[发明专利]一种内容推送方法、装置及计算机存储介质

说明书

本申请公开一种内容推送方法，包括：响应于接收到的资源获取请求，获取匹配的待播放资源；获取该待播放资源预定时间段内的播放数据；处理该播放数据处理得到与多个连续的时间分片一一对应的资源播放特征向量；将该多个资源播放特征向量输入预先训练好的长短期记忆神经网络模型以获取第一输入向量；从该播放数据中提取出统计稀疏特征；处理该统计稀疏特征得到第二输入向量；将该第一输入向量及该第二输入向量输入预先训练好的深度神经网络模型获取预测播放量；若待播放资源的已播放量与该预测播放量之和大于或等于预定播放量，则停止播放待播放资源。上述的方法可以避免广告资源的超播。本申请还公开一种内容推送装置、服务器及计算机存储介质。

技术领域

本发明涉及计算机技术领域，尤其涉及一种内容推送方法、装置及计算机存储介质。

背景技术

大数据(Big data)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着云时代的来临，大数据也吸引了越来越多的关注，大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

基于大数据技术，很多特殊形态的产品及服务得以实现。例如，基于用户兴趣的广告推送服务，在不影响用户使用产品前提下，能够将用户感兴趣的内容推送给用户。媒体平台可以预估各广告位在各定向条件下的可用库存，进而向客户合理地售卖广告播放资源。目前大部分广告都是通过签署担保式合约售卖的，客户可以针对合约广告固定购买一定量的曝光展示，广告的曝光量达到合约中要求的曝光量后媒体平台即可相应地停播该广告。

目前的超播控制算法比较简单，通过先验知识对于线上的播放情况做一个大体估计，然后设定一个阈值，比如最大可播的95％，观测播放进度，达到该阈值后将停单标志置1，即停单。

当前的技术存在大量问题：首先，阈值通过先验知识给出，是人的主观意愿，准确率很低；其次，阈值对于所有订单是一样的，然而合约广告订单数量有几万个，每个订单的人群定向、广告位都不一样，同一个阈值显然不合理，最后，线上广告播放受到各种因素控制，比如频次、定向挤占、混排算法等等，延迟时间，和延迟期间播放量几乎每时每刻都在变化，不变的阈值很难准确控制超播。

机器学习(Machine Learning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。

发明内容

本申请实施例提出了一种资源播智能放控制方法、装置及计算机存储介质。

第一方面，本申请实施例提供了一种内容推送方法，包括：

响应于接收到的资源获取请求，获取匹配的待播放资源，该待播放资源具有对应的预定播放量；

获取该待播放资源预定时间段内的播放数据；

处理该播放数据处理得到与多个连续的时间分片一一对应的资源播放特征向量；

将该多个资源播放特征向量输入预先训练好的长短期记忆神经网络模型以获取第一输入向量；

从该播放数据中提取出统计稀疏特征；

处理该统计稀疏特征得到第二输入向量；

将该第一输入向量及该第二输入向量输入预先训练好的深度神经网络模型获取预测播放量；以及；