CN116151884A - 确定推荐信息资源的方法和装置、计算设备及存储介质 - Google Patents
确定推荐信息资源的方法和装置、计算设备及存储介质 Download PDFInfo
- Publication number
- CN116151884A CN116151884A CN202111385268.8A CN202111385268A CN116151884A CN 116151884 A CN116151884 A CN 116151884A CN 202111385268 A CN202111385268 A CN 202111385268A CN 116151884 A CN116151884 A CN 116151884A
- Authority
- CN
- China
- Prior art keywords
- recommended information
- information resource
- display
- resource
- preselected
- 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
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
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- 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
- G06Q30/0242—Determining effectiveness of advertisements
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
公开了一种确定推荐信息资源的方法和装置、计算设备、存储介质及程序产品。该确定推荐信息资源的方法包括:接收推荐信息展示请求;基于推荐信息展示请求,获取至少一个候选推荐信息资源的第一标识信息,其中所述至少一个候选推荐信息资源包括从存储在服务器的第一推荐信息资源集合中选取的第一预选推荐信息资源以及从预先获取的第二推荐信息资源集合中选取的第二预选推荐信息资源中至少一个;响应于第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源,获取与第一预选推荐信息资源相关的第一展示特征以及与终端设备的推荐信息展示操作相关的第二展示特征;基于第一展示特征和第二展示特征,从所述至少一个候选推荐信息资源中确定目标推荐信息资源。
Description
技术领域
本申请涉及计算机技术领域,更具体地涉及一种确定推荐信息资源的方法和装置、计算设备、计算机可读存储介质及计算机程序产品。
背景技术
随着计算机技术和互联网技术的发展,越来越多的人***板电脑等)中的各种应用(例如网页浏览器、手机app,计算机应用软件等)来处理工作、生活中的事务。在终端设备的应用被使用过程中,发布广告的广告商(例如网站或应用提供商)通常会通过一定展示方式(例如闪屏、信息流、前贴等)通过该终端应用向用户展示特定诸如广告之类的推荐信息,以获得相应的广告收入。
然而,在广告展示过程中,展示性能(或用户体验)和相应的广告收入往往是相互对立的,难以兼顾。一方面,为了提高广告收入,需要在服务器侧的广告库中选取预估收益较大的广告资源并将其下载到本地进行展示,由于预估收益较大的广告资源(例如视频或图片等)本身所占用的存储空间也较大,这样必然会造成广告拉取时间较长,展示性能较低,用户体验较差;另一方面,要想提高广告展示性能,通常需要缩短从服务器拉取(包括选取和下载)和展示广告资源或素材的时间,但这样又可能造成由于检索队列或范围缩短无法得到较大收益的广告资源,从而影响广告收入。
发明内容
本申请提供了一种确定推荐信息资源的方法和装置、计算设备、计算机可读存储介质及计算机程序产品,期望可以兼顾推荐信息展示性能和推荐信息收入,从而缓解、减轻或甚至消除上述问题中的一些或全部以及其它可能的问题。
根据本申请的一个方面,提出一种确定推荐信息资源的方法,包括:接收推荐信息展示请求;基于推荐信息展示请求,获取至少一个候选推荐信息资源的第一标识信息,其中所述至少一个候选推荐信息资源包括从存储在服务器的第一推荐信息资源集合中选取的第一预选推荐信息资源以及从预先获取的第二推荐信息资源集合中选取的第二预选推荐信息资源中至少一个;响应于第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源,获取与第一预选推荐信息资源相关的第一展示特征以及与终端设备的推荐信息展示操作相关的第二展示特征;基于第一展示特征和第二展示特征,从所述至少一个候选推荐信息资源中确定目标推荐信息资源。
在一些实施例中,所述第一展示特征包括下述各项中至少一项:第一预选推荐信息资源的大小、第一预选推荐信息资源的类型、第一预选推荐信息资源适用的展示设备类型、第一预选推荐信息资源适用的网络类型、第一预选推荐信息资源的预估展示收益。
在一些实施例中,所述第二展示特征包括下述各项中至少一项:所述推荐信息展示请求对应的目标应用的启动时延、历史推荐信息资源下载时延、历史推荐信息资源渲染时延、所述推荐信息展示请求对应的展示流程中的剩余可用时延。
在一些实施例中,所述第二展示特征进一步包括下述各项中至少一项:终端设备的类型、终端设备与服务器之间的网络类型。
在一些实施例中,所述基于推荐信息展示请求,获取至少一个候选推荐信息资源的第一标识信息,包括:基于推荐信息展示请求,向服务器发送推荐信息资源获取请求,所述推荐信息资源获取请求包括预先获取的第二推荐信息资源集合的第二标识信息和终端设备的设备标识信息中至少一个;从服务器接收返回信息,其中所述返回信息包括基于所述推荐信息资源获取请求从第一预选推荐信息资源和第二预选推荐信息资源中选取的至少一个候选推荐信息资源的第一标识信息。
在一些实施例中,在所述第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源的情况下,所述返回信息进一步包括与第一预选推荐信息资源相关的第一展示特征,并且其中,所述响应于第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源,获取与第一预选推荐信息资源相关的第一展示特征以及与终端设备的推荐信息展示操作相关的第二展示特征,包括:从所述返回信息中获取第一展示特征;基于终端设备的推荐信息历史展示操作相关数据和所述推荐信息展示请求对应的当前展示操作相关数据中至少一个,确定第二展示特征。
在一些实施例中,所述基于第一展示特征和第二展示特征,从所述至少一个候选推荐信息资源中确定目标推荐信息资源,包括:将第一展示特征和第二展示特征输入到目标推荐信息资源确定模型,以获得第一预选推荐信息资源的成功展示概率,所述目标推荐信息资源确定模型为经训练的用于分类的模型;根据所述第一预选推荐信息资源的成功展示概率,从所述至少一个候选推荐信息资源中确定目标推荐信息资源。
在一些实施例中,所述根据所述第一预选推荐信息资源的成功展示概率,从所述至少一个候选推荐信息资源中确定目标推荐信息资源,包括:响应于所述第一预选推荐信息资源的成功展示概率大于或等于预设概率阈值,将第一预选推荐信息资源确定为目标推荐信息资源;响应于所述第一预选推荐信息资源的成功展示概率小于预设概率阈值且所述至少一个候选推荐信息资源包括第二预选推荐信息资源,将第二预选推荐信息资源确定为目标推荐信息资源。
在一些实施例中,所述目标推荐信息资源确定模型是通过下述步骤训练得到的:获取与多个推荐信息资源分别对应的多个第一展示特征;获取与多个不同类型终端设备分别对应的多个第二展示特征;在所述多个不同类型终端设备上分别展示所述多个推荐信息资源并获取对应的多个展示日志,每一个展示日志包括相应的推荐信息资源展示成功标识信息;基于所述多个第一展示特征、所述多个第二展示特征以及所述多个展示日志,确定训练样本和对应的样本标签;利用所述训练样本和对应的样本标签训练分类器模型,以获得目标推荐信息资源确定模型。
在一些实施例中,所述确定推荐信息资源的方法进一步包括:响应于第一标识信息指示所述至少一个候选推荐信息资源仅包括第二预选推荐信息资源,将第二预选推荐信息资源确定为目标推荐信息资源。
在一些实施例中,所述确定推荐信息资源的方法进一步包括:在确定目标推荐信息资源之后,获取并渲染目标推荐信息资源。
在一些实施例中,所述确定推荐信息资源的方法进一步包括:在接收到推荐信息展示请求之前的每一个预定的预存时刻,向服务器发送推荐信息资源预存请求;从服务器接收基于每一个预定的预存时刻发送的每一个推荐信息资源预存请求确定的至少一个预存推荐信息资源;将对应于每一个推荐信息预存请求的所述至少一个预存推荐信息资源保存到预设的持久化存储区中,并将所述预设的持久化存储区中存储的所有预存推荐信息资源构成的集合作为所述第二推荐信息资源集合。
在一些实施例中,所述推荐信息预存请求包括终端设备对应的用户画像和设备状态中至少一个。
根据本申请的另一方面,提出了另一种确定推荐信息资源的方法,包括:从终端设备接收基于推荐信息展示请求得到的推荐信息资源获取请求,所述推荐信息资源获取请求包括终端设备中预先存储的第二推荐信息资源集合的第二标识信息和终端设备的设备标识信息中至少一个;根据第二标识信息和设备标识信息中至少一个,获取第二推荐信息资源集合中各个推荐信息资源的预估展示收益;基于第二推荐信息资源集合中各个推荐信息资源的预估展示收益,从第二推荐信息资源集合中选取第二预选推荐信息资源;基于预定的第一推荐信息资源集合中各个推荐信息资源的预估展示收益,从第一推荐信息资源集合中选取第一预选推荐信息资源;根据第一预选推荐信息资源的第一预估展示收益和第二预选推荐信息资源的第二预估展示收益,确定至少一个候选推荐信息资源的第一标识信息;响应于第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源,获取与第一预选推荐信息资源相关的第一展示特征;确定返回信息,其中返回信息包括第一标识信息以及在第一标识信息指示至少一个候选推荐信息资源包括第一预选推荐信息资源的情况下进一步包括第一展示特征;将返回信息发送至终端设备,以使得终端设备至少基于返回信息确定目标推荐信息资源,其中所述至少基于返回信息确定目标推荐信息资源包括:在第一标识信息指示至少一个候选推荐信息资源包括第一预选推荐信息资源的情况下,基于返回信息和与终端设备的推荐信息展示操作相关的第二展示特征确定目标推荐信息资源。
在一些实施例中,所述推荐信息资源获取请求进一步包括终端设备对应用户画像和设备状态中至少一个,并且其中所述基于第一推荐信息资源集合中各个推荐信息资源的预估展示收益,从第一推荐信息资源集合中选取第一预选推荐信息资源,包括:基于所述用户画像和设备状态中至少一个,从第一推荐信息资源集合中确定第一预选推荐信息资源集合;基于第一预选推荐信息资源集合中各个推荐信息资源的预估展示收益,从第一预选推荐信息资源集合中选取第一预选推荐信息资源。
在一些实施例中,所述根据第一预选推荐信息资源的第一预估展示收益和第二预选推荐信息资源的第二预估展示收益,确定至少一个候选推荐信息资源,包括:响应于第一预估展示收益小于或等于第二预估展示收益,将所述至少一个候选推荐信息资源确定为第二预选推荐信息资源;响应于第一预估展示收益大于第二预估展示收益,将所述至少一个候选推荐信息资源确定为包括第一预选推荐信息资源和第二预选推荐信息资源。
