CN112767053A - 信息处理方法、装置、电子设备及存储介质 - Google Patents

信息处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112767053A
CN112767053A CN202110129488.8A CN202110129488A CN112767053A CN 112767053 A CN112767053 A CN 112767053A CN 202110129488 A CN202110129488 A CN 202110129488A CN 112767053 A CN112767053 A CN 112767053A
Authority
CN
China
Prior art keywords
information
click probability
target
account
candidate information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110129488.8A
Other languages
English (en)
Inventor
赵惜墨
闫铭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Dajia Internet Information Technology Co Ltd
Original Assignee
Beijing Dajia Internet Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Dajia Internet Information Technology Co Ltd filed Critical Beijing Dajia Internet Information Technology Co Ltd
Priority to CN202110129488.8A priority Critical patent/CN112767053A/zh
Publication of CN112767053A publication Critical patent/CN112767053A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0254—Targeted advertisements based on statistics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement

Landscapes

  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本公开示出了一种信息处理方法、装置、电子设备及存储介质，当接收到客户端发送的信息获取请求时，获取多个候选信息，信息获取请求中包含账户标识以及请求类型；获取账户对请求类型的信息的预估点击概率；根据预估点击概率，确定第一目标数量，第一目标数量与预估点击概率成正相关关系；从多个候选信息中筛选第一目标数量个候选信息，得到第一目标信息。由于第一目标数量由预估点击概率确定，且第一目标数量与预估点击概率成正相关关系，对于预估点击概率高的账户，可以筛选出较大数量的候选信息，从而提高最终筛选到高质量候选信息的概率；对于预估点击概率低的账户，可以筛选出较小数量的候选信息，从而节约后级筛选所需占用的计算资源。

Description

信息处理方法、装置、电子设备及存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及一种信息处理方法、装置、电子设备及存储介质。
背景技术
随着互联网技术的高速发展，互联网广告逐渐成为一种主流广告媒体。与传统的广告媒体相比，互联网广告具有覆盖范围广、主动性和积极性强、费用相对较低、性价比高以及具有强烈互动性等优势，因此，互联网广告也越来越受到各公司及商户的青睐。
媒体平台可以在设定的广告位中投放广告。当媒体平台服务器接收到客户端发送的广告投放请求时，服务器从广告数据库中获取待投放的广告，然后按照定向→召回→粗排→精排的流程，根据千次展现广告能获得的收入的计算结果对待投放的广告进行逐级筛选。
相关技术中，为了提高筛选出高价值广告的概率，一般根据可利用的计算资源，给粗排和精排较大的广告数量，导致计算资源浪费的问题。
发明内容
本公开提供一种信息处理方法、装置、电子设备及存储介质，以至少解决相关技术中计算资源浪费的问题。本公开的技术方案如下：
根据本公开的第一方面，提供一种信息处理方法，所述方法包括：
当接收到客户端发送的信息获取请求时，获取多个候选信息，所述信息获取请求包含账户标识以及请求类型，所述请求类型为各所述候选信息所属的类型；
获取所述账户标识对应的账户对所述请求类型的信息的预估点击概率；
根据所述预估点击概率，确定第一目标数量，其中，所述第一目标数量与所述预估点击概率成正相关关系；
从所述多个候选信息中筛选所述第一目标数量个候选信息，得到第一目标信息。
在一种可选的实现方式中，所述获取所述账户标识对应的账户对所述请求类型的信息的预估点击概率的步骤，包括：
提取所述账户的第一特征信息；
