[发明专利]用于同时进行关于内容有效性的因果实验和调整内容分配以优化商业目标的系统和方法

权利要求书

1.一种计算机实施方法，其包括：

使用实验内容进行实验以确定通信内容的有效性；和

当进行所述实验时，使用机器学习程序(MLR)内容执行MLR以提高有效性尺度。

2.根据权利要求1所述的方法，其中所述实验为因果实验。

3.根据权利要求1所述的方法，其中所述实验为准实验。

4.根据权利要求1所述的方法，其中所述实验为相关性设计。

5.根据权利要求1所述的方法，其中所述实验确保所述通信内容的实验内容不会混淆。

6.根据权利要求1所述的方法，其中根据计划表进行所述实验，并且所述机器学习程序配合所述计划表执行。

7.根据权利要求1所述的方法，其中根据包括多个时间段的计划表进行所述实验，并且未用于进行所述实验的所述时间段中的至少一些用于所述机器学习程序。

8.根据权利要求1所述的方法，其中根据包括多个时间段的计划表来实施所述实验和所述机器学习程序，使用第一多个时间段来实施所述实验并且使用与所述第一多个时间段交叉的第二多个时间段来实施所述机器学习程序。

9.根据权利要求1所述的方法，其中根据包括多个时间段的计划表来实施所述实验和所述机器学习程序，使用具有多个部分的相同时间段来实施所述实验和所述机器学习程序中的每一个的至少一部分，并且实验内容和MLR内容为不相关的。

10.根据权利要求1所述的方法，其包括在显示器上同时显示实验内容和MLR内容，其中所述实验内容和MLR内容为不相关的。

11.根据权利要求1所述的方法，其中根据计划表进行所述实验，并且进行所述实验包括按照一定方式将通信内容分配到所述计划表的时隙样本以确保所述通信内容的实验内容不会混淆。

12.根据权利要求1所述的方法，其中所述机器学习程序包括强化学习程序、逻辑回归程序、无监督学习程序、半监督学习程序、或者一个或多个神经网络的使用。

13.根据权利要求1所述的方法，其中：

所述机器学习程序包括强化学习程序，所述强化学习程序包括与探索内容相关的探索程序以及与开发内容相关的开发程序；并且

根据包括多个时间段的计划表进行所述实验，将未用于进行所述实验的第一多个时间段用于所述探索程序并且将未用于进行所述实验的第二多个时间段用于所述开发程序。

14.根据权利要求13所述的方法，其包括识别用于显示所述探索内容和所述开发内容的频率，以提高预定有效性尺度。

15.根据权利要求1所述的方法，其包括执行实验以区别使用所述MLR揭示的相关性为伪相关还是因果关系。

16.根据权利要求1所述的方法，其中：

所述机器学习程序包括强化学习程序，所述强化学习程序包括与探索内容相关的探索程序以及与开发内容相关的开发程序中的一者或两者；

根据包括多个时隙样本的计划表进行所述实验；

对于与探索或开发内容任一者相关的实验内容，将未用于进行所述实验的第一多个时隙样本用于所述探索或开发程序；并且

对于与探索或开发内容任一者不相关的实验内容，在具有所述多个时隙样本的相同时隙样本内使用所述实验内容中的至少一些以及探索和开发内容的任一者。

17.根据权利要求16所述的方法，其包括生成所述时隙样本，其包括：

定义目标观察者在要呈现内容的位置处花费的观察者访问持续时间(VVD)；

定义用于目标观察者在其访问所述位置期间可影响的所关注数据流的数据采集的时间间隔(TI)；

使用VVD和TI确定时隙样本持续时间(TSSD)；以及

生成所述时隙样本，所述时隙样本各具有由所述TSSD定义的持续时间和针对所述TSSD的至少一部分定义的数据采集时间段。

18.根据权利要求17所述的方法，其中使用具有第一持续时间的第一VVD生成第一多个时隙样本以及使用具有不同于所述第一持续时间的第二持续时间的第二VVD生成第二多个时隙样本，并且基于所述第一和第二VVD中的每一个来确定TI、TSSD、和数据采集时间段。