根据本申请的另一方面,提出一种确定推荐信息资源的装置,包括:接收模块,其配置成接收推荐信息展示请求;第一获取模块,其配置成基于推荐信息展示请求获取至少一个候选推荐信息资源的第一标识信息,其中所述至少一个候选推荐信息资源包括从存储在服务器的第一推荐信息资源集合中选取的第一预选推荐信息资源以及从预先获取的第二推荐信息资源集合中选取的第二预选推荐信息资源中至少一个;第二获取模块,其配置成响应于第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源,获取与第一预选推荐信息资源相关的第一展示特征以及与终端设备的推荐信息展示操作相关的第二展示特征;确定模块,其配置成基于第一展示特征和第二展示特征,从所述至少一个候选推荐信息资源中确定目标推荐信息资源。
根据本申请的另一方面,提出一种计算设备,包括:存储器和处理器,其中所述存储器中存储有计算机程序,所述计算机程序在被所述处理器执行时促使所述处理器执行根据本申请一些实施例的确定推荐信息资源的方法。
根据本申请的另一方面,提出一种计算机可读存储介质,其上存储计算机可读指令,所述计算机可读指令在被执行时实现根据本申请一些实施例的方法。
根据本申请的另一方面,提出一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本申请一些实施例的方法的步骤。
在根据本申请一些实施例的确定推荐信息资源的方法和装置中,首先从本地(例如终端设备)预先存储的预存推荐信息资源集合和远程(例如广告资源平台)存储的远程推荐信息资源集合中选取候选推荐信息资源,随后基于候选推荐信息资源中的远程推荐信息资源的展示特征(包括与该资源本身相关的第一展示特征以及与本地设备的推荐信息展示操作相关的第二展示特征)从候选推荐信息资源中确定目标推荐信息资源。这样,由于在本申请的确定待展示的推荐信息资源的过程中,考虑到影响推荐信息展示的多种因素(例如设备推荐信息资源的属性相关的第一展示特征以及终端设备展示能力相关的第二展示特征),因此可以更准确地预测出推荐信息资源在终端设备上预期展示效果,从而实现具备性能优势的本地预存推荐信息资源和具备收益优势(例如全局最优收益)的远程推荐信息资源的智能化、自动化、最优化的选择,使得所确定的目标推荐信息资源在展示性能和展示收益方面达到了适度平衡,避免了片面地单独依据展示性能或预期展示收益而进行推荐信息选择所造成的推荐信息展示收益不理想或推荐信息展示效果不佳甚至无法完成展示的问题,从而在显著提升了用户体验的同时实现了推荐信息预期展示收益的最大化。另一方面,由于在获取候选推荐信息资源时仅仅需要从服务器接收候选推荐信息资源的标识信息和第一展示特征等容量较小的文本数据,而无需下载容量较大的资源本身(例如图片内容、视频内容等),从而避免了网络资源的过度消耗,提高了业务处理效率,节省了网络资源,优化了网络资源调度。
附图说明
根据以下详细描述和附图,将容易理解本申请的各个不同的方面、特征和优点,在附图中:
图1示意性示出了根据本申请一些实施例的确定推荐信息资源的方法的示例实施环境;
图2示意性示出了根据本申请一些实施例的确定推荐信息资源的方法在图1的示例实施环境中实现的示例交互流程图;
图3示意性示出了根据本申请一些实施例的确定推荐信息资源的方法的流程图;
图4示意性示出了根据本申请一些实施例的确定推荐信息资源的方法的流程图;
图5示意性示出了根据本申请一些实施例的确定推荐信息资源的方法的流程图;
图6示意性示出了根据本申请一些实施例的目标推荐信息资源确定模型训练方法的流程图;
图7示意性示出了根据本申请一些实施例的确定推荐信息资源的方法的流程图;
图8示意性示出了根据本申请一些实施例的确定推荐信息资源的方法的示例应用场景中各实体之间的示例交互流程图;
图9示意性示出了根据本申请一些实施例的确定推荐信息资源的装置的示例框图;以及
图10示意性示出了根据本申请一些实施例的计算设备的示例框图。
应当指出,上述附图仅仅是示意性的和说明性的,且并不一定按照比例绘制。
具体实施方式
下面将参照附图更详细地描述本申请的若干个实施例以便使得本领域技术人员能够实现本申请。本申请可以体现为许多不同的形式和目的并且不应局限于本文所阐述的实施例。提供这些实施例以使得本申请全面且完整,并充分地向本领域技术人员传达本申请的范围。所述实施例并不限定本申请。
将理解的是,尽管术语第一、第二、第三等在本文中可以用来描述各种元件、部件和/或部分,但是这些元件、部件和/或部分不应当由这些术语限制。这些术语仅用来将一个元件、部件或部分与另一个元件、部件或部分相区分。因此,下面讨论的第一元件、部件或部分可以被称为第二元件、部件或部分而不偏离本申请的教导。
本文中使用的术语仅出于描述特定实施例的目的并且不意图限制本申请。如本文中使用的,单数形式“一个”、“一”和“该”意图也包括复数形式,除非上下文清楚地另有指示。将进一步理解的是,术语“包括”和/或“包含”当在本说明书中使用时指定所述及特征、整体、步骤、操作、元件和/或部件的存在,但不排除一个或多个其他特征、整体、步骤、操作、元件、部件和/或其群组的存在或添加一个或多个其他特征、整体、步骤、操作、元件、部件和/或其群组。如本文中使用的,术语“和/或”包括相关联的列出项目中的一个或多个的任意和全部组合。
除非另有定义,本文中使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域的普通技术人员所通常理解的相同含义。将进一步理解的是,诸如那些在通常使用的字典中定义的之类的术语应当被解释为具有与其在相关领域和/或本说明书上下文中的含义相一致的含义,并且将不在理想化或过于正式的意义上进行解释,除非本文中明确地如此定义。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通、自动控制等几大方向。
机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习、主动学习等技术。
随着人工智能技术研究和进步,人工智能技术在多个领域中展开研究和应用,例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服、车联网、自动驾驶、智慧交通等。相信随着技术的发展,人工智能技术将在更多的领域中得到应用,并发挥越来越重要的价值。
在详细介绍本申请的实施例之前,为了清楚起见,首先对一些相关的概念进行解释。
1、推荐信息:又称推荐内容(例如广告),其是指用户在使用终端设备时,相应的终端应用或网页中特定位置(例如广告位)和/或特定时间(例如应用启动时)为用户展示(例如播放或显示)的各种信息。推荐信息资源是指预先制作的用于展示相应推荐信息的素材,即在展示相应推荐信息时被加载的媒体内容(例如广告资源或广告素材),该媒体内容例如可以包括视频、音频、图片、文本等。推荐信息资源可以存储在推荐信息资源平台(或数据库)中。
2、应用:即应用程序,指为完成某项或多项特定工作的计算机程序,它运行在用户模式中,可以和用户进行交互,并具有可视的用户界面。从功能的角度看,应用程序可以包括云游戏、社交应用程序、支付应用程序、购物应用程序、多媒体应用程序(如音视频应用程序)以及教育应用程序等;从访问方式的角度看,应用程序可以包括本地安装的应用程序、经由其他应用程序访问的小程序、经由浏览器访问的web程序等。应用又称终端应用,其可以包括但不限于手机app、计算机软件等。
3、预估展示收益:是指推荐信息资源在被展示之后推荐信息发布平台(例如网站)的预期收益情况,例如广告ECPM(effective cost per mille)。ECPM指的是每一千次展示可以获得的预期广告收入,展示的单位可以是网页、广告单元、甚至是单个广告,ECPM是用来反映广告平台的盈利能力的参数。
4、用户画像:是指根据终端用户在相应终端设备上的操作行为记录(例如用户在终端设备上的网页浏览操作、搜索操作、应用安装和使用操作、输入输出操作的记录,特别地也可以包括用户关于推荐信息的操作记录)确定的用户属性信息。
5、设备状态:是指终端设备的硬件条件、当前运行情况(例如内存占用情况、网络连接状况等,特别地也可以包括终端设备针对与推荐信息的展示操作相关的历史数据,例如下载、播放等状况)。
针对上文所述的在终端设备广告展示过程中展示性能和广告收入难以兼顾的问题,本申请提供了一种确定推荐信息资源的方法。该方法首先从本地预存推荐信息资源集合和在推荐信息资源平台存储的远程推荐信息资源集合中选取候选推荐信息资源,随后基于候选推荐信息资源中的远程推荐信息资源的展示特征(包括与该资源本身相关的第一展示特征以及与本地设备的推荐信息展示操作相关的第二展示特征)从候选推荐信息资源中确定目标推荐信息资源。这样,既可以考虑本地资源的性能优势,又可以兼顾远程资源的收益优势,使得展示性能和推荐信息收益达到了适度平衡,从而在满足用户观看推荐信息展示的良好体验要求的同时实现了推荐信息展示收益的最大化。
图1示意性示出了根据本申请一些实施例的确定推荐信息资源的方法的示例实施环境100。如图1所示,实施环境100可以包括终端设备110,可选地还可以包括一个或多个服务器120、以及用于连接终端设备110和服务器120的网络130。在一些实施例中,终端设备110可以用于实现根据本申请的确定推荐信息资源的方法。例如该终端设备110可以部署有用于执行本申请提供的各种方法的相应程序或指令。可选地,服务器120和终端设备110也可以相互配合以实现根据本申请的各种方法。
终端设备110可以是任何类型的移动计算设备,包括移动计算机(例如个人数字助理(PDA)、膝上型计算机、笔记本计算机、平板计算机、上网本等)、移动电话(例如,蜂窝电话、如图1所示智能手机等)、可穿戴式计算设备(例如智能手表、头戴式设备,包括智能眼镜等)或其他类型的移动设备。在一些实施例中,终端设备110也可以是固定式计算设备,例如台式计算机、游戏机、智能电视等。
服务器120可以是单个服务器或服务器集群,或者可以是能够提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器或云服务器集群。应理解,本文所提及的服务器典型地为具有大量存储器和处理器资源的服务器计算机,但是其他实施例也是可能的。
网络130的示例包括局域网(LAN)、广域网(WAN)、个域网(PAN)、和/或诸如因特网之类的通信网络的组合。服务器120以及终端设备110可以包括能够通过网络130进行通信的至少一个通信接口(未示出)。这样的通信接口可以是下列各项中的一个或多个:任何类型的网络接口(例如,网络接口卡(NIC))、有线或无线(诸如IEEE 802.11无线LAN(WLAN))接口、全球微波接入互操作(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、BluetoothTM接口、近场通信(NFC)接口等。
