[发明专利]数据筛选方法、多媒体数据的投放效果预测方法及装置

权利要求书

1.一种数据筛选方法，其特征在于，包括：

获取多个渠道各自对应的训练数据集，所述多个渠道包括多媒体数据的目标投放渠道和至少一个候选渠道，所述训练数据集中的每个样本包括样本输入和标签，所述样本输入为样本对象的特征数据，所述标签表征了样本对象对应于多媒体数据的真实投放效果，所述候选渠道为非目标投放渠道；

对于各所述候选渠道的每个样本，基于该样本的样本输入，确定将该样本作为所述目标投放渠道的样本时，该样本对于训练多媒体数据投放模型的贡献度，并根据该贡献度对该样本的标签进行修正；

对于每个所述候选渠道，根据该渠道的各样本修正后的标签、以及所述目标投放渠道的各样本的标签，确定该渠道与目标投放渠道之间的数据偏移；

根据各所述候选渠道对应的数据偏移，从所述至少一个候选渠道中确定出至少一个目标渠道，将所述目标投放渠道的训练数据集和各所述目标渠道的训练数据集作为所述模型的训练数据集；

其中，对于各所述候选渠道的每个样本，所述基于该样本的样本输入，确定将该样本作为所述目标投放渠道的样本时，该样本对于训练多媒体数据投放模型的贡献度，包括：

基于该样本的样本输入，预测该样本对应的第一概率和第二概率，其中，所述第一概率为该样本所属的渠道为所述目标投放渠道的概率，所述第二概率为该样本所属的渠道是其真实所属的候选渠道的概率；

基于该样本对应的第一概率和第二概率的比值，确定为该样本对应的贡献度。

2.根据权利要求1所述的方法，其特征在于，所述基于该样本的样本输入，预测该样本对应的第一概率和第二概率，包括：

基于该样本的样本输入，通过多分类模型预测该样本所属的渠道是所述多个渠道中各个渠道的概率，所述第一概率为预测得到多个概率中对应于所述目标投放渠道的概率，所述第二概率为所述多个概率中对应于该样本真实所属渠道的概率。

3.根据权利要求1所述的方法，其特征在于，对于各所述候选渠道的每个样本，所述根据该贡献度对该样本的标签进行修正，包括：

将该样本对应的贡献度作为权重，对该样本对应的标签进行加权，得到修正后的标签。

4.根据权利要求1所述的方法，其特征在于，对于每个所述候选渠道，所述根据该渠道的各样本修正后的标签、以及所述目标投放渠道的各样本的标签，确定该渠道与目标投放渠道之间的数据偏移，包括：

根据该渠道的各样本修正后的标签，确定该渠道对应的整体投放效果；

根据所述目标投放渠道的各样本的标签，确定所述目标投放渠道对应的整体投放效果；

根据该渠道对应的整体投放效果和所述目标投放渠道对应的整体投放效果之间的差异，确定该渠道与目标投放渠道之间的数据偏移。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述根据各所述候选渠道对应的数据偏移，从所述至少一个候选渠道中确定出至少一个目标渠道，包括：

按照各所述候选渠道对应的数据偏移由小到大的顺序，依次对各所述候选渠道执行以下操作，直至当前候选渠道对应的模型性能评价指标不满足预设条件，并将数据偏移小于当前候选渠道对应的数据偏移的各候选渠道作为各目标渠道：

基于当前候选渠道的训练数据集对第一模型进行训练，直至满足训练结束条件，并确定当前训练后的模型的性能评价指标，若当前训练后的模型的性能评价指标满足预设条件，则将下一个候选渠道作为新的当前候选渠道；

其中，所述第一模型为以下任一项：

初始的多媒体数据投放模型；

对初始的多媒体数据投放模型进行预训练得到的预训练后的模型；

上一次所述操作对应的训练后的模型。

6.根据权利要求5所述的方法，其特征在于，所述基于当前候选渠道的训练数据集对第一模型进行训练，包括：

基于所述当前候选渠道的训练数据集和第一数据集，对所述第一模型进行训练，其中，所述第一数据集包括以下至少一项：

所述目标投放渠道对应的训练数据集；

各第一渠道中的至少一个渠道对应的训练数据集，所述第一渠道是指数据偏移小于所述当前候选渠道对应的数据偏移的候选渠道。