[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

本申請是關于一種信息展示方法、設備及存儲介質，涉及網絡信息展示技術領域。所述方法包括：獲取信息展示請求的候選信息集合，候選信息集合中包含第一類型信息和第二類型信息；獲取信息展示請求的候選信息集合中的各個信息的展示得分；第一類型信息的展示得分是通過目標策略網絡對第一類型信息的狀態數據進行處理后得到的；基于各個信息的展示得分獲取目標信息；將目標信息推送至指定的信息展示位進行展示；本方案實現對兩種類型信息的混合控制，從而使得系統中的信息展示機會能夠得到充分的利用，在對云端的信息內容進行推送的過程中，提高信息展示的網絡資源利用率。

技術領域

本申請涉及網絡信息展示技術領域，特別涉及一種信息展示方法、策略網絡訓練方法、設備及存儲介質。

背景技術

在網絡內容推送場景，比如廣告展示場景中，信息提供方可以通過兩種方式在信息展示系統上投放信息，分別為通過約定展示數量的方式投放，以及，通過競價方式投放。

在相關技術中，對于按照不同方式投放的兩種信息，信息展示系統對這兩種信息的展示分別進行控制。比如，信息展示系統首先預測系統中的信息展示機會，并將預測得到信息展示機會分配給按照不同方式投放的兩種信息；當一個信息展示機會來臨時，信息展示系統在對應投放方式的信息中選擇一個信息進行展示。

然而，上述對這兩種信息的展示分別進行控制的方案會導致系統中的信息展示機會得不到充分利用，進而導致信息展示的網絡資源利用率較差。

發明內容

本申請實施例提供了一種信息展示方法、策略網絡訓練方法、設備及存儲介質，可以提高信息展示的網絡資源利用率，該技術方案如下：

一方面，提供了一種信息展示方法，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；

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。

一方面，提供了一種策略網絡訓練方法，所述方法包括：

獲取指定樣本信息的狀態數據；所述指定樣本信息是歷史信息展示請求的候選信息集合中的第一類型信息；所述候選信息集合中包含所述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；

通過第一策略網絡對所述指定樣本信息的狀態數據，以及所述歷史信息展示請求的候選信息集合中的所述第二類型信息的展示得分進行處理，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樣本環境中的信息的狀態數據進行更新；所述樣本環境是由至少兩個所述歷史信息展示請求的候選信息集合中的信息構成的；

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；