[發明專利]一種基于神經網絡的供需數據模型訓練方法

在審

• 申請號: 202310003945.8
• 申請日: 2023-01-03
• 公開（公告）號: CN116308561A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 國德峰;陳明宇;陳佳瑜
• 申請（專利權）人: 上海瑞獅網絡科技有限公司
• 主分類號: G06Q30/0273
• 分類號: G06Q30/0273;G06Q30/0242;G06F16/215;G06F16/9535;G06N3/04;G06N3/08
• 代理公司: 北京盛詢知識產權代理有限公司 11901
• 代理人: 藺巍

1.一種基于神經網絡的供需數據模型訓練方法，包括數據治理模塊，其特征在于，所述數據治理模塊與流量預測模塊數據連接，通過所述流量預測模塊進行預測后將數據導入了用戶畫像模塊，通過用戶畫像模塊進行對用戶進行初步分析后將數據導入了轉化預估模型模塊中，通過所述轉化預估模型模塊對交易預估，并通過智能出價模塊進行出價，通過投放效果評估模塊進行評估。

2.根據權利要求1所述的一種基于神經網絡的供需數據模型訓練方法，其特征在于，所述轉化預估模型模塊和所述智能出價模塊與所述投放效果評估模塊數據連接。

3.根據權利要求2所述的一種基于神經網絡的供需數據模型訓練方法，其特征在于，所述數據治理模塊對競拍者、平臺用戶的海量行為數據進行數據歸集、存儲、清洗，為其他模塊提供數據支持。

4.根據權利要求3所述的一種基于神經網絡的供需數據模型訓練方法，其特征在于，所述流量預測模塊對平臺歷史流量數據，考慮了周期、季節、時間因素，對實時流量進行預測。

5.根據權利要求4所述的一種基于神經網絡的供需數據模型訓練方法，其特征在于，所述用戶畫像模塊對競拍者、平臺用戶構建用戶畫像，反應競拍者的出價區間、出價時間、點擊次數標簽，平臺用戶瀏覽習慣、付費習慣標簽。

6.根據權利要求5所述的一種基于神經網絡的供需數據模型訓練方法，其特征在于，所述轉化預估模型模塊通過對歷史成交記錄、實時流量、用戶畫像信息進行價值預估，預測廣告投放的轉化率以及將獲得的利潤。

7.根據權利要求6所述的一種基于神經網絡的供需數據模型訓練方法，其特征在于，所述智能出價模塊將根據實時流量、競拍者習慣、平臺用戶習慣數據，得到了持續優化的出價策略。

8.根據權利要求7所述的一種基于神經網絡的供需數據模型訓練方法，其特征在于，所述投放效果評估模塊，通過持續跟蹤廣告投放結果，生成投放評估報告，對動態出價算法進行優化。

9.根據權利要求8所述的一種基于神經網絡的供需數據模型訓練方法，其特征在于，還包括增量式數字PID控制算法，所述增量式數字PID控制算法為∶u(k)＝u(k-1)+ke(e(k)-e(k-1))+k,e(k)+ka(e(k)-2e(k-1)+e(k-2)NN是一個三層BP網絡，有M個輸入節點、N個隱含節點、3個輸出節點，其中u(k)為增量式數字PID控制算法函數，k為控制點，e為系數，a為輸出節點。

10.根據權利要求9所述的一種基于神經網絡的供需數據模型訓練方法，其特征在于，所述輸入節點對應所選的系統運行狀態量，輸出節點分別對應PID控制器的3個調參數Kp，ki，kd，網絡根據性能指標J＝1/2y已進行在線學習，則及時更新PID控制器的參數。