[发明专利]归因方法、装置及存储介质

权利要求书

1.一种归因方法，其特征在于，包括：

确定目标渠道的标识；

将所述目标渠道的标识输入至机器学习模型，得到所述目标渠道的特征权重，所述特征权重用于表示所述目标渠道的归因结果；

其中，所述机器学习模型为根据目标时长范围内未转化路径以及转化路径中的渠道进行训练得到的模型。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述目标时长范围内未转化路径中的渠道确定训练集合中的负例，并根据所述目标时长范围内转化路径中的渠道确定训练集合中的正例；

根据所述训练集合对机器学习模型进行训练。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标时长范围内未转化路径中的渠道确定训练集合中的负例，包括：

随机抽取所述目标时长范围内未转化路径中特定数量的渠道作为所述训练集合中的负例。

4.根据权利要求3所述的方法，其特征在于，所述特定数量为预设的数量，或者，所述特定数量根据所述正例中的渠道总数确定。

5.根据权利要求3或4所述的方法，其特征在于，所述随机抽取所述目标时长范围内未转化路径中特定数量的渠道作为所述训练集合中的负例，包括：

随机抽取所述目标时长范围内所有未转化路径的最后一个渠道中特定数量的渠道作为所述训练集合的负例；

所述根据所述目标时长范围内转化路径中的渠道确定训练集合中的正例，包括：

将所述目标时长范围内所有转化路径的最后一个渠道均作为所述训练集合的正例。

6.根据权利要求3或4所述的方法，其特征在于，所述随机抽取所述目标时长范围内未转化路径中特定数量的渠道作为所述训练集合中的负例，包括：

随机抽取所述目标时长范围内所有未转化路径的全部渠道中特定数量的渠道作为所述训练集合的负例；

所述根据所述目标时长范围内转化路径中的渠道确定所述训练集合中的正例，包括：

将所述目标时长范围内所有转化路径的全部渠道均作为所述训练集合的正例。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据特征权重的数值范围与归因结果的数值范围的关系，对所述目标渠道的所述特征权重进行范围转换，得到所述目标渠道的归因结果。

8.一种归因装置，其特征在于，包括：

确定模块，用于确定目标渠道的标识；

得到模块，用于将所述确定模块确定的所述目标渠道的标识输入至机器学习模型，得到所述目标渠道的特征权重，所述特征权重用于表示所述目标渠道的归因结果；

其中，所述机器学习模型为根据目标时长范围内未转化路径以及转化路径中的渠道进行训练得到的模型。

9.一种归因装置，其特征在于，包括：

处理器以及用于存储计算机指令的存储器；所述处理器运行所述计算机指令执行权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，当所述存储介质中的指令由归因装置的处理器执行时，使得归因装置能够执行权利要求1-7任一项所述的方法。