[發明專利]內容項投放方法、裝置、計算機設備及存儲介質

在審

• 申請號: 201911360246.9
• 申請日: 2019-12-25
• 公開（公告）號: CN113034168A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 楊文博;劉永起;張西龍;盛名揚;李寧;王立
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/08
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 寧立存

1.一種內容項投放方法，其特征在于，包括：

基于用戶的用戶信息與內容項的內容項信息，預測所述用戶對所述內容項的行為信息，所述行為信息包括點擊行為、注冊行為或者轉化行為中至少一項；

基于所述用戶信息與所述內容項信息，預測所述用戶與所述內容項的投放群體之間的相似度；

基于所述用戶對所述內容項的行為信息與所述用戶與所述內容項的投放群體之間的相似度，確定是否對所述用戶投放所述內容項。

2.根據權利要求1所述的內容項投放方法，其特征在于，所述基于用戶的用戶信息與內容項的內容項信息，預測所述用戶對所述內容項的行為信息包括：

獲取所述用戶信息與所述內容項信息之間的第一融合特征；

將所述第一融合特征輸入不同的預估模型，通過不同的預估模型分別對所述第一融合特征進行加權處理，得到所述用戶對所述內容項的行為信息。

3.根據權利要求2所述的內容項投放方法，其特征在于，所述將所述第一融合特征輸入不同的深度網絡，通過不同的深度網絡分別對所述第一融合特征進行加權處理，得到所述用戶對所述內容項的行為信息包括：

將所述第一融合特征輸入點擊率預估模型，通過所述點擊率預估模型對所述第一融合特征進行加權處理，輸出所述用戶對所述內容項的預估點擊率；

將所述第一融合特征輸入注冊率預估模型，通過所述注冊率預估模型對所述第一融合特征進行加權處理，輸出所述用戶對所述內容項的預估注冊率；

將所述第一融合特征輸入轉化率預估模型，通過所述轉化率預估模型對所述第一融合特征進行加權處理，輸出所述用戶對所述內容項的預估轉化率；

將所述用戶對所述內容項的預估點擊率、預估注冊率或者預估轉化率中至少一項確定為所述用戶對所述內容項的行為信息。

4.根據權利要求2所述的內容項投放方法，其特征在于，所述獲取所述用戶信息與所述內容項信息之間的第一融合特征包括：

將所述用戶信息輸入第一特征網絡，通過所述第一特征網絡對所述用戶信息進行特征提取，得到所述用戶的第一用戶特征；

將所述內容項信息輸入第二特征網絡，通過所述第二特征網絡對所述內容項信息進行特征提取，得到所述內容項的第一內容項特征；

對所述第一用戶特征與所述第一內容項特征進行特征融合，得到所述第一融合特征。

5.根據權利要求1所述的內容項投放方法，其特征在于，所述基于所述用戶信息與所述內容項信息，預測所述用戶與所述內容項的投放群體之間的相似度包括：

獲取所述用戶信息與所述內容項信息之間的第二融合特征；

將所述第二融合特征輸入相似度模型，通過所述相似度模型對所述第二融合特征進行加權處理，輸出所述用戶與所述內容項的投放群體之間的相似度。

6.根據權利要求5所述的內容項投放方法，其特征在于，所述獲取所述用戶信息與所述內容項信息之間的第二融合特征包括：

將所述用戶信息輸入第三特征網絡，通過所述第三特征網絡對所述用戶信息進行特征提取，得到所述用戶的第二用戶特征；

將所述內容項信息輸入第四特征網絡，通過所述第四特征網絡對所述內容項信息進行特征提取，得到所述內容項的第二內容項特征；

將所述第二用戶特征與所述第二內容項特征進行特征融合，得到所述第二融合特征。

7.根據權利要求1所述的內容項投放方法，其特征在于，所述基于用戶的用戶信息與內容項的內容項信息，預測所述用戶對所述內容項的行為信息之前，所述方法還包括：

根據多個樣本用戶信息與多個樣本內容項信息，對第一初始特征網絡、第二初始特征網絡、第三初始特征網絡、第四初始特征網絡、初始點擊率模型、初始注冊率模型、初始轉化率模型以及初始相似度模型進行迭代訓練，當滿足停止訓練條件時，得到第一特征網絡、第二特征網絡、第三特征網絡、第四特征網絡、點擊率預估模型、注冊率預估模型、轉化率預估模型以及相似度模型。