[发明专利]资源投放方法、装置、电子设备及存储介质

权利要求书

1.一种资源投放方法，其特征在于，所述方法包括：

将多个候选素材输入第一机器学习模型进行处理，得到第一预测结果，所述第一预测结果用于描述所述第一机器学习模型预测的所述多个候选素材的投放效果；

根据所述第一预测结果，从所述多个候选素材中选取多个目标素材；

对所述多个目标素材进行组合，得到多个候选资源；

将所述多个候选资源输入第二机器学习模型进行处理，得到第二预测结果，所述第二预测结果用于描述所述第二机器学习模型预测的所述多个候选资源的投放效果；

根据所述第二预测结果，从所述多个候选资源中选取目标资源；

投放所述目标资源。

2.根据权利要求1所述的资源投放方法，其特征在于，所述将多个候选素材输入第一机器学习模型进行处理，得到第一预测结果，包括：

对第一候选素材的本身特征以及所述第一候选素材的表现特征进行组合，得到特征组合，所述第一候选素材是所述多个候选素材中的一个候选素材，所述本身特征用于描述所述第一候选素材本身具有的特征，所述表现特征用于描述所述第一候选素材在历史时间段的投放效果；

通过所述第一机器学习模型对所述特征组合进行处理，得到所述第一候选素材的第一预测结果。

3.根据权利要求2所述的资源投放方法，其特征在于，所述第一候选素材包括视频，所述第一候选素材的本身特征包括视频关键帧的嵌入向量，视频时长，视频风格或者视频类别中的至少一项；或者，

所述第一候选素材包括视频的封面图像，所述第一候选素材的本身特征包括图像的嵌入向量、图像标签、图像色调中的至少一项；或者，

所述第一候选素材包括文本，所述第一候选素材的本身特征为词嵌入向量或独热编码。

4.根据权利要求2所述的资源投放方法，其特征在于，所述第一候选素材的表现特征包括以下一项或多项：

点击率；

完播率，所述完播率为播放完成率；

曝光数，所述曝光数是指被显示的次数；

激活数，所述激活数为所述历史时间段内激活用户的总数，所述激活用户是指对所述第一候选素材进行触发操作从而激活账户的用户。

5.根据权利要求1所述的资源投放方法，其特征在于，所述第一机器学习模型是通过以下方法训练得到的：

获取训练样本，所述训练样本包括样本素材的本身特征以及样本素材的表现特征，且所述训练样本的标签为样本素材在历史时间段的投放效果数据；

将所述训练样本输入初始机器学习模型进行处理，根据所述初始机器学习模型的输出结果与所述标签之间的偏差，对所述初始机器学习模型的参数进行调整，得到所述第一机器学习模型。

6.根据权利要求1所述的资源投放方法，其特征在于，所述根据所述第一预测结果，从所述多个候选素材中选取多个目标素材，包括：

根据所述第一预测结果，从所述多个候选素材中选取投放效果高于第一阈值的素材，作为所述目标素材；或者，

根据所述第一预测结果，从所述多个候选素材中选取投放效果排在前第一预设位数的素材，作为所述目标素材。

7.一种资源投放装置，其特征在于，所述资源投放装置包括：

处理单元，被配置为执行将多个候选素材输入第一机器学习模型进行处理，得到第一预测结果，所述第一预测结果用于描述所述第一机器学习模型预测的所述多个候选素材的投放效果；

选取单元，被配置为执行根据所述第一预测结果，从所述多个候选素材中选取多个目标素材；

组合单元，被配置为执行对所述多个目标素材进行组合，得到多个候选资源；

所述处理单元，还被配置为执行将所述多个候选资源输入第二机器学习模型进行处理，得到第二预测结果，所述第二预测结果用于描述所述第二机器学习模型预测的所述多个候选资源的投放效果；

所述选取单元，还被配置为执行根据所述第二预测结果，从所述多个候选资源中选取目标资源；

投放单元，被配置为执行投放所述目标资源。