如图1所示,终端设备110可以包括显示屏111以及可以经由显示屏111与终端用户交互的终端应用112。终端设备110可以例如经由网络130与服务器120交互,例如向其发送数据或从其接收数据。终端应用112可以为本地应用程序、网页(Web)应用程序或者作为轻量化应用的小程序(LiteApp,例如手机小程序、微信小程序)。在终端应用112为需要安装的本地应用程序的情况下,可以将终端应用112安装在终端设备110中。在终端应用112为Web应用程序的情况下,可以通过浏览器访问终端应用112。在终端应用112为小程序的情况下,可以通过搜索终端应用112的相关信息(如终端应用112的名称等)、扫描终端应用的图形码(如条形码、二维码等)等方式来在终端设备110上直接打开终端应用112,而无需安装终端应用112。
图2示出了根据本申请一些实施例的的方法在图1所示的示例实施环境100中实现的示例交互流程图。下面参考图2所示的示例交互流程图简要介绍根据本申请一些实施例的确定推荐信息资源的方法在实施环境100中的工作原理。
如图2所示,首先,终端设备110可以被配置成:接收推荐信息展示请求。例如,如图2所示,终端设备110可以基于用户的动作接收推荐信息展示请求。例如终端设备110可以实时监控用户与终端应用112的交互,并响应于用户执行特定交互操作(例如启动终端应用112)来触发推荐信息展示请求(例如应用开启广告展示请求)。其次,终端设备110可以被配置成基于推荐信息展示请求,获取至少一个候选推荐信息资源的第一标识信息,其中至少一个候选推荐信息资源包括从存储在服务器120的第一推荐信息资源集合中选取的第一预选推荐信息资源以及从预先获取(例如预先从服务器120下载到本地终端设备110)的第二推荐信息资源集合中选取的第二预选推荐信息资源中至少一个。再次,终端设备110可以被配置成:响应于第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源,获取与第一预选推荐信息资源相关的第一展示特征以及与本地设备的推荐信息展示操作相关的第二展示特征。最后,终端设备110可以被配置成:基于第一展示特征和第二展示特征,从至少一个候选推荐信息资源中确定目标推荐信息资源。
如图2所示,可选地,在确定了目标推荐信息资源之后,终端设备110可以进一步配置成(从服务器120或从本地终端设备110获取)目标推荐信息资源,并且向用户展示该目标推荐信息资源。例如,当目标推荐信息资源被确定为存储在服务器120的第一预选推荐信息资源时,终端设备110需要从服务器下载该资源并向用户展示;而当目标推荐信息资源为预先存储在本地的第二预选推荐信息资源时,终端设备110无需下载,直接从本地存储设备提取该资源并加载以向用户展示。
图1和图2的实施环境和交互流程图仅仅是示意性的,根据本申请的确定推荐信息资源的方法并不限于所示出的示例实施环境和交互流程。应理解,虽然在本文中,服务器120与终端设备110被示出和描述为分离的结构,但它们可以是同一计算设备的不同组成部分。可选地,根据本申请一些实施例的确定推荐信息资源的方法的所有步骤也可以在服务器120侧实现,或者也可以在终端设备110侧和服务器120侧共同实现。
图3示意性示出了根据本申请一些实施例的确定推荐信息资源的方法的流程图。在一些实施例中,如图2所示,根据本申请的确定推荐信息资源的方法可以在终端设备110侧执行。在另一些实施例中,根据本申请的确定推荐信息资源的方法也可以由服务器120和终端设备110相组合地执行。
如图3所示,根据本申请一些实施例的确定推荐信息资源的方法可以包括:
S310,推荐信息展示请求接收步骤;
S320,候选推荐信息资源标识获取步骤;
S330,第一展示特征和第二展示特征获取步骤;以及
S340,目标推荐信息资源确定步骤。
下面详细描述步骤S310-S330。
在S310(推荐信息展示请求接收步骤)处,接收推荐信息展示请求。
在一些实施例中,推荐信息的“展示”可以理解为推荐信息的整个展示流程,包括:展示请求的发送、推荐信息资源的接收或下载、推荐信息资源的渲染、播放或显示等。以广告为例,广告展示过程可以包括:广告请求/返回,广告资源或素材下载、广告渲染或播放、效果上报等几个核心流程节点。
根据本申请的构思,要想兼顾推荐信息展示性能和展示收入,首先必须接收(例如用户或其使用的终端应用触发的)推荐信息展示请求,随后基于展示请求从预先制作的并存储在远程数据库和/或终端设备本地的推荐信息资源或素材集合中筛选并确定目标(即待展示的)推荐信息资源。
在S320(候选推荐信息资源标识获取步骤)处,基于推荐信息展示请求,获取至少一个候选推荐信息资源的第一标识信息。至少一个候选推荐信息资源包括从存储在服务器的第一推荐信息资源集合中选取的第一预选推荐信息资源以及从预先获取的第二推荐信息资源集合中选取的第二预选推荐信息资源中至少一个。
基于本发明的构思,在接收到推荐信息展示请求之后,需要先确定待展示的目标推荐信息资源,随后才能进行展示。在一些实施例中,由于推荐信息资源数量庞大、种类繁多,因此目标推荐信息资源的确定可以分两个步骤完成:即先获取至少一个候选推荐信息资源,随后从中选择目标推荐信息资源。候选推荐信息资源可以直接从下述两个资源集合中进行筛选:第一推荐信息资源集合A和第二推荐信息资源集合B。
第一推荐信息资源集合A是服务器120或与其连接的数据库(或广告库)中存储的已经制作好的推荐信息资源(例如广告资源,即可用于在终端设备上播放或展示的用于推荐信息的各种媒体内容)的集合。第二推荐信息资源集合B是指在推荐信息展示请求被触发或接收之前已经预先存储在终端设备110本地的推荐信息资源的集合。这些预存的推荐信息资源可以是事先基于一定条件从服务器120中(例如第一推荐信息资源集合A)下载的推荐信息资源,因此,这时B可以是A的子集;可选地,第二推荐信息资源集合B也可以是已经展示成功的推荐信息资源在本地终端设备110上的预存资源;或者由于第二推荐信息资源集合A有可能随时间不断进行更新,当然A也可以进行例如周期性下载并更新,因此B有可能不一定是A的子集。
在一些实施例中,可以基于预估展示收益从A和B中分别筛选第一预选推荐信息资源A1和第二预选推荐信息资源B1,随后基于A1和B1的预估展示收益来确定至少一个候选推荐信息资源。具体筛选方式,可以参见图7。
在服务器获得第一和第二预选推荐信息资源A1和B1之后,可以再次比较二者的预估展示收益并基于比较结果从中确定候选推荐信息资源。例如,当A1的预估展示收益小于或等于B1时,可以将B1作为候选推荐信息资源,否则将A1和B1共同作为候选推荐信息资源。随后,服务器120将所确定的候选推荐信息资源的第一标识信息作为返回信息发送至终端设备110,以供后续确定目标推荐信息时使用。
在S330(展示特征获取步骤)处,响应于第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源,获取与第一预选推荐信息资源相关的第一展示特征以及与本地终端设备的推荐信息展示操作相关的第二展示特征。
由于S320得到的至少一个候选推荐信息资源H可以包括来自第一推荐信息资源集合A的第一预选推荐信息A1以及来自第二推荐信息资源集合B的第二预选推荐信息资源B1中至少一个,因此可以根据至少候选推荐信息资源具体构成情况,确定目标推荐信息资源。例如,当H仅包括B1时,例如A1并不适合用户和/或终端设备,则无需进一步判断,B1就可以作为目标推荐信息资源,因为B1所在的第二推荐信息资源集合B是预先从服务器120中预存在终端设备本地的推荐信息资源集合(例如,在预存请求时已经通过设备状态和/或用户画像筛选过了),于是B1可以直接在终端设备110上加载展示。当H包含A1和B1或者仅包含A1时,需要进一步基于A1本身以及终端设备的相关情况判断或预测A1是否能够在终端设备110上成功展示,若可以,则选取A1为目标推荐信息资源,否则选取B1作为目标推荐信息资源。
上述用于判断A1是否能够在终端设备110上成功播放的A1以及终端设备110的相关情况可以包括与第一预选推荐信息资源相关的第一展示特征以及与本地设备的推荐信息展示操作相关的第二展示特征。这样可以根据第一展示特征和第二展示特征来预测A1是否能够在终端设备110上成功展示,进而确定目标推荐信息资源。于是,在由S320得到的第一标识信息指示候选推荐信息资源H包含第一预选推荐信息资源A1的情况下,在确定目标推荐信息资源之前,需要获取第一展示特征和第二展示特征。
在一些实施例中,与第一预选推荐信息资源A1相关的第一展示特征是指与A1在终端设备110上成功展示与否相关的A1本身的属性,例如第一预选推荐信息资源的大小(例如字节数(KB、MB、TB))、第一预选推荐信息资源的类型(例如视频、音频、文本等)、第一预选推荐信息资源适用的展示设备类型(例如xx型号的手机、xx型号的平板计算机等)、第一预选推荐信息资源适用的通信网络类型(例如WIFI、电信数据网络、有线宽带等)、第一预选推荐信息资源对应的预估展示收益。
在一些实施例中,推荐信息资源的展示可以理解为由终端设备110执行的从推荐信息展示请求、目标推荐信息的确定、下载到最后向用户播放或显示的全过程,因此A1在终端设备110上成功展示与否不仅与其大小、类型等A1本身属性(即第一展示特征)相关,也可能与终端设备110的推荐信息展示操作数据(即第二展示特征)相关。例如第二展示特征可以包括下述各项中至少一项:推荐信息展示请求对应的终端设备上的目标应用的启动时延、终端设备上历史推荐信息资源下载时延、终端设备上历史推荐信息资源渲染时延、推荐信息展示请求对应的终端设备上推荐信息展示流程中的剩余可用时延。可选地,第二展示特征可以进一步包括:终端设备的类型、终端设备与服务器之间的通信网络类型中至少一个。第二展示特征实际上反映了终端设备110的本身的性能,如数据下载能力、推荐信息渲染能力、目标应用运行情况、当前展示流程实时状态、硬件条件、网络状况等,这些都可能与第一预选推荐信息资源A1是否能够在终端设备110上成功展示相关。
在一些实施例中,与第一预选推荐信息资源相关的第一展示特征可以从服务器发送的返回信息中获取。例如,服务器基于终端设备的候选推荐信息请求发送的返回信息不仅可以包括基于候选推荐信息资源获取请求从第一预选推荐信息资源和第二预选推荐信息资源中选取的至少一个候选推荐信息资源的第一标识信息,而且,在第一标识信息包括第一预选推荐信息资源的情况下,可以进一步包括与第一预选推荐信息资源相关的第一展示特征。可选地,也可以单独从服务器获取与第一预选推荐信息资源相关的第一展示特征,即当终端设备110接收到返回信息包括第一预选推荐信息资源时,可以再次请求服务器继续发送与该第一预选推荐信息资源相对应的第一展示特征。
在一些实施例中,与终端设备的推荐信息展示操作相关的第二展示特征可以从终端设备本地存储的推荐信息历史展示操作相关数据和/或与推荐信息展示请求对应的当前展示操作相关数据中获取。这些数据都可以通过实时监控目标应用或用户与终端设备的交互来获取。
在S340(目标推荐信息资源确定步骤)处,基于第一展示特征和第二展示特征,从至少一个候选推荐信息资源中确定目标推荐信息资源。
如上文所述,当候选推荐信息资源H包含第一预选推荐信息资源A1时,在获得了第一展示特征和第二展示特征之后,可以基于它们来确定目标推荐信息资源。具体地,可以分为下述两种情况讨论:
(1)H仅包括A1时,基于第一展示特征和第二展示特征判断或预测A1是否能够在终端设备110上成功展示,若可以,则选取A1为目标推荐信息资源,否则返回空单,即无法确定目标推荐信息资源,推荐信息展示请求失败;
