[发明专利]转化率预测方法、装置、设备和存储介质

权利要求书

1.一种转化率预测方法，其特征在于，包括：

获取待预测用户数据，以及待预测媒介信息；

根据待预测媒介信息所属的投放方，在多任务模型中确定所述投放方关联的目标子模型；其中，所述多任务模型中的子模型是基于样本数据的场景信息训练得到，所述目标子模型是基于所述子模型对于投放方的预测结果确定的；

基于所述目标子模型，根据所述待预测用户数据和所述待预测媒介信息，得到待预测用户对待预测媒介信息的转化率。

2.根据权利要求1所述的方法，其特征在于，基于样本数据的场景信息训练得到多任务模型，包括：

根据所述样本数据，确定样本媒介信息的场景信息；

根据所述多任务模型中子模型所属的场景，确定与所述样本媒介信息的场景信息相匹配的子模型；

将所述样本媒介信息所属的样本信息输入至场景相匹配的子模型中进行训练。

3.根据权利要求1所述的方法，其特征在于，所述场景信息至少包括流量来源信息和投放方的历史转化率信息。

4.根据权利要求2或3所述的方法，其特征在于，所述将所述样本媒介信息的样本数据输入至场景相匹配的子模型中进行训练，包括：

根据所述样本数据，训练所述多任务学习模型中的通用子模型；

根据所述样本媒介信息的流量来源信息，将所述样本媒介信息所属的样本信息输入至流量来源信息相匹配的来源子模型中进行训练；

根据所述样本媒介信息所属投放方的历史转化率信息，将所述样本媒介信息所属的样本信息输入至转化率区间相匹配的区间子模型中进行训练。

5.根据权利要求2所述的方法，其特征在于，在所述将所述样本媒介信息的样本数据输入至场景相匹配的子模型中进行训练之后，还包括：

基于所述多任务模型，对所述样本数据进行预测；

根据所述样本数据的预测结果，反向更新所述样本数据的特征表示，以使所述多任务模型中的任一子模型共享更新后的样本数据。

6.根据权利要求1所述的方法，其特征在于，基于所述子模型对于投放方的预测结果，确定所述投放方关联的目标子模型，包括：

根据所述多任务模型的通用子模型，对投放方的样本数据进行预测，得到第一转化率预测结果；

根据所述多任务模型中基于场景的子模型，对所述投放方的样本数据进行预测，得到第二转化率预测结果；

根据所述第一转化率预测结果和所述第二转化率预测结果，确定所述投放方在所述通用子模型和所述基于场景的子模型中的模型收敛指标；

根据所述投放方在所述通用子模型和所述基于场景的子模型中的模型收敛指标，确定所述投放方关联的目标子模型。

7.一种转化率预测装置，其特征在于，包括：

数据获取模块，用于获取待预测用户数据，以及待预测媒介信息；

模型确定模块，用于根据待预测媒介信息所属的投放方，在多任务模型中确定所述投放方关联的目标子模型；其中，所述多任务模型中的子模型是基于样本数据的场景信息训练得到，所述目标子模型是基于所述子模型对于投放方的预测结果确定的；

转化率预测模块，用于基于所述目标子模型，根据所述待预测用户数据和所述待预测媒介信息，得到待预测用户对待预测媒介信息的转化率。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括多任务模型训练模块，具体用于：

根据所述样本数据，确定样本媒介信息的场景信息；

根据所述多任务模型中子模型所属的场景，确定与所述样本媒介信息的场景信息相匹配的子模型；

将所述样本媒介信息所属的样本信息输入至场景相匹配的子模型中进行训练。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的转化率预测方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的转化率预测方法。