基于所预测的属性来分发数字组件的制作方法

本说明书涉及数据处理和机器学习分类。

背景技术：

1、客户端装置可使用应用(例如，web浏览器、本机应用)来访问内容平台(例如，搜索平台、社交媒体平台或托管内容的其他平台)。内容平台可在客户端装置上启动的应用内显示可由一个或多个内容源/平台提供的数字组件(数字内容或数字信息的离散单元，诸如，例如视频片段、音频片段、多媒体片段、图像、文本或其他内容单元)。

技术实现思路

1、一般来说，本说明书中描述的主题的一个创新方面可体现在以下方法中，这些方法包括以下动作：针对用户对发布者的电子资源的内容页面的多次用户访览(user visit)中的每次用户访览，获得指示用户在用户访览期间访问的内容页面的内容的内容类别的数据；针对每个内容类别，基于用户对发布者的电子资源的包括被分类为属于内容类别的内容的内容页面的用户访览量来确定聚合度量；针对用户对发布者的电子资源的内容页面的多次用户访览中的每次用户访览，获得用户属性预测数据，该用户属性预测数据指示用户的先前预测的用户属性，这些先前预测的用户属性是基于在用户访览期间用户在发布者的电子资源处的活动而预测的；针对用户对发布者的电子资源的当前访览，基于每个内容类别的聚合度量和所获得的用户属性预测数据来预测用户的用户属性；以及致使基于所预测的用户属性选择的数字组件在当前访览期间与电子资源一起显示在用户的客户端装置上。该方面的其他实施例包括对应的系统、设备和计算机程序，计算机程序被配置为执行方法的动作、被编码在计算机存储装置上。

2、这些和其他实施例可各自任选地包括以下特征中的一者或多者。在一些方面，获得指示内容页面的内容的内容类别的数据包括评估在显示用户的客户端装置上的电子资源的数字内容，并基于评估来将内容分配给内容类别。

3、一些方面包括通过确定用户对发布者的电子资源的包括被分类为属于内容类别的内容的内容页面的访览的加权总和来确定每个内容类别的聚合度量。

4、一些方面包括通过基于用户访览发生的时间与当前时间之间的持续时间对每次用户访览进行加权来确定给定内容类别的用户访览的加权总和。

5、一些方面包括通过以下操作来确定每个内容类别的聚合度量：针对用户对发布者的电子资源的内容页面的每次用户访览，基于该内容页面是否包括被分类为属于内容类别的内容来分配访览值；以及确定内容类别的访览值的平均值。

6、一些方面包括：接收数字组件请求，该数字组件请求包括所预测的用户属性和一个或多个场境信号(contextual signal)，该一个或多个场境信号指示在当前用户访览期间访览的电子资源的一个或多个内容页面的场境；基于所预测的属性和一个或多个场境信号来选择数字组件；以及将数字组件发送到用户的客户端装置。

7、一些方面包括通过以下操作基于每个内容类别的聚合度量和所获得的用户属性预测数据来预测用户对发布者的电子资源的当前访览的用户属性：将每个内容类别的聚合度量、用户对发布者的电子资源的内容页面的每次用户访览的用户属性预测数据以及一个或多个场境信号作为输入提供给基于场境的属性预测模型，该基于场境的属性预测模型被训练为基于场境信号来预测用户属性；以及接收用户的所预测的用户属性作为基于场境的属性预测模型的输出。

8、可实现本说明书中所描述的主题的特定实施例，以便实现以下优点中的一者或多者。用户的用户属性对于例如通过提供用户感兴趣的特定数字组件来为用户提供个性化的在线体验是重要的。一般来说，用于提供个性化的在线体验的数据通过使用第三方cookie(例如，属于与客户端装置正在访览的域不同的域的cookie)进行了聚合，这允许链接浏览活动和其他行为和/或识别用户跨时间、域、会话和装置的在线活动。然而，越来越多的web流量不允许使用第三方cookie，这是由于用户的隐私偏好、缺乏浏览器对第三方cookie的支持、或其他退化，由此消除了使用第三方cookie从多个不同来源聚合数据的可能性。

9、为了解决在不使用第三方cookie(或第三方cookie不可用)的情况下从多个不同来源聚合数据的问题，本文档中描述的技术使得能够在不使用第三方cookie的情况下预测用户属性。因此，使用所预测的用户属性可提供与数据访问、用户隐私和数据安全相关的改进，以及为由浏览器对第三方cookie的弃用和/或阻止导致的数据聚合问题提供解决方案。

10、另外，可使用所描述的技术来减少通过网络传输的数据量，这是因为不将第三方cookie从客户端装置发送到各个内容提供者。由于是聚合在数百万个客户端装置上，因此带宽消耗显著地减少。提供用户有可能查看的数字组件还通过不传输用户不可能在其客户端装置处查看或与之交互的数字组件来减少浪费的带宽消耗。这也降低了用户拒绝数字组件而支持不同的数字组件的可能性。这不仅避免了为交付不同的数字组件对附加带宽的需求，而且渲染资源和相关联的开销(例如，客户端装置处的电池电量消耗、处理器周期和存储器利用率)也不会浪费在被拒绝的数字组件上。

