[發明專利]信息展示方法、策略網絡訓練方法、設備及存儲介質

有效

• 申請號: 202011057580.X
• 申請日: 2020-09-30
• 公開（公告）號: CN112819500B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 譚斌
• 申請（專利權）人: 騰訊科技（上海）有限公司
• 主分類號: G06Q30/0241
• 分類號: G06Q30/0241;G06Q30/0273;G06N20/00
• 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: 徐立

1.一種信息展示方法，其特征在于，所述方法包括：

獲取信息展示請求，所述信息展示請求用于請求在指定的信息展示位上展示信息；

獲取所述信息展示請求的候選信息集合，所述候選信息集合中包含第一類型信息和第二類型信息；所述第一類型信息是具有展示次數要求的信息，所述第二類型信息是通過資源付出來競爭展示機會的信息；

獲取所述信息展示請求的候選信息集合中的各個信息的展示得分；所述展示得分用于指示對應的信息被推送至所述指定的信息展示位進行展示的概率；所述第一類型信息的所述展示得分，是通過目標策略網絡對所述第一類型信息的狀態數據進行處理后得到的；所述目標策略網絡是通過對樣本環境進行強化學習探索得到的，所述樣本環境是由至少兩個歷史信息展示請求的候選信息集合中的信息構成的；所述樣本環境中同時包含所述第一類型信息和所述第二類型信息；所述目標策略網絡的獲得方式包括：獲取所述歷史信息展示請求的候選信息集合中的各個指定樣本信息的狀態數據；所述指定樣本信息是所述歷史信息展示請求的候選信息集合中的所述第一類型信息；通過第一策略網絡對所述各個指定樣本信息的狀態數據進行處理，獲得樣本展示策略；所述樣本展示策略用于指示所述歷史信息展示請求的候選信息集合中的目標樣本信息；通過所述樣本展示策略對所述樣本環境中的信息的狀態數據進行更新；基于更新前后的所述樣本環境中的信息的狀態數據，獲取獎勵函數值；基于所述獎勵函數值對價值網絡進行更新；通過所述價值網絡對所述樣本展示策略的評價結果，對所述第一策略網絡進行更新；基于更新后的所述第一策略網絡，獲取所述目標策略網絡；

基于所述各個信息的展示得分獲取目標信息；

將所述目標信息推送至所述指定的信息展示位進行展示。

2.根據權利要求1所述的方法，其特征在于，所述狀態數據包括信息級數據、整體數據和流量維度特征數據中的至少一種；

所述信息級數據包括：對應的信息的標識、對應的信息展示位的標識、對應的信息的已播放量、對應的信息的播放量要求、對應的信息的播放速度、以及對應的信息的播放量上限中的至少一種；

所述整體數據包括：系統中的所述第一類型信息的整體缺量率、系統中的所述第一類型信息的平均點擊率、系統中的所述第二類型信息的平均點擊率、以及系統中的所述第二類型信息的平均資源付出量中的至少一種；

所述流量維度特征包括：對應的信息展示請求匹配的地域數據、對應的信息展示請求匹配的性別數據、以及對應的信息展示請求匹配的年齡數據中的至少一種。

3.根據權利要求1或2所述的方法，其特征在于，所述基于更新前后的所述樣本環境中的信息的狀態數據，獲取獎勵函數值，包括：

基于更新前后的所述樣本環境中的信息的狀態數據，獲取增益參數得分，所述增益參數得分包括所述樣本環境中的所述第一類型信息的整體缺量率的得分、所述樣本環境中的所述第一類型信息的平均點擊率的得分、以及所述樣本環境中的所述第二類型信息的平均資源付出量的得分中的至少一種；

基于所述增益參數得分獲取所述獎勵函數值。

4.根據權利要求3所述的方法，其特征在于，所述基于所述增益參數得分獲取所述獎勵函數值，包括：

對所述增益參數得分中的各項得分進行加權處理，獲得加權處理結果；

基于所述加權處理結果獲取所述獎勵函數值。