[发明专利]用于确定潜力推荐信息的方法及装置在审

专利信息
申请号: 202110863912.1 申请日: 2021-07-29
公开(公告)号: CN115700692A 公开(公告)日: 2023-02-07
发明(设计)人: 周驰 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06Q30/0202 分类号: G06Q30/0202;G06Q30/0241;G06F16/9535
代理公司: 中国专利代理(香港)有限公司 72001 代理人: 刘靖龙;陈岚
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 确定 潜力 推荐 信息 方法 装置
【权利要求书】:

1.一种用于确定潜力推荐信息的方法,包括:

获取与目标推荐信息相关联的多组历史排序数据,其中,所述历史排序数据包括与多个候选推荐信息以及一个胜出推荐信息相关的数据,所述胜出推荐信息是从所述多个候选推荐信息中确定的曝光的推荐信息;

基于所获取的多组历史排序数据,确定所述目标推荐信息的曝光提升度与曝光成本提升度之间的关系;

基于所确定的曝光提升度与曝光成本提升度之间的关系,确定所述目标推荐信息的曝光提升度与成本回报率提升度之间的关系;

根据所确定的曝光提升度与成本回报率提升度之间的关系,针对一个或多个预定成本回报率提升度,预测对应的曝光提升度;以及

响应于针对所述一个或多个预定成本回报率提升度中的至少一个预定成本回报率提升度所预测的曝光提升度大于或等于对应的提升度阈值,将所述目标推荐信息确定为潜力推荐信息。

2.根据权利要求1所述的方法,其中,所述提升度阈值取决于与所预测的曝光提升度对应的成本回报率提升度。

3.根据权利要求1所述的方法,其中,多组历史排序数据中的每组历史排序数据包括以下中的至少一个:目标推荐信息的曝光成本、在排序中胜出的推荐信息的曝光成本、指示目标推荐信息在排序中胜出的标识,以及

其中,所述基于所获取的多组历史排序数据,确定所述目标推荐信息的曝光提升度与曝光成本提升度之间的关系包括:

基于所述多组历史排序数据中的每组历史排序数据,确定胜出的推荐信息的曝光成本与目标推荐信息的曝光成本的比值;

针对基于每组历史排序数据确定的比值,确定当目标推荐信息的曝光成本提升度等于该比值减一时,目标推荐信息的曝光提升度;以及

基于针对所述多组历史排序数据所确定的多组曝光成本提升度和曝光提升度,确定所述目标推荐信息的曝光提升度与曝光成本提升度之间的关系。

4.根据权利要求3所述的方法,其中,所述基于针对所述多组历史排序数据所确定的多组曝光成本提升度和曝光提升度,确定所述目标推荐信息的曝光提升度与曝光成本提升度之间的关系包括:

针对所述多组曝光成本提升度和曝光提升度,执行多项式拟合,以确定多项式中各项对应的参数;以及

根据所确定的多项式中各项对应的参数,确定所述目标推荐信息的曝光提升度与曝光成本提升度之间的关系。

5.根据权利要求1所述的方法,其中,所述基于所确定的曝光提升度与曝光成本提升度之间的关系,确定所述目标推荐信息的曝光提升度与成本回报率提升度之间的关系包括:

获取曝光成本提升度与成本回报率提升度之间的关系,所述关系是基于曝光成本和成本回报率之间的负相关关系确定的;以及

基于所述曝光提升度与曝光成本提升度之间的关系和所获取的关系,确定所述目标推荐信息的曝光提升度与成本回报率提升度之间的关系。

6.根据权利要求1所述的方法,还包括:

响应于所述目标推荐信息被确定为潜力推荐信息,对所述目标推荐信息进行分类处理,以便将目标推荐信息分类为最终潜力推荐信息和非最终潜力推荐信息之一。

7.根据权利要求6所述的方法,其中,响应于所述目标推荐信息被确定为潜力推荐信息,对所述目标推荐信息进行分类处理,包括:

响应于所述目标推荐信息被确定为潜力推荐信息,使用经训练的机器学习模型对所述目标推荐信息进行分类处理,其包括:

将所述目标推荐信息的特征输入至所述经训练的机器学习模型,并根据所述经训练的机器学习模型输出的分类结果将所述目标推荐信息确定为最终潜力推荐信息或非最终潜力推荐信息,其中,所述目标推荐信息的特征包括目标推荐信息的提价比例,所述提价比例是基于初始成本回报率和提升后的成本回报率之比确定的。

8.根据权利要求7所述的方法,其中,所述目标推荐信息的特征还包括以下中的一项或多项:目标推荐信息的标识、目标推荐信息的投放方、目标推荐信息在最近一个统计周期内的曝光量、目标推荐信息的投放优化类型、目标推荐信息的投放站点。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110863912.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top