(2)H包括A1和B1,基于第一展示特征和第二展示特征判断或预测A1是否能够在终端设备110上成功展示,若可以,则选取A1为目标推荐信息资源,否则选取B1作为目标推荐信息资源。
在一些实施例中,可以利用预先构建的目标推荐信息资源确定模型来判断第一预选推荐信息资源A1是否能够在终端设备110上成功展示。目标推荐信息资源确定模型可以采用诸如LR或FM之类的分类器模型作为初始模型,经过基于机器学习的模型训练得到。目标推荐信息资源确定模型的输入数据为第一展示特征和第二展示特征,输出数据为第一预选推荐信息资源A1在终端设备110上展示的预期成功率。因此可以基于模型所得到的预期成功率的值确定A1是否能够成功展示,进而确定待展示的目标推荐信息资源。
可选地,在一些实施例中,也可以通过其他方式,例如根据第一展示特征与第二展示特征的比较,来确定第一预选推荐信息资源A1是否能够成功展示。例如,可以将第一展示特征中的A1适用机型、适用网络与第二特征中的本地终端设备的机型、当前网络进行比较,确认后者性能是否高于或等于前者的性能,若是,则能够成功展示(比如在规定时间内顺利下载和播放),否则无法成功展示。此外,也可以将第一展示特征中的A1的类型、大小等属性与第二展示特征中终端设备110的历史展示数据中成功展示的历史推荐信息资源的类型、大小等进行比较,通过比较来判断A1能否在终端设备110上成功展示。
在根据本申请一些实施例的确定推荐信息资源的方法中,首先从本地(例如终端设备)预先存储的预存推荐信息资源集合和远程(例如广告资源平台)存储的远程推荐信息资源集合中选取候选推荐信息资源,随后基于候选推荐信息资源中的远程推荐信息资源的展示特征(包括与该资源本身相关的第一展示特征以及与本地设备的推荐信息展示操作相关的第二展示特征)从候选推荐信息资源中确定目标推荐信息资源。
这样,由于在本申请的推荐信息资源的确发过程中,考虑到影响推荐信息展示的多种因素(例如设备推荐信息资源的属性相关的第一展示特征以及终端设备展示能力相关的第二展示特征),因此可以更准确地预测出推荐信息资源在终端设备上预期展示效果,从而实现具备性能优势的本地预存推荐信息资源和具备收益优势(例如全局最优收益)的远程推荐信息资源的智能化、自动化、最优化的选择,使得所确定的目标推荐信息资源在展示性能和展示收益方面达到了适度平衡,避免了片面地单独依据展示性能或预期展示收益而进行推荐信息选择所造成的推荐信息展示收益不理想或推荐信息展示效果不佳甚至无法完成展示的问题,从而在显著提升了用户体验的同时实现了推荐信息预期展示收益的最大化。另一方面,由于在获取候选推荐信息资源时仅仅需要从服务器接收候选推荐信息资源的标识信息和第一展示特征等容量较小的文本数据,而无需下载容量较大的资源本身(例如图片内容、视频内容等),从而避免了网络资源的过度消耗,提高了业务处理效率,节省了网络资源,优化了网络资源调度。
图4示出根据本申请一些实施例的确定推荐信息资源的方法的流程图。如图4所示,除了与图3相同的步骤S310-S340之外,根据本申请一些实施例的确定推荐信息资源的方法可以进一步包括在S310之前的第一推荐信息资源集合B的获取步骤S301-S303。
在一些实施例中,第二推荐信息资源集合B的预先下载或预存过程可以包括:服务器120可以响应于终端设备110的预存请求,基于终端设备110的用户操作场景对应的商业化价值及广告竞争环境激烈程度来向终端设备110预存一个或多个推荐信息资源。这样在触发实时推荐信息展示请求时,就可以利用预先存储的本地的第二推荐信息资源集合B中筛选目标推荐信息,从而保证展示性能。
在步骤S301处,在接收到推荐信息展示请求之前的每一个预定的预存时刻,向服务器发送推荐信息资源预存请求。
终端设备发出的预存请求可以基于该终端设备上目标应用的状态触发。例如当用户从启动目标应用开始到关闭的过程中,可以触发周期性的预存请求,以要求服务器基于预存请求向终端设备发送相应的一个或多个推荐信息资源,供适当时候(例如触发展示请求时)直接在终端设备本地展示。预存请求仅仅是请求预先存储推荐信息资源,并不要求实时展示或播放该资源,即预存的推荐信息资源不用于实时展示,这种异步化的下载和展示方式可以使得对终端设备性能(例如渲染、下载等操作的时延)的要求放宽,提升用户体验。
在一些实施例中,可以以一定时间间隔的周期性地发起预存请求以实现预存推荐信息资源的快速更新,以适应目前推荐信息资源的不断的更新换代。例如,可以首先确定第一个预存时刻(如目标应用开启时刻或用户与终端设备交互的开始时刻等),随后确定相邻两个预存时刻的间隔时间,从而可以得到多个预存时刻,其可以是有限的或无限的(例如一直持续下去,直到用户关机)。终端设备110可以实时判断当前时刻是否是预存时刻,若是则向服务器发送预存请求,否则继续判断动作;如此循环往复,一直进行下去,直到终端设备停止运行(例如用户关机)为止。可选地,也可以设置跳出循环的条件,例如收到终端设备存储空间已满、停止预存请求的指令,即可立即停止预存时刻判断。
可选地,对应于每一个预定的预存时刻的预存请求可以包括终端设备中推荐信息历史展示数据(例如终端设备上展示过的推荐信息数据)。这样,在服务器确定预存的推荐信息资源时可以依据历史展示数据确定用户画像,进而基于用户画像确定预存的推荐信息资源,从而使得所选择的预存推荐信息资源符合用户画像,提升用户体验。
在步骤S302处,从服务器接收基于每一个预定的预存时刻发送的每一个推荐信息资源预存请求确定的至少一个预存推荐信息资源。
服务器针对预存请求返回的推荐信息资源数量可以以终端设备当前场景(例如终端设备中目标应用的使用情况、推荐信息资源展示情况等)的“商业化价值”及“推荐信息竞争环境激烈程度”来确定,价值越高,激烈程度越高,返回数量可适当增加。一般地,可以返回 2-3个推荐信息资源。
在步骤S303处,将对应于每一个推荐信息预存请求的所述至少一个预存推荐信息资源保存到预设的持久化存储区中,并将该预设的持久化存储区中存储的所有预存推荐信息资源构成的集合作为第二推荐信息资源集合。
在从服务器接收到对应于预存请求的返回结果(即至少一个推荐信息资源)之后,可以将其保存到终端设备的预设的持久化存储区域中,以保证目标应用重启后,相应的预存结果仍然存在以供后续响应于展示请求进行直接加载。与常规的预存推荐信息资源相比,这样做的目的是增加预存的推荐信息资源的生命周期。之所以进行这种预存操作,即资源下载和展示异步进行(例如,广告的资源或素材(图片/视频)进行预下载,结果也持久化到设备中,而相应的展示是下载完成后响应于展示请求进行),是因为从数据分析可以发现,推荐信息(例如广告)资源或素材的下载成功率是影响其展示成功的核心要素(例如重要性权重占比可达70%)。
如图4所示,根据本申请一些实施例的确定推荐信息资源的方法可以进一步包括:
步骤S304,响应于第一标识信息指示所述至少一个候选推荐信息资源仅包括第二预选推荐信息资源,将第二预选推荐信息资源确定为目标推荐信息资源。
在一些实施例中,当候选推荐信息资源H仅包括B1时,B1就可以直接作为目标推荐信息资源,因为B1所在的第二推荐信息资源集合B是预先从服务器120中预存在终端设备本地(预设的持久性存储区)的推荐信息资源集合,于是B1可以直接在终端设备110上加载展示。尤其是,当预存的第二推荐信息在资源集合B是基于包含(终端设备历史展示数据)确定或选择的时,B中的所有元素(包括B1)都适合在终端设备中展示(例如,一方面适合用户需求,另一方面也适合终端设备的状态),因此无需像A1那样,进一步判断其在终端设备上是否能够成功播放。
如图4所示,根据本申请一些实施例的确定推荐信息资源的方法可以进一步包括:步骤S305,在确定了目标推荐信息资源之后,获取并渲染目标推荐信息资源。
如图2所示,在确定了目标推荐信息资源之后,终端设备110可以首先获取目标推荐信息资源,例如当目标推荐信息资源为第一预选推荐信息资源A1时,可以从服务器120下载资源A;而当目标推荐信息资源是第二预选推荐信息资源B1时,可以直接从终端设备本地的例如预设的持久化存储区提取B1。随后终端设备110可以响应于展示请求在目标应用中(特定时间段(如应用开启时)和/或特征位置(如广告位))向用户渲染(例如播放、显示等)该目标推荐信息资源。
图5示出了根据本申请一些实施例的图3所示的确定推荐信息资源的方法各个步骤的示例流程。
如图5所示,图3中的推荐信息展示请求接收步骤S310可以包括步骤:
S310a,从目标应用接收推荐信息展示请求。
在一些实施例中,推荐信息展示请求可以是通过用户与终端设备上的目标应用(例如图1所示的终端应用112)的交互操作实时触发的。例如,当终端应用112被用户点击启动时,往往会触发闪屏广告(即在手机应用开启时以短暂的固定时间(例如不超过5秒)展示,展示完毕后自动关闭并进入应用页面的一种广告形式)展示请求,从而终端设备110根据该展示请求获取相应广告资源并在规定时间段内展示给用户。如图2所示,终端设备110可以实时监控用户与终端应用112的交互操作,并响应于用户执行特定交互操作(例如启动终端应用112或点击终端应用112的推荐信息位(例如广告位))接收由此触发的推荐信息展示请求。
如图5所示,图3中的候选推荐信息资源获取步骤S320可以包括步骤S320a-S320b。
在S320a处,基于推荐信息展示请求,向服务器发送推荐信息资源获取请求,所述推荐信息资源获取请求包括预先获取的第二推荐信息资源集合的第二标识信息和终端设备的设备标识信息中至少一个。
为了使得服务器120可以从第一和第二推荐信息资源集合A和B中筛选出候选推荐信息资源,发送给服务器120的推荐信息资源获取请求需要包括第二推荐信息资源集合B的第二标识信息或者终端设备的设备标识信息。这样,服务器120可以基于第二标识信息得知预存在终端设备上的各个第二推荐信息资源的具体情况,或者也可以基于设备标识信息从服务器120中存储的下载日志得知该设备标识信息对应的终端设备110已经从服务器下载了哪些推荐信息资源(即第二标识信息),从而间接地得知终端设备110中所有预存推荐信息资源的情况。在一些实施例中,推荐信息资源获取请求还可以包括用户画像。这样,后续可以基于用户画像(或可选地结合终端设备状态等数据)从推荐信息资源集合中A和B中筛选适合该用户的目标推荐信息资源以供展示。
在S320b处,从服务器接收返回信息,其中返回信息包括基于候选推荐信息资源标识获取请求从第一预选推荐信息资源和第二预选推荐信息资源中选取的至少一个候选推荐信息资源的第一标识信息。
在一些实施例中,接收到候选推荐信息资源标识获取请求之后,服务器可以基于该请求,尤其是基于该请求中的第二标识信息或设备标识信息,确定至少一个候选推荐信息资源,其可以包括从第一推荐信息资源集合A选取的第一预选推荐信息资源A1以及从第二推荐信息资源集合B选取的第二预选推荐信息资源B1中至少一个;并且将所确定的至少一个候选推荐信息资源的第一标识信息作为返回信息返回给终端设备。
关于A1和B1的筛选,可以分别基于第一推荐信息资源集合A和第二推荐信息资源集合B中各个推荐信息资源的预估展示收益来进行。例如,可以在集合A中选取预估展示收益最大的推荐信息资源作为第一预选推荐信息资源A1,同样可以在集合B中选取预估展示收益最大的资源作为第二预选推荐信息资源B1。
