广告筛选方法、装置、设备及存储介质与流程

本公开涉及数据处理技术领域，尤其涉及一种广告筛选方法、装置、设备及存储介质。

背景技术：

一些多媒体平台通过展现广告增加收益。多媒体平台通常根据用户的历史浏览行为和兴趣偏好，从海量广告中筛选出用户可能感兴趣的广告集合，再从广告集合中筛选出少数量的广告进行投放。当用户对多媒体平台投放的广告感兴趣时，会发生点击、注册、购买等行为，给多媒体平台带来收益。

因此，如何从海量广告中筛选广告，增加多媒体平台的收益，是本领域技术人员需要解决的技术问题。

技术实现要素：

本公开提供一种广告筛选方法、装置、设备及存储介质。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种广告筛选方法，所述方法包括：

针对广告候选集合中的每个候选广告，获取用于确定对于目标用户的预估点击率的第一广告特征向量和用于确定对于所述目标用户的预估转化率的第二广告特征向量，根据所述第一广告特征向量和所述第二广告特征向量，获得目标广告特征向量；

针对所述候选广告，获取所述目标用户的用于确定所述预估点击率的第一用户特征向量和用于确定所述预估转化率的第二用户特征向量，根据所述第一用户特征向量和所述第二用户特征向量，获得目标用户特征向量；

根据每个候选广告的目标广告特征向量与其对应的目标用户特征向量的点积结果，从所述广告候选集中确定出目标广告。

在一实施例中，所述根据所述第一广告特征向量和所述第二广告特征向量，获得所述候选广告的目标广告特征向量，包括：

针对所述第一广告特征向量中的每个向量数据，将所述向量数据分别与所述第二广告特征向量中的每个向量数据相乘，将每次相乘结果确定为所述目标广告特征向量中的一个向量数据，获得所述目标广告特征向量。

在一实施例中，所述根据所述第一用户特征向量和所述第二用户特征向量，获得所述目标用户特征向量，包括：

针对所述第一用户特征向量中的每个向量数据，将所述向量数据分别与所述第二用户特征向量中的每个向量数据相乘，将每次相乘结果确定为所述目标用户特征向量中的一个向量数据，获得所述目标用户特征向量。

在一实施例中，所述根据每个候选广告的目标广告特征向量与其对应的目标用户特征向量的点积结果，从所述广告候选集中确定出目标广告，包括：

针对每个候选广告，对所述候选广告的目标广告特征向量与其对应的目标用户特征向量进行点积，获得所述候选广告的点积结果；

根据每个所述候选广告的点积结果和广告出价，从所述候选广告集中确定出所述目标广告。

在一实施例中，所述根据每个所述候选广告的点积结果和广告出价，从所述候选广告集中确定出所述目标广告，包括：

从所述广告候选集合中，获取点积结果满足预设点积值条件的初选广告集合；

针对所述初选广告集合中的每个初选广告，根据所述初选广告的点积结果和广告出价，确定所述初选广告的预估展示收益；

将所述初选广告集合中预估展示收益值满足预设收益值条件的初选广告确定为所述目标广告。

根据本公开实施例的第二方面，提供一种广告筛选装置，所述装置包括：

第一获取模块，被配置为针对广告候选集合中的每个候选广告，获取用于确定对于目标用户的预估点击率的第一广告特征向量和用于确定对于所述目标用户的预估转化率的第二广告特征向量，根据所述第一广告特征向量和所述第二广告特征向量，获得目标广告特征向量；

第二获取模块，被配置为针对所述候选广告，获取所述目标用户的用于确定所述预估点击率的第一用户特征向量和用于确定所述预估转化率的第二用户特征向量，根据所述第一用户特征向量和所述第二用户特征向量，获得目标用户特征向量；

确定模块，被配置为根据每个候选广告的目标广告特征向量与其对应的目标用户特征向量的点积结果，从所述广告候选集中确定出目标广告。

在一实施例中，所述第一获取模块，被配置为针对所述第一广告特征向量中的每个向量数据，将所述向量数据分别与所述第二广告特征向量中的每个向量数据相乘，将每次相乘结果确定为所述目标广告特征向量中的一个向量数据，获得所述目标广告特征向量。

