[发明专利]保留价格的确定方法和保留价格的确定装置

权利要求书

1.一种保留价格的确定方法，其特征在于，包括：

接收定价请求；

根据所述定价请求中的目标特征，确定第一价格的离散分布信息和第二价格的离散分布信息；

根据所述第一价格的离散分布信息、所述第二价格的离散分布信息、保留价格以及实际广告计费之间的预设关系，以所述实际广告计费的期望值最大为目标，确定第一保留价格；

其中，所述目标特征包括以下至少一项：用户特征、上下文特征以及广告特征。

2.根据权利要求1所述的保留价格的确定方法，其特征在于，还包括：

根据所述第一保留价格和竞价环境变化系数，确定第二保留价格。

3.根据权利要求1所述的保留价格的确定方法，其特征在于，所述预设关系为

其中，R_r(X,Y)为所述实际广告计费，X为所述第一价格的随机变量，Y为所述第二价格的随机变量，r为所述保留价格，max(Y,r)表示所述第二价格的随机变量与所述保留价格之间的最大值；

所述实际广告计费的期望值为

其中，E(R_r(X,Y))为所述实际广告计费的期望值，I_i表示第i个价格离散区间，i∈[1，M]，M为价格离散区间的数量，r为价格离散区间的分割点，p_X(I_i)表示所述第一价格落入价格离散区间I_i的概率，p_Y(I_i)表示所述第二价格落入价格离散区间I_i的概率，m_Y(I_i)为所述第二价格对应的价格离散区间I_i中数值的平均值。

4.根据权利要求2所述的保留价格的确定方法，其特征在于，所述根据所述第一保留价格和竞价环境变化系数，确定第二保留价格，包括：

以用户特征和上下文特征作为状态空间，所述竞价环境变化系数为动作，所述第一保留价格与所述竞价环境变化系数的乘积为平均奖励值，利用Q-Learning强化学习模型，确定最优的平均奖励值作为所述第二保留价格。

5.根据权利要求4所述的保留价格的确定方法，其特征在于，还包括：

对于所述状态空间中的任一预设状态，在所述预设状态下采用动作的次数大于预设阈值，且选择的随机动作的数值小于探索速率的情况下，将所述随机动作作为所述竞价环境变化系数；

在所述预设状态下采用动作的次数大于预设阈值，且选择的随机动作的数值大于或等于探索速率的情况下，根据所述平均奖励值确定所述预设状态下的最大动作，将所述最大动作作为所述竞价环境变化系数；

在所述预设状态下采用动作的次数小于或等于预设阈值，且选择的随机动作的数值小于探索速率的情况下，将所述随机动作作为所述竞价环境变化系数；

在所述预设状态下采用动作的次数小于或等于预设阈值，且选择的随机动作的数值大于或等于探索速率的情况下，确定所述竞价环境变化系数为1。

6.根据权利要求1至5中任一项所述的保留价格的确定方法，其特征在于，在所述接收定价请求之前，还包括：

采集竞价历史信息，所述竞价历史信息包括采样特征以及历史价格信息；

划分多个价格离散区间；

确定所述采样特征对应的历史价格信息与所述价格离散区间的对应关系。

7.一种保留价格的确定装置，其特征在于，包括：

接收模块，用于接收定价请求；

第一确定模块，用于根据所述定价请求中的目标特征，确定第一价格的离散分布信息和第二价格的离散分布信息；

第二确定模块，用于根据所述第一价格的离散分布信息、所述第二价格的离散分布信息、保留价格以及实际广告计费之间的预设关系，以所述实际广告计费的期望值最大为目标，确定第一保留价格；

其中，所述目标特征包括以下至少一项：用户特征、上下文特征以及广告特征。