将所述第一特征信息输入预先训练得到的点击率预估模型中，得到所述账户对所述请求类型的信息的预估点击概率，其中，所述点击率预估模型是根据多个样本账户的第一特征信息，以及各所述样本账户对所述请求类型的信息的点击标签训练得到的，所述点击标签用于指示所述样本账户是否点击所述请求类型的信息。
在一种可选的实现方式中，所述根据所述预估点击概率，确定第一目标数量的步骤，包括：
当所述预估点击概率大于第一预设阈值时，确定所述第一目标数量为预设上限值；
当所述预估点击概率小于第二预设阈值时，确定所述第一目标数量为预设下限值；
当所述预估点击概率小于或等于所述第一预设阈值，且大于或等于所述第二预设阈值时，根据所述预设上限值、所述预设下限值、所述预估点击概率、所述第一预设阈值以及所述第二预设阈值，确定所述第一目标数量。
在一种可选的实现方式中，当所述预估点击概率小于或等于所述第一预设阈值，且大于或等于所述第二预设阈值时，按照以下公式确定所述第一目标数量：
Figure BDA0002924654240000021
其中，所述upper_score表示所述第一预设阈值，所述lower_score表示所述第二预设阈值，所述quota表示所述预设上限值，所述lower_num表示所述预设下限值，所述qs表示预估点击概率，所述第一预设阈值大于所述第二预设阈值。
在一种可选的实现方式中，所述从所述多个候选信息中筛选所述第一目标数量个候选信息，得到第一目标信息的步骤，包括：
采用第一神经网络模型，计算各所述候选信息的第一预估效果参数，所述第一预估效果参数用于表征将所述候选信息投放至所述账户后的投放效果的预估；
从所述多个候选信息中，选取所述第一预估效果参数较大的第一目标数量个候选信息，得到所述第一目标信息。
在一种可选的实现方式中，在所述从所述多个候选信息中，选取所述第一预估效果参数较大的第一目标数量个候选信息，得到所述第一目标信息的步骤之后，还包括：
根据所述预估点击概率，确定第二目标数量；
采用第二神经网络模型，计算各所述第一目标信息的第二预估效果参数，所述第二预估效果参数用于表征将所述第一目标信息投放至所述账户后的投放效果的预估；
从所述第一目标数量个第一目标信息中，选取所述第二预估效果参数较大的第二目标数量个第一目标信息，得到第二目标信息。
在一种可选的实现方式中，所述获取多个候选信息的步骤，包括：
提取所述账户的第二特征信息；
当所述第二特征信息与定向投放信息匹配时，获取与所述定向投放信息对应的候选信息，其中，所述定向投放信息为所述候选信息的投放对象所应具备的信息。
根据本公开的第二方面，提供一种信息处理装置，所述装置包括：
第一模块，被配置为当接收到客户端发送的信息获取请求时，获取多个候选信息，所述信息获取请求包含账户标识以及请求类型，所述请求类型为各所述候选信息所属的类型；
第二模块，被配置为获取所述账户标识对应的账户对所述请求类型的信息的预估点击概率；
第三模块，被配置为根据所述预估点击概率，确定第一目标数量，其中，所述第一目标数量与所述预估点击概率成正相关关系；
第四模块，被配置为从所述多个候选信息中筛选所述第一目标数量个候选信息，得到第一目标信息。
在一种可选的实现方式中，所述第二模块具体被配置为：
提取所述账户的第一特征信息；
将所述第一特征信息输入预先训练得到的点击率预估模型中，得到所述账户对所述请求类型的信息的预估点击概率，其中，所述点击率预估模型是根据多个样本账户的第一特征信息，以及各所述样本账户对所述请求类型的信息的点击标签训练得到的，所述点击标签用于指示所述样本账户是否点击所述请求类型的信息。
在一种可选的实现方式中，所述第三模块包括：
第一单元，被配置为当所述预估点击概率大于第一预设阈值时，确定所述第一目标数量为预设上限值；
第二单元，被配置为当所述预估点击概率小于第二预设阈值时，确定所述第一目标数量为预设下限值；
第三单元，被配置为当所述预估点击概率小于或等于所述第一预设阈值，且大于或等于所述第二预设阈值时，根据所述预设上限值、所述预设下限值、所述预估点击概率、所述第一预设阈值以及所述第二预设阈值，确定所述第一目标数量。
在一种可选的实现方式中，所述第三单元具体被配置为：按照以下公式确定所述第一目标数量：
Figure BDA0002924654240000041
其中，所述upper_score表示所述第一预设阈值，所述lower_score表示所述第二预设阈值，所述quota表示所述预设上限值，所述lower_num表示所述预设下限值，所述qs表示预估点击概率，所述第一预设阈值大于所述第二预设阈值。
在一种可选的实现方式中，所述第四模块具体被配置为：
采用第一神经网络模型，计算各所述候选信息的第一预估效果参数，所述第一预估效果参数用于表征将所述候选信息投放至所述账户后的投放效果的预估；
从所述多个候选信息中，选取所述第一预估效果参数较大的第一目标数量个候选信息，得到所述第一目标信息。
在一种可选的实现方式中，所述装置还包括：
第五模块，被配置为根据所述预估点击概率，确定第二目标数量；
第六模块，被配置为采用第二神经网络模型，计算各所述第一目标信息的第二预估效果参数，所述第二预估效果参数用于表征将所述第一目标信息投放至所述账户后的投放效果的预估；
第七模块，被配置为从所述第一目标数量个第一目标信息中，选取所述第二预估效果参数较大的第二目标数量个第一目标信息，得到第二目标信息。
在一种可选的实现方式中，所述第一模块具体被配置为：
提取所述账户的第二特征信息；
