[发明专利]转化率确定方法、装置、电子设备和存储介质

说明书

本申请公开了一种转化率确定方法、装置、电子设备和存储介质，涉及人工智能技术领域。具体实现方案为：基于多任务模型中特征表示网络层，根据待预测用户数据和待预测媒介信息生成用户媒介特征表示；基于多任务模型中的通用模型，根据用户媒介特征表示确定待预测用户对待预测媒介信息的转化率；其中，多任务模型包括所述通用模型以及至少两个区间模型，不同区间模型关联有不同转化率区间，且通用模型与至少两个区间模型共享特征表示网络层。本申请实施例的多任务模型中包括通用模型及关联有不同转化率区间的区间模型，使得训练完的特征表示网络层可以准确全面的提取数据的特征表示，提高多任务模型的泛化能力，进而提高转化率预估的准确性。

技术领域

本申请实施例涉及互联网技术领域，尤其涉及人工智能技术领域，具体涉及了一种转化率确定方法、装置、电子设备和存储介质。

背景技术

转化率预估是作用于广告自动出价、扩量等策略，目的是在客户表达的成本(CostPer Action,CPA)约束下，提升流量投放效率和客户转化量，实现在保障客户投资回报(Return on Investment，ROI)的同时，匹配用户意图、优化变现效率。

随着人工智能(Artificial Intelligence，AI)技术的快速发展，AI技术已经广泛应用于诸如语言识别、图像识别、自然语言处理和专家系统之类的各个领域。然而，目前基于人工智能技术进行转化率预估时，由于样本分布的多样性和稀疏性，模型预估的泛化能力有限，导致转化率预估的准确性低。

发明内容

本申请实施例公开一种转化率确定方法、装置、电子设备和介质，以解决现有技术中由于样本分布的多样性和稀疏性所导致模型预估的泛化能力有限、转化率预估准确性低的技术问题。

第一方面，本申请实施例公开了一种转化率确定方法，包括：

基于多任务模型中特征表示网络层，根据待预测用户数据和待预测媒介信息生成用户媒介特征表示；

基于多任务模型中的通用模型，根据所述用户媒介特征表示确定待预测用户对待预测媒介信息的转化率；其中，所述多任务模型包括所述通用模型以及至少两个区间模型，不同所述区间模型关联有不同转化率区间，且所述通用模型与所述至少两个区间模型共享所述特征表示网络层。

上述申请中的一个实施例具有如下优点或有益效果：构建的多任务模型中包括通用模型及关联有不同转化率区间的区间模型，使得基于不同转化率区间的样本数据训练完多任务模型后，多任务模型的特征表示网络层可以准确全面的提取待预测数据的特征表示来预估转化率，提高多任务模型的泛化能力，进而提高转化率预估的准确性。

另外，根据本申请上述实施例的转化率确定方法，还可以具有如下附加的技术特征：

可选的，通过如下方式训练所述多任务模型：

基于多任务模型中特征表示网络层，根据样本用户数据和样本媒介信息生成样本用户媒介特征表示；

根据样本用户对样本媒介信息的转化率值，从所述至少两个区间模型中选择目标区间模型；

将所述样本用户媒介特征表示作为所述通用模型和所述目标区间模型的输入，以对所述通用模型和所述特征表示网络层进行训练。

上述申请中的一个实施例具有如下优点或有益效果：根据样本用户对样本媒介信息的转化率值的不同，选择不同的目标区间模型，进而训练多任务模型中的通用模型和选择的目标区间模型，提升了多任务模型的泛化能力以及模型预估的准确性。

可选的，所述样本用户媒介特征表示包括第一样本用户媒介特征表示和第二样本用户媒介特征表示；

将所述样本用户媒介特征表示作为模型的输入以进行训练，包括：

将所述第一样本用户媒介特征表示作为该模型中第一子模型的输入，得到第一子模型的预测结果和隐藏层参数；