在一实施例中，所述第二获取模块，被配置为针对所述第一用户特征向量中的每个向量数据，将所述向量数据分别与所述第二用户特征向量中的每个向量数据相乘，将每次相乘结果确定为所述目标用户特征向量中的一个向量数据，获得所述目标用户特征向量。

在一实施例中，所述确定模块，包括：

点积子模块，被配置为针对每个候选广告，对所述候选广告的目标广告特征向量与其对应的目标用户特征向量进行点积，获得所述候选广告的点积结果；

确定子模块，被配置为根据每个所述候选广告的点积结果和广告出价，从所述候选广告集中确定出所述目标广告。

在一实施例中，所述确定子模块，包括：

获取单元，被配置为从所述广告候选集合中，获取点积结果满足预设点积值条件的初选广告集合；

第一确定单元，被配置为针对所述初选广告集合中的每个初选广告，根据所述初选广告的点积结果和广告出价，确定所述初选广告的预估展示收益；

第二确定单元，被配置为将所述初选广告集合中预估展示收益值满足预设收益值条件的初选广告确定为所述目标广告。

根据本公开实施例的第三方面，提供一种电子设备，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，以实现上述任一项所述的广告筛选方法。

根据本公开实施例的第四方面，提供一种存储介质，当所述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上述任一项所述的广告筛选方法。

根据本公开实施例的第五方面，提供一种计算机应用程序，包括一条或多条指令，该一条或多条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第一方面以及第一方面的可能实现方式中任一项所述的广告筛选方法所执行的操作。

本公开的实施例提供的技术方案至少带来以下有益效果：

本公开针对广告候选集合中的每个候选广告，获取用于确定对于目标用户的预估点击率的第一广告特征向量和用于确定对于目标用户的预估转化率的第二广告特征向量，根据第一广告特征向量和第二广告特征向量，获得目标广告特征向量，针对候选广告，获取目标用户的用于确定预估点击率的第一用户特征向量和用于确定预估转化率的第二用户特征向量，根据第一用户特征向量和第二用户特征向量，获得目标用户特征向量，根据每个候选广告的目标广告特征向量与其对应的目标用户特征向量的点积结果，从广告候选集中确定出目标广告，对确定出的目标广告进行投放，能够给多媒体平台带来较好的收益。

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广告筛选方法的流程图。

图2是根据一示例性实施例示出的一种筛选目标广告的方法的流程图。

图3是根据一示例性实施例示出的一种广告筛选装置的框图。

图4是根据一示例性实施例示出的一种电子设备的框图。

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。

图1是根据一示例性实施例示出的一种广告筛选方法的流程图。本实施例的广告筛选方法可以用于多媒体平台等，如短视频平台。如图1所示，该广告筛选方法可以包括以下步骤s101-s103。

在步骤s101中，针对广告候选集合中的每个候选广告，获取用于确定对于目标用户的预估点击率的第一广告特征向量和用于确定对于目标用户的预估转化率的第二广告特征向量，根据第一广告特征向量和第二广告特征向量，获得目标广告特征向量。

广告主可以向多媒体平台支付费用，让多媒体平台对其广告进行投放、展示。

通常多媒体平台上存在广告候选集合，广告候选集包括多个候选广告，候选广告可以理解为待投放、待显示的广告。多媒体平台需要从多个候选广告中筛选出合适的一些候选广告，对筛选出的候选广告进行投放。

多媒体平台执行广告筛选操作的触发条件有多种，例如，多媒体平台在播放视频的过程中，在视频播放到指定进度时，执行广告筛选操作，可以将筛选出的广告投放到显示页面中；又如，终端上安装有多媒体软件，当用户打开多媒体软件的主页时，多媒体平台执行广告筛选操作，可以将筛选出的广告投放到主页中。

目标用户可以理解为使用注册信息登录多媒体平台的用户，或者，可以理解为注册信息指示的用户。目标用户对应一组用户数据，例如，历史浏览行为、喜好、年龄、性别等。每个候选广告对应一组广告数据，例如，宣传对象、内容类别、播放时长等。