当所述第二特征信息与定向投放信息匹配时，获取与所述定向投放信息对应的候选信息，其中，所述定向投放信息为所述候选信息的投放对象所应具备的信息。
根据本公开的第三方面，提供一种电子设备，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如第一方面所述的信息处理方法。
根据本公开的第四方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如第一方面所述的信息处理方法。
根据本公开的第五方面，提供一种计算机程序产品，当所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如第一方面所述的信息处理方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
本公开技术方案提供了一种信息处理方法、装置、电子设备及存储介质，当接收到客户端发送的信息获取请求时，获取多个候选信息，信息获取请求中包含账户标识以及请求类型，请求类型为各候选信息所属的类型；获取账户标识对应的账户对请求类型的信息的预估点击概率；然后根据预估点击概率，确定第一目标数量；之后从多个候选信息中筛选第一目标数量个候选信息，得到第一目标信息。在对多个候选信息进行筛选的过程中，根据预估点击概率确定筛选出的候选信息数量即第一目标数量，并且第一目标数量与预估点击概率成正相关关系，对于预估点击概率高的账户，可以筛选出较大数量的候选信息，从而提高最终筛选到高质量(如高eCPM)候选信息的概率；对于预估点击概率低的账户，可以筛选出较小数量的候选信息，从而节约后级筛选所需占用的计算资源，本公开技术方案根据预估点击概率确定各账户的第一目标数量，而不是对所有账户都进行相同数量的候选信息筛选，从而能够在保证投放质量的同时，减少计算资源。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种信息处理方法的流程图。
图2是根据一示例性实施例示出的一种筛选候选信息的流程图。
图3是根据一示例性实施例示出的一种信息处理装置的结构框图。
图4是根据一示例性实施例示出的一种电子设备的框图。
图5是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
广告后台***(如服务器)的主要任务是筛选出当前广告数据库中价值最高的广告，广告的价值可以用eCPM表示，eCPM即期望的千次展现广告能获得的收入。
一般情况下，eCPM＝pCTR*Bid，其中，pCTR为***预估的该广告被用户点击的概率，Bid为广告主的出价，即每个广告可以拍卖多少钱。
为了向用户投放价值最高的广告，服务器会按照定向→召回→粗排→精排的流程，对广告数据库中的广告进行筛选。
定向就是根据用户自身属性(男女、地域等)找到符合条件的所有广告，并输出给召回；召回是采用轻量级模型对每个广告进行eCPM预估，筛选出价值最大的quotar个广告，并输出给粗排；粗排是采用轻量级模型对每个广告进行eCPM预估，筛选出价值最大的quotap个广告，并输出给精排；精排是采用复杂模型对每个广告进行eCPM预估，筛选出价值最大的Q个广告，将Q个(1或者多个)广告作为输出结果，返回给客户端，展示给用户。其中，召回和粗排所采用的轻量级模型的结构较为简单，能够较快地得到预估结果，完成筛选。
在实际应用中，召回筛选出的广告数量quotar以及粗排筛选出的广告数量quotap越大，筛选效果越好，即最终筛选出高价值广告的概率越大，同时筛选过程中所需要的计算资源也就越多。相关技术中，一般根据可利用的计算资源，设置quotar和quotap这两个参数的值。发明人发现，针对所有用户都采用相同的quotar和quotap，存在计算资源浪费的问题，例如对于从来没有点击过任何广告的用户，仍然按照预先设定的quotar和quotap值进行广告筛选是没有必要的。因此，如何科学地调节召回和粗排过程中的信息筛选数量，平衡筛选效果与计算资源之间的关系，是本领域技术人员亟需解决的问题。
为了科学地设定信息筛选数量，图1是根据一示例性实施例示出的一种信息处理方法的流程图，如图1所示，该方法可以包括以下步骤。
在步骤S11中，当接收到客户端发送的信息获取请求时，获取多个候选信息，信息获取请求包含账户标识以及请求类型，请求类型为各候选信息所属的类型。
本实施例的执行主体可以为电子设备，如服务器等。
对于本公开实施例，候选信息可以包括音频信息、视频信息、图像信息以及文字信息等。请求类型为各候选信息所属的类型，候选信息的类型可以包括广告、短视频、商品以及店铺等。本实施例以候选信息的类型为广告为例对技术方案进行说明。
在一种可选的实现方式中，在步骤S11中具体可以包括：提取账户的第二特征信息；当第二特征信息与定向投放信息匹配时，获取与定向投放信息对应的候选信息，其中，定向投放信息为候选信息的投放对象所应具备的信息。
其中，账户的第二特征信息可以包括账户属性信息(如性别、年龄等)、账户行为信息(如兴趣、爱好等)、账户社交关系信息(如好友关系等)等信息中的至少一种。
当候选信息的类型为广告时，定向投放信息一般由广告主设置，广告主可以通过设置定向投放信息来限定广告的投放对象，定向投放信息可以是广告主根据广告内容而选择设置的广告投放对象所应具备的信息。定向投放信息可以包括广告投放对象的性别、年龄等信息。
