-
公开(公告)号：CN111369271A
公开(公告)日：2020-07-03
申请号：CN201811594369.4
申请日：2018-12-25
Applicant: 北京达佳互联信息技术有限公司
Inventor： 闫铭
Abstract: 本发明实施例提供了一种广告的排序方法、装置、电子设备及存储介质，具体为利用预先训练的粗排模型计算所有候选广告的被精排阶段选中的概率；根据被精排阶段选中的概率对所有候选广告进行排序，得到多个待选广告，待选广告的数量少于候选广告的数量；利用预先训练的精排模型计算每个待选广告的点击率和/或转化率；根据点击率和/或转化率对多个待选广告进行排序，得到待播广告及其播放顺序，待播广告的数量少于待选广告的数量；相比于传统的排序方法，本实施例所依据的两个模型的训练所依据的样本的差别较大，耦合度较低，因此最终的排序效果较好。
-
公开(公告)号：CN108537570A
公开(公告)日：2018-09-14
申请号：CN201810191424.9
申请日：2018-03-08
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本发明实施例提供了一种信息曝光方法及装置。在本发明实施例中，当需要向用户曝光信息时，首先需要预测待曝光信息在被曝光后所能够得到的第一预测资源，然后预测针对该用户的曝光所能够得到的第二预测资源，如果第一预测资源大于或等于第二预测资源，则再向该用户曝光待曝光信息。从而使得此次向该用户曝光待曝光信息之后，服务器针对待曝光信息得到的资源能够大于或等于第二预测资源，从而可以避免给服务器的利益造成损失。
-
公开(公告)号：CN113722633B
公开(公告)日：2024-02-27
申请号：CN202010457442.4
申请日：2020-05-26
Applicant: 北京达佳互联信息技术有限公司
Inventor： 闫铭
IPC: G06F16/958 , G06Q30/0241
Abstract: 本公开关于一种消息发布策略确定方法、装置及电子设备、存储介质，涉及消息发布技术领域。通过根据待发布的非广告型消息的属性参数，确定非广告型消息的虚拟曝光成本；根据生成的非广告型消息的虚拟曝光成本、预存储的广告型消息的实际曝光成本，对非广告型消息、广告型消息进行降序排列；根据非广告型消息的排序位置、广告型消息的排序位置与预设的针对广告型消息的指定发布位置范围的所属关系，确定消息发布策略，实现将非广告型消息和广告型消息可以根据曝光成本降序排列，使得曝光成本较高的广告型消息排序位置较高，和/或曝光成本较低的广告型消息排序位置较低甚至丢弃，从而提高了观众体验感和/或增加了消息发布平台的收入。
-
公开(公告)号：CN112000888B
公开(公告)日：2024-02-02
申请号：CN202010858613.4
申请日：2020-08-24
Applicant: 北京达佳互联信息技术有限公司
Inventor： 闫铭
IPC: G06F16/9535 , G06F18/25 , G06F18/214
Abstract: 本公开关于一种信息推送方法、装置、服务器及存储介质，该方法包括：获取待推送账户的账户特征；从至少一层信息类别层中，确定出符合所述待推送账户的账户特征的目标信息类别；每个信息类别层中包括至少两个信息类别；从所述目标信息类别对应的信息中，确定出符合所述待推送账户的账户特征的目标信息；将所述目标信息推送至所述待推送账户。采用本方法，有利于提高目标信息的确定准确度，从而使得推送给待推送账户的信息更加准确，进而提高了信息推送的准确率，同时避免了仅仅将召回的信息推送给账户，导致信息推送的准确率较低的缺陷。
-
公开(公告)号：CN111754251B
公开(公告)日：2024-01-19
申请号：CN201910249173.X
申请日：2019-03-29
Applicant: 北京达佳互联信息技术有限公司
IPC: G06Q30/0251 , G06N3/045
Abstract: 本申请是关于一种广告投放方法、装置、服务器及存储介质，将用户属性与广告属性转换并拼接后得到整体环境向量，第一神经网络模型根据整体环境向量确定建议投放动作，第二神经网络模型对第一神经网络模型确定的建议投放动作的效果进行评价，然后基于用户反馈动态优化第一神经网络模型和第二神经网络模型的网络参数，循环训练，使得第一神经网络模型对建议投放动作的确定更加准确，弱化了历史信息的影响，提升了广告投放的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113393256A
公开(公告)日：2021-09-14
申请号：CN202010177978.0
申请日：2020-03-13
Applicant: 北京达佳互联信息技术有限公司
Inventor： 闫铭
