[发明专利]目标受众浓度的确定方法及装置

权利要求书

1.一种目标受众浓度的确定方法，其特征在于，包括：

从样本库中选择预定数量的受众作为样本，其中，所述受众为使用终端设备的对象；

对所述样本中每个受众的特征数据进行编码，得到编码数据，其中，所述特征数据包括：所述受众的行为数据和属性数据，所述行为数据表示所述样本中的受众与预定媒体内容的交互行为，所述属性数据表示所述样本中的受众所使用的终端设备的属性信息；

将所述编码数据作为预定模型的输入，基于所述预定模型的输出确定所述样本中每个受众为目标受众的预测值；

基于所述每个受众为目标受众的预测值确定所述样本中目标受众的数量；

基于所述目标受众的数量以及所述样本确定目标受众浓度。

2.根据权利要求1所述的方法，其特征在于，在将所述编码数据作为预定模型的输入，基于所述预定模型的输出确定所述样本中每个受众为目标受众的预测值之前，还包括：

确定所述目标受众对应的目标产品的受众对象信息；

将所述受众对象信息输入到所述预定模型。

3.根据权利要求1所述的方法，其特征在于，所述属性数据包括以下至少之一：所述终端设备的机型数据，所述终端设备的设备数据，所述终端设备的应用数据。

4.根据权利要求1所述的方法，其特征在于，对所述样本中每个受众的特征数据进行编码，得到编码数据包括：

利用词袋BOW模型对特征数据中的行为数据进行编码，得到编码后的行为数据；

利用One-hot编码方式对所述特征数据中的机型数据和设备数据进行编码，得到编码后的机型数据和设备数据；

利用所述词袋BOW模型或所述One-hot编码方式对所述特征数据中的应用数据进行编码，得到编码后的应用数据。

5.根据权利要求4所述的方法，其特征在于，在对所述样本中每个受众的特征数据进行编码，得到编码数据之前，还包括：

对所述特征数据进行预处理，得到预处理后的特征数据，其中，所述预处理包括以下至少之一：过滤重复数据，对缺失数据进行填充、剔除异常数据；

对所述预处理后的特征数据进行脱敏处理，得到脱敏处理后的特征数据。

6.根据权利要求5所述的方法，其特征在于，在对所述样本中每个受众的特征数据进行编码，得到编码数据之后，还包括：对所述编码数据进行降维处理。

7.根据权利要求1所述的方法，其特征在于，所述预定模型为使用多组训练数据通过机器学习训练得到的，其中，所述多组训练数据中的每组训练数据均包括：编码数据和所述编码数据对应的预测值。

8.根据权利要求1所述的方法，其特征在于，还包括：对所述预定模型进行评估。

9.根据权利要求6所述的方法，其特征在于，将所述编码数据作为预定模型的输入，基于所述预定模型的输出确定所述每个受众为目标受众的预测值包括：

将所述编码后的行为数据和所述编码后的应用数据作为线性模型的输入，得到所述线性模型的输出；

将所述编码后的行为数据、所述编码后的应用数据、所述编码后的机型数据和设备数据作为树形模型的输入，得到所述树形模型的输出；

对所述线性模型的输出和所述树形模型的输出进行加权处理，并将加权处理后的所述线性模型的输出和所述树形模型的输出作为深度神经网络模型的输入；

获取所述深度神经网络模型的输出，以得到所述每个受众为目标受众的预测值。

10.根据权利要求9所述的方法，其特征在于，所述线性模型对应有第一目标函数，所述第一目标函数对应有第一损失函数；所述树形模型对应有第二目标函数，所述第二目标函数对应有第二损失函数，其中，所述第一损失函数和所述第二损失函数分别用于对所述第一目标函数和所述第二目标函数的权重进行更新。