在具体实现中，当第二特征信息与某个候选信息的定向投放信息匹配时，则获取该候选信息。例如，当第二特征信息包括“女性”、“30+”等，定向投放信息为“女性”时，则可以认为第二特征信息与定向投放信息匹配。
在步骤S12中，获取账户标识对应的账户对请求类型的信息的预估点击概率。
在具体实现中，获取账户对请求类型的信息的预估点击概率的方式有多种，在一种实现方式中，可以根据账户对请求类型的信息的历史点击数据，计算该账户对请求类型的信息的点击次数与展示次数的比值，将该比值作为预估点击概率。
在另一种可选的实现方式中，在步骤S12中具体可以包括：提取账户的第一特征信息；将第一特征信息输入预先训练得到的点击率预估模型中，得到账户对请求类型的信息的预估点击概率，其中，点击率预估模型是根据多个样本账户的第一特征信息，以及各样本账户对请求类型的信息的点击标签训练得到的，点击标签用于指示样本账户是否点击请求类型的信息。
在具体实现中，当请求类型即候选信息所属的类型为广告时，通过本步骤获取账户对广告的预估点击概率。在训练点击率预估模型的过程中，可以将<账户，是否点击展现的广告>对作为训练样本，其中，点击作为正样本，没有点击作为负样本。模型特征只保留账户的第一特征信息。点击率预估模型的作用是衡量一个账户点击任一广告的概率，如果点击概率高，则表明该账户(该条流量)质量好，反之表明该账户(该条流量)质量差。
其中，第一特征信息可以包括账户属性信息(如性别、年龄等)、账户行为信息(如兴趣、爱好等)、账户社交关系信息(如好友关系等)等信息中的至少一种。
在步骤S13中，根据预估点击概率，确定第一目标数量，其中，第一目标数量与预估点击概率成正相关关系。
其中，第一目标数量与预估点击概率成正相关关系，对于预估点击概率高的账户，可以筛选出较大数量的候选信息，从而提高最终筛选到高质量(如高eCPM)候选信息的概率；对于预估点击概率低的账户，可以筛选出较小数量的候选信息，从而节约后级筛选所需占用的计算资源。本实施例中，根据预估点击概率确定各账户的第一目标数量，而不是对所有账户都进行相同数量的候选信息筛选，从而能够在保证投放质量的同时，减少计算资源。
发明人根据效用公式，建立以下数学模型：
Figure BDA0002924654240000081
Figure BDA0002924654240000082
Figure BDA0002924654240000083
0≤xir≤1
0≤xip≤1
其中，i表示第i个条流量即第i个账户的一次访问，quotar表示召回给粗排的候选信息数量的预设上限值，quotap表示粗排给精排的候选信息数量的预设上限值，xir表示第i条流量召回给粗排的实际数量与预设上限值的比例，xip表示第i条流量粗排给精排的实际数量与预设上限值的比例，Cr表示粗排的计算资源，Cp表示精排的计算资源，αi和βi是与账户(流量i)有关的函数。
为了增大筛选到高质量候选信息的概率，需要将
Figure BDA0002924654240000084
最大化，即在给定召回给粗排的预设上限值quotar，以及粗排给精排的预设上限值quotap的情况下，召回给粗排的实际数量以及粗排给精排的实际数量越大，最终筛选效果越好，即最后筛选到高质量候选信息的概率越大。
基于对偶条件对上述数学模型进行求解，可得：
Figure BDA0002924654240000085
Figure BDA0002924654240000086
在实际应用中，quotar和quotap的数值可以根据实际计算资源以及可用性等指标按照PID等方法进行动态调整，本实施例对其具体数值不作限定。
根据求解结果，由于∑iαi，∑iβi，Cr以及Cp均为常数，因此，第i条流量召回给粗排的实际数量为＝quotar*xr＝α*常数，第i条流量粗排给精排的实际数量＝quotap*xp＝β*常数。由于α和β是与账户有关的函数，本实施例采用各账户的预估点击概率来表征。
根据上述数学模型，在一种可选的实现方式中，可以通过以下步骤之一确定第一目标数量：
当预估点击概率大于第一预设阈值时，确定第一目标数量为预设上限值。
当预估点击概率小于第二预设阈值时，确定第一目标数量为预设下限值。
当预估点击概率小于或等于第一预设阈值，且大于或等于第二预设阈值时，根据预设上限值、预设下限值、预估点击概率、第一预设阈值以及第二预设阈值，确定第一目标数量。
其中，第一预设阈值大于第二预设阈值。
在具体实现中，可以按照以下公式确定第一目标数量：
Figure BDA0002924654240000091
其中，upper_score表示第一预设阈值，lower_score表示第二预设阈值，quota表示预设上限值，lower_num表示预设下限值，qs表示步骤S12计算得到的预估点击概率。预设上限值、预设下限值、第一预设阈值以及第二预设阈值均可以根据实际需求设定，本实施例对其具体数值不作限定。
