[发明专利]展示信息组合确定方法、装置、存储介质及电子设备

权利要求书

1.一种展示信息组合确定方法，其特征在于，所述方法包括：

获取数据库中的N个候选展示信息，所述N个候选展示信息为数据库中所有展示信息的全部或部分，其中，N为大于1的正整数；

将所述候选展示信息输入至与所述候选展示信息对应的目标决策模型，获得目标展示信息组合，所述目标展示信息组合包括M个所述候选展示信息，所述目标决策模型是利用强化学习网络模型构建的，且所述目标决策模型用于根据输入的展示信息确定出能够获得最大回报值的展示信息组合，其中，1≤MN。

2.根据权利要求1所述的方法，其特征在于，所述与候选展示信息对应的目标决策模型通过以下方式获得：

获取历史展示信息组合以及所述历史展示信息组合对应的实际回报值，其中，所述历史展示信息组合包括M个所述候选展示信息；

根据所述N个候选展示信息、所述历史展示信息组合以及所述历史展示信息组合对应的实际回报值，对强化学习网络模型进行训练，以获得所述目标决策模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述N个候选展示信息、所述历史展示信息组合以及所述历史展示信息组合对应的实际回报值，对强化学习网络模型进行训练，以获得所述目标决策模型，包括：

初始化所述强化学习网络模型，并根据所述N个候选展示信息和所述强化学习网络模型生成第一展示信息组合，所述第一展示信息组合包括M个所述候选展示信息；

确定与所述第一展示信息组合相同的历史展示信息组合，并将该历史展示信息组合对应的实际回报值确定为所述第一展示信息组合对应的实际回报值；

将所述第一展示信息组合对应的实际回报值输入至所述强化学习网络模型中，以调整所述第一展示信息组合中各候选展示信息在所述强化学习网络模型中的权重参数；

重复执行所述根据所述N个候选展示信息和所述强化学习网络模型生成第一展示信息组合，以及所述确定与所述第一展示信息组合相同的历史展示信息组合，并将该历史展示信息组合对应的实际回报值确定为所述第一展示信息组合对应的实际回报值，以及所述将所述第一展示信息组合对应的实际回报值输入至所述强化学习网络模型中，以调整所述第一展示信息组合中候选展示信息在所述强化学习网络模型中的权重参数的步骤，直至所述重复执行的次数达到预设次数；

将当前的所述强化学习网络模型确定为所述目标决策模型。

4.根据权利要求1所述的方法，其特征在于，所述获取数据库中的N个候选展示信息，包括：

获取所述数据库中的第一展示信息，所述第一展示信息为已被单独展示过的展示信息；

获取所述第一展示信息被单独展示时对应的实际回报值；

至少将单独展示时对应的实际回报值大于或者等于预设回报值阈值的第一展示信息确定为所述候选展示信息。

5.根据权利要求4所述的方法，其特征在于，所述至少将单独展示时对应的实际回报值大于或者等于预设回报值阈值的第一展示信息确定为所述候选展示信息，包括：

将单独展示时对应的实际回报值大于或者等于预设回报值阈值的第一展示信息确定为所述候选展示信息，以及，将所述数据库中除所述第一展示信息之外的其他展示信息确定为所述候选展示信息。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

记录所述目标展示信息组合对应的实际回报值；

将所述实际回报值输入至所述目标决策模型，以更新所述目标决策模型中与所述目标展示信息组合中各候选展示信息对应的权重参数。

7.根据权利要求3或6所述的方法，其特征在于，候选展示信息在目标决策模型中的权重参数与目标决策模型生成展示信息组合时选择该候选展示信息的几率相关，并且，展示信息组合对应的实际回报值越高，则在更新所述目标决策模型时，该展示信息组合中的候选展示信息在所述目标决策模型中的权重参数的增大程度越高。