[發明專利]活動人數預測模型生成方法、裝置、電子設備和介質

在審

• 申請號: 202110113212.0
• 申請日: 2021-01-27
• 公開（公告）號: CN113762581A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 徐岱
• 申請（專利權）人: 北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 北京唯智勤實知識產權代理事務所(普通合伙) 11557
• 代理人: 陳佳

1.一種活動人數預測模型生成方法，包括：

從訓練樣本集中選取訓練樣本，所述訓練樣本包括目標活動對應的至少一個品類在目標時間區間對應的活動時序特征和標簽，所述標簽用于表征所述目標活動的實際觸達人數；

將所述活動時序特征輸入時序網絡，得到所述時間區間內的所述至少一個品類的觸達人數變化趨勢信息；

將所述觸達人數變化趨勢信息、所述至少一個品類的品類信息、所述目標活動的資源消耗信息輸入淺層神經網絡，得到所述目標活動對應的預測觸達人數；

基于所述實際觸達人數與所述預測觸達人數之間的差異，對所述時序網絡和所述淺層神經網絡進行參數調整，得到活動人數預測模型。

2.根據權利要求1所述的方法，其中，所述至少一個品類在目標時間區間對應的活動時序特征是通過以下步驟確定的：

確定所述至少一個品類中的每個品類在所述目標活動區間每個時間點的以下至少一項數據：觸達人數、點擊量、展示量，所述目標時間區間包括所述目標活動對應的活動時間區間以及活動前預設時間段，得到所述活動時序特征。

3.根據權利要求1所述的方法，其中，所述訓練樣本集是通過以下步驟得到的：

對于原始訓練樣本集中的原始訓練樣本，根據對應的活動時間區間進行拆分以生成所述原始訓練樣本對應的多個訓練樣本，得到所述訓練樣本集。

4.根據權利要求1所述的方法，其中，所述基于所述實際觸達人數與所述預測觸達人數之間的差異，對所述時序網絡和所述淺層神經網絡進行參數調整，得到活動人數預測模型，包括：

基于所述實際觸達人數與所述預測觸達人數之間的差異，對所述時序網絡和所述淺層神經網絡進行參數調整，得到調整后模型；

確定所述調整后模型的預設指標是否滿足預設條件；

響應于滿足預設條件，將所述調整后模型確定為所述活動人數預測模型。

5.根據權利要求3所述的方法，其中，所述根據對應的活動時間區間進行拆分以生成所述原始訓練樣本對應的多個訓練樣本，包括：

確定所述原始訓練樣本對應的活動時間區間內的各個時間點對應的數據是否存在異常數據；

響應于不存在異常數據，以所述活動時間區間的端點作為開始時間點，以所述各個時間點作為結束時間點，得到多個子區間；

獲取每個子區間對應的至少一項數據和觸達人數，以生成所述對應的多個訓練樣本。

6.一種活動人數預測模型生成裝置，包括：

選取單元，被配置成從訓練樣本集中選取訓練樣本，所述訓練樣本包括目標活動對應的至少一個品類在目標時間區間對應的活動時序特征和標簽，所述標簽用于表征所述目標活動的實際觸達人數；

變化趨勢信息生成單元，被配置成將所述活動時序特征輸入時序網絡，得到所述時間區間內的所述至少一個品類的觸達人數變化趨勢信息；

觸達人數生成單元，被配置成將所述觸達人數變化趨勢信息、所述至少一個品類的品類信息、所述目標活動的資源消耗信息輸入淺層神經網絡，得到所述目標活動對應的預測觸達人數；

模型生成單元，被配置成基于所述實際觸達人數與所述預測觸達人數之間的差異，對所述時序網絡和所述淺層神經網絡進行參數調整，得到活動人數預測模型。

7.根據權利要求6所述的裝置，其中，所述至少一個品類在目標時間區間對應的活動時序特征是通過以下步驟確定的：

確定所述至少一個品類中的每個品類在所述目標活動區間每個時間點的以下至少一項數據：觸達人數、點擊量、展示量，所述目標時間區間包括所述目標活動對應的活動時間區間以及活動前預設時間段，得到所述活動時序特征。

8.一種電子設備，包括：

一個或多個處理器；

存儲裝置，其上存儲有一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-5中任一所述的方法。

9.一種計算機可讀介質，其上存儲有計算機程序，其中，所述程序被處理器執行時實現如權利要求1-5中任一所述的方法。