采用上述公式，可以按照预估点击概率qs分段确定第一目标数量，从而根据各账户的预估点击概率对候选信息进行个性化筛选。对于预估点击概率qs大于第一预设阈值upper_score的账户，可以将第一目标数量设定为预设上限值，该预设上限值可以为可利用的计算资源能够处理的候选信息的最大数量，从而提高最终筛选出高质量(如高eCPM)候选信息的概率；对于预估点击概率qs小于第二预设阈值lower_score的账户，可以将第一目标数量设定为预设下限值，在确保能够筛选出较高质量的候选信息的同时尽可能节约后级筛选所需占用的计算资源；对于预估点击概率qs小于或等于第一预设阈值upper_score且大于或等于第二预设阈值lower_score的账户，第一目标数量由预设上限值quota、预设下限值lower_num、预估点击概率qs、第一预设阈值upper_score以及第二预设阈值lower_score共同确定，可以平衡筛选效果与计算资源之间的关系。
在召回和粗排过程中，候选信息的筛选数量均可以采用上述公式确定，即第一目标数量可以表示召回给粗排的候选信息实际数量，或者粗排给精排的候选信息实际数量。
在召回过程中，公式中的quota取值召回给粗排的预设上限值quotar，lower_num取值召回给粗排的预设下限值lower_numr，计算得到的第一目标数量为召回给粗排的候选信息实际数量。在粗排过程中，公式中的quota取值粗排给精排的预设上限值quotap，lower_num取值粗排给精排的预设下限值lower_nump，计算得到的第一目标数量为粗排给精排的候选信息实际数量。
在步骤S14中，从多个候选信息中筛选第一目标数量个候选信息，得到第一目标信息。
在具体实现中，可以根据多个候选信息的第一预估效果参数(如eCPM)，从多个候选信息中筛选预估效果参数较大的第一目标数量个候选信息，得到第一目标信息。后续实施例会详细介绍该筛选过程。
本公开实施例提供的信息处理方法，在对多个候选信息进行筛选的过程中，筛选出的候选信息数量即第一目标数量根据账户的预估点击概率确定，并且第一目标数量与预估点击概率成正相关关系，对于预估点击概率高的账户，可以筛选出较大数量的候选信息，从而提高最终筛选到高质量(如高eCPM)候选信息的概率；对于预估点击概率低的账户，可以筛选出较小数量的候选信息，从而节约后级筛选所需占用的计算资源，本公开技术方案根据预估点击概率确定各账户的第一目标数量，而不是对所有账户都进行相同数量的候选信息筛选，从而能够在保证投放质量的同时，减少计算资源。本实施例通过科学的方法确定第一目标数量，可以平衡筛选效果与计算资源之间的关系。
在一种可选的实现方式中，参照图2，在步骤S14中具体可以包括：
步骤S21，采用第一神经网络模型，计算各候选信息的第一预估效果参数，第一预估效果参数用于表征将候选信息投放至账户后的投放效果的预估。
其中，第一预估效果参数例如可以为eCPM即期望的千次展现候选信息能获得的收入等。
在具体实现中，可以将账户的特征信息以及候选信息的特征信息输入第一神经网络模型中，输出得到账户对该候选信息的点击概率，进而根据账户对该候选信息的点击概率计算eCPM。其中，第一神经网络模型为轻量级模型。
步骤S22，从多个候选信息中，选取第一预估效果参数较大的第一目标数量个候选信息，得到第一目标信息。
在具体实现中，可以按照第一预估效果参数由大到小的顺序，对多个候选信息进行排序，将排在序列前面的第一目标数量个候选信息作为第一目标信息。
在本实现方式中，第一神经网络模型为召回过程中所采用的模型，第一目标数量为召回给粗排的候选信息实际数量。
步骤S23，根据预估点击概率，确定第二目标数量。
在具体实现中，步骤S23的实现过程与上述步骤S13相似，这里不再赘述。
步骤S24，采用第二神经网络模型，计算各第一目标信息的第二预估效果参数，第二预估效果参数用于表征将第一目标信息投放至账户后的投放效果的预估。
其中，第二预估效果参数例如可以为eCPM即期望的千次展现第一目标信息能获得的收入等。
在具体实现中，可以将账户的特征信息以及第一目标信息的特征信息输入第二神经网络模型中，输出得到账户对该第一目标信息的点击概率，进而根据账户对该第一目标信息的点击概率计算eCPM。其中，第二神经网络模型为轻量级模型。
步骤S25，从第一目标数量个第一目标信息中，选取第二预估效果参数较大的第二目标数量个第一目标信息，得到第二目标信息。
在具体实现中，可以按照第二预估效果参数由大到小的顺序，对多个第一目标信息进行排序，将排在序列前面的第二目标数量个第一目标信息作为第二目标信息。
图3是根据一示例性实施例示出的一种信息处理装置框图。参照图3，可以包括：
第一模块31，被配置为当接收到客户端发送的信息获取请求时，获取多个候选信息，所述信息获取请求包含账户标识以及请求类型，所述请求类型为各所述候选信息所属的类型；
第二模块32，被配置为获取所述账户标识对应的账户对所述请求类型的信息的预估点击概率；
第三模块33，被配置为根据所述预估点击概率，确定第一目标数量，其中，所述第一目标数量与所述预估点击概率成正相关关系；
第四模块34，被配置为从所述多个候选信息中筛选所述第一目标数量个候选信息，得到第一目标信息。
在一种可选的实现方式中，所述第二模块32具体被配置为：
提取所述账户的第一特征信息；
将所述第一特征信息输入预先训练得到的点击率预估模型中，得到所述账户对所述请求类型的信息的预估点击概率，其中，所述点击率预估模型是根据多个样本账户的第一特征信息，以及各所述样本账户对所述请求类型的信息的点击标签训练得到的，所述点击标签用于指示所述样本账户是否点击所述请求类型的信息。
在一种可选的实现方式中，所述第三模块33包括：
第一单元，被配置为当所述预估点击概率大于第一预设阈值时，确定所述第一目标数量为预设上限值；
