[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

说明书

本申请提供了一种数据筛选方法、多媒体数据的投放效果预测方法及装置，涉及人工智能、区块链、云技术及多媒体技术领域。该方法包括：获取多个渠道对应的训练数据集，对于多个渠道中各候选渠道的每个样本，基于其样本输入，确定将该样本作为目标投放渠道的样本时对于训练多媒体数据投放模型的贡献度，并根据该贡献度对其标签进行修正；对于每个候选渠道，根据该渠道的各修正后的标签及目标投放渠道的各标签，确定该渠道与目标投放渠道间的数据偏移；根据各候选渠道对应的数据偏移，从各候选渠道中筛选目标渠道，将目标投放渠道的数据集和目标渠道的数据集作为模型的训练数据集。基于该方案筛选出的训练数据集，能够有效提高投放模型的性能。

技术领域

本申请涉及人工智能、区块链及多媒体技术领域，具体而言，本申请涉及一种数据筛选方法、多媒体数据的投放效果预测方法及装置。

背景技术

在多媒体数据（如广告）投放的应用场景中，为了预测潜在用户的投放效果，会采用多媒体数据投放模型（如广告投放模型）来预测某个或某些用户关键指标。而为了提高数据的利用率和模型的泛化能力，在模型训练时常会使用来自不同渠道的训练数据，但模型部署时一般只会面向某个特定的渠道（可以称为目标投放渠道），因此，训练数据的分布与目标投放渠道的数据分布是存在差异的，模型训练会面临数据偏移的问题。

现有技术中，对于上述问题，一种处理方式是假定不同渠道的数据分布之间不存在数据偏移，训练时不对不同渠道的样本数据进行区分，虽然该方式虽然非常容易实现和落地，但是与真实情况往往不符，会导致模型的预测结果存在较大偏差。另一种方式则是假设不同渠道之间的数据分布之间的数据偏移都属于某一种特定的偏移，并针对该特定偏移在训练时进行一些数据调整，该方式虽然能够实现对一定程度的调整，但是由于假设也是过于武断，通常也是不符合实际情况的，训练得到的模型的效果也仍需改进。

发明内容

本申请的目的旨在提供一种数据筛选方法、多媒体数据的投放效果预测方法及装置，以筛选出更加适用于多媒体数据投放模型的训练数据集，提高模型的能力。为了实现上述目的，本申请提供的技术方案如下：

一方面，本申请提供了一种数据筛选方法，该方法包括：

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

对于各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；

对于每个候选渠道，根据该渠道的各样本修正后的标签、以及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；

根据各候选渠道对应的数据偏移，从至少一个候选渠道中确定出至少一个目标渠道，将目标投放渠道的训练数据集和各目标渠道的训练数据集作为模型的训练数据集。

另一方面，本申请还提供了一种多媒体数据投放效果预测方法，该方法包括：

获取多媒体数据的候选投放对象的特征数据，该候选投放对象为属于多媒体数据的目标投放渠道的对象；

将对象特征数据输入至训练好的多媒体数据投放模型中，得到候选投放对象对应于多媒体数据的预测投放效果；其中，该模型的训练数据集是采用本申请提供的数据筛选方法得到的。

再一方面，本申请还提供了一种数据筛选装置，该装置包括：

数据集获取模块，用于获取多个渠道各自对应的训练数据集，该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，训练数据集中的每个样本包括样本输入和标签，样本输入为样本对象的特征数据，标签表征了样本对象对应于多媒体数据的真实投放效果，候选渠道为非目标投放渠道；