[发明专利]网络媒介信息投放质量的预测方法及装置、电子设备

权利要求书

1.一种网络媒介信息投放质量的预测方法，其特征在于，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；

将所述待投放位置的流量数据、以及所述请求阈值输入到N个强化学习模型，得到所述N个强化学习模型输出的所述网络媒介信息在所述待投放位置的N个请求数据；N为自然数；

根据所述N个请求数据和所述流量数据，确定其中一个请求数据作为所述网络媒介信息在所述待投放位置的目标数据；所述目标数据包括：用于表示所述网络媒介信息在投放后的反馈数据；

根据所述反馈数据和预先设置的预测指标获取预测结果，所述预测结果用于表征所述网络媒介信息在所述待投放位置的投放质量。

2.根据权利要求1所述的预测方法，其特征在于，所述流量数据利用狄利克雷分布算法模拟得到。

3.根据权利要求1所述的预测方法，其特征在于，所述N个强化学习模型中各强化学习模型设置在不同的模拟器，所述各强化学习模型通过以下步骤进行训练，包括：

获取N个模拟器针对网络媒介信息生成的N种样本数据；其中，各种样本数据用于表征网络媒介信息在投放位置处于一种投放场景下的历史目标数据；

将所述N种样本数据输入到各强化学习模型，对所述各强化学习模型进行训练直至收敛，得到训练完成的强化学习模型；所述各强化学习模型用于输出所述网络媒介信息在所述投放场景下预测的请求数据。

4.根据权利要求3所述的预测方法，其特征在于，所述模拟器还设置有PID模型，所述N个模拟器针对网络媒介信息生成的N种样本数据通过以下步骤获取，包括：

将针对预设的网络媒介信息生成的初始样本数据输入到所述N个模拟器中各模拟器，获取所述各模拟器内强化学习模型针对网络媒介信息生成的请求数据和所述各模拟器内PID模型针对网络媒介信息生成的请求数据；

针对所述各模拟器，在所述模拟器中的强化学习模型训练结束之前，将所述PID模型的请求数据作为所述模拟器生成的请求数据；在所述模拟器中的强化学习模型训练结束之后，将所述强化学习模型的请求数据作为所述模拟器生成的请求数据；

基于所述各模拟器生成的请求数据分别生成目标数据，将各目标数据作为所述各模拟器针对网络媒介信息生成的样本数据，得到N种样本数据。

5.根据权利要求3所述的预测方法，其特征在于，将所述N种样本数据输入到各强化学习模型，对所述各强化学习模型进行训练直至收敛，得到训练完成的强化学习模型，包括：

将所述N种样本数据中各样本数据依次输入到各强化学习模型，得到所述各强化学习的训练结果；

基于所述训练结果和预先设置的设定条件，获得对比数据；

若所述对比数据表征所述训练结果不符合所述设定条件，则确定所述强化学习模型未收敛，继续执行将所述N种样本数据中各样本数据依次输入到各强化学习模型，得到所述各强化学习的训练结果的步骤；若所述对比数据表征所述训练结果符合所述设定条件，则确定所述强化学习模型收敛，停止训练。

6.根据权利要求5所述的预测方法，其特征在于，所述设定条件包括以下至少一种：

已参与训练强化学习模型的样本数据的条数超过预先设置的条数阈值；或者，

强化学习模型的训练结果符合预先设置的期望条件，所述期望条件包括以下至少一种：训练数据对应的期望值超过PID模型对应的期望值，训练结果与PID模型的请求数据的差值小于差值阈值。

7.根据权利要求5所述的预测方法，其特征在于，所述目标数据采用以下形式表示：

(S，A，S’，R)；

其中，S表示网络媒介信息的投放者的当前状态，A表示在当前状态执行的操作，S’表示该投放者跳转到的下一个状态，R表示从S到S’时投放者获得的反馈数据。