第二单元，被配置为当所述预估点击概率小于第二预设阈值时，确定所述第一目标数量为预设下限值；
第三单元，被配置为当所述预估点击概率小于或等于所述第一预设阈值，且大于或等于所述第二预设阈值时，根据所述预设上限值、所述预设下限值、所述预估点击概率、所述第一预设阈值以及所述第二预设阈值，确定所述第一目标数量。
在一种可选的实现方式中，所述第三单元具体被配置为：按照以下公式确定所述第一目标数量：
Figure BDA0002924654240000121
其中，所述upper_score表示所述第一预设阈值，所述lower_score表示所述第二预设阈值，所述quota表示所述预设上限值，所述lower_num表示所述预设下限值，所述qs表示预估点击概率，所述第一预设阈值大于所述第二预设阈值。
在一种可选的实现方式中，所述第四模块34具体被配置为：
采用第一神经网络模型，计算各所述候选信息的第一预估效果参数，所述第一预估效果参数用于表征将所述候选信息投放至所述账户后的投放效果的预估；
从所述多个候选信息中，选取所述第一预估效果参数较大的第一目标数量个候选信息，得到所述第一目标信息。
在一种可选的实现方式中，所述装置还包括：
第五模块，被配置为根据所述预估点击概率，确定第二目标数量；
第六模块，被配置为采用第二神经网络模型，计算各所述第一目标信息的第二预估效果参数，所述第二预估效果参数用于表征将所述第一目标信息投放至所述账户后的投放效果的预估；
第七模块，被配置为从所述第一目标数量个第一目标信息中，选取所述第二预估效果参数较大的第二目标数量个第一目标信息，得到第二目标信息。
在一种可选的实现方式中，所述第一模块31具体被配置为：
提取所述账户的第二特征信息；
当所述第二特征信息与定向投放信息匹配时，获取与所述定向投放信息对应的候选信息，其中，所述定向投放信息为所述候选信息的投放对象所应具备的信息。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图4是本公开示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图4，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电力组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成任一实施例所述的信息处理方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理***，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行任一实施例所述的信息处理方法。
在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器804，上述指令可由电子设备800的处理器820执行以完成任一实施例所述的信息处理方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种计算机程序产品，该计算机程序产品包括可读性程序代码，该可读性程序代码可由装置800的处理器820执行以完成任一实施例所述的信息处理方法。可选地，该程序代码可以存储在装置800的存储介质中，该存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图5是本公开示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。
参照图5，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行任一实施例所述的信息处理方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作***，例如WindowsServerTM，MacOSXTM，UnixTM,LinuxTM，FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种信息处理方法，其特征在于，所述方法包括：
当接收到客户端发送的信息获取请求时，获取多个候选信息，所述信息获取请求包含账户标识以及请求类型，所述请求类型为各所述候选信息所属的类型；
获取所述账户标识对应的账户对所述请求类型的信息的预估点击概率；
根据所述预估点击概率，确定第一目标数量，其中，所述第一目标数量与所述预估点击概率成正相关关系；
从所述多个候选信息中筛选所述第一目标数量个候选信息，得到第一目标信息。
2.根据权利要求1所述的信息处理方法，其特征在于，所述获取所述账户标识对应的账户对所述请求类型的信息的预估点击概率的步骤，包括：
提取所述账户的第一特征信息；
将所述第一特征信息输入预先训练得到的点击率预估模型中，得到所述账户对所述请求类型的信息的预估点击概率，其中，所述点击率预估模型是根据多个样本账户的第一特征信息，以及各所述样本账户对所述请求类型的信息的点击标签训练得到的，所述点击标签用于指示所述样本账户是否点击所述请求类型的信息。
3.根据权利要求1所述的信息处理方法，其特征在于，所述根据所述预估点击概率，确定第一目标数量的步骤，包括：
当所述预估点击概率大于第一预设阈值时，确定所述第一目标数量为预设上限值；
