[发明专利]网络信息流量分配方法、流量分配模型训练方法及装置

说明书

本申请公开了一种网络信息流量分配方法，包括：获取目标网络信息的目标状态信息，其中，所述目标状态信息表示所述目标网络信息在目标时刻所对应的实时状态；通过流量分配模型获取所述目标状态信息所对应的目标动作信息，其中，所述目标动作信息表示在所述目标时刻的曝光率；按照所述目标动作信息，对所述目标网络信息进行流量分配。本申请还公开了一种流量分配模型训练方法及相关装置。本申请采用流量分配模型能够对对海量广告展示量进行实时地在线决策，通过广告的实时状态信息即可高效合理地预测下一时刻的流量分配，解决了定向流量维度巨大而导致流量节点难以拆分的问题，同时减轻了在线分配算法的求解难度。

技术领域

本申请涉及人工智能领域，尤其涉及网络信息流量分配方法、流量分配模型训练方法及装置。

背景技术

合约广告是一种基于合约的商业模式，在合约广告中，广告主会购买未来一段时间内某些定向用户的流量，广告系统按照合约在规定时间内展示相应的广告。广告系统需要在短时间内决定应该展示哪个合约广告，这样才能保证所有的合约都能得到满足。

基于合约广告的特点，广告系统需要对海量广告的展示量进行高效地在线决策，以保证每个广告的展示量都满足合约条件。目前，提出了一种水平线(high water mark，HWM)在线分配算法，该算法是基于二部图的方法，即二部图的一边为合约节点，另一边为流量节点，每个流量节点标注有定向条件，如果每一个流量节点符合某一个合约节点，则它们之间会有一条线相连，广告系统通过连接关系学习如何进行分配。

然而，合约节点和流量节点的数量都非常大，而且定向流量的维度巨大，导致流量节点难以拆分，由此大幅地增加了在线分配算法的求解难度。

发明内容

本申请实施例提供了一种网络信息流量分配方法、流量分配模型训练方法及装置，采用流量分配模型能够对对海量广告展示量进行实时地在线决策，通过广告的实时状态信息即可高效合理地预测下一时刻的流量分配，解决了定向流量维度巨大而导致流量节点难以拆分的问题，同时减轻了在线分配算法的求解难度。

有鉴于此，本申请第一方面提供一种网络信息流量分配方法，包括：

获取目标网络信息的目标状态信息，其中，所述目标状态信息表示所述目标网络信息在目标时刻所对应的实时状态，所述目标状态信息包括第一特征值、第二特征值、第三特征值、第四特征值、第五特征值以及第六特征值，所述第一特征值表示所述目标时刻下总展示需求量与实际展示量之间的关系，所述第二特征值表示所述目标时刻与总时间的关系，所述第三特征值表示在所述目标时刻满足预设展示量的比例，所述第四特征值表示在所述目标时刻估计曝光率与实际曝光率的比例，所述第五特征值表示所述目标时刻的前一个时刻的动作信息，所述第六特征值表示所述目标时刻的用户访问数量；

根据所述目标状态信息中的各个特征值，通过流量分配模型获取所述目标状态信息所对应的目标动作信息，其中，所述目标动作信息表示在所述目标时刻的曝光率；

根据所述目标动作信息获取所述目标网络信息在所述目标时刻所对应的曝光率；

按照所述目标网络信息在所述目标时刻所对应的曝光率，对所述目标网络信息进行流量分配。

本申请第二方面提供一种流量分配模型训练方法，包括：

获取待训练网络信息集合中多个待训练网络信息的状态信息，其中，所述状态信息表示待训练网络信息在不同时刻所对应的实时状态，所述待训练网络信息集合包括至少一个待训练网络信息；

根据所述多个待训练网络信息的状态信息，通过待训练流量分配模型获取所述多个待训练网络信息的动作信息，其中，所述动作信息表示所述待训练网络信息在不同时刻的曝光率；

根据所述多个待训练网络信息的状态信息以及所述多个待训练网络信息的动作信息，确定所述多个待训练网络信息的反馈信息，其中，所述反馈信息表示预测曝光率与实际曝光率之间的比例关系；