本申请涉及互联网通信，尤其涉及一种转化率预测方法、装置、电子设备及存储介质。
背景技术：
1、转化率是衡量信息投放效果的一个指标。一般用户被推送信息(如有关a商品的推荐信息)后对信息执行第一层级行为(如点击)，并在预设时间段内执行第二层级行为(如购买a商品)，则判定该信息转化成功。相关技术中，常基于信息是否转化成功来标注正负样本，进而利用正负样本训练获得转化率预测网络。然而，基于信息是否转化成功标注正负样本时依赖预设时间段的设置。这样影响着正负样本的标注准确度，也影响着转化率预测网络的预测效果、因此，需要提供更准确有效的转化率预测方案。
技术实现思路
1、为了解决上述提出的至少一个技术问题，本申请提供了一种转化率预测方法、装置、电子设备及存储介质：
2、根据本申请的第一方面，提供了一种转化率预测方法，所述方法包括：
3、获取目标对象的对象特征，所述目标对象已对目标信息执行第一层级行为；
4、以所述对象特征为输入，利用目标转化率预测网络输出对应的转化率预测结果；
5、利用预设校准规则处理所述转化率预测结果，得到目标转化率，所述预设校准规则基于样本标注规则设置，所述样本标注规则记录未转化标注是默认标注、以及行为的实际转化是修改所述默认标注为已转化标注的触发条件；
6、其中，所述目标转化率预测网络基于多个正样本和第一负样本集对业务网络进行训练获得，所述业务网络用于预测对象行为从所述第一层级行为转化到第二层级行为的概率，所述业务网络利用所述多个正样本和多个负样本训练获得，所述正样本是携带有所述已转化标注的对象特征，所述负样本是携带有所述未转化标注的对象特征，所述第一负样本集是利用转化率阈值和所述负样本的校准转化率对所述多个负样本的过滤结果，所述校准转化率是利用所述预设校准规则对预测转化率的处理结果，所述预测转化率利用所述业务网络获得。
7、根据本申请的第二方面，提供了一种转化率预测装置，所述装置包括：
8、特征获取模块：用于获取目标对象的对象特征，所述目标对象已对目标信息执行第一层级行为；
9、预测模块：用于以所述对象特征为输入，利用目标转化率预测网络输出对应的转化率预测结果；
10、校准模块：用于利用预设校准规则处理所述转化率预测结果，得到目标转化率，所述预设校准规则基于样本标注规则设置，所述样本标注规则记录未转化标注是默认标注、以及行为的实际转化是修改所述默认标注为已转化标注的触发条件；
11、其中，所述目标转化率预测网络基于多个正样本和第一负样本集对业务网络进行训练获得，所述业务网络用于预测对象行为从所述第一层级行为转化到第二层级行为的概率，所述业务网络利用所述多个正样本和多个负样本训练获得，所述正样本是携带有所述已转化标注的对象特征，所述负样本是携带有所述未转化标注的对象特征，所述第一负样本集是利用转化率阈值和所述负样本的校准转化率对所述多个负样本的过滤结果，所述校准转化率是利用所述预设校准规则对预测转化率的处理结果，所述预测转化率利用所述业务网络获得。
12、根据本申请的第三方面，提供了一种电子设备，所述电子设备包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由所述至少一个处理器加载并执行以实现如第一方面所述的转化率预测方法。
13、根据本申请的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如第一方面所述的。
14、根据本申请的第五方面，提供了一种计算机程序产品，所述计算机程序产品包括至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如第一方面所述的转化率预测方法。
15、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本申请。
16、实施本申请，具有以下有益效果：
17、本申请利用预设校准规则对业务网络针对负样本的输出结果进行校准，然后利用转化率阈值和校准结果对负样本进行过滤清洗，再利用过滤清洗后的负样本和原本的正样本对业务网络进行训练，以获得目标转化率预测网络。预设校准规则基于样本标注规则设置，其中样本标注规则记录未转化标注是默认标注、以及行为的实际转化是修改默认标注为已转化标注的触发条件。预设校准规则旨在基于有偏的正负样本标注估计无偏的正负样本标注，利用预设校准规则校准输出结果，可以提高业务网络对于负样本的转化率预测结果的准确度。在此基础上，利用转化率阈值对负样本进行过滤清洗，进而再对业务网络进行训练，这样训练获得业务网络的过程不受影响，可以兼顾训练获得目标转化率预测网络的效率、目标转化率预测网络的应用效果和适应性。本申请中训练获得目标转化率预测网络所用的负样本是经过滤清洗获得的，保证了目标转化率预测网络对于转化率预测结果的准确预测。同时，利用预设校准规则处理转化率预测结果以获得目标转化率，可以进一步应对延迟转化对正负样本标注而对模型输出造成的影响，可以进一步提高所获得的目标转化率的准确度。
18、根据下面参考附图对示例性实施例的详细说明，本申请的其它特征及方面将变得清楚。
1.一种转化率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标转化率预测网络通过下述步骤训练获得：
3.根据权利要求2所述的方法，其特征在于：
4.根据权利要求2或3所述的方法，其特征在于，所述基于所述多个正样本和所述第一负样本集对所述业务网络进行训练，得到所述目标转化率预测网络，包括：
5.根据权利要求4所述的方法，其特征在于，所述业务网络包括依次连接的输入层、特征交叉层和输出层，所述第一训练样本包括多个对象特征片段，所述利用所述业务网络确定所述第一训练样本的转化率预测结果，包括：
6.根据权利要求2所述的方法，其特征在于，所述获取所述业务网络之前，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述获取所述多个正样本和所述多个负样本，包括：
8.一种转化率预测装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由所述至少一个处理器加载并执行以实现如权利要求1-7任意一项所述的转化率预测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-7任意一项所述的转化率预测方法。
