对象管理方法、装置、电子设备及存储介质与流程

本技术涉及计算机，具体而言，涉及一种对象管理方法、装置、电子设备及存储介质。

背景技术：

1、多媒体信息的目标管理对象的筛选，能提高多媒体信息投放的效率，目前，目标管理对象的确定大多通过少量标签数据(历史接受该多媒体信息的对象的数据)以及一个的算法评估模型进行对象的扩展，如基于相似性的模型，对待管理对象进行特征表示学习，使用某种度量方式(余弦相似度、欧氏距离等)计算对象之间的特征距离，从而得到与历史接受该多媒体信息的对象相近目标管理对象。

2、但该算法评估模型进行对象的扩展的方案由于标签数据有限，所得到的目标管理对象精确性不高，无法准确的贴合多媒体信息，且进行特征距离计算时，计算量大、计算成本高，易造成计算资源的浪费。

技术实现思路

1、为解决上述技术问题，本技术的实施例提供了一种对象管理方法及装置、电子设备、计算机可读存储介质、计算机程序产品。

2、根据本技术实施例的一个方面，提供了一种对象管理方法，包括：获取已标记对象针对指定多媒体信息对应的多个操作类型的行为数据；其中，每个操作类型的行为数据用于表征所述已标记对象对所述指定多媒体信息进行相应类型操作所产生的行为数据；基于所述多个操作类型的行为数据，预测待管理对象针对所述指定多媒体信息在所述多个操作类型上的行为概率，得到多个操作类型对应的行为概率；基于每个操作类型对应的行为概率和每个操作类型对应的行为概率阈值，对所述待管理对象进行提取，得到目标管理对象。

3、根据本技术实施例的一个方面，提供了一种对象管理装置，包括：行为数据获取模块，配置为获取已标记对象针对指定多媒体信息对应的多个操作类型的行为数据；其中，每个操作类型的行为数据用于表征所述已标记对象对所述指定多媒体信息进行相应类型操作所产生的行为数据；行为概率获取模块，配置为基于所述多个操作类型的行为数据，预测待管理对象针对所述指定多媒体信息在所述多个操作类型上的行为概率，得到多个操作类型对应的行为概率；目标管理对象获取模块，配置为基于每个操作类型对应的行为概率和每个操作类型对应的行为概率阈值，对所述待管理对象进行提取，得到目标管理对象。

4、在一实施例中，行为概率获取模块包括：

5、特征数据获取单元，配置为获取所述待管理对象的特征数据；其中，所述特征数据是与所述待管理对象自身属性相关的数据；

6、样本确定单元，配置为将所述已标记对象的多个操作类型的行为数据作为正样本，以及将所述操作数据作为负样本；

7、行为概率确定单元，配置为通过所述正样本和所述负样本，预测待管理对象针对所述指定多媒体信息在所述多个操作类型上的行为概率，得到多个操作类型对应的行为概率。

8、在一实施例中，行为概率确定单元包括：

9、第一行为概率获取板块，配置为将所述正样本和所述负样本输入至预先训练的第一模型中进行针对触控操作类型的预测，得到所述待管理对象针对触控操作类型的行为概率；

10、第二行为概率板块，配置为将所述正样本和所述负样本输入至预先训练的第二模型中进行针对下载转化操作类型的预测，得到所述待管理对象针对下载转化操作类型的行为概率；以及

11、第三行为概率板块，配置为将所述正样本和所述负样本输入至预先训练的第三模型中进行针对支付转化操作类型的预测，得到所述待管理对象针对支付转化操作类型的行为概率。

12、在一实施例中，第二行为概率板块，包括：

13、第一初始行为概率获取子版块，配置为将所述正样本和所述负样本输入至所述第二模型，得到所述第二模型输出的所述待管理对象针对下载转化操作类型的初始行为概率；

14、第二行为概率获取子版块，配置为基于所述待管理对象针对触控操作类型的行为概率和所述待管理对象针对下载转化操作类型的初始行为概率，计算所述待管理对象针对下载转化操作类型的行为概率。