候选广告的广告特征向量是候选广告的广告数据的向量表示。对于每个候选广告，确定对于目标用户的预估点击率的第一广告特征向量，以及确定对于目标用户的预估转化率的第二广告特征向量。

上述方法通过对第一广告特征向量和第二广告特征向量进行向量升维，获得目标广告特征向量。

在一实施例中，多媒体平台可以预先建立了点击率预估模型和转化率预估模型，多媒体平台可以使用预先建立的点击率预估模型获得候选广告的第一广告特征向量，可以使用预先建立的转化率预估模型获得候选广告的第二广告特征向量。

例如，将一候选广告的广告信息输入点击率预估模型，获得点击率预估模型输出的该候选广告的第一广告特征向量vctr＝[b1，b2，b3，……，bk]，将该候选广告的广告信息输入转化率预估模型，获得转化率预估模型输出的该候选广告的第二广告特征向量vcvr＝[d1，d2，d3，……，dk]。

在一实施例中，多媒体平台在执行本步骤时，可以针对第一广告特征向量中的每个向量数据，将该向量数据分别与第二广告特征向量中的每个向量数据相乘，将每次相乘结果确定为目标广告特征向量中的一个向量数据，获得目标广告特征向量。

例如，一个候选广告的第一广告特征向量vctr＝[b1，b2，b3，……，bk]，第二广告特征向量vcvr＝[d1，d2，d3，……，dk]，目标广告特征向量vctr×cvr＝[b1×d1，b1×d2，……，b1×dk，b2×d1，b2×d2，……，b2×dk，……，bk×d1，bk×d2，……，bk×dk]。

在一实施例中，一个候选广告对应的第一广告特征向量和第二广告特性向量，不随目标用户的变化而变化。

在步骤s102中，针对该候选广告，获取目标用户的用于确定预估点击率的第一用户特征向量和用于确定预估转化率的第二用户特征向量，根据第一用户特征向量和第二用户特征向量，获得目标用户特征向量。

目标用户的用户特征向量是目标用户的用户数据的向量表示。对于每个目标用户，确定目标用户的用于确定预估点击率的第一用户特性向量，以及确定目标用户的用于确定预估转化率的第二用户特性向量。

上述方法通过对第一用户特征向量和第二用户特征向量进行向量升维，获得目标用户特征向量。

在一实施例中，多媒体平台可以预先建立了点击率预估模型和转化率预估模型，多媒体平台可以使用预先建立的点击率预估模型获得目标用户的第一用户特征向量，可以使用预先建立的转化率预估模型获得目标用户的第二用户特征向量。

例如，将一目标用户的用户信息输入点击率预估模型，获得点击率预估模型输出的该目标用户的第一用户特征向量uctr＝[a1，a2，a3，……，ak]，将该目标用户的用户信息输入转化率预估模型，获得转化率预估模型输出的该目标用户的第二用户特征向量ucvr＝[c1，c2，c3，……，ck]。

在一实施例中，多媒体平台在执行本步骤时，可以针对第一用户特征向量中的每个向量数据，将该向量数据分别与第二用户特征向量中的每个向量数据相乘，将每次相乘结果确定为目标用户特征向量中的一个向量数据，获得目标用户特征向量。

例如，一个目标用户的第一用户特征向量uctr＝[a1，a2，a3，……，ak]，第二用户特征向量ucvr＝[c1，c2，c3，……，ck]，目标用户特征向量uctr×cvr＝[a1×c1，a1×c2，……，a1×ck，a2×c1，a2×c2，……，a2×ck，……，ak×c1，ak×c2，……，ak×ck]。

在一实施例中，一个目标用户对应的第一用户特征向量和第二用户特性向量，不随候选广告的变化而变化。

在步骤s103中，根据每个候选广告的目标广告特征向量与其对应的目标用户特征向量的点积结果，从广告候选集中确定出目标广告。

例如，可以将广告候选集合中的点积结果较大的候选广告确定为目标广告。

多媒体平台在根据各候选广告对应的点积结果，从候选广告集合中确定出目标广告后，可以对目标广告进行投放、显示。

在一实施例中，第一步骤，针对每个候选广告，对该候选广告的目标广告特征向量与其对应的目标用户特征向量进行点积，获得候选广告的点积结果；第二步骤，根据每个候选广告的点积结果和广告出价，从候选广告集中确定出目标广告。

