[发明专利]归因方法、装置及存储介质

说明书

本发明提供一种归因方法、装置及存储介质。该方法包括：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。本发明提高了归因结果的准确性。

技术领域

本发明涉及互联网技术领域，尤其涉及一种归因方法、装置及存储介质。

背景技术

在信息投放领域，信息通常可以通过多种渠道进行投放。

现有技术中，通过多种渠道对信息进行投放时，需要确定不同投放渠道的归因结果，即不同投放渠道对于信息的转化的贡献程度。这里，转化例如可以为下载、咨询、购买等。目前，在确定多种渠道中各渠道的归因结果时，只考虑发生了转化的用户浏览路径(即，转化路径)道，而未考虑未发生转化的用户浏览路径(即，未转化路径)。

因此，现有技术中，存在归因结果不准确的问题。

发明内容

本发明实施例提供一种归因方法、装置及存储介质，用以解决现有技术中归因结果不准确的问题。

第一方面，本发明提供一种归因方法，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。

在一种可能的实现中，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。

在一种可能的实现中，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。

在一种可能的实现中，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。

在一种可能的实现中，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。

在一种可能的实现中，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。

在一种可能的实现中，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。

第二方面，本发明提供一种归因装置，包括：

确定模块，用于确定目标渠道的标识；