[發明專利]廣告重排序方法及裝置

在審

• 申請號: 202210369801.X
• 申請日: 2022-04-08
• 公開（公告）號: CN114862447A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 鄭江雨;張瓊瓊;龔凌云;陳云鋒;王正陽
• 申請（專利權）人: 無線生活（杭州）信息科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/08;G06N3/04
• 代理公司: 北京尚倫律師事務所 11477
• 代理人: 謝麗莎

本公開是關于廣告重排序方法及裝置。該方法包括：獲取候選廣告池，候選廣告池中包括：M個待排序廣告；將候選廣告池輸入至預先訓練的重排序模型，得到N個待排序廣告的排序序列，N小于或者等于M；其中，預先訓練的重排序模型是基于未點擊樣本和點擊樣本作為訓練數據集對重排序模型訓練得到的，未點擊樣本根據廣告商品后驗點擊率乘以廣告商品ACP的乘積劃分多個檔次；點擊樣本根據廣告商品ACP劃分多個檔次，其中，點擊樣本對應的檔次高于未點擊樣本對應的檔次；N小于或等于M。其中，通過將求解序列點擊次數乘以ACP乘積最大化的問題轉變成一個排序模型學習問題，以達到最優序列目標RPM，從而提升了廣告收益。

技術領域

本公開涉及廣告投放技術領域，尤其涉及廣告重排序方法及裝置。

背景技術

重排序作為互聯網推薦廣告的重要模塊，承擔著求解精排輸出的top廣告商品組成的最優序列，使得序列整體的RPM(Revenue Per Mile，千次曝光收益)達到最大。現有廣告重排序技術方案中大都是采用規則策略，比如對候選廣告商品盡量保持精排排序輸出的順序，按某種形式做打散。

但是現有技術方案是沒有達到最優序列目標RPM。

發明內容

為克服相關技術中存在的問題，本公開實施例提供廣告重排序方法及裝置。所述技術方案如下：

根據本公開實施例的第一方面，提供一種廣告重排序方法，包括：

獲取候選廣告池，所述候選廣告池中包括：M個待排序廣告；所述M為大于1的整數；

將所述候選廣告池輸入至預先訓練的重排序模型，得到N個待排序廣告的排序序列，所述N小于或者等于所述M；其中，所述預先訓練的重排序模型是基于未點擊樣本和點擊樣本作為訓練數據集對重排序模型訓練得到的，所述未點擊樣本根據廣告商品后驗點擊率乘以廣告商品ACP的乘積劃分多個檔次；所述點擊樣本根據所述廣告商品ACP劃分多個檔次，其中，所述點擊樣本對應的檔次高于所述未點擊樣本對應的檔次；所述N小于或等于M，且所述N為大于1的整數。

本公開的實施例提供的技術方案可以包括以下有益效果：本公開提供一種廣告重排序方法，包括：獲取候選廣告池，候選廣告池中包括：M個待排序廣告；M為大于1的整數；將候選廣告池輸入至預先訓練的重排序模型，得到N個待排序廣告的排序序列，N小于或者等于M；其中，預先訓練的重排序模型是基于未點擊樣本和點擊樣本作為訓練數據集對重排序模型訓練得到的，未點擊樣本根據廣告商品后驗點擊率乘以廣告商品ACP的乘積劃分多個檔次；點擊樣本根據廣告商品ACP劃分多個檔次，其中，點擊樣本對應的檔次高于未點擊樣本對應的檔次；N小于或等于M，且N為大于1的整數。其中，通過將求解序列點擊次數乘以ACP乘積最大化的問題轉變成一個排序模型學習問題，以達到最優序列目標RPM，從而提升了廣告收益。

在一個實施例中，所述方法還包括：

獲取所述未點擊樣本，所述未點擊樣本根據廣告商品后驗點擊率乘以廣告商品ACP的乘積劃分為1至E個檔次；所述E為大于1的整數；

獲取所述點擊樣本，所述點擊樣本根據所述廣告商品ACP劃分為E+1至E+F個檔次，所述F為大于1的整數；

根據所述未點擊樣本和所述點擊樣本對所述重排序模型進行訓練，得到所述預先訓練的重排序模型。

在一個實施例中，所述重排序模型包括：

有反向GRU模塊的DLCM；

或者，

有transformer encoder模塊的PRM。

在一個實施例中，所述方法還包括：

將訓練完成后的所述重排序模型部署到線上做線上預測。

根據本公開實施例的第二方面，提供一種廣告重排序裝置，包括：