在一些实施例中,推荐信息资源的预估展示收益可以包括例如推荐信息或广告的ECPM(千次展示预期收益值);可选地,预估展示收益也可以包括其他任何反映或指示推荐信息资源或广告资源预期展示收益的参数。因此,基于预估展示收益筛选的推荐信息资源充分体现了收入预期的最大化。ECPM可以通过下面的公式计算 :
ECPM =P * PCVR* PCTR* 1000
其中,P表示广告主出价,PCVR表示预测的转化率,PCTR表示预测的点击率。
在一些实施例中,推荐信息资源的预估展示收益可以从服务器120(例如推荐信息(或广告)资源管理平台和/或数据库)中获取。例如,在各推荐信息资源被制作完成时,各自相应的预估展示收益可以被同步(例如根据上述公式)计算出来并与推荐信息资源一并存储在服务器120中。因此,在从第一推荐信息资源集合A中筛选第一预选推荐信息资源A1时,服务器120可以从其中的数据库中直接提取集合A中各个资源对应的预估展示收益数据;而从推荐信息资源集合B中筛选第二预选推荐信息资源B1时,服务器120可以基于从终端设备110发送的包含在推荐信息展示请求中的第二推荐信息资源集合B的第二标识信息或设备标识信息,确定集合B中各个推荐信息资源的ID(身份信息),随后从服务器120的数据库(或外部数据库)中直接提取这些ID对应的预估展示收益。
在筛选出A1和B1之后,仍然可以基于各自的预估展示收益从中选取至少一个候选推荐信息资源。例如,当A1的预估收益大于B1时,则A1和B1都是候选推荐信息资源;否则,B1为候选推荐信息资源。这样,在确定了至少一个候选推荐信息资源之后,服务器120可以将候选推荐信息的第一标识信息作为返回信息发送至终端设备110,从而实现了至少一个候选推荐信息资源的获取。
如图5所示,图3中的展示特征获取步骤S330可以包括步骤S330a-S330b。
在S330a处,从所述返回信息中获取第一展示特征。
在一些实施例中,服务器基于终端设备的推荐信息获取请求发送的返回信息不仅可以包括基于候选推荐信息资源获取请求从第一预选推荐信息资源和第二预选推荐信息资源中选取的至少一个候选推荐信息资源的第一标识信息,而且,在第一标识信息包括第一预选推荐信息资源的情况下,可以进一步包括与第一预选推荐信息资源相关的第一展示特征。第一推荐信息资源集合中的各个推荐信息资源可以在其制作完成时与其相应的属性(例如大小、类型、适用机型、网络、预估展示收益等第一展示特征)一并存储在服务器(或数据库)中,因此,可以直接从数据库中提取与第一预选推荐信息资源相关的第一展示特征。因此,为了后续确定目标推荐信息资源,可以在后续推荐信息资源包括第一预选推荐信息资源的情况下,将第一预选推荐信息资源对应的第一展示特征与第一标识信息共同放入返回信息中并发送至终端设备。
在S330b处,基于终端设备的推荐信息历史展示操作相关数据和所述推荐信息展示请求对应的当前展示操作相关数据中至少一个,确定第二展示特征。
在一些实施例中,与终端设备的推荐信息展示操作相关的第二展示特征可以从终端设备本地存储的推荐信息示例展示操作相关数据和/或与推荐信息展示请求对应的当前展示操作相关数据中获取。例如终端设备可以实时监控目标应用相关的推荐信息展示操作数据,并将其存储在推荐信息展示日志中,因此该展示日志中记录了推荐信息的历史展示操作相关数据以及与推荐信息展示请求对应的当前展示流程的相关数据,其中可以包括诸如目标应用的启动时延、终端设备上历史推荐信息资源下载时延、终端设备上历史推荐信息资源渲染时延、推荐信息展示请求对应的终端设备上推荐信息展示流程中的剩余可用时延中至少一个,即第二展示特征。因此,在需要使用第二展示特征时,可以直接从展示日志中提取相关数据。
如图5所示,图3中的目标推荐信息资源确定步骤S340可以包括S340a-S340b。
在S340a处,将第一展示特征和第二展示特征输入到目标推荐信息资源确定模型,以获得第一预选推荐信息资源的成功展示概率。目标推荐信息资源确定模型为用于预测目标推荐信息资源的经训练的分类器模型。
在获得了与第一预选推荐信息资源A1相关的第一特征和与终端设备的推荐信息展示操作相关的第二展示特征的基础上,可以通过机器学习来智能地识别或预测目标推荐信息资源。目标推荐信息资源确定模型可以根据第一展示特征和第二展示特征,预测第一预选推荐信息资源A1在终端设备上是否能够展示成功,即将其进行分类为展示成功或展示失败,进而基于分类结果确定目标推荐信息资源。
目标推荐信息资源确定模型所采用的原始分类器模型的具体形式可以是基于任何适当的分类算法或神经网络算法而建立的模型,例如分类器模型的示例包括但不限于:逻辑回归模型(LR)、因子分解机模型(FM)、Xgboost网络、长短时记忆(LSTM)网络、门控循环单元(GRU)、时间延时神经网络(TDNN)、卷积神经网络(CNN)、随机森林分类器、LightGBM分类器等。
在一些实施例中,考虑到目标推荐信息资源确定过程,即目标推荐信息资源确定模型的使用是在终端设备中完成的,可以采用尽可能轻量、计算复杂度较低、效率较高分类器模型,例如线性分类器LR或FM。
在一些实施例中,可以使用FM作为目标推荐信息资源确定模型的原始分类器,FM是一种基于矩阵分解的机器学习算法,是推荐领域被验证效果较好的推荐算法之一。FM模型的表达式为:
在利用目标推荐信息资源确定模型之前,需要将第一展示特征和第二展示特征的原始数据进行归一化、向量化等基础特征处理,以便能够直接作为模型的输入数据。例如,可以基于前述第一预选推荐信息资源的大小、第一预选推荐信息资源的类型、第一预选推荐信息资源适用的展示设备类型、第一预选推荐信息资源适用的通信网络类型、第一预选推荐信息资源对应的预估展示收益等第一展示特征特征的示例,以及推荐信息展示请求对应的目标应用的启动时延、历史推荐信息资源下载时延、历史推荐信息资源渲染时延、所述推荐信息展示请求对应的推荐信息展示流程中的剩余可用时延、本地终端设备的类型、本地终端设备与推荐信息资源平台之间的通信网络类型等第二展示特征的示例,将第一展示特征和第二展示特征分别具体化为n维特征向量以便于输入至目标推荐信息资源确定模型获得相应的分类预测结果。
在S340b处,根据所述第一预选推荐信息资源的成功展示概率,从所述至少一个候选推荐信息资源中确定目标推荐信息资源。
作为经训练的分类器模型的目标推荐信息资源确定模型,其具体的输出结果应当是分类概率值,即第一预选推荐信息资源A1在终端设备110上成功展示概率和/或失败展示概率。由于该模型属于二分类模型,即只有两个预设类别(展示成功或失败),因此,只需考虑成功展示概率即可得到分类结果和各个类别的分类概率值(因为失败展示概率=1-成功展示概率)。在一些实施例中,S340b可以包括:响应于所述成功展示概率大于或等于预设概率阈值,将第一预选推荐信息资源确定为目标推荐信息资源;响应于所述成功展示概率小于预设概率阈值且所述至少一个候选推荐信息资源包括第二预选推荐信息资源,将第二预选推荐信息资源确定为目标推荐信息资源。可选地,如果成功展示概率小于预设概率阈值且所述至少一个候选推荐信息资源不包括第二预选推荐信息资源(即仅包括第一预选推荐信息资源),则无法确定目标推荐信息资源,这时可以向目标应用返回空单或忽略推荐信息展示请求,继续目标应用的正常运行。
表1示出了利用目标推荐信息资源确定模型得到的第一预选推荐信息资源成功展示概率与目标推荐信息资源关系。在表1中,H表示候选推荐信息,B1为第二预选推荐信息资源,A1为第一预选推荐信息资源,P(A1)为A1的成功展示概率,而P0为预设概率阈值。如表1所示,当P(A1)>=P0时,A1被确定为目标推荐信息资源;当P(A1)<P0且H包括B1时,B1被确定为目标推荐信息资源,而当P(A1)<P0且H不包括B1时,则目标推荐信息资源为空。
表1
例如,可以将预设概率阈值P0设定为0.7,则当A1的成功展示概率P(A1)>0.7时,说明A1在终端设备上展示成功的可能性较大,因此可以预测为A1能够成功展示,相应地可以选择A1为目标推荐信息资源(因为与从较小的第二推荐信息资源集合B中选出的B1相比,A1为从较大的第一推荐信息资源集合A中选出的全局最优推荐信息资源,即其预估收益高于B1);否则可以在H包含B1的情况下,选择B1为目标推荐信息资源。可选地,预设概率阈值P0可以根据实际情况确定,一般地应当大于0.5,比如可以选取0.6、0.7、0.8等。
图6示出了根据本申请一些实施例的目标推荐信息资源确定模型的训练方法流程图。如图6所示,根据本申请一些实施例的目标推荐信息资源确定模型的训练过程包括:
S610,获取多个推荐信息资源对应的多个第一展示特征;
S620,获取与多个不同类型终端设备分别对应的多个第二展示特征;
S630,在所述多个不同类型终端设备上分别展示所述多个推荐信息资源并获取对应的多个展示日志,每一个展示日志包括相应的推荐信息资源展示成功标识信息;
S640,基于所述多个第一展示特征、所述多个第二展示特征以及所述多个展示日志,确定训练样本和对应的样本标签;
S650,利用所述训练样本和对应的样本标签训练分类器模型,以获得目标推荐信息资源确定模型。
表2示出了目标推荐信息资源确定模型的训练样本示例。如表2所示,第一展示特征包括推荐信息资源的大小,第二展示特征包括展示剩余时延、终端设备类型、网络类型。表2示出了三个样本及其相应标签。如表2所示,第一个样本为负样本,其中资源大小为1MB,设备类型为第一机型、网络类型为4G通信网络,剩余时延为200ms,而样本标签为0(即展示日志中展示成功标识为0),即经过实践验证,展示失败;第二个样本为正样本,其中资源大小为300KB,设备类型为第二机型、网络类型为无线WIFI,剩余时延为500ms,而样本标签为1,即经过实践验证,展示成功;第三个样本为负样本,其中资源大小为500KB,设备类型为第三机型、网络类型为无线WIFI,剩余时延为400ms,而样本标签为0,即经过实践验证,展示失败。
表2
资源的大小 | 终端设备类型 | 网络类型 | 展示剩余时延 | 展示成功与否(1或0) |
1MB | 第一机型 | 4G | 200ms | 0 |
300KB | 第二机型 | WIFI | 500ms | 1 |
500KB | 第三机型 | WIFI | 400ms | 0 |
本文中的推荐信息资源的“展示”可以表示推荐信息资源的整个展示流程。
关于具体的训练过程,可以利用所得到的大量训练样本和样本标签,采用有监督的机器学习方式训练的诸如FM或LR之类的分类器模型,不断调整优化模型参数以使模型分类预测准确率最大化。
图7示出根据本申请一些实施例的确定推荐信息资源的方法的流程图。图7所示的方法可以在图1所示的服务器120侧实现。
如图7所示,根据本申请一些实施例的确定推荐信息资源的方法可以包括以下步骤:
S710,从终端设备接收基于推荐信息展示请求得到的推荐信息资源获取请求,所述推荐信息资源获取请求包括终端设备中预先存储的第二推荐信息资源集合的第二标识信息和终端设备的设备标识信息中至少一个;
S720,根据第二标识信息和设备标识信息中至少一个,获取第二推荐信息资源集合中各个推荐信息资源的预估展示收益;
S730,基于第二推荐信息资源集合中各个推荐信息资源的预估展示收益,从第二推荐信息资源集合中选取第二预选推荐信息资源;
S740,基于预定的第一推荐信息资源集合中各个推荐信息资源的预估展示收益,从第一推荐信息资源集合中选取第一预选推荐信息资源;
S750,根据第一预选推荐信息资源的第一预估展示收益和第二预选推荐信息资源的第二预估展示收益,确定至少一个候选推荐信息资源的第一标识信息;
