CN119398841A 一种基于深度学习优化的互联网营销决策系统及方法 （苏州瑞翼信息技术有限公司）

一种基于深度学习优化的互联网营销决策基于深度学习优化的互联网营销决策系统及方游戏的分配决策进行解码并整合得到完整的营明通过对游戏进行单独的划分并加入了对货币2步骤200，采集各个游戏的包括当前时间点的之前共n个连续的时间点的一号综合信步骤300，基于各个游戏的包括当前时间点的之前一个一号数据对象的一号串行数据流包括n个按照时间排序的一号为Critic网络，并复制Critic网络获得TargetCritic网络，随机初始化Actor网络、τ次采集的一号综合信息sr到Actor网络得到第τ次的执行的分配策略;3第τ次的执行的分配策略a增加随机噪声获输入srt1到TargetActor网络得到第t+1次的步骤204，求第一损失值L1和第二损失值L2，梯度下降法更新Actor网络和Critic网;;;其中Qcrtic(sr,ap)表示输入s:和时Critic网络的输出，QFargecrtic表示执行ar时的综合Q值，表示和arxr时TargetCritic;6.一种基于深度学习优化的互联网营销决策方法需要调整的游戏为A游戏，通过下列步骤判断A游戏的调整对虚拟货币的营销的影响程度，4步骤102，基于包括当前时间点的之前共n个连续的时间点号串行数据流，一个二号数据对象的二号串行数据流包括n个按照时间排序的二号数据单步骤104，根据输出的游戏的影响预测等级判定是否需要将此游戏单独分离出营销决影响预测模型输出表示为一个向量，向量的分量分别表示A游戏下一个时间点每个影响等二号综合信息进行特征工程之后输入影响预测模型；二号综合信息包括文本模态，通过WordEmbedding算法作为特征工程;训练样本的符号值，如果第个训练样本的真实的分类为第c取值为0，yac是影响预测模型预测的第q个训练样本的属于第c个分类类别数据采集模块：其用于采集各个游戏的包括当前时间点的之前共n个连续的时间点的数据编码模块：其用于基于各个游戏的包括当前时间点的之前共n个连续的时间点的决策生成模块：其用于将各个游戏的一号平面数据5步骤101，采集A游戏的包括当前时间点的之前共n个连续的时间点的二号综合信6成二号串行数据流，一个二号数据对象的二号串行数据流包括n个按照时间排序的二号数步骤104，根据输出的游戏的影响预测等级判定是否需要将此游戏单独分离出营[0008]在一个优选的实施方式中，二号综合信息进行特征工程之后则取值为0，yac是影响预测模型预测的第q个训练样本的属于第c个分类类别的概率，ln的元素值表示第i个和第j个一号面元索引的一号数据对象之个一号数据单元表示该一号数据对象的第t个时刻采集7络作为Critic网络，并复制Critic网络获得TargetCritic网络，随机初始化Actor网络、步骤202，输入第τ次采集的一号综合信息sr到Actor网络得到第τ次的执行的分第τ次的执行的分配策略a增加随机噪声获输入srt1到TargetActor网络得到第t+1次的;;;其中Qcrtic(sr,ap)表示输入s:和时Critic网络的输出，QFargeecrric表;8数据采集模块：其用于采集各个游戏的包括当前时间点的之前共n个连续的时间数据编码模块：其用于基于各个游戏的包括当前时间点的之前共n个连续的时间图2是本发明的一种基于深度学习优化的互联网营销决策方法中的调整影响预测[0019]本发明的至少一个实施例中公开了一种基于深度学习优化的互联网营销决策方9一号面元索引的一号数据对象之间的关联关个一号数据单元表示该一号数据对象的第t个时刻采集是游戏的玩家游玩情况会影响虚拟币销售的整在本发明的一个实施例中，一号综合信息进行特征工程之后输入分配策略模型；[0030]其中xtv表示一号平面数据的第v个一号面元对应的一号串行数据流的第t个一号数据单元，和分别表示一号平面数据的第v个一号面元对应的一号串行,o表示哈达玛积n表示一号串行和分别表示第l_1层的第v个一号面元和第u个一号面元的面元特号面元和第u个一号面元对应的一号串行数据流的第t个第一识别特征，n表示一号串行数的第v个一号面元的面元特征，N(v)表示与一号面元v关联关系高的一号面元的集合，表示第一全连接。表示该游戏的实际投入购买虚拟货币的支出占该游戏步骤101，采集A游戏的包括当前时间点的之前共n个连续的时间点的二号综合信成二号串行数据流，一个二号数据对象的二号串行数据流包括n个按照时间排序的二号数在本发明的一个实施例中，二号综合信息进行特征工程之后输入分配策略模型；[0041]o:=o(wh-1+wx:+bn)y-rc:(,N)概率，取概率最高的影响等级作为输出，表示第t个第三识别特征，FCZ表示第二全连[0046]步骤104，根据输出的游戏的影响预测等级判定是否需要将此游戏单独分离出营数据采集模块M2：其用于采集各个游戏的包括当前时间点的之前共n个连续的时数据编码模块M3：其用于基于各个游戏的包括当前时间点的之前共n个连续的时络作为Critic网络，并复制Critic网络获得TargetCritic网络，随机初始化Actor网络、步骤202，输入第τ次采集的一号综合信息sr到Actor网络得到第τ次的执行的分第τ次的执行的分配策略a增加随机噪声获输入srt1到TargetActor网络得到第t+1次的;;;其中Qcrtic(sr,ap)表示输入s:和时Critic