IPC: G06Q30/02 , G06K9/62 , G06F16/438 , G06F16/435
Abstract: 本公开关于一种网络媒介信息投放质量的预测方法及装置、电子设备。所述方法包括：获取待投放位置的流量数据和网络媒介信息对应的请求阈值；将待投放位置的流量数据、以及请求阈值输入到N个强化学习模型，得到N个强化学习模型输出的网络媒介信息在待投放位置的N个请求数据；根据N个请求数据和流量数据，确定其中一个请求数据作为网络媒介信息在待投放位置的目标数据；根据反馈数据和预先设置的预测指标获取用于表征网络媒介信息在待投放位置的投放质量的预测结果。本实施例中N个请求数据可以对应N种投放场景，可以更好的模拟线上测试的投放场景，使目标数据与线上测试的目标数据相同或相近，有利于提升预测结果的准确度。
-
公开(公告)号：CN112862513A
公开(公告)日：2021-05-28
申请号：CN201911195319.3
申请日：2019-11-28
Applicant: 北京达佳互联信息技术有限公司
Inventor： 闫铭
IPC: G06Q30/02
Abstract: 本公开关于一种网络媒介信息投放方法、装置、服务器及存储介质，该方法包括：接收携带用户属性的网络媒介信息请求；从数据库中查找与用户属性匹配的网络媒介信息；将所查找到的网络媒介信息输入到预先训练好的下发率确定模型，得到各个网络媒介信息的下发率；根据各个网络媒介信息的下发率，确定进入排序阶段的网络媒介信息；对进入排序阶段的网络媒介信息进行排序，并根据得到的排序结果进行网络媒介信息投放。可见，通过本公开实施例提供的技术方案，达到所确定的进入排序阶段的网络媒介信息的准确度较高，投放出用户感兴趣的网络媒介信息的概率较高。
-
公开(公告)号：CN109801100A
公开(公告)日：2019-05-24
申请号：CN201811604720.3
申请日：2018-12-26
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本申请是关于一种广告投放方法、装置和计算机存储介质。该广告投放方法包括：获取目标用户发起的广告播放请求；分别比较所述目标用户的属性向量和多个历史用户的属性向量之间的相似度，得到与所述目标用户最相似的多个第一历史用户；基于所述多个第一历史用户的历史广告浏览记录，建立关于为所述目标用户投放目标广告的环境状态向量；基于所述环境状态向量和深度神经网络模型，得到对应于每一个目标广告的投放价值；以及基于所述每一个目标广告对应的投放价值，将对应的投放价值最高的所述目标广告投放给所述目标用户。该广告投放方法提高了目标广告投放的准确性和均衡性。
-
公开(公告)号：CN111369271B
公开(公告)日：2024-03-19
申请号：CN201811594369.4
申请日：2018-12-25
Applicant: 北京达佳互联信息技术有限公司
Inventor： 闫铭
IPC: G06Q30/0242 , G06F18/214
Abstract: 本发明实施例提供了一种广告的排序方法、装置、电子设备及存储介质，具体为利用预先训练的粗排模型计算所有候选广告的被精排阶段选中的概率；根据被精排阶段选中的概率对所有候选广告进行排序，得到多个待选广告，待选广告的数量少于候选广告的数量；利用预先训练的精排模型计算每个待选广告的点击率和/或转化率；根据点击率和/或转化率对多个待选广告进行排序，得到待播广告及其播放顺序，待播广告的数量少于待选广告的数量；相比于传统的排序方法，本实施例所依据的两个模型的训练所依据的样本的差别较大，耦合度较低，因此最终的排序效果较好。
-
公开(公告)号：CN113722633A
公开(公告)日：2021-11-30
申请号：CN202010457442.4
申请日：2020-05-26
Applicant: 北京达佳互联信息技术有限公司
Inventor： 闫铭
IPC: G06F16/958 , G06Q30/02
Abstract: 本公开关于一种消息发布策略确定方法、装置及电子设备、存储介质，涉及消息发布技术领域。通过根据待发布的非广告型消息的属性参数，确定非广告型消息的虚拟曝光成本；根据生成的非广告型消息的虚拟曝光成本、预存储的广告型消息的实际曝光成本，对非广告型消息、广告型消息进行降序排列；根据非广告型消息的排序位置、广告型消息的排序位置与预设的针对广告型消息的指定发布位置范围的所属关系，确定消息发布策略，实现将非广告型消息和广告型消息可以根据曝光成本降序排列，使得曝光成本较高的广告型消息排序位置较高，和/或曝光成本较低的广告型消息排序位置较低甚至丢弃，从而提高了观众体验感和/或增加了消息发布平台的收入。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.025 seconds)
