训练策略模型的方法、确定广告投放策略的方法和装置

摘要

本申请实施例提供一种训练策略模型的方法、确定广告投放策略的方法和装置，该训练策略模型的方法包括：获取与广告投放相关的样本信息和网络参数；根据第一时刻的状态、第二时刻的状态、第一时刻的广告投放策略、第一时刻的奖赏值和第一网络参数，计算评价网络的损失值；利用评价网络的损失值对第一网络参数进行更新，得到第三网络参数；根据第一时刻的状态、第一时刻的广告投放策略、第二网络参数和第三网络参数，计算第二网络参数的梯度；根据第二网络参数的梯度，对第二网络参数进行更新。本申请实施例通过上述方案训练得到的策略模型，能够精准地确定广告投放策略，从而能够提升广告投放效果。