11、本说明书中描述的主题的一个或多个实施例的细节在附图和以下描述中进行阐述。根据描述、附图和权利要求，本主题的其他特征、方面和优点将变得显而易见。

技术特征：

1.一种计算机实现的方法，包括：

2.如权利要求1所述的计算机实现的方法，其中获得指示所述内容页面的所述内容的内容类别的数据包括评估显示在所述用户的所述客户端装置上的所述电子资源的数字内容，并基于所述评估来将所述内容分配给所述内容类别。

3.如权利要求1或2所述的计算机实现的方法，其中确定每个内容类别的所述聚合度量包括确定所述用户对所述发布者的所述电子资源的包括被分类为属于所述内容类别的内容的内容页面的所述访览的加权总和。

4.如权利要求3所述的计算机实现的方法，其中确定针对给定内容类别的所述用户访览的所述加权总和包括基于所述用户访览发生的时间与当前时间之间的持续时间来对每次用户访览进行加权。

5.如任一项前述权利要求所述的计算机实现的方法，其中确定每个内容类别的所述聚合度量包括：

6.如任一项前述权利要求所述的计算机实现的方法，其中致使基于所预测的用户属性选择的所述数字组件在所述当前访览期间与所述电子资源一起显示在所述用户的客户端装置上包括：

7.如权利要求6所述的计算机实现的方法，其中针对所述用户对所述发布者的所述电子资源的所述当前访览，基于每个内容类别的所述聚合度量和所获得的用户属性预测数据来预测所述用户的所述用户属性包括：

8.一种系统，包括：

9.如权利要求8所述的系统，其中获得指示所述内容页面的所述内容的内容类别的数据包括评估显示在所述用户的所述客户端装置上的所述电子资源的数字内容，并基于所述评估来将所述内容分配给所述内容类别。

10.如权利要求8或9所述的系统，其中确定每个内容类别的所述聚合度量包括确定所述用户对所述发布者的所述电子资源的包括被分类为属于所述内容类别的内容的内容页面的所述访览的加权总和。

11.如权利要求10所述的系统，其中确定针对给定内容类别的所述用户访览的所述加权总和包括基于所述用户访览发生的时间与当前时间之间的持续时间对每次用户访览进行加权。

12.如权利要求8至11中任一项所述的系统，其中确定每个内容类别的所述聚合度量包括：

13.如权利要求8至12中任一项所述的系统，其中致使基于所预测的用户属性选择的所述数字组件在所述当前访览期间与所述电子资源一起显示在所述用户的客户端装置上包括：

14.如权利要求13所述的计算机实现的方法，其中针对所述用户对所述发布者的所述电子资源的所述当前访览，基于每个内容类别的所述聚合度量和所获得的用户属性预测数据来预测所述用户的所述用户属性包括：

15.一种计算机可读介质，所述计算机可读介质存储指令，所述指令在由一个或多个数据处理设备执行时致使所述一个或多个数据处理设备执行操作，所述操作包括：

16.如权利要求15所述的计算机可读介质，其中获得指示所述内容页面的所述内容的内容类别的数据包括评估显示在所述用户的所述客户端装置上的所述电子资源的数字内容，并基于所述评估来将所述内容分配给所述内容类别。

17.如权利要求15或16所述的计算机可读介质，其中确定每个内容类别的所述聚合度量包括确定所述用户对所述发布者的所述电子资源的包括被分类为属于所述内容类别的内容的内容页面的所述访览的加权总和。

18.如权利要求17所述的计算机可读介质，其中确定针对给定内容类别的所述用户访览的所述加权总和包括基于所述用户访览发生的时间与当前时间之间的持续时间对每次用户访览进行加权。

19.如权利要求15至18所述的计算机可读介质，其中确定每个内容类别的所述聚合度量包括：

20.如权利要求15至19中任一项所述的计算机可读介质，其中致使基于所预测的用户属性选择的所述数字组件在所述当前访览期间与所述电子资源一起显示在所述用户的客户端装置上包括：

技术总结描述了用于基于用户的所预测的用户属性来选择和分发数字组件的方法、系统和设备，包括编码在计算机存储介质上的计算机程序。在一个方面，一种方法包括获得指示用户在用户访览期间访问的内容页面的内容的内容类别的数据。每个内容类别的聚合度量是基于对发布者的电子资源的包括被分类为属于该内容类别的内容的内容页面的用户访览量而确定。获得指示用户的先前预测的用户属性的用户属性预测数据。针对用户对发布者的电子资源的当前访览预测用户属性，该用户属性进一步用于选择供在当前访览期间与电子资源一起显示在客户端装置上的数字组件。技术研发人员：W·黄,A·毛瑟受保护的技术使用者：谷歌有限责任公司技术研发日：技术公布日：2024/7/29