S760,响应于第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源,获取与第一预选推荐信息资源相关的第一展示特征;
S770,确定返回信息,其中返回信息包括第一标识信息以及在第一标识信息指示至少一个候选推荐信息资源包括第一预选推荐信息资源的情况下进一步包括第一展示特征。
S780,将返回信息发送至终端设备,以使得终端设备至少基于返回信息确定目标推荐信息资源,其中所述至少基于返回信息确定目标推荐信息资源包括在第一标识信息指示至少一个候选推荐信息资源包括第一预选推荐信息资源的情况下基于返回信息和与终端设备的推荐信息展示操作相关的第二展示特征确定目标推荐信息资源。
在上述实施例中,S760(根据第一预选推荐信息资源的第一预估展示收益和第二预选推荐信息资源的第二预估展示收益,确定至少一个候选推荐信息资源)可以包括:响应于第一预估展示收益小于或等于第二预估展示收益,将至少一个候选推荐信息资源确定为第二预选推荐信息资源;响应于第一预估展示收益大于第二预估展示收益,将所述至少一个候选推荐信息资源确定为包括第一预选推荐信息资源和第二预选推荐信息资源。
在上述实施例中,推荐信息资源获取请求进一步包括终端设备对应用户画像和终端设备状态中至少一个,且S760(基于第一推荐信息资源集合中各个推荐信息资源的预估展示收益,从第一推荐信息资源集合中选取第一预选推荐信息资源)可以包括:基于所述用户画像和终端设备状态中至少一个,从第一推荐信息资源集合中确定第一预选推荐信息资源集合;基于第一预选推荐信息资源集合中各个推荐信息资源的预估展示收益,从第一预选推荐信息资源集合中选取第一预选推荐信息资源。
如上所述,在从第一推荐信息资源集合A和第二推荐信息资源集合B中筛选第一预选推荐信息资源A1和第二预选推荐信息资源B1之前,可以根据用户画像和/或设备状态对第一和第二推荐信息资源集合A和B进行预筛选,从中筛选出适合终端设备110对应的终端用户(行为习惯)和/或适合终端设备(硬件条件、运行状况等)的至少一些推荐信息资源,其可以分别构成集合A0和B0;随后再从A0和B0中基于预估展示收益筛选A1和B1,这样最后得到的目标推荐信息资源既满足用户的主观需求和/或适应终端设备的条件或状态,又能保证推荐信息展示的预期收益。关于第一预选推荐信息资源的具体选取过程,以广告为例,可以包括用户画像和设备状态的获取、检索、粗排、精排、二价计费确认等几个子阶段,总体目的为:根据用户画像以及设备状态(例如终端设备上硬件条件、运行状况等),从广告集合中选取预期收益最高的一个或多个广告。
然而,上述预筛选过程有可能出现无法从A和B中筛选出符合用户画像和/或设备状态的推荐信息资源的情况,即A0和B0有可能为空集,这时也就无法得到最后的A1和B1。在这种情况下,若A0为空集,B0不为空集,则不存在A1,存在B1,于是候选推荐信息能是B1;若B0为空集,A0不为空集,则不存在B1,存在A1,于是候选推荐信息只能是A1;若A0和B0同时为空集,则A1和B1都不存在,无法得到最终的候选推荐信息资源,于是相应的返回信息可以为空单。
图8示出根据本申请一些实施例的确定推荐信息资源的方法的示例应用场景800中各实体之间的示例交互流程图。
在图8所示的应用场景800中,推荐信息被具体化为广告,相应的推荐信息资源对应于广告资源。终端设备810通过与广告资源管理平台820的交互实现目标广告资源的确定。如图8所示,终端设备810可以包括目标应用811和广告SDK 812;广告资源管理平台820可以包括选单引擎服务器821和数据库服务器822。目标应用811是用于广告展示相关的终端应用,广告SDK 812是终端设备810安装的提供广告嵌入等相关功能的工具包。
广告资源管理平台820可以对应于图1和图2中的服务器120,终端设备810可以对应于图1和图2中的终端设备110,目标应用811对应于图1中的终端应用112。为描述方便起见,图8中选单引擎服务器821和数据库服务器822被示出为分离的实体,但是它们也可以同一服务器的不同组成部分。
如图8所示,在示例应用场景800中,根据本申请一些实施例的确定目标推荐信息(即目标广告)的方法包括两个子部分:即预存广告资源部分(801-803)和目标推荐广告资源确定部分(831-839)。
如图8所示,预存广告资源过程包括:
步骤801:终端设备810通过广告SDK 811向选单引擎服务器821发送广告资源预存请求;
步骤802:选单引擎服务器821基于预存请求,确定预存广告资源;
步骤803:终端设备810从数据库服务器822接收预存广告资源;
步骤804:终端设备810存储预存广告资源(在持久性存储区),形成预存广告资源集合B(即本文所述第二推荐信息资源集合B),预存广告资源完成。
如图8所示,目标广告资源确定部分可以包括:
步骤831:广告SDK 812从目标应用811接收实时广告展示请求;
步骤832:广告SDK 812基于广告展示请求,生成广告资源获取请求;
步骤833:终端设备110将广告资源获取请求发送给广告资源管理平台810;
步骤834:选单引擎服务器821基于广告资源获取请求,从广告资源管理平台820中存储的平台资源集合A(即对应于本文所述的第一推荐信息资源集合A)中和终端设备810中预存资源集合B中分别筛选预选广告资源A1和B1;
步骤835:选单引擎服务器821基于预估展示收益,从A1和B1中确定候选广告资源H;
步骤836:若H包含A1,选单引擎服务器821确定A1对应的第一展示特征并生成返回信息,其包括候选广告资源H的标识信息和第一展示特征;
步骤837:终端设备810从广告资源管理平台820接收返回信息;
步骤838:若H包含A1,广告SDK 812获取第一展示特征和与终端设备810的广告展示操作相关的第二展示特征;
步骤839:广告SDK 812基于第一展示特征和第二展示特征,确定目标广告资源;
步骤840:广告SDK 812指示目标应用展示目标广告资源,其中可以包括下载目标广告资源(例如当其为A1时)和渲染(例如播放或显示)目标广告资源。
在例如图8所示的广告实时展示的应用场景中,根据本申请的确定推荐信息资源的方法可以基于第一展示特征和第二展示特征从本地预存的收益局部最优广告资源集合和远程存储的收益全局最优广告资源中选取能够兼顾性能和收入的目标广告资源。例如,在展示特征有利于全局最优广告资源展示时(如终端设备的目标应用启动速度快+广告资源或素材较小+网络类型为WIFI等),可以选择全合局最优广告资源进行展示以保证预期收益最大化;而在在是特征不利于全局最优广告资源展示时(如终端设备(例如手机)性能较差+广告资源或素材为较大图片或视频+网络类型为3G等),这时可以选取局部最优广告资源进行展示以保证展示性能。这样实现了后台选单引擎在“双广告”候选机制的情况下,利用目标推荐信息确定模型,基于大量特征组合(例如第一展示特征和第二展示特征)给出待展示的目标广告的建议,实现了全局最优广告的有效分发, 在收入和性能两者间取得了平稳点。在不增加时延保证展示性能和用户体现的前提下,有效增加广告收入。
图9示意性示出了根据本申请一些实施例的确定推荐信息资源的装置900的示例框图。图9所示的确定推荐信息资源的装置900可以对应于图1和图2所示的终端设备110。
如图9所示,确定推荐信息资源的装置900可以包括接收模块910、第一获取模块920、第二获取模块930以及确定模块940。接收模块910被配置成接收推荐信息展示请求。第一获取模块920被配置成基于推荐信息展示请求获取至少一个候选推荐信息资源的第一标识信息,其中所述至少一个候选推荐信息资源包括从存储在服务器的第一推荐信息资源集合中选取的第一预选推荐信息资源以及从预先获取的第二推荐信息资源集合中选取的第二预选推荐信息资源中至少一个。第二获取模块930被配置成响应于第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源,获取与第一预选推荐信息资源相关的第一展示特征以及与终端设备的推荐信息展示操作相关的第二展示特征。确定模块940被配置成基于第一展示特征和第二展示特征,从所述至少一个候选推荐信息资源中确定目标推荐信息资源。
应注意,上述各种模块可以以软件或硬件或两者的组合来实现。多个不同模块可以在同一软件或硬件结构中实现,或者一个模块可以由多个不同的软件或硬件结构实现。
本申请提供的确定推荐信息资源的装置全面地考虑到影响推荐信息展示的多种因素(例如设备推荐信息资源的属性相关的第一展示特征以及终端设备展示能力相关的第二展示特征),因此可以更准确地预测出推荐信息资源在终端设备上预期展示效果,从而实现具备性能优势的本地预存推荐信息资源和具备收益优势(例如全局最优收益)的远程推荐信息资源的智能化、自动化、最优化的选择,使得所确定的目标推荐信息资源在展示性能和展示收益方面达到了适度平衡,避免了片面地单独依据展示性能或预期展示收益而进行推荐信息选择所造成的推荐信息展示收益不理想或推荐信息展示效果不佳甚至无法完成下载或渲染的问题从而在显著提升了用户体验的同时实现了推荐信息预期展示收益的最大化;另一方面,由于在获取候选推荐信息资源时仅仅需要从服务器接收候选推荐信息资源的标识信息和第一展示特征等容量较小的文本数据,而无需下载容量较大的资源本身(例如图片内容、视频内容等),从而避免了网络资源的过度消耗,提高了业务处理效率,节省了网络资源,优化了网络资源调度。
图10示意性示出了根据本申请一些实施例的计算设备1000的示例框图。计算设备1000可以代表用以实现本文描述的各种装置或模块和/或执行本文描述的各种方法的设备。计算设备1000可以是例如服务器、台式计算机、膝上型计算机、平板、智能电话、智能手表、可穿戴设备或任何其它合适的计算设备或计算***,其可以包括从具有大量存储和处理资源的全资源设备到具有有限存储和/或处理资源的低资源设备的各种级别的设备。在一些实施例中,上面关于图9描述的确定推荐信息资源的装置900可以分别在一个或多个计算设备1000中实现。
如图10所示,示例计算设备1000包括彼此通信耦合的处理***1001、一个或多个计算机可读介质1002以及一个或多个I/O接口1003。尽管未示出,但是计算设备1000还可以包括将各种组件彼此耦合的***总线或其他数据和命令传送***。***总线可以包括不同总线结构的任何一个或组合,所述总线结构可以是诸如存储器总线或存储器控制器、***总线、通用串行总线、和/或利用各种总线架构中的任何一种的处理器或局部总线。或者,还可以包括诸如控制和数据线。
处理***1001代表使用硬件执行一个或多个操作的功能。因此,处理***1001被图示为包括可被配置为处理器、功能块等的硬件元件1004。这可以包括在硬件中实现作为专用集成电路或使用一个或多个半导体形成的其它逻辑器件。硬件元件1004不受其形成的材料或其中采用的处理机构的限制。例如,处理器可以由(多个)半导体和/或晶体管(例如,电子集成电路(IC))组成。在这样的上下文中,处理器可执行指令可以是电子可执行指令。
