[发明专利]一种资源投放效果评估方法、装置及系统

说明书

本申请提供了一种资源投放效果评估方法、装置及系统，获取用户输入的待评估资源的投放数据、多个投放场景数据以及配置数据；其次，基于配置数据中的初始参数数据，对评估所需的卡尔曼滤波初始分布进行配置；经过卡尔曼增益系数调节后得到的当前时刻下所述待评估资源的后验分布；基于配置数据中的约束参数数据，对所述后验分布中的回报评估系数进行调节，即实现了对回报评估系数的弹性约束，得到待评估资源的投放评估；最后，基于评估分布，确定待评估资源在当前时刻下的投放评估结果。本发明能提高评估结果的可解释性，提升模型的鲁棒性，缩短评估时间，提高评估效率。

技术领域

本申请涉及机器学习和数据评估技术领域，尤其是涉及一种资源投放效果评估方法、装置及系统。

背景技术

随着科技的发展，资源投放的形式和渠道逐渐增多，需要对不同投放渠道的投放效果进行科学评估与分析，从而帮助资源投放者进行个性化的，有针对性的资源投放。完整的投放效果评估流程涉及诸多因素和环节，如投放渠道的选择、参数设置以及投放回报分析等等。

目前，由于投放资源的各投放渠道对投放效果的贡献并没有直接的观测值，一般的机器学习模型在国内复杂投放场景中不适用，难以对多投放渠道进行分析，从而造成投放效果评估作业周期长，模型解释效果差。因此，如何高效准确的对已投放资源的投放效果进行评估成为了亟待解决的问题。

发明内容

有鉴于此，本申请的目的在于提供一种资源投放效果评估方法、装置及系统，可以在对待投放资源的投放效果进行评估时，实时调节评估过程中所涉及的卡尔曼滤波模型中回报评估系数，实现对于系数的弹性约束，进而保证评估结果的可解释性，以及提升模型的鲁棒性，低人工干预，缩短评估时间，提高评估效率。

本申请实施例提供了一种资源投放效果评估方法，所述资源投放效果评估方法包括：

获取用户输入的待评估资源的投放数据、多个投放场景数据以及配置数据；

基于所述配置数据中的初始参数数据，配置卡尔曼滤波初始分布；

基于所述投放数据、所述多个投放场景数据以及所述卡尔曼滤波初始分布，确定在当前时刻下所述待评估资源的后验分布；

基于所述配置数据中的约束参数数据，对经过卡尔曼系数调节后得到的所述后验分布中的回报评估系数进行调整，得到所述待评估资源的评估分布；

基于所述评估分布，确定所述待评估资源在所述当前时刻下的投放评估结果。

进一步的，所述基于所述配置数据中的约束参数数据，对经过卡尔曼系数调节后得到的所述后验分布中的回报评估系数进行调整，得到所述待评估资源的评估分布，包括：

对所述后验分布进行卡尔曼系数调节，得到调整后的后验分布；

基于所述配置数据中的约束参数数据，从调整后的后验分布的回报评估系数中确定出待约束系数；

对所述待约束系数进行系数约束处理，并调整所述回报评估系数中除所述待约束系数之外的其他回报评估系数，得到所述待评估资源的评估分布。

进一步的，所述对所述待约束系数进行系数约束处理，并调整所述回报评估系数中除所述待约束系数之外的其他回报评估系数，得到所述待评估资源的评估分布，包括：

确定所述待约束系数是否为负数；

若是，将所述待约束系数调整为零，并调整所述回报评估系数中除所述待约束系数之外的其他回报评估系数，得到所述待评估资源的评估分布。

进一步的，通过以下步骤调整所述回报评估系数中除所述待约束系数之外的其他回报评估系数：

确定各个所述其他回报评估系数之间的数值比例；