针对第一步骤，基于公式推导可知：

对于候选广告而言，预估点击率×预估转化率

＝(uctr·vctr)×(ucvr·vcvr)＝uctr×cvr·vctr×cvr。

使用公式(uctr·vctr)×(ucvr·vcvr)，需要执行两次点积运算才能获得所需结果，而使用公式uctr×cvr·vctr×cvr，只需执行一次点积运算即可获得所需结果，节省了一次点积运算操作。

针对第二步骤，在一实施例中，图2是根据一示例性实施例示出的一种筛选目标广告的方法的流程图，参见图2，所述方法可以包括以下步骤s201-s203：

在步骤201中，从广告候选集合中，获取点积结果满足预设点积值条件的初选广告集合。

多媒体平台在向量检索过程中，从广告候选集合中获取uctr×cvr·vctr×cvr满足预设条件的初选广告集合。

例如，点积结果为点积值，多媒体平台按照点积结果从大到小的顺序，对广告候选集合中的多个候选广告进行排序，选取前n个候选广告作为初选广告集合中的广告。又如，多媒体平台从广告候选集合中，选取点积结果大于预设值的候选广告作为初选广告集合中的广告。

在一实施例中，多媒体平台在向量检索过程中，从广告候选集合中获取uctr·vctr满足第一预设条件的第一广告集合，可以理解为获取预估点击率满足预设点击率条件的第一广告集合，以及从广告候选集合中获取ucvr·vcvr满足第二预设条件的第二广告集合，可以理解为获取预估转化率满足预设转化率条件的第二广告集合，对于第一广告集合和第二广告集合中的每个候选广告，计算(uctr·vctr)×(ucvr·vcvr)，从第一广告集合和第二广告集合中，获取(uctr·vctr)×(ucvr·vcvr)满足第三预设条件的初选广告集合。

第一广告集合是通过比较候选广告的uctr·vctr确定的集合，第二广告集合是通过比较候选广告的ucvr·vcvr确定的集合，由于二者的比较依据不同，因此从第一广告集合和第二广告集合中确定出的初选广告集合，与通过直接比较(uctr·vctr)×(ucvr·vcvr)从广告候选集中确定出的初选广告集合存在一定偏差，筛选方法的准确度不高。

例如，候选广告集合包括第一候选广告和第二候选广告，其中，第一候选广告的uctr·vctr较大，第一候选广告的(uctr·vctr)×(ucvr·vcvr)小于第二候选广告的(uctr·vctr)×(ucvr·vcvr)，在执行上述的筛选方法后，获得的初选广告集合包括第一候选广告而不包括第二候选广告，筛选结果不准确。

在步骤202中，针对初选广告集合中的每个初选广告，根据初选广告的点积结果和广告出价，确定初选广告的预估展示收益值。

例如，初选广告的预估展示收益值可以是初选广告的ecpm。

初选广告的ecpm＝pctr×cpc_bid＝pctr×pcvr×cpa_bid×1000，其中，ecpm为初选广告的预估千次展示收益，cpc_bid为初选广告的单次点击出价，pctr为初选广告的预估点击率，pcvr为初选广告的预估转化率，cpa_bid为初选广告的广告出价。初选广告的广告出价可以理解为初选广告成功转化一次后广告主向多媒体平台支付的费用。

在步骤203中，将初始广告集合中预估展示收益值满足预设收益值条件的初选广告确定为目标广告。

例如，多媒体平台按照预估展示收益值从大到小的顺序，对初始广告集合中的多个广告进行排序，选取前n个广告作为目标广告。又如，多媒体平台从初始广告集合中，选取预估展示收益值大于预设值的广告作为目标广告。

对筛选的目标广告进行投放，能给多媒体平台带来较好的收益。

本公开针对广告候选集合中的每个候选广告，获取用于确定对于目标用户的预估点击率的第一广告特征向量和用于确定对于目标用户的预估转化率的第二广告特征向量，根据第一广告特征向量和第二广告特征向量，获得目标广告特征向量，针对候选广告，获取目标用户的用于确定预估点击率的第一用户特征向量和用于确定预估转化率的第二用户特征向量，根据第一用户特征向量和第二用户特征向量，获得目标用户特征向量，根据每个候选广告的目标广告特征向量与其对应的目标用户特征向量的点积结果，从广告候选集中确定出目标广告，对确定出的目标广告进行投放，能够给多媒体平台带来较好的收益。

图3是根据一示例性实施例示出的一种广告筛选装置的框图。本实施例的广告筛选方法可以用于多媒体平台中。如图3所示，该装置包括：

根据本公开实施例的第二方面，提供一种广告筛选装置，所述装置包括：第一获取模块31、第二获取模块32和确定模块33；其中，

所述第一获取模块31，被配置为针对广告候选集合中的每个候选广告，获取用于确定对于目标用户的预估点击率的第一广告特征向量和用于确定对于所述目标用户的预估转化率的第二广告特征向量，根据所述第一广告特征向量和所述第二广告特征向量，获得目标广告特征向量；

所述第二获取模块32，被配置为针对所述候选广告，获取所述目标用户的用于确定所述预估点击率的第一用户特征向量和用于确定所述预估转化率的第二用户特征向量，根据所述第一用户特征向量和所述第二用户特征向量，获得目标用户特征向量；

所述确定模块33，被配置为根据每个候选广告的目标广告特征向量与其对应的目标用户特征向量的点积结果，从所述广告候选集中确定出目标广告。

在一实施例中，所述第一获取模块31，可以被配置为针对所述第一广告特征向量中的每个向量数据，将所述向量数据分别与所述第二广告特征向量中的每个向量数据相乘，将每次相乘结果确定为所述目标广告特征向量中的一个向量数据，获得所述目标广告特征向量。

在一实施例中，所述第二获取模块32，可以被配置为针对所述第一用户特征向量中的每个向量数据，将所述向量数据分别与所述第二用户特征向量中的每个向量数据相乘，将每次相乘结果确定为所述目标用户特征向量中的一个向量数据，获得所述目标用户特征向量。

在一实施例中，所述确定模块33，可以包括：点积子模块和确定子模块；其中，

所述点积子模块，被配置为针对每个候选广告，对所述候选广告的目标广告特征向量与其对应的目标用户特征向量进行点积，获得所述候选广告的点积结果；

所述确定子模块，被配置为根据每个所述候选广告的点积结果和广告出价，从所述候选广告集中确定出所述目标广告。

在一实施例中，所述确定子模块，可以包括：获取单元、第一确定单元和第二确定单元；其中，

所述获取单元，被配置为从所述广告候选集合中，获取点积结果满足预设点积值条件的初选广告集合；

所述第一确定单元，被配置为针对所述初选广告集合中的每个初选广告，根据所述初选广告的点积结果和广告出价，确定所述初选广告的预估展示收益；

所述第二确定单元，被配置为将所述初选广告集合中预估展示收益值满足预设收益值条件的初选广告确定为所述目标广告。

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。

值得说明的是，上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。

本公开的广告筛选装置的实施例可以应用在网络设备上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的，其中计算机程序用于执行上述图1～图2所示实施例提供的广告筛选方法。从硬件层面而言，如图4所示，为本公开的电子设备的硬件结构图，除了图4所示的处理器、网络接口、内存以及非易失性存储器之外，所述设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等；从硬件结构上来讲该设备还可能是分布式的设备，可能包括多个接口卡，以便在硬件层面进行报文处理的扩展。

另一方面，本公开还提供了一种计算机可读存储介质，当该存储介质中存储的计算机程序由电子设备的处理器执行时，使得电子设备能够执行上述图1～图2所示实施例提供的广告筛选方法。

另一方面，本公开还提供了一种计算机应用程序，包括一条或多条指令，该一条或多条指令可以由电子设备的处理器执行时，使得电子设备能够执行上述图1～图2所示实施例提供的广告筛选方法。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

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。