预测计算机生成的推荐中的转化数据的制作方法

摘要: 本说明书涉及预测计算机生成的推荐的转化数据。背景技术:1、推荐服务提供方或平台可以使用在训练数据上被训练的人工智能(ai)或机器学习模型来生成向用户提供的针对商...
预测计算机生成的推荐中的转化数据的制作方法

本说明书涉及预测计算机生成的推荐的转化数据。

背景技术:

1、推荐服务提供方或平台可以使用在训练数据上被训练的人工智能(ai)或机器学习模型来生成向用户提供的针对商品和/或服务的推荐。所生成的推荐的转化率或其他统计是推荐服务平台的重要度量。

技术实现思路

1、本说明书描述了用于预测计算机生成的推荐的转化数据的技术。

2、根据第一方面,提供了一种计算机实现的方法。该方法包括:接收第一数目的推荐的特征数据;基于特征数据,通过利用经训练的回传时间模型,预测针对第一数目的推荐的回传时间;基于回传时间从第一数目的推荐中确定第二数目的推荐,其中第二数目的推荐中的每个推荐具有在第一时间段内的回传时间;基于第一数目的推荐和第二数目的推荐确定偏差;以及基于偏差,确定针对第一数目的推荐中的至少一个推荐在预定义时间段内的校准转化度量,其中预定义时间段不同于第一时间段;以及基于校准转化度量,调整针对第一数目的推荐的推荐策略。

3、参考第一方面,在一些实施方式中,推荐策略包括以下至少一项:排名策略、计费策略或出价策略。

4、参考第一方面,在一些实施方式中,方法进一步包括:从第一数目的推荐中确定第三数目的推荐,其中第三数目的推荐中的每个推荐具有在第二时间段内的回传时间,第二时间段长于并涵盖第一时间段;基于第一数目的推荐和第三数目的推荐,确定经更新的偏差;利用经更新的偏差,更新校准转化度量;以及基于经更新的校准转化度量,调整针对第一数目的推荐的推荐策略。

5、参考第一方面,在一些实施方式中,特征数据包括与以下至少一项相对应的特征:推荐的标识、推荐的提供方的标识、推荐的类别、针对推荐的放置时段、与推荐相对应的地理位置或用于放置推荐的平台。

6、参考第一方面,在一些实施方式中,经训练的回传时间模型通过执行操作被生成,操作包括:从过去推荐中获取一组训练数据,其中一组训练数据包括:过去推荐的特征数据、与放置过去推荐的时间相关的第一数据以及与过去推荐的回传时间相关的第二数据;对一组训练数据执行分箱操作,以获取离散回传时间分布;将过去推荐的特征数据和离散回传时间分布输入神经网络模型;以及训练神经网络模型,以获取经训练的回传时间模型。

7、参考第一方面,在一些实施方式中,神经网络模型利用softmax和交叉熵损失函数被训练。

8、参考第一方面,在一些实施方式中,对一组训练数据执行分箱操作,以获取离散回传时间分布包括:

9、基于第一数据和第二数据之间的差异,获取回传时间样本;以及对回传时间样本执行分箱操作,以将回传时间样本划分为预定数目的时间间隔,从而获取离散回传时间分布。

10、参考第一方面,在一些实施方式中,基于特征数据,通过利用经训练的回传时间模型,预测针对第一数目的推荐的回传时间包括,针对第一数目的推荐中的每个推荐:将第一数目的推荐中的每个推荐的特征数据输入经训练的回传时间模型,以获取第一数目的推荐中的每个推荐的回传时间分布,其中回传时间分布包括回传时间落入不同时间间隔的概率;以及根据回传时间分布对随机过程执行采样操作,以获取第一数目的推荐中的每个推荐的相应回传时间。

11、参考第一方面,在一些实施方式中,基于第一数目的推荐和第二数目的推荐确定偏差包括:将偏差确定为第一数目的推荐除以第二数目的推荐的比率。

12、参考第一方面,在一些实施方式中,基于偏差,确定针对第一数目的推荐中的至少一个推荐在预定义时间段内的校准转化度量包括:确定针对第一数目的推荐中的每个推荐在预定义时间段内的预测转化度量;基于针对第一数目的推荐中的每个推荐的预测转化度量的总和,确定第一数目的推荐在预定义时间段内的预期转化;基于实际回传时间在第一时间段内的推荐,确定第一数目的推荐在第一时间段内的实际转化;基于偏差、第一数目的推荐在预定义时间段内的预期转化以及第一数目的推荐在第一时间段内的实际转化,确定校准项;基于针对第一数目的推荐中的至少一个推荐在预定义时间段内的预测转化度量和校准项的加权总和,确定校准转化度量。在一些实施方式中,基于校准转化度量,调整针对第一数目的推荐的推荐策略包括:基于针对第一数目的推荐中的至少一个推荐在预定义时间段内的预测转化度量和校准项的加权总和,调整针对第一数目的推荐的推荐策略。

