CN102945273A - 一种用于提供搜索结果的方法和设备 - Google Patents

Abstract

本发明的目的是提供一种用于提供搜索结果的方法和设备。具体地，获取待处理的目标呈现对象；根据目标呈现对象的呈现操作记录，确定目标呈现对象的目标特征向量；根据目标特征向量，从一个或多个呈现聚类中确定目标呈现对象的目标呈现聚类，其中，目标呈现聚类的聚类特征向量与目标特征向量相匹配；根据目标呈现聚类，确定与目标呈现对象相对应的推荐呈现时段；若查询请求的提交时间与推荐呈现时段相匹配，将目标呈现对象对应的呈现信息及查询请求对应的搜索结果提供给查询请求对应的应用。与现有技术相比，本发明根据目标呈现对象的目标特征向量及呈现聚类的聚类特征向量，确定目标呈现聚类，进而确定推荐呈现时段，支持信息获取效率的提高。

Description

一种用于提供搜索结果的方法和设备

技术领域

本发明涉及网络通信技术领域，尤其涉及一种用于提供搜索结果的技术。

背景技术

当前，随着互联网技术的发展及互联网应用对用户学习、工作与生活的渗透，网络呈现，即经由网络将呈现信息呈现给相应的网络用户，因其突出的信息呈现效率、信息获取效率及资源利用率已受到越来越多的呈现用户与网络用户的青睐与重视。例如，3GPP中的呈现(Presence)业务，以一定的通信方式，实时获取呈现信息并呈现给目标用户。再如，在网络用户输入某查询序列进行网络搜索时，搜索引擎不仅提供常规的搜索结果，还将此次网络搜索相适应的呈现信息提供给该网络用户，例如通过利用该查询序列在呈现信息数据库中进行匹配查询获得相对应的呈现信息，将该(等)呈现信息呈现给该网络用户。

鉴于网络呈现相比传统信息提供方式存在诸多技术优势，例如更高的信息呈现效率和信息获取效率等，每个呈现用户通常都希望能够充分利用该等技术优势，例如通过确定目标呈现对象所对应的推荐呈现时段来提高信息呈现效率和呈现资源的利用率。然而，由于实际呈现用户千差万别，影响确定推荐呈现时段的因素也非常众多，因此，如何确定目标呈现对象所对应的推荐呈现时段，以提高信息呈现效率和消息获取效率，仍颇具挑战性。

发明内容

本发明的目的是提供一种用于提供搜索结果的方法与设备。

根据本发明的一个方面，提供了一种用于提供搜索结果的方法，其中，该方法包括以下步骤：

a获取待处理的目标呈现对象；

b根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；

c根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；

d根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；

-若查询请求的提交时间与所述推荐呈现时段相匹配，将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用。

根据本发明的另一个方面，还提供了一种用于提供搜索结果的结果提供设备，其中，该结果提供设备包括：

目标对象获取装置，用于获取待处理的目标呈现对象；

目标向量确定装置，用于根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；

目标聚类确定装置，用于根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；

时段确定装置，用于根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；

第一提供装置，用于若查询请求的提交时间与所述推荐呈现时段相匹配，将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用。

根据本发明的再一个方面，还提供了一种计算机设备，包括如前述根据本发明另一个方面的用于提供搜索结果的结果提供设备。

与现有技术相比，本发明通过根据目标呈现对象的目标特征向量，确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配，进而，根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段，若查询请求的提交时间与所述推荐呈现时段相匹配，将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用，从而支持信息呈现效率与信息获取效率的提高，进而也相应地提高了结果提供设备的处理资源利用率与用户设备的屏幕资源利用率及搜索用户的搜索浏览体验。而且，本发明还可根据所述目标呈现对象的呈现配置属性，确定与所述目标呈现对象相匹配的第一参考呈现对象，进而将与所述推荐呈现时段及所述第一参考呈现对象相对应的信息提供给所述目标呈现对象所对应的呈现用户，从而进一步地提高了信息呈现效率与信息获取效率，进而也相应地提高了结果提供设备的处理资源利用率与用户设备的屏幕资源利用率。进一步地，本发明还可根据所述目标呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息，并将所述推荐呈现时段与所述预测呈现结果信息提供给呈现用户，以供呈现用户选择推荐呈现时段，从而进一步地提高了信息呈现效率与信息获取效率，进而也相应地提高了结果提供设备的处理资源利用率与用户设备的屏幕资源利用率。此外，本发明还可根据所述目标呈现对象的流量特征向量，确定一个或多个候选推荐呈现时段的候选呈现结果信息，根据所述候选呈现结果信息，基于所述目标呈现聚类，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段，实现更准确确定所述目标呈现对象的推荐呈现时段，进一步地提高了信息呈现效率与信息获取效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1示出根据本发明一个方面的用于提供搜索结果的设备示意图；