计算机可读介质1002被图示为包括存储器/存储装置1005。存储器/存储装置1005表示与一个或多个计算机可读介质相关联的存储器/存储装置。存储器/存储装置1005可以包括易失性介质(诸如随机存取存储器(RAM))和/或非易失性介质(诸如只读存储器(ROM)、闪存、光盘、磁盘等)。存储器/存储装置1005可以包括固定介质(例如,RAM、ROM、固定硬盘驱动器等)以及可移动介质(例如,闪存、可移动硬盘驱动器、光盘等)。示例性地,存储器/存储装置1005可以用于存储上文实施例中提及的第一类别用户的第一音频、请求的排队列表等。计算机可读介质1002可以以下面进一步描述的各种其他方式进行配置。
一个或多个I/O(输入/输出)接口1003代表允许用户向计算设备1000键入命令和信息并且还允许使用各种输入/输出设备将信息显示给用户和/或发送给其他组件或设备的功能。输入设备的示例包括键盘、光标控制设备(例如,鼠标)、麦克风(例如,用于语音输入)、扫描仪、触摸功能(例如,被配置为检测物理触摸的容性或其他传感器)、相机(例如,可以采用可见或不可见的波长(诸如红外频率)将不涉及触摸的运动检测为手势)、网卡、接收机等等。输出设备的示例包括显示设备(例如,监视器或投影仪)、扬声器、打印机、触觉响应设备、网卡、发射机等。示例性地,在上文描述的实施例中,第一类别用户以及第二类别用户可以通过其各自的终端设备上的输入接口来进行输入以发起请求以及录入音频和/或视频等,并且可以通过输出接口来查看各种通知以及观看视频或聆听音频等。
计算设备1000还包括推荐信息资源确定策略1006。推荐信息资源确定策略1006可以作为计算程序指令存储在存储器/存储装置1005中,也可以是硬件或固件。推荐信息资源确定策略1006可以连同处理***1001等一起实现关于图9描述的确定推荐信息资源的装置900的各个模块的全部功能。
本文可以在软件、硬件、元件或程序模块的一般上下文中描述各种技术。一般地,这些模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元素、组件、数据结构等。本文所使用的术语“模块”、“功能”等一般表示软件、固件、硬件或其组合。本文描述的技术的特征是与平台无关的,意味着这些技术可以在具有各种处理器的各种计算平台上实现。
所描述的模块和技术的实现可以存储在某种形式的计算机可读介质上或者跨某种形式的计算机可读介质传输。计算机可读介质可以包括可由计算设备1000访问的各种介质。作为示例而非限制,计算机可读介质可以包括“计算机可读存储介质”和“计算机可读信号介质”。
与单纯的信号传输、载波或信号本身相反,“计算机可读存储介质”是指能够持久存储信息的介质和/或设备,和/或有形的存储装置。因此,计算机可读存储介质是指非信号承载介质。计算机可读存储介质包括诸如易失性和非易失性、可移动和不可移动介质和/或以适用于存储信息(诸如计算机可读指令、数据结构、程序模块、逻辑元件/电路或其他数据)的方法或技术实现的存储设备之类的硬件。计算机可读存储介质的示例可以包括但不限于RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字通用盘(DVD)或其他光学存储装置、硬盘、盒式磁带、磁带,磁盘存储装置或其他磁存储设备,或其他存储设备、有形介质或适于存储期望信息并可以由计算机访问的制品。
“计算机可读信号介质”是指被配置为诸如经由网络将指令发送到计算设备1000的硬件的信号承载介质。信号介质典型地可以将计算机可读指令、数据结构、程序模块或其他数据体现在诸如载波、数据信号或其它传输机制的调制数据信号中。信号介质还包括任何信息传递介质。作为示例而非限制,信号介质包括诸如有线网络或直接连线的有线介质以及诸如声、RF、红外和其它无线介质的无线介质。
如前所述,硬件元件1004和计算机可读介质1002代表以硬件形式实现的指令、模块、可编程器件逻辑和/或固定器件逻辑,其在一些实施例中可以用于实现本文描述的技术的至少一些方面。硬件元件可以包括集成电路或片上***、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、复杂可编程逻辑器件(CPLD)以及硅中的其它实现或其他硬件设备的组件。在这种上下文中,硬件元件可以作为执行由硬件元件所体现的指令、模块和/或逻辑所定义的程序任务的处理设备,以及用于存储用于执行的指令的硬件设备,例如,先前描述的计算机可读存储介质。
前述的组合也可以用于实现本文所述的各种技术和模块。因此,可以将软件、硬件或程序模块和其它程序模块实现为在某种形式的计算机可读存储介质上和/或由一个或多个硬件元件1004体现的一个或多个指令和/或逻辑。计算设备1000可以被配置为实现与软件和/或硬件模块相对应的特定指令和/或功能。因此,例如通过使用处理***的计算机可读存储介质和/或硬件元件1004,可以至少部分地以硬件来实现将模块实现为可由计算设备1000作为软件执行的模块。指令和/或功能可以由例如一个或多个计算设备1000和/或处理***1001执行/可操作以实现本文所述的技术、模块和示例。
本文描述的技术可以由计算设备1000的这些各种配置来支持,并且不限于本文所描述的技术的具体示例。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机程序。例如,本申请的实施例提供一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行本申请的方法实施例中的至少一个步骤的程序代码。
在本申请的一些实施例中,提供了一种或多种计算机可读存储介质,其上存储有计算机可读指令,该计算机可读指令在被执行时实现根据本申请一些实施例的确定推荐信息资源的方法。根据本申请一些实施例所述的确定推荐信息资源的方法的各个步骤可以通过程序设计被转化为计算机可读指令,从而存储在计算机可读存储介质中。当这样的计算机可读存储介质被计算设备或计算机读取或访问时,其中的计算机可读指令被计算设备或计算机上的处理器执行以实现根据本申请一些实施例所述的方法。
在本说明书的描述中,术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点被包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序(包括根据所涉及的功能按基本同时的方式或按相反的顺序)来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,则可用本领域公知的下列技术中的任一项或它们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路、具有合适的组合逻辑门电路的专用集成电路、可编程门阵列(Programmable Gate Array)、现场可编程门阵列(Field Programmable Gate Array)等。
本技术领域的普通技术人员可以理解上述实施例方法的全部或部分步骤可以通过程序指令相关的硬件完成,所述程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括执行方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
可以理解的是,在本申请的具体实施方式中,涉及到用户画像、用户操作行为数据等。当本申请以上实施例运用到具体产品或技术中时,需要获得用户许可或者同意,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
Claims (20)
1.一种确定推荐信息资源的方法,包括:
接收推荐信息展示请求;
基于推荐信息展示请求,获取至少一个候选推荐信息资源的第一标识信息,其中所述至少一个候选推荐信息资源包括从存储在服务器的第一推荐信息资源集合中选取的第一预选推荐信息资源以及从预先获取的第二推荐信息资源集合中选取的第二预选推荐信息资源中至少一个;
响应于第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源,获取与第一预选推荐信息资源相关的第一展示特征以及与终端设备的推荐信息展示操作相关的第二展示特征;
基于第一展示特征和第二展示特征,从所述至少一个候选推荐信息资源中确定目标推荐信息资源。
2.根据权利要求1所述的方法,其中所述第一展示特征包括下述各项中至少一项:第一预选推荐信息资源的大小、第一预选推荐信息资源的类型、第一预选推荐信息资源适用的展示设备类型、第一预选推荐信息资源适用的网络类型、第一预选推荐信息资源的预估展示收益。
3.根据权利要求1或2所述的方法,其中所述第二展示特征包括下述各项中至少一项:所述推荐信息展示请求对应的目标应用的启动时延、历史推荐信息资源下载时延、历史推荐信息资源渲染时延、所述推荐信息展示请求对应的展示流程中的剩余可用时延。
4.根据权利要求3所述的方法,其中所述第二展示特征进一步包括下述各项中至少一项:终端设备的类型、终端设备与服务器之间的网络类型。
5.根据权利要求1所述的方法,其中,所述基于推荐信息展示请求,获取至少一个候选推荐信息资源的第一标识信息,包括:
基于推荐信息展示请求,向服务器发送推荐信息资源获取请求,所述推荐信息资源获取请求包括预先获取的第二推荐信息资源集合的第二标识信息和终端设备的设备标识信息中至少一个;
从服务器接收返回信息,其中所述返回信息包括基于所述推荐信息资源获取请求从第一预选推荐信息资源和第二预选推荐信息资源中选取的至少一个候选推荐信息资源的第一标识信息。
6.根据权利要求5所述的方法,其中在所述第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源的情况下,所述返回信息进一步包括与第一预选推荐信息资源相关的第一展示特征,
并且其中,所述响应于第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源,获取与第一预选推荐信息资源相关的第一展示特征以及与终端设备的推荐信息展示操作相关的第二展示特征,包括:
从所述返回信息中获取第一展示特征;
基于终端设备的推荐信息历史展示操作相关数据和所述推荐信息展示请求对应的当前展示操作相关数据中至少一个,确定第二展示特征。
7.根据权利要求1所述的方法,其中所述基于第一展示特征和第二展示特征,从所述至少一个候选推荐信息资源中确定目标推荐信息资源,包括:
将第一展示特征和第二展示特征输入到目标推荐信息资源确定模型,以获得第一预选推荐信息资源的成功展示概率,所述目标推荐信息资源确定模型为经训练的用于分类的模型;
根据所述第一预选推荐信息资源的成功展示概率,从所述至少一个候选推荐信息资源中确定目标推荐信息资源。
8.根据权利要求7所述的方法,其中所述根据所述第一预选推荐信息资源的成功展示概率,从所述至少一个候选推荐信息资源中确定目标推荐信息资源,包括:
响应于所述第一预选推荐信息资源的成功展示概率大于或等于预设概率阈值,将第一预选推荐信息资源确定为目标推荐信息资源;
响应于所述第一预选推荐信息资源的成功展示概率小于预设概率阈值且所述至少一个候选推荐信息资源包括第二预选推荐信息资源,将第二预选推荐信息资源确定为目标推荐信息资源。
9.根据权利要求7所述的方法,其中所述目标推荐信息资源确定模型是通过下述步骤训练得到的:
获取与多个推荐信息资源分别对应的多个第一展示特征;
获取与多个不同类型终端设备分别对应的多个第二展示特征;
