[发明专利]贡献增量机器学习模型

说明书

公开了用于训练和使用机器学习模型的方法、系统和编码在计算机存储介质上的计算机程序。方法包括使用有机暴露数据和第三方暴露数据创建模型，该模型表示用户属性、内容暴露和目标动作的执行水平之间的关系，该有机暴露数据指定在指定时间内在特定用户执行指定目标动作之前特定用户经历的一个或多个有机暴露，该第三方暴露数据指定在指定时间段内指定类型的数字分量对特定用户的第三方暴露。使用该模型，确定了在特定用户执行目标动作时的动作时间可归因于每个第三方暴露的增量执行水平。基于增量执行，修改特定用户被暴露的至少一些数字分量的传输标准。

技术领域

本说明书涉及数据处理和机器学习模型。

背景技术

用户从事各种在线活动，并且这些活动中的每一个导致用户被暴露于不同的信息。用户的后续在线活动可能会受到其先前活动以及暴露给他们的信息的影响。但是，很难评估每个先前活动对后续活动的影响量。

发明内容

总体上，本说明书中描述的主题的一个创新方面可以体现在方法中，这些方法包括以下操作：创建模型，该模型表示用户属性、内容暴露和指定目标动作的执行水平之间的关系；获得有机暴露数据，该有机暴露数据指定在指定时间内在特定用户执行指定目标动作之前特定用户经历的一个或多个有机暴露，其中，有机暴露既不是对指定类型的数字分量的暴露，也不是指定目标动作的执行；获得第三方暴露数据，该第三方暴露数据指定在指定时间段内指定类型的数字分量对特定用户的第三方暴露，其中，对于每个第三方暴露，第三方暴露数据包括指定何时发生第三方暴露的暴露时间；使用模型确定在特定用户执行了指定目标动作时的动作时间可归因于每个第三方暴露的增量执行水平；以及基于归因于特定用户被暴露的至少一些数字分量的第三方暴露的增量执行水平，修改至少一些数字分量的传输标准。该方面的其他实施例包括对应的方法、装置和编码在计算机存储设备上被配置为执行方法的动作的计算机程序。这些和其他实施例可各自可选地包括一个或多个以下特征。

方法可以包括执行消融实验以获得未暴露于一组特定的数字分量的一组对照用户的一组对照结果，该对照结果针对该组对照用户中的每个特定对照用户指定该特定对照用户是否执行了指定动作；和收集未包括在该组对照用户中的一组暴露用户的暴露结果，该暴露结果针对该组暴露用户中的每个暴露用户指定暴露用户是否执行了指定动作。

方法可以包括通过利用机器学习框架，使用用户属性、每个特定对照用户的对照结果以及每个暴露用户的暴露结果来创建模型，从而创建该模型。

该方法可以进一步包括确定可归因于每个第三方暴露的增量执行水平，包括：对于每个第三方暴露：确定第三方暴露的暴露时间与发生指定目标动作时的动作时间之间的差；基于第三方暴露的暴露时间与发生指定目标动作时的动作时间之间的差，确定在动作时间剩余的来自第三方暴露的执行水平贡献的残余量；和将执行水平的该残余量归因于第三方暴露。

方法可以包括对于每个不同类型的第三方暴露，确定衰减函数，该衰减函数指定随时间变化而剩余的执行水平贡献的衰减率；和对于每个第三方暴露，基于该衰减函数以及第三方暴露的暴露时间与动作时间之间的差，确定在动作时间剩余的来自第三方暴露的执行水平贡献的残余量。

方法可以包括修改至少一些数字分量的传输标准，包括与归因于特定数字分量的第三方暴露的增量执行水平的大小成比例地调整特定数字分量的传输标准。

方法可以包括调整传输标准，包括禁用具有小于归因于特定传输标准的第三方暴露的增量执行水平的指定大小的所述特定传输标准。