图2示出根据本发明一个优选实施例的用于提供搜索结果的设备示意图；

图3示出根据本发明另一个方面的用于提供搜索结果的方法流程图；

图4示出根据本发明一个优选实施例的用于提供搜索结果的方法流程图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本发明作进一步详细描述。

图1示出根据本发明一个方面的用于提供搜索结果的结果提供设备1。其中，结果提供设备1包括目标对象获取装置11、目标向量确定装置12、目标聚类确定装置13、时段确定装置14和第一提供装置15。具体地，目标对象获取装置11获取待处理的目标呈现对象；目标向量确定装置12根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；目标聚类确定装置13根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；时段确定装置14根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；若查询请求的提交时间与所述推荐呈现时段相匹配，第一提供装置15将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用。在此，结果提供设备1包括但不限于网络设备、用户设备或网络设备与用户设备通过网络相集成所构成的设备。其中，所述网络设备包括但不限于网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云。在此，云由基于云计算(Cloud Computing)的大量主机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。所述用户设备其包括但不限于任何一种可与用户通过键盘、遥控器、触摸板、或声控设备进行人机交互的电子产品，例如计算机、智能手机、PDA或IPTV等。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。本领域技术人员应能理解上述结果提供设备1仅为举例，其他现有的或今后可能出现的网络设备或用户设备如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

具体地，目标对象获取装置11通过调用诸如搜索引擎、浏览器等第三方设备提供的应用程序接口(API)，获取待处理的目标呈现对象；或者，通过基于各种通信协议，与其他能够提供所述目标呈现对象的设备进行交互，以获取待处理的目标呈现对象；或者通过JSP等动态网页技术，获取网络用户通过用户设备输入的查询序列，搜索引擎根据该查询序列，在搜索呈现数据库中进行匹配查询，将查询到的匹配结果作为待获取待处理的目标呈现对象。在此，所述目标呈现对象包括但不限于如文本链接呈现信息、展示类呈现信息、电子邮件呈现信息等，其来自于同一呈现用户，或者来自于多个不同的呈现用户，或者来自于与呈现用户属于同类型用户的参考呈现用户。例如，用户在搜索引擎搜索栏中输入查询序列“鲜花”，搜索引擎根据该查询序列“鲜花”，在搜索呈现数据库中进行匹配查询，以获得与该查询序列“鲜花”相匹配的呈现关键词如“鲜花”、“鲜花速递”等，则目标对象获取装置11将与该呈现关键词相对应的目标呈现对象如“鲜花，我只选中国鲜花速递网！100％品质保证”，“鲜花到中国名品鲜花网”作为待处理的目标呈现对象。本领域技术人员应理解上述目标呈现对象仅为举例，其他现有的或今后可能出现的目标呈现对象如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域技术人员应理解上述获取待处理的目标呈现对象的方式仅为举例，其他现有的或今后可能出现的获取待处理的目标呈现对象的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

