽、喚起標簽與相應子網絡預估值的差異；

點擊標簽、喚起標簽、轉化標簽與相應子網絡預估值的差異。

5.如權利要求1所述的方法，其特征在于，所述根據推廣數據生成樣本數據包括：

根據所述推廣數據抽取如下的一維或多維原始特征，得到相應的特征序列：設備特征，用戶特征，推廣內容特征，上下文特征。

6.如權利要求5所述的方法，其特征在于，所述根據推廣數據生成樣本數據還包括：

對所述原始特征進行如下的一種或多種處理，得到相應的特征序列：特征embedding處理，one-hot編碼處理，multi-hot編碼處理，特征歸一化，特征分桶，特征交叉。

7.如權利要求1所述的方法，其特征在于，所述深度學習網絡包括如下的一種或多種：

深度神經網絡，卷積神經網絡，長短期記憶網絡，變換網絡。

8.一種推廣內容的評價裝置，其特征在于，包括：

樣本數據單元，用于根據推廣數據生成樣本數據；所述樣本數據包括多個標簽，且至少包括與喚起行為對應的喚起標簽；

訓練單元，用于將所述樣本數據輸入到基于深度學習網絡的多目標模型中進行訓練，得到推廣內容的評價模型；所述多目標模型包括與各標簽分別對應的子網絡；

評價單元，用于根據所述推廣內容的評價模型對待評價的推廣內容進行評價。

9.一種電子設備，其中，該電子設備包括：處理器；以及被安排成存儲計算機可執行指令的存儲器，所述可執行指令在被執行時使所述處理器執行如權利要求1-7中任一項所述的方法。

10.一種計算機可讀存儲介質，其中，所述計算機可讀存儲介質存儲一個或多個程序，所述一個或多個程序當被處理器執行時，實現如權利要求1-7中任一項所述的方法。