在所述多个不同类型终端设备上分别展示所述多个推荐信息资源并获取对应的多个展示日志,每一个展示日志包括相应的推荐信息资源展示成功标识信息;
基于所述多个第一展示特征、所述多个第二展示特征以及所述多个展示日志,确定训练样本和对应的样本标签;
利用所述训练样本和对应的样本标签训练分类器模型,以获得目标推荐信息资源确定模型。
10.根据权利要求1所述的方法,进一步包括:
响应于第一标识信息指示所述至少一个候选推荐信息资源仅包括第二预选推荐信息资源,将第二预选推荐信息资源确定为目标推荐信息资源。
11.根据权利要求1所述的方法,进一步包括:
在确定目标推荐信息资源之后,获取并渲染目标推荐信息资源。
12.根据权利要求1所述的方法,进一步包括:
在接收到推荐信息展示请求之前的每一个预定的预存时刻,向服务器发送推荐信息资源预存请求;
从服务器接收基于每一个预定的预存时刻发送的每一个推荐信息资源预存请求确定的至少一个预存推荐信息资源;
将对应于每一个推荐信息预存请求的所述至少一个预存推荐信息资源保存到预设的持久化存储区中,并将所述预设的持久化存储区中存储的所有预存推荐信息资源构成的集合作为所述第二推荐信息资源集合。
13.根据权利要求12所述的方法,其中所述推荐信息预存请求包括终端设备对应的用户画像和设备状态中至少一个。
14.一种确定推荐信息资源的方法,包括:
从终端设备接收基于推荐信息展示请求得到的推荐信息资源获取请求,所述推荐信息资源获取请求包括终端设备中预先存储的第二推荐信息资源集合的第二标识信息和终端设备的设备标识信息中至少一个;
根据第二标识信息和设备标识信息中至少一个,获取第二推荐信息资源集合中各个推荐信息资源的预估展示收益;
基于第二推荐信息资源集合中各个推荐信息资源的预估展示收益,从第二推荐信息资源集合中选取第二预选推荐信息资源;
基于预定的第一推荐信息资源集合中各个推荐信息资源的预估展示收益,从第一推荐信息资源集合中选取第一预选推荐信息资源;
根据第一预选推荐信息资源的第一预估展示收益和第二预选推荐信息资源的第二预估展示收益,确定至少一个候选推荐信息资源的第一标识信息;
响应于第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源,获取与第一预选推荐信息资源相关的第一展示特征;
确定返回信息,其中返回信息包括第一标识信息以及在第一标识信息指示至少一个候选推荐信息资源包括第一预选推荐信息资源的情况下进一步包括第一展示特征;
将返回信息发送至终端设备,以使得终端设备至少基于返回信息确定目标推荐信息资源,其中所述至少基于返回信息确定目标推荐信息资源包括:在第一标识信息指示至少一个候选推荐信息资源包括第一预选推荐信息资源的情况下,基于返回信息和与终端设备的推荐信息展示操作相关的第二展示特征确定目标推荐信息资源。
15.根据权利要求14所述的方法,其中所述推荐信息资源获取请求进一步包括终端设备对应用户画像和设备状态中至少一个,并且
其中所述基于第一推荐信息资源集合中各个推荐信息资源的预估展示收益,从第一推荐信息资源集合中选取第一预选推荐信息资源,包括:
基于所述用户画像和设备状态中至少一个,从第一推荐信息资源集合中确定第一预选推荐信息资源集合;
基于第一预选推荐信息资源集合中各个推荐信息资源的预估展示收益,从第一预选推荐信息资源集合中选取第一预选推荐信息资源。
16.根据权利要求14所述的方法,其中,所述根据第一预选推荐信息资源的第一预估展示收益和第二预选推荐信息资源的第二预估展示收益,确定至少一个候选推荐信息资源,包括:
响应于第一预估展示收益小于或等于第二预估展示收益,将所述至少一个候选推荐信息资源确定为第二预选推荐信息资源;
响应于第一预估展示收益大于第二预估展示收益,将所述至少一个候选推荐信息资源确定为包括第一预选推荐信息资源和第二预选推荐信息资源。
17.一种确定推荐信息资源的装置,包括:
接收模块,其配置成接收推荐信息展示请求;
第一获取模块,其配置成基于推荐信息展示请求获取至少一个候选推荐信息资源的第一标识信息,其中所述至少一个候选推荐信息资源包括从存储在服务器的第一推荐信息资源集合中选取的第一预选推荐信息资源以及从预先获取的第二推荐信息资源集合中选取的第二预选推荐信息资源中至少一个;
第二获取模块,其配置成响应于第一标识信息指示所述至少一个候选推荐信息资源包括第一预选推荐信息资源,获取与第一预选推荐信息资源相关的第一展示特征以及与终端设备的推荐信息展示操作相关的第二展示特征;
确定模块,其配置成基于第一展示特征和第二展示特征,从所述至少一个候选推荐信息资源中确定目标推荐信息资源。
18.一种计算设备,包括:
存储器和处理器,
其中所述存储器中存储有计算机程序,所述计算机程序在被所述处理器执行时促使所述处理器执行权利要求1-16中任一项所述的方法。
19.一种计算机可读存储介质,其上存储计算机可读指令,所述计算机可读指令在被执行时实现权利要求1-16中任一项所述的方法。
20.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-16中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111385268.8A CN116151884A (zh) | 2021-11-22 | 2021-11-22 | 确定推荐信息资源的方法和装置、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111385268.8A CN116151884A (zh) | 2021-11-22 | 2021-11-22 | 确定推荐信息资源的方法和装置、计算设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116151884A true CN116151884A (zh) | 2023-05-23 |
Family
ID=86372269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111385268.8A Pending CN116151884A (zh) | 2021-11-22 | 2021-11-22 | 确定推荐信息资源的方法和装置、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116151884A (zh) |
-
2021
- 2021-11-22 CN CN202111385268.8A patent/CN116151884A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11288702B1 (en) | Exploration in a real time messaging platform | |
US11308523B2 (en) | Validating a target audience using a combination of classification algorithms | |
WO2020077889A1 (zh) | 基于大数据信息推送方法、装置、计算机设备及存储介质 | |
US10248667B1 (en) | Pre-filtering in a messaging platform | |
WO2017197806A1 (zh) | 基于人工智能提供智能服务的方法、智能服务***及智能终端 | |
US9230276B2 (en) | Context-influenced application recommendations | |
US8788356B2 (en) | System and method for effectively providing software to client devices in an electronic network | |
US20220277351A1 (en) | Method and apparatus for labeling data | |
CN104040584A (zh) | 基于预测的用户兴趣来选择内容格式 | |
CN109471978B (zh) | 一种电子资源推荐方法及装置 | |
US10592917B2 (en) | Method and systems for determining programmatically expected performances | |
US20200265467A1 (en) | Method and apparatus for providing web advertisements to users | |
US11676180B1 (en) | AI-based campaign and creative target segment recommendation on shared and personal devices | |
KR102465655B1 (ko) | 뉴럴 네트워크를 이용하여 제1 단말과 관련된 광고 기업 리스트를 제공하는 방법 및 장치 | |
CN113687890A (zh) | 弹窗管理方法、装置及存储介质 | |
US11983230B2 (en) | Systems and methods for data aggregation and cyclical event prediction | |
CN114862480A (zh) | 广告投放定向方法及其装置、设备、介质、产品 | |
US20220366139A1 (en) | Rule-based machine learning classifier creation and tracking platform for feedback text analysis | |
GB2600817A (en) | Systems and methods for generating dynamic interface options using machine learning models | |
US20170140436A1 (en) | Method and system for exploring crowd sourced user curated native advertisements | |
US8849804B1 (en) | Distributing interest categories within a hierarchical classification | |
CN116957678A (zh) | 一种数据处理方法和相关装置 | |
CN116151884A (zh) | 确定推荐信息资源的方法和装置、计算设备及存储介质 | |
US20220269935A1 (en) | Personalizing Digital Experiences Based On Predicted User Cognitive Style | |
CN114662001A (zh) | 资源交互预测模型训练方法和装置和资源推荐方法和装置 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40086769 Country of ref document: HK |