当所述预估点击概率小于第二预设阈值时，确定所述第一目标数量为预设下限值；
当所述预估点击概率小于或等于所述第一预设阈值，且大于或等于所述第二预设阈值时，根据所述预设上限值、所述预设下限值、所述预估点击概率、所述第一预设阈值以及所述第二预设阈值，确定所述第一目标数量。
4.根据权利要求3所述的信息处理方法，其特征在于，当所述预估点击概率小于或等于所述第一预设阈值，且大于或等于所述第二预设阈值时，按照以下公式确定所述第一目标数量：
Figure FDA0002924654230000011
其中，所述upper_score表示所述第一预设阈值，所述lower_score表示所述第二预设阈值，所述quota表示所述预设上限值，所述lower_num表示所述预设下限值，所述qs表示预估点击概率，所述第一预设阈值大于所述第二预设阈值。
5.根据权利要求1所述的信息处理方法，其特征在于，所述从所述多个候选信息中筛选所述第一目标数量个候选信息，得到第一目标信息的步骤，包括：
采用第一神经网络模型，计算各所述候选信息的第一预估效果参数，所述第一预估效果参数用于表征将所述候选信息投放至所述账户后的投放效果的预估；
从所述多个候选信息中，选取所述第一预估效果参数较大的第一目标数量个候选信息，得到所述第一目标信息。
6.根据权利要求5所述的信息处理方法，其特征在于，在所述从所述多个候选信息中，选取所述第一预估效果参数较大的第一目标数量个候选信息，得到所述第一目标信息的步骤之后，还包括：
根据所述预估点击概率，确定第二目标数量；
采用第二神经网络模型，计算各所述第一目标信息的第二预估效果参数，所述第二预估效果参数用于表征将所述第一目标信息投放至所述账户后的投放效果的预估；
从所述第一目标数量个第一目标信息中，选取所述第二预估效果参数较大的第二目标数量个第一目标信息，得到第二目标信息。
7.一种信息处理装置，其特征在于，所述装置包括：
第一模块，被配置为当接收到客户端发送的信息获取请求时，获取多个候选信息，所述信息获取请求包含账户标识以及请求类型，所述请求类型为各所述候选信息所属的类型；
第二模块，被配置为获取所述账户标识对应的账户对所述请求类型的信息的预估点击概率；
第三模块，被配置为根据所述预估点击概率，确定第一目标数量，其中，所述第一目标数量与所述预估点击概率成正相关关系；
第四模块，被配置为从所述多个候选信息中筛选所述第一目标数量个候选信息，得到第一目标信息。
8.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至6中任一项所述的信息处理方法。
9.一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至6中任一项所述的信息处理方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的信息处理方法。
CN202110129488.8A 2021-01-29 2021-01-29 信息处理方法、装置、电子设备及存储介质 Pending CN112767053A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110129488.8A CN112767053A (zh) 2021-01-29 2021-01-29 信息处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110129488.8A CN112767053A (zh) 2021-01-29 2021-01-29 信息处理方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112767053A true CN112767053A (zh) 2021-05-07

Family

ID=75703978

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110129488.8A Pending CN112767053A (zh) 2021-01-29 2021-01-29 信息处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112767053A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113630334A (zh) * 2021-06-30 2021-11-09 北京三快在线科技有限公司 网络对象处理方法、装置、电子设备及可读存储介质
CN114896475A (zh) * 2022-06-08 2022-08-12 北京达佳互联信息技术有限公司 媒介信息处理方法、装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104965890A (zh) * 2015-06-17 2015-10-07 深圳市腾讯计算机***有限公司 广告推荐的方法和装置
CN106055617A (zh) * 2016-05-26 2016-10-26 乐视控股（北京）有限公司 一种数据推送方法及装置
CN106250499A (zh) * 2016-08-02 2016-12-21 合网络技术（北京）有限公司 一种视频对挖掘方法及装置
