[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

说明书

本公开涉及一种展示信息组合确定方法、装置、存储介质及电子设备。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。这样，利用强化学习方法，可自动生成目标展示信息组合，节省人力，还可以使目标展示信息组合能够获得最大的回报值，使用户利益最大化。

技术领域

本公开涉及计算机技术领域，具体地，涉及一种展示信息组合确定方法、装置、存储介质及电子设备。

背景技术

信息流(Feeds)是社交媒体移动应用中最重要的创新点之一，即当用户加载显示界面时为用户呈现一系列信息。该一系列信息就是一系列展示信息，展示信息可以在展位进行展示，从而获得一定的回报值。展位可以为用于对展示信息进行展示的虚拟或实际的载体。在数据库中存在多种可供展示的展示信息，而在实际的展示中，由于每一次可用于展示的展位数量有限，这些可供展示的展示信息无法全部展示，只能从中选择一部分进行展示，这一部分展示信息可视为展示信息组合。现有技术中，对于展示信息组合的确定需要人工收集数据后进行人为选择，这样，一方面需要投入大量的人力、物力、时间等，效率很低，另一方面，由于人工选择的方式受限于个人经验等因素，会使确定出的展示信息组合得到的回报值无法估量，易出现回报值过低的情况。

发明内容

本公开的目的是提供一种展示信息组合确定方法、装置、存储介质及电子设备，以自动生成展示信息组合。

为了实现上述目的，根据本公开的第一方面，提供一种展示信息组合确定方法，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。

可选地，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。

可选地，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；