15、在一实施例中，第三行为概率板块包括：

16、第三初始行为概率获取子版块，配置为将所述正样本和所述负样本输入至所述第三模型，得到所述第三模型输出的所述待管理对象针对支付转化操作类型的初始行为概率；

17、第三行为概率获取子版块，配置为基于所述待管理对象针对支付转化操作类型的初始行为概率、所述待管理对象针对下载转化操作类型的行为概率以及所述待管理对象针对触控操作类型的行为概率，计算所述待管理对象针对支付转化操作类型的行为概率。

18、在一实施例中，该对象管理装置还包括：

19、训练数据获取模块，配置为获取训练已标记对象的行为数据；其中，所述训练已标记对象为针对所述指定多媒体信息进行触控操作类型的对象；

20、第一训练模块，配置为将所述训练对照对象中进行下载转化操作类型的转化对照对象的行为数据作为正样本，所述训练已标记对象中未进行下载转化操作类型的对象的行为数据作为负样本，对初始的第二模型进行训练，得到所述预先训练的第二模型；

21、第二训练模块，配置为将所述转化对照对象中进行支付转化操作类型的对象的行为数据作为正样本，所述转化对照对象中未进行支付转化操作类型的对象的行为数据作为负样本，对初始的第三模型进行训练，得到所述预先训练的第三模型。

22、在一实施例中，所述多个操作类型包括支付转化操作类型，目标管理对象获取模块包括：

23、初始的概率阈值获取单元，配置为为所述多个操作类型分别分配初始的概率阈值；

24、待处理对象获取单元，配置为提取每个操作类型对应的行为概率大于对应初始的概率阈值的待管理对象，得到多个待处理对象；

25、行为概率阈值确定单元，配置为根据所述多个待处理对象中进行支付转化操作类型的待处理对象所对应的支付转化数值，对所述初始的概率阈值进行优化处理，得到所述每个操作类型对应的行为概率阈值；

26、目标管理对象获取单元，配置为基于所述每个操作类型对应的行为概率和所述每个操作类型对应的行为概率阈值，对所述待管理对象进行提取，得到所述目标管理对象。

27、在一实施例中，行为概率阈值确定单元包括：

28、平均数值板块，配置为根据所述多个待处理对象中进行支付转化操作类型的待处理对象所对应的支付转化数值，计算所述多个待处理对象的平均支付转化数值；

29、转化占比板块，配置为获取所述多个待处理对象中进行支付转化操作类型的待处理对象的占比，得到支付转化对象占比；

30、行为概率阈值确定板块，配置为基于所述平均支付转化数值以及所述支付转化对象占比对所述初始的概率阈值进行运筹优化，得到所述每个操作类型对应的行为概率阈值，以使每个操作类型对应的行为概率大于对应行为概率阈值的待处理对象的数量满足预设数量。

31、根据本技术实施例的一个方面，提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述电子设备实现如上所述的对象管理方法。

32、根据本技术实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如上所述的对象管理方法。

33、根据本技术实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实施例中提供的对象管理方法。

34、根据本技术实施例的一个方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上所述的对象管理方法中的步骤。

35、在本技术的实施例所提供的技术方案中，通过已标记对象的行为数据来预测待管理对象在不同操作类型上的行为概率，以此，不只是简单的预测待管理对象的相似性，而是预测待管理对象针对指定多媒体信息执行不同操作类型上的概率，并联合不同操作类型的行为概率阈值来提取针对指定多媒体信息执行不同操作类型的概率更高的目标管理对象，从而得到符合指定多媒体信息投放的目标管理对象，提高目标管理对象筛选的精准性；另一方面，该对象管理方法无需通过计算特征距离来确定目标管理对象，能大大减少对象管理的计算量，解约计算资源。

36、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，并不能限制本技术。