[發明專利]種子對象的確定方法、裝置、設備及存儲介質

在審

• 申請號: 202210019509.5
• 申請日: 2022-01-10
• 公開（公告）號: CN114385700A
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 徐亞東;陳宣屹;林以凡
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/2457
• 分類號: G06F16/2457;G06F16/2455;G06K9/62;G06N20/00
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 朱佳

1.一種種子對象的確定方法，其特征在于，包括：

基于各個原始對象各自的對象數據，確定多個重定向對象；其中，所述原始對象為：在歷史階段，曾使用目標應用程序的對象，所述重定向對象為：在當前階段，所述各個原始對象中不再使用所述目標應用程序的對象，所述目標應用程序為：待投放多媒體信息所推廣的應用程序；

基于所述多個重定向對象各自的對象數據，獲得所述多個重定向對象各自的回流預測概率；

將回流預測概率滿足第一設定閾值要求的重定向對象，作為在未來階段會重新使用所述目標應用程序的種子對象。

2.如權利要求1所述的方法，其特征在于，所述基于各個原始對象各自的對象數據，確定多個重定向對象，包括：

獲取所述各個原始對象各自的對象數據；每個對象數據包括：相應的原始對象的行為數據，以及所述相應的原始對象用于運行所述目標應用程序的客戶端設備數據；

對獲得的各行為數據和各客戶端設備數據進行數據預處理，分別獲得所述各個原始對象各自的行為標簽、行為特征和客戶端設備特征；

基于獲得的各行為標簽、各行為特征和各客戶端設備特征，篩選出在當前階段中，所述各個原始對象中不再使用所述目標應用程序的對象，作為所述多個重定向對象。

3.如權利要求1所述的方法，其特征在于，所述基于所述多個重定向對象各自的對象數據，獲得所述多個重定向對象各自的回流預測概率，包括：

針對所述多個重定向對象，分別執行以下操作：

根據一個重定向對象的行為標簽、行為特征和客戶端設備特征，分別獲取所述一個重定向對象與預設回流預測模型中各棵分類回歸樹之間的映射關系；

基于獲得的各個映射關系，確定所述一個重定向對象的回流預測概率，其中，每棵分類回歸樹是基于行為標簽、行為特征和客戶端設備特征中至少一個的子集構建的。

4.如權利要求3所述的方法，其特征在于，通過執行以下操作，訓練所述回流預測模型：

采用循環迭代的方式訓練所述回流預測模型，直至所述回流預測模型滿足迭代停止條件，輸出訓練完畢的回流預測模型，其中，針對所述回流預測模型的一輪迭代訓練過程如下：

通過所述回流預測模型每讀取樣本對象集合中一個樣本對象的對象數據，基于所述一個樣本對象的對象數據，分別獲取所述一個樣本對象與內部各棵分類回歸樹之間的映射關系，并基于獲得的各個映射關系，確定所述一個樣本對象的回流預測結果；

基于所述樣本對象集合中各個樣本對象的回流預測結果與相應的實際回流結果，調整所述回流預測模型的模型參數。

5.如權利要求3所述的方法，其特征在于，在結束當天的種子對象篩選任務之后，還包括：

重新獲取所述各個原始對象各自的最新的對象數據；

將各最新的原始對象的對象數據作為訓練樣本，更新所述回流預測模型的模型參數。

6.如權利要求1～5任一項所述的方法，其特征在于，在獲得所述多個重定向對象各自的回流預測概率的同時，還包括：

將滿足預設種子對象篩選規則的重定向對象，作為相應的第一候選對象；

基于多個第一候選對象和所述多個重定向對象各自的回流預測概率，確定相應的種子對象。

7.如權利要求6所述的方法，其特征在于，所述基于多個第一候選對象和所述多個重定向對象各自的回流預測概率，確定相應的種子對象，包括以下任意一種方式：

將回流預測概率滿足第二設定閾值要求的重定向對象，作為相應的第二候選對象，并將多個第一候選對象與多個第二候選對象之間共有的重定向對象，作為相應的種子對象；

將回流預測概率滿足第三設定閾值要求的重定向對象，作為相應的第三候選對象，并從所述多個第一候選對象中剔除與多個第三候選對象之間共有的重定向對象，將剔除后的第一候選對象作為相應的種子對象；其中，所述第三候選對象的回流預測概率低于所述第二候選對象的回流預測概率。