本發(fā)明涉及智能出價(jià)，尤其涉及一種廣告出價(jià)方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及產(chǎn)品。

背景技術(shù)：

1、推薦系統(tǒng)可以定義為根據(jù)用戶的信息需求、興趣等，將c端用戶感興趣的信息、產(chǎn)品等推薦給用戶的個(gè)性化信息推薦系統(tǒng)。現(xiàn)階段b端商家（下稱廣告主）會(huì)在自身預(yù)算范圍內(nèi)為自身產(chǎn)品在廣告平臺(tái)（一般同時(shí)為個(gè)性化信息推薦系統(tǒng)的設(shè)計(jì)者）花錢投遞廣告，以提高自身產(chǎn)品在推薦系統(tǒng)中的展現(xiàn)可能性，從而提升產(chǎn)品的銷量。廣告平臺(tái)面向大量商家投標(biāo)，將商家出價(jià)信息融合在個(gè)性化信息推薦系統(tǒng)中，在每次消費(fèi)者請(qǐng)求系統(tǒng)返回商品列表，針對(duì)每個(gè)特定展現(xiàn)位置，確定哪個(gè)產(chǎn)品可以競(jìng)標(biāo)成功進(jìn)行展現(xiàn)，競(jìng)價(jià)方式通常為廣義第二高價(jià)策略（generalized?second?prising,?gsp策略，指的是在位置拍賣中，向贏得某個(gè)位置的廣告商收取其下一位廣告主的出價(jià)）。

2、目前智能出價(jià)方案的設(shè)計(jì)思路主要有兩種方式：1）設(shè)置限制項(xiàng)（預(yù)算），在最大化某個(gè)效果評(píng)價(jià)指標(biāo)（點(diǎn)擊率、轉(zhuǎn)化率）目標(biāo)下出價(jià)；2）設(shè)置成本類指標(biāo)目標(biāo)（cpa，cost?peraction，行動(dòng)成本、roi，return?on?investment，投資回報(bào)率）,通過算法設(shè)定每次出價(jià)來實(shí)現(xiàn)該目標(biāo)。這兩種出價(jià)方案設(shè)計(jì)思路在設(shè)定目標(biāo)后出價(jià)過程為黑盒，整個(gè)過程無法進(jìn)行干預(yù)，與推薦系統(tǒng)個(gè)性化的設(shè)計(jì)初衷相違背，且實(shí)現(xiàn)目標(biāo)過于單一，與廣告主手動(dòng)設(shè)定出價(jià)進(jìn)行廣告投放的形式，指標(biāo)對(duì)比上差距過大。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的主要目的在于提供一種廣告出價(jià)方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及產(chǎn)品，旨在解決現(xiàn)有技術(shù)在設(shè)定目標(biāo)后出價(jià)過程為黑盒，整個(gè)過程無法進(jìn)行干預(yù)的技術(shù)問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種廣告出價(jià)方法，所述方法包括以下步驟：

3、通過dnn參數(shù)模型對(duì)廣告主屬性特征、廣告主商品行為序列特征以及商品屬性特征進(jìn)行預(yù)測(cè)，得到出價(jià)參數(shù)；

4、通過dnn權(quán)重模型對(duì)用戶畫像特征、用戶對(duì)商品行為序列信息特征以及商品屬性特征進(jìn)行預(yù)測(cè)，得到出價(jià)調(diào)整權(quán)重；

5、根據(jù)所述出價(jià)參數(shù)和所述出價(jià)調(diào)整權(quán)重得到調(diào)價(jià)因子；

6、獲取廣告主的原始出價(jià)，根據(jù)所述調(diào)價(jià)因子對(duì)所述原始出價(jià)進(jìn)行調(diào)整得到最終出價(jià)。

7、可選地，所述通過dnn參數(shù)模型對(duì)廣告主屬性特征、廣告主商品行為序列特征以及商品屬性特征進(jìn)行預(yù)測(cè)，得到出價(jià)參數(shù)之前，還包括：

8、獲取初始dnn參數(shù)模型，所述初始dnn參數(shù)模型包括輸入層、中間全連接層以及輸出層；

9、根據(jù)目標(biāo)廣告單元的歷史效果diff指標(biāo)得到樣本出價(jià)參數(shù)；

10、獲取目標(biāo)廣告單元的歷史廣告主屬性特征、歷史廣告主商品行為序列特征以及歷史商品屬性特征；

11、根據(jù)所述歷史廣告主屬性特征、歷史廣告主商品行為序列特征以及歷史商品屬性特征對(duì)初始dnn參數(shù)模型進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)出價(jià)參數(shù)；

12、根據(jù)所述預(yù)測(cè)出價(jià)參數(shù)和所述樣本出價(jià)參數(shù)構(gòu)建最小平方差損失函數(shù)；

13、根據(jù)所述最小平方差損失函數(shù)對(duì)所述初始dnn參數(shù)模型中的神經(jīng)元節(jié)點(diǎn)權(quán)重和激活函數(shù)進(jìn)行調(diào)節(jié)，得到dnn參數(shù)模型。

14、可選地，所述根據(jù)目標(biāo)廣告單元的歷史效果diff指標(biāo)得到樣本出價(jià)參數(shù)，包括：

15、獲取目標(biāo)廣告單元的歷史置信數(shù)據(jù)，根據(jù)所述置信數(shù)據(jù)計(jì)算所述目標(biāo)廣告單元的歷史diff值，將所述歷史diff值作為目標(biāo)基準(zhǔn)值；

16、獲取廣告主設(shè)定的目標(biāo)調(diào)節(jié)系數(shù)，根據(jù)所述目標(biāo)基準(zhǔn)值和所述目標(biāo)調(diào)節(jié)系數(shù)得到效果指標(biāo)調(diào)節(jié)目標(biāo)值；