CN108228784A (zh) * 2017-12-28 2018-06-29 暴风集团股份有限公司 视频推荐方法和装置、电子设备、存储介质、程序
CN110782286A (zh) * 2019-10-25 2020-02-11 上海喜马拉雅科技有限公司 广告推送方法、装置、服务器及计算机可读存储介质
CN111310040A (zh) * 2020-02-11 2020-06-19 腾讯科技（北京）有限公司 基于人工智能的推荐方法、装置、电子设备及存储介质
CN111369271A (zh) * 2018-12-25 2020-07-03 北京达佳互联信息技术有限公司 一种广告的排序方法、装置、电子设备及存储介质
CN111768244A (zh) * 2020-06-30 2020-10-13 深圳前海微众银行股份有限公司 一种广告投放的推荐方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104965890A (zh) * 2015-06-17 2015-10-07 深圳市腾讯计算机***有限公司 广告推荐的方法和装置
CN106055617A (zh) * 2016-05-26 2016-10-26 乐视控股（北京）有限公司 一种数据推送方法及装置
CN106250499A (zh) * 2016-08-02 2016-12-21 合网络技术（北京）有限公司 一种视频对挖掘方法及装置
CN108228784A (zh) * 2017-12-28 2018-06-29 暴风集团股份有限公司 视频推荐方法和装置、电子设备、存储介质、程序
CN111369271A (zh) * 2018-12-25 2020-07-03 北京达佳互联信息技术有限公司 一种广告的排序方法、装置、电子设备及存储介质
CN110782286A (zh) * 2019-10-25 2020-02-11 上海喜马拉雅科技有限公司 广告推送方法、装置、服务器及计算机可读存储介质
CN111310040A (zh) * 2020-02-11 2020-06-19 腾讯科技（北京）有限公司 基于人工智能的推荐方法、装置、电子设备及存储介质
CN111768244A (zh) * 2020-06-30 2020-10-13 深圳前海微众银行股份有限公司 一种广告投放的推荐方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113630334A (zh) * 2021-06-30 2021-11-09 北京三快在线科技有限公司 网络对象处理方法、装置、电子设备及可读存储介质
CN114896475A (zh) * 2022-06-08 2022-08-12 北京达佳互联信息技术有限公司 媒介信息处理方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN111431727B (zh) 一种群组展示方法、装置、终端、服务器及***
CN107992604B (zh) 一种任务条目的分发方法及相关装置
CN107463643B (zh) 弹幕数据的显示方法、装置及存储介质
CN112131410A (zh) 多媒体资源展示方法、装置、***和存储介质
CN111369271B (zh) 一种广告的排序方法、装置、电子设备及存储介质
CN109670632B (zh) 广告点击率的预估方法、广告点击率的预估装置、电子设备及存储介质
CN111556366A (zh) 一种多媒体资源的展示方法、装置、终端、服务器及***
CN109670077B (zh) 视频推荐方法、装置和计算机可读存储介质
CN109714643B (zh) 视频数据的推荐方法、***及服务器和存储介质
CN112508612B (zh) 训练广告创意生成模型、生成广告创意的方法及相关装置
CN113727200A (zh) 一种视频摘要信息确定方法、装置、电子设备及存储介质
CN112767053A (zh) 信息处理方法、装置、电子设备及存储介质
CN112131466A (zh) 群组展示方法、装置、***和存储介质
CN112148923A (zh) 搜索结果的排序方法、排序模型的生成方法、装置及设备
CN112685641B (zh) 一种信息处理方法及装置
CN112784151A (zh) 一种确定推荐信息的方法及相关装置
CN113553509B (zh) 一种内容推荐方法、装置、电子设备及存储介质
CN114615516A (zh) 数据处理方法、装置、电子设备及存储介质
CN113709572A (zh) 内容推广方法、装置、电子设备及存储介质
CN109165963B (zh) 一种数据预测方法、装置及电子设备
CN113190725B (zh) 对象的推荐及模型训练方法和装置、设备、介质和产品
CN110674416A (zh) 游戏推荐方法及装置
CN115484471B (zh) 主播推荐方法及装置
CN111898028B (zh) 一种实体对象推荐方法、装置及存储介质
CN112989172B (zh) 内容推荐方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination