买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广州易尊网络科技股份有限公司

摘要：本发明公开了一种实现广告快速通过学习期的编排式决策方法，包括以下步骤：步骤一：通过决策算法池利用logistic回归分析法，将广告pacing特征数据、foresting特征数据、ranking特征数据通过动态规则进行诊断、预测得到一个预估决策值；步骤二：根据得到的预估决策值，系统自动诊断出符合规则的诊断结果，再将结果与变量系数相乘，通过分类值为“是”或“否”；步骤三：输出是否需要采纳建议，是一个基于编排式的规则引擎框架，融合了编排特性、规则引擎的特性和决策树算法，动态规则组件编排，自由定制不同广告策略执行和效果评估形成一种有效决策机制；是一个低耦合，灵活可拓展的广告策略执行决策方法。

主权项：1.一种实现广告快速通过学习期的编排式决策方法，其特征在于，包括以下步骤：步骤一：通过业务组件中的决策算法池利用logistic回归分析法，将广告pacing特征数据、foresting特征数据、ranking特征数据通过动态规则进行诊断、预测得到一个预估决策值；步骤二：根据得到的预估决策值，系统自动诊断出符合规则的诊断结果，再将结果与变量系数相乘，通过分类值为“是”或“否”；步骤三：输出是否需要采纳建议；所述步骤一中广告pacing特征数据、foresting特征数据、ranking特征数据的计算分析方法包括：以最小单元来编排广告预测、广告出价、广告排名服务的数据组成结构，广告基础数据、定向、人群包、创意形式、广告位置、报表实时数据、出价与预算多种关键节点需要的数据，这些数据汇集到服务出口，提供到todo池进行计算处理；在todo池中，以组件的方式定制具体执行的动作标准条件，制定采纳和不采纳的动作流程；Logistic回归模型表示为；Logistic回归模型预测是将pacing、ranking、foresting特征数据作为自变量，将是否采纳建议作为因变量进行回归分析；模型公式：，通过实际的数据测算，x=3.644，y=5.031，z=-0.893，此模型参数更有利于通信行业流量包产品在广告信息流投放过程中能够在相似计划下更有竞争力，在学习期内积累更多的转化数通过学习期；所述Logistic回归模型还包括模型获取模块与模型优化模块，所述模型获取模块用于获取广告pacing特征数据、foresting特征数据、ranking特征数据，将广告pacing特征数据、foresting特征数据、ranking特征数据通过动态规则进行诊断、预测得到一个预估决策值；所述模型优化模块用来对Logistic回归模型进行优化修改。

全文数据：

权利要求：

百度查询： 广州易尊网络科技股份有限公司 一种实现广告快速通过学习期的编排式决策方法