13、根据第二方面,提供了一种或多种计算机可读存储介质。一种或多种计算机可读存储介质存储有一个或多个指令,一个或多个指令在由一个或多个计算机执行时,使一个或多个计算机执行根据第一方面的方法或第一方面的一个或多个实施方式的方法。

14、根据第三方面,提供了一种计算机实现的系统。计算机实现的系统包括一个或多个计算机和与一个或多个计算机可互操作地耦合的一个或多个计算机存储设备。一个或多个计算机存储设备具有存储一个或多个指令的计算机可读存储介质,一个或多个指令在由一个或多个计算机执行时,执行根据第一方面的方法或第一方面的一个或多个实施方式的方法。

15、在附图和下面的描述中阐述本说明书的技术方案的一个或多个实施例的细节。本技术方案的其他特征、方面和优点将从说明书、附图和权利要求中变得显而易见。

1.一种计算机实现的方法,包括:

2.根据权利要求1所述的计算机实现的方法,其中所述推荐策略包括以下至少一项:排名策略、计费策略或出价策略。

3.根据权利要求1所述的计算机实现的方法,进一步包括:

4.根据权利要求1所述的计算机实现的方法,其中所述特征数据包括与以下至少一项相对应的特征:所述推荐的标识、所述推荐的提供方的标识、所述推荐的类别、针对所述推荐的放置时段、与所述推荐相对应的地理位置或用于放置所述推荐的平台。

5.根据权利要求1所述的计算机实现的方法,其中所述经训练的回传时间模型通过执行操作被生成,所述操作包括:

6.根据权利要求5所述的计算机实现的方法,其中所述神经网络模型利用softmax和交叉熵损失函数被训练。

7. 根据权利要求5所述的计算机实现的方法,其中对所述一组训练数据执行分箱操作,以获取离散回传时间分布包括:

8. 根据权利要求1所述的计算机实现的方法,其中基于所述特征数据,通过利用经训练的回传时间模型,预测针对所述第一数目的推荐的回传时间包括,针对所述第一数目的推荐中的每个推荐:

9.根据权利要求1所述的计算机实现的方法,其中基于所述第一数目的推荐和所述第二数目的推荐确定偏差包括:

10.根据权利要求1所述的计算机实现的方法,其中基于所述偏差,确定针对所述第一数目的推荐中的至少一个推荐在预定义时间段内的校准转化度量包括:

11.一种计算机可读存储介质,存储有一个或多个指令,所述一个或多个指令在由一个或多个计算机执行时,使所述一个或多个计算机执行操作,所述操作包括:

12.根据权利要求11所述的计算机可读存储介质,其中所述推荐策略包括以下至少一项:排名策略、计费策略或出价策略。

13.根据权利要求11所述的计算机可读存储介质,其中所述操作进一步包括:

14.根据权利要求11所述的计算机可读存储介质,其中所述特征数据包括与以下至少一项相对应的特征:所述推荐的标识、所述推荐的提供方的标识、所述推荐的类别、针对所述推荐的放置时段、与所述推荐相对应的地理位置或用于放置所述推荐的平台。

15.根据权利要求11所述的计算机可读存储介质,其中所述经训练的回传时间模型通过执行操作被生成,所述操作包括:

16. 根据权利要求15所述的计算机可读存储介质,其中对所述一组训练数据执行分箱操作,以获取离散回传时间分布包括:

17. 根据权利要求11所述的计算机可读存储介质,其中基于所述特征数据,通过利用经训练的回传时间模型,预测针对所述第一数目的推荐的回传时间包括,针对所述第一数目的推荐中的每个推荐:

18.根据权利要求11所述的计算机可读存储介质,其中基于所述第一数目的推荐和所述第二数目的推荐确定偏差包括:

19.根据权利要求11所述的计算机可读存储介质,其中基于所述偏差,确定针对所述第一数目的推荐中的至少一个推荐在预定义时间段内的校准转化度量包括:

20. 一种计算机实现的系统,包括: