[发明专利]数据处理方法、装置、存储介质和电子装置

说明书

本发明实施例公开了一种数据处理方法、装置、存储介质和电子装置。其中，该方法包括：获取目标样本，其中，目标样本包括目标媒体文件在本次曝光时的特征数据和与特征数据相关联的历史信息，特征数据用于确定目标媒体文件被执行目标操作的概率，特征数据包括的多个特征之间具有非线性关系，历史信息用于指示在已过去的预定时间段上与特征数据对应的目标媒体文件的信息；使用历史信息对预定模型进行深度学习的训练，得到训练好的目标模型；通过目标模型和目标媒体文件在本次曝光时的特征数据，确定出目标媒体文件在本次曝光之后被执行目标操作的概率。本发明解决了相关技术对媒体文件的操作进行预估的效率低的技术问题。

技术领域

本发明实施例涉及数据处理领域，具体而言，涉及一种数据处理方法、装置、存储介质和电子装置。

背景技术

目前，为了保证媒体文件平台收益的最大化，需要将媒体文件进行排序。媒体文件点击率预估的准确性将直接影响到媒体文件的排序结果。现有的媒体文件点击率预估的方法主要包括以下几种：

(1)基于统计的方法。该方法基于人工选择的特征，计算媒体文件在该特征维度上历史的点击数和曝光数，用两者的商作为预估点击率(Predicted Click-Through Rate，简称为pCTR)。这种方法对于历史数据充分的媒体文件具有不错的预估效果，但是对于历史数据不充分的媒体文件，尤其是新投放的媒体文件，预估效果很差，因而对媒体文件的操作进行预估的效率低。

(2)基于回归的方法。该方法基于人工选择的特征和广告历史的曝光点击日志，利用机器学习中的回归技术来训练模型，目前主要采用的是逻辑回归(LogisticRegression，简称为LR)技术。该技术可解释性强，容易进行并行计算，可以支持的特征规模达亿级别。但是，这种方法强依赖于特征的选择和构造，需要大量的专家经验，同时由于回归是线性分类模型，因此无法学习特征间的非线性关系，因而对媒体文件的操作进行预估的效率低。

(3)梯度提升树(Gradient Boosting Decison Tree，简称为GBDT)方法。该方法常见于各种pCTR竞赛中，利用多棵决策树来预估点击率，该方法有较强的特征泛化能力，可以发现有区分性的特征和特征组合。但是该方法不容易并行化，不能有效支持大规模训练数据，因而对媒体文件的操作进行预估的效率低。

(4)因子分解机(Factorization Machine，简称为FM)方法。该方法对稀疏数据具有很好的学习能力，并能自动发现特征之间的两两组合关系。但是这种方法针对非稀疏数据场景效果欠佳，因而对媒体文件的操作进行预估的效率低。

针对上述的对媒体文件的操作进行预估的准确率低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种数据处理方法、装置、存储介质和电子装置，以至少解决相关技术对媒体文件的操作进行预估的效率低的技术问题。

根据本发明实施例的一个方面，提供了一种数据处理方法。该数据处理方法包括：获取目标样本，其中，目标样本包括目标媒体文件在本次曝光时的特征数据和与特征数据相关联的历史信息，特征数据用于确定目标媒体文件被执行目标操作的概率，特征数据包括的多个特征之间具有非线性关系，历史信息用于指示在已过去的预定时间段上与特征数据对应的目标媒体文件的信息；使用历史信息对预定模型进行深度学习的训练，得到训练好的目标模型，其中，历史信息由预定模型中的至少一个神经元进行处理；通过目标模型和目标媒体文件在本次曝光时的特征数据，确定出目标媒体文件在本次曝光之后被执行目标操作的概率。