目标向量确定装置12根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量。在此，所述呈现操作记录包括关于所述目标呈现对象所对应的呈现时段的时段操作。在此，所述目标特征向量包括与所述时段操作相对应的特征分量。在此，与所述时段操作相对应的所述特征分量包括从与所述时段操作相对应的数据指标中确定的一个或多个数据指标，如数据指标的原始值、归一化值等，其包括但不限于以下至少任一项：1)数据指标的原始值，其包括但不限于如：①.R特征分量：近期平均呈现资源控制信息；②.F特征分量：近期呈现时段的修改频率，如近期呈现时段的修改频率的最大值、平均值等；③.M特征分量：近期内最近一次修改呈现时段的时间；2)数据指标的归一化值：①.R’特征分量：近期平均呈现资源控制信息归一化；②.F’特征分量：近期呈现时段的修改频率归一化值，如近期呈现时段的修改频率的最大值的归一化值、平均值的归一化值等；③.M’特征分量：近期内最近一次修改呈现时段的时间的归一化值。在此，所述目标特征向量包括但不限于以下至少任一项：1)由所述特征分量直接组成；2)根据所述特征分量对应的权重信息，加权得到所述目标特征向量。本领域技术人员应能理解上述目标特征向量和特征分量仅为举例，其他现有的或今后可能出现的目标特征向量或特征分量如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。在此，目标向量确定装置12确定所述目标呈现对象所对应的目标特征向量的方式包括但不限于以下至少任一项：

1)根据预设的所述特征分量，由所述特征分量直接组成所述目标对象特征向量。如将特征分量R、F、M看作三维坐标系，则所述目标对象特征向量可表示为其中，x，y，z分别为特征分量

在对应坐标轴上的投影。例如，假设目标对象获取装置11获取的目标呈现对象为I：“鲜花，我只选中国鲜花速递网！100％品质保证”，该目标对象获取装置11获取到目标呈现对象I所对应的呈现操作记录包括如在近期30天内如自2012年7月1日至2012年7月30日，目标呈现对象I所对应的目标呈现用户user对其进行呈现操作，如目标呈现对象I的平均呈现资源控制为300次呈现操作，呈现时段修改频率的最大值为10次/天，最近一次修改呈现时段的时间为2012年7月29日，即与该近期内起始时间7月1日时长为29天，则目标向量确定装置12确定的目标呈现对象I的所述目标特征向量为相应地，所述特征分量为

每一所述特征分量的系数分别为300、10、29。

2)将预设的所述特征分量进行归一化处理后，由归一化后的所述特征分量直接组成所述目标特征向量。例如，接上例，目标向量确定装置12首先将预设的所述特征分量根据公式(1)将所述特征分量

对应的原始数值进行归一化处理： $s=\frac{r_{\mathrm{primitive}-\mathrm{value}}}{{\max }_r}---\left(1\right)$

其中，s为归一化处理后的数值，r_{pimitive-value}为所述特征分量对应的原始数值，max_r为所述特征分量在近期内的最大值，假设目标呈现对象I在近期30天内如自2012年7月1日至2012年7月30日的呈现资源控制信息的最大值为1000，则目标向量确定装置12将所述特征分量

、

分别对应的原始数值300、10、29进行归一化处理后得到0.3、1、0.967(即近期内呈现时段最后一次修改的时间与近期内起始时间之间的间隔时长与近期内的时长的比值)，则目标向量确定装置12确定的目标呈现对象I的所述目标特征向量为

相应地，所述特征分量为

每一所述特征分量的系数分别为0.3、1、0.967。

3)根据预设的所述特征分量，基于所述特征分量所对应的权重信息，加权确定所述对象特征向量。例如，还接上例，假设所述特征分量为对应的权重分别为0.2，0.4，0.4，则目标向量确定装置12确定的目标呈现对象I的所述目标特征向量为 $\stackrel{\→}{A}=0.2\×300\stackrel{\→}{R}+0.4\×10\stackrel{\→}{F}+0.4\×29\stackrel{\→}{M},$ 即 $\stackrel{\→}{A}=60\stackrel{\→}{R}+4\stackrel{\→}{F}+11.6\stackrel{\→}{M},$ 相应地，所述特征分量为

每一所述特征分量的系数分别为60、4、11.6。

4)将预设的所述特征分量进行归一化处理后，再基于所述特征分量所对应的权重信息，加权确定所述目标特征向量。例如，还接上例，目标向量确定装置12首先将预设的所述特征分量根据公式(1)将所述特征分量

对应的原始数值300、10、29进行归一化处理后得到0.3、1、0.967(即近期内呈现时段最后一次修改的时间与近期内起始时间之间的间隔时长与近期内的时长的比值)，假设所述特征分量为

对应的权重分别为0.2，0.4，0.4，则目标向量确定装置12确定的目标呈现对象I  的所述目标特征向量为 $\stackrel{\→}{A}=0.2\×0.3\stackrel{\→}{R}+0.4\×1\stackrel{\→}{F}+0.4\×0.967\stackrel{\→}{M},$ 即 $\stackrel{\→}{A}=0.06\stackrel{\→}{R}+0.4\stackrel{\→}{F}+0.3868\stackrel{\→}{M},$ 相应地，所述特征分量为

每一所述特征分量的系数分别为0.06、0.4、0.3868。

本领域技术人员应能理解上述将所述特征分量进行归一化处理的方式仅为举例，其他现有的或今后可能出现的将所述特征分量进行归一化处理的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域技术人员应能理解上述确定所述目标呈现对象的目标特征向量的方式仅为举例，其他现有的或今后可能出现的确定所述目标呈现对象的目标特征向量的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

目标聚类确定装置13根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配。在此，目标聚类确定装置13确定所述目标呈现对象所对应的目标呈现聚类的方式包括但不限于以下至少任一项：

1)根据所述目标特征向量与呈现聚类的聚类特征向量间的夹角确定所述目标特征向量与呈现聚类的聚类特征向量的相似度，根据该相似度确定呈现聚类的聚类特征向量与所述目标特征向量是否相匹配，进而将与所述目标特征向量相匹配的聚类特征向量所对应的呈现聚类作为所述目标呈现聚类。例如，假设目标对象获取装置11获取的目标呈现对象为I：“鲜花，我只选中国鲜花速递网！100％品质保证”，而目标向量确定装置12确定的该目标呈现对象I的所述目标特征向量为假设目标聚类确定装置13在呈现聚类数据库中进行查询，得到呈现聚类及其对应的聚类特征向量包括：①.呈现时段修改优化度高的聚类cluster1的聚类特征向量 $\stackrel{\→}{\mathrm{cluster}1}=383.33\stackrel{\→}{R}+8.33\stackrel{\→}{F}+28.33\stackrel{\→}{M}$ ②.呈现时段修改优化度中的聚类cluster2的聚类特征向量

③.呈现时段修改优化度低的聚类cluster3的聚类特征向量

则目标类特征向量间的夹角的余弦值作为所述目标特征向量与聚类特征向量的相似度，根据该相似度确定呈现聚类的聚类特征向量与所述目标特征向量是否相匹配，如当相似度大于预定阈值如0.9时，判定呈现聚类的聚类特征向量与所述目标特征向量是否相匹配，即将该呈现聚类作为所述目标呈现聚类，则目标聚类确定装置13根据所述目标特征向量与聚类特征向量的相似度为0.99，确定目标呈现对象I对应的目标呈现聚类为呈现时段修改优化度高的聚类cluster1。

2)根据所述目标特征向量与呈现聚类的聚类特征向量的向量差的模值，确定呈现聚类的聚类特征向量与所述目标特征向量是否相匹配，进而将与所述目标特征向量相匹配的聚类特征向量所对应的呈现聚类作为所述目标呈现聚类，如当所述目标特征向量与呈现聚类的聚类特征向量的向量差的模值小于预定阈值，如小于由呈现聚类包括的多个呈现对象的对象特征向量在向量空间的点组成的空间形状的外接圆(或者外接球)的半径(或者球半径)时，判定呈现聚类的聚类特征向量与所述目标特征向量相匹配。例如，假设目标呈现聚类为呈现时段修改优化度高的聚类cluster1包括呈现对象A、B和D，则目标聚类确定装置13计算目标呈现对象I的所述目标特征向量为

与聚类cluster1的所述聚类特征向量 $\stackrel{\→}{\mathrm{cluster}1}=383.33\stackrel{\→}{R}+8.33\stackrel{\→}{F}+28.33\stackrel{\→}{M},$ 两者的向量差的模值

而呈现对象A、B和D的对象特征向量在向量空间的点组成的三角形的外接圆的半径为121，则目标聚类确定装置13确定聚类cluster1的聚类特征向量与所述目标特征向量相匹配，即确定目标呈现对象I对应的目标呈现聚类为呈现时段修改优化度高的聚类cluster1。

本领域技术人员应理解上述确定所述目标呈现对象所对应的目标呈现聚类的方式仅为举例，其他现有的或今后可能出现的确定所述目标呈现对象所对应的目标呈现聚类的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

时段确定装置14根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段。在此，所述推荐呈现时段包括所述目标呈现对象的无呈现设置的呈现时段。例如，假设目标聚类确定装置13确定目标呈现对象I对应的目标呈现聚类为呈现时段修改优化度高的聚类cluster1，其表明目标呈现对象I对应的呈现用户频繁修改呈现时段，则时段确定装置14确定与该目标呈现对象I相对应的推荐呈现时段的数量大于呈现用户不经常修改呈现时段的呈现对象对应的推荐呈现时段的数量，也大于呈现用户从未修改呈现时段的呈现对象对应的推荐呈现时段的数量。

本领域技术人员应理解上述确定与所述目标呈现对象相对应的推荐呈现时段的方式仅为举例，其他现有的或今后可能出现的确定与所述目标呈现对象相对应的推荐呈现时段的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

优选地，时段确定装置14还可首先根据所述目标呈现对象的流量特征向量，确定一个或多个候选推荐呈现时段的候选呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；然后再根据所述候选呈现结果信息，基于所述目标呈现聚类，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段。在此，所述候选推荐呈现时段包括从所述目标呈现对象的无呈现设置的呈现时段中筛选出的一个或多个无呈现设置时段。在此，所述流量特征向量包括但不限于之下至少任一项：1)所述目标呈现对象在全天24个时段(每小时为一个时段)的呈现结果信息如点击量组成的向量；2)所述目标呈现对象在全天24个时段中部分时段(包括待预测的无呈现设置的呈现时段)的呈现结果信息如点击量组成的向量。本领域技术人员应理解上述候选呈现时段和流量特征向量方式仅为举例，其他现有的或今后可能出现的候选呈现时段或流量特征向量如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

例如，假设目标对象获取装置11获取的待处理的目标呈现对象为I：“鲜花，我只选中国鲜花速递网！100％品质保证”，该目标呈现对象在2012年7月30日全天24个时段的呈现结果信息如点击量的历史记录数据，有如下数据组织形式，如表1所示：

表1

其中，a1表示在2012年7月30日0:00～1:00时间段内获得的点击量，a24表示在2012年7月30日23:00～24:00时间段内获得的点击量，则该目标呈现对象的流量特征向量可表示为：T＝[a1，a2，a3，...，a24]，其中，该流量特征向量包括与该目标呈现对象I的多个单元呈现时段中至少一个相对应的流量分量。优选地，表1中目标呈现对象的点击量的历史记录数据还可包括在一段时段内如(近期30天，如自2012年7月1日至2012年7月30日)点击量的历史记录数据，此时，a1表示在2012年7月1日至2012年7月30日每天0:00～1:00时间段内获得的点击量的平均值，a24表示在2012年7月1日至2012年7月30日每天23:00～24:00时间段内获得的点击量的平均值。

假设目标呈现对象I在2012年7月30日的点击量的历史记录具体数据如表2所示：

表2

其中，2:00～3:00，3:00～4:00，4:00～5:00三个时间段为无呈现设置的呈现时段，即目标呈现对象I的所述候选推荐呈现时段。时段确定装置14可从目标呈现对象I所对应的所述目标呈现聚类中选取其他呈现对象作为目标呈现对象I的参考呈现对象，然后根据参考呈现对象与目标呈现对象I在同一时间范围内的流量特征向量，从该同一时间范围内选取多个相同单元呈现时段，如选取单元呈现时段内点击量大于预定阈值如10的4个单元呈现时段，如选取9:00～10:00，10:00～11:00，11:00～12:00，12:00～13:00四个单元呈现时段，根据每一参考呈现对象在所述候选推荐呈现时段的点击量与在选取的该四个单元呈现时段的点击量和的比值的平均值，再乘以目标呈现对象I在在选取的该四个单