投放信息点击率的预估方法和装置.pdf

本发明公开了一种投放信息点击率的预估方法和装置。该方法包括：将针对投放信息点击率的第一预估请求输入至第一DNN模型进行预估，以获取所述投放信息的点击率预估结果，且将所述预估过程中的DNN模型隐层信息进行存储；根据所述点击率预估结果对所述投放信息进行筛选；根据筛选后的投放信息、预估特征信息和所述隐层信息，形成第二预估请求，输入至第二DNN模型进行预估，获取筛选后投放信息的点击率预估结果。本发明在第二DNN模型中复用第一DNN模型的隐层信息，不必再重复计算，增加的计算量不大，从而在筛选投放信息时可以保留较多的

2023-11-22

10

925KB

用于训练点击率预估模型的方法和装置.pdf

本申请实施例公开了用于训练点击率预估模型的方法和装置。该方法的一具体实施方式包括获取训练样本，其中，训练样本包括训练样本信息和训练样本标签，训练样本标签用于标识训练样本信息的点击情况；获取训练样本的样本权重；利用训练样本和样本权重对初始点击率预估模型进行训练，得到点击率预估模型。该实施方式提高了点击率预估模型的预估准确度。

2023-06-14

10

683KB

信息投放方法和装置、信息投放决策模型获取方法和装置.pdf

本公开提出一种信息投放方法和装置、信息投放决策模型获取方法和装置，涉及计算机应用领域。信息投放的发起方联合信息投放的合作方，根据发起方侧的目标用户的至少一个第一特征和合作方侧的目标用户的至少一个第二特征，利用信息投放决策模型判决是否向目标用户投放信息，其中，信息投放决策模型是发起方和合作方通过纵向联邦学习方法训练得到的；根据信息投放决策模型的判决结果，确定是否向目标用户投放信息。提高投放信息决策模型的准确性和投放信息决策的准确性。

2023-07-24

10

686KB

点击率预估方法、系统、介质和计算设备.pdf

本发明的实施方式提供了一种点击率预估方法，包括：基于与用户的多个历史点击信息对应的第一特征信息，获得训练样本集，其中，每个第一特征信息用于表征对应历史点击信息的特征属性；基于训练样本集进行逻辑回归训练，以获得逻辑回归模型；基于逻辑回归模型，生成第一嵌入式向量，其中，第一嵌入式向量用于表征每个第一特征信息对应的权重值；以及基于第一嵌入式向量进行深度神经网络训练，以获得点击率预测模型，点击率预测模型用于预估用户对待推荐信息的点击率。本发明以嵌入式向量为纽带，既保留前者的记忆能力，又兼顾后者的泛化能力，极大提升

2023-11-15

10

1KB

信息投放策略的测试方法和装置.pdf

本发明提供一种信息投放策略的测试方法和装置，所述方法包括:获取历史信息投放活动的第一投放数据，第一投放数据包括随机域中用户收到的投放信息，使用第一投放数据和随机域，对第一投放策略和第二投放策略进行效果模拟，当第一投放策略对应的效果优于第二投放策略对应的效果时，对第一投放策略进行真实流量实验，当第一投放策略对应的效果不优于第二投放策略对应的效果时，不对第一投放策略进行真实流量实验。通过预先对新策略的效果进行效果模拟，从而在信息投放实验前淘汰一些提升效果不够明显的新策略，有效降低了流量浪费。

2023-06-14

10

1.1MB