17、將所述效果指標(biāo)調(diào)節(jié)目標(biāo)值除以所述目標(biāo)基準(zhǔn)值得到樣本出價(jià)參數(shù)。

18、可選地，所述根據(jù)所述歷史廣告主屬性特征、歷史廣告主商品行為序列特征以及歷史商品屬性特征對(duì)初始dnn參數(shù)模型進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)出價(jià)參數(shù)，包括：

19、對(duì)所述歷史廣告主屬性特征、歷史廣告主商品行為序列特征以及歷史商品屬性特征進(jìn)行特征分類，得到廣告主離散類屬性特征、廣告主數(shù)值類屬性特征、廣告主下的商品行為序列信息特征、商品離散類屬性特征以及商品數(shù)值類屬性特征；

20、對(duì)所述廣告主離散類屬性特征、所述廣告主下的商品行為序列信息特征、所述商品離散類屬性特征進(jìn)行獨(dú)熱編碼，得到嵌入式向量特征；

21、對(duì)所述廣告主數(shù)值類屬性特征以及所述商品數(shù)值類屬性特征進(jìn)行歸一化處理，得到離散化特征；

22、通過初始dnn參數(shù)模型對(duì)所述嵌入式向量特征和所述離散化特征進(jìn)行分析，得到預(yù)測(cè)出價(jià)參數(shù)。

23、可選地，所述通過dnn權(quán)重模型對(duì)用戶畫像特征、用戶對(duì)商品行為序列信息特征以及商品屬性特征進(jìn)行預(yù)測(cè)，得到出價(jià)調(diào)整權(quán)重之前，還包括：

24、獲取初始dnn權(quán)重模型；

25、獲取歷史用戶畫像特征、歷史用戶對(duì)商品行為序列信息特征以及歷史商品屬性特征；

26、根據(jù)所述歷史用戶畫像特征、歷史用戶對(duì)商品行為序列信息特征以及歷史商品屬性特征構(gòu)建用戶-產(chǎn)品權(quán)重庫；

27、獲取訓(xùn)練用戶畫像特征、訓(xùn)練用戶對(duì)商品行為序列信息特征、訓(xùn)練商品屬性特征以及訓(xùn)練權(quán)重；

28、根據(jù)所述用戶-產(chǎn)品權(quán)重庫、所述訓(xùn)練用戶畫像特征、訓(xùn)練用戶對(duì)商品行為序列信息特征、訓(xùn)練商品屬性特征以及訓(xùn)練權(quán)重對(duì)所述初始dnn權(quán)重模型進(jìn)行訓(xùn)練，得到dnn權(quán)重模型。

29、可選地，所述根據(jù)所述出價(jià)參數(shù)和所述出價(jià)調(diào)整權(quán)重得到調(diào)價(jià)因子，包括：

30、將所述出價(jià)參數(shù)和所述出價(jià)調(diào)整權(quán)重進(jìn)行累加，得到調(diào)價(jià)因子；

31、所述獲取廣告主的原始出價(jià)，根據(jù)所述調(diào)價(jià)因子對(duì)所述原始出價(jià)進(jìn)行調(diào)整得到最終出價(jià)，包括：

32、獲取廣告主的原始出價(jià)，將所述原始出價(jià)乘以所述調(diào)價(jià)因子，得到最終出價(jià)。

33、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提出一種廣告出價(jià)裝置，所述廣告出價(jià)裝置包括：

34、預(yù)測(cè)模塊，用于通過dnn參數(shù)模型對(duì)廣告主屬性特征、廣告主商品行為序列特征以及商品屬性特征進(jìn)行預(yù)測(cè)，得到出價(jià)參數(shù)；

35、所述預(yù)測(cè)模塊，還用于通過dnn權(quán)重模型對(duì)用戶畫像特征、用戶對(duì)商品行為序列信息特征以及商品屬性特征進(jìn)行預(yù)測(cè)，得到出價(jià)調(diào)整權(quán)重；

36、出價(jià)調(diào)整模塊，用于根據(jù)所述出價(jià)參數(shù)和所述出價(jià)調(diào)整權(quán)重得到調(diào)價(jià)因子；

37、所述出價(jià)調(diào)整模塊，用于獲取廣告主的原始出價(jià)，根據(jù)所述調(diào)價(jià)因子對(duì)所述原始出價(jià)進(jìn)行調(diào)整得到最終出價(jià)。

38、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提出一種廣告出價(jià)設(shè)備，所述廣告出價(jià)設(shè)備包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的廣告出價(jià)程序，所述廣告出價(jià)程序配置為實(shí)現(xiàn)如上文所述的廣告出價(jià)方法的步驟。

39、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提出一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有廣告出價(jià)程序，所述廣告出價(jià)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的廣告出價(jià)方法的步驟。

40、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括廣告出價(jià)程序，所述廣告出價(jià)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的廣告出價(jià)方法的步驟。

41、本發(fā)明通過廣告主屬性特征、廣告主商品行為序列特征以及商品屬性特征預(yù)測(cè)當(dāng)前時(shí)刻的出價(jià)參數(shù)，通過用戶畫像特征、用戶對(duì)商品行為序列信息特征以及商品屬性特征預(yù)測(cè)當(dāng)前時(shí)刻的出價(jià)調(diào)整權(quán)重，根據(jù)出價(jià)參數(shù)和出價(jià)調(diào)整權(quán)重，基于廣告主設(shè)置出價(jià)并且給出可接受的上下限制內(nèi)給出能夠滿足廣告主效果指標(biāo)的出價(jià)，基于廣告主的效果指標(biāo)靈活調(diào)整出價(jià)值，達(dá)到比手動(dòng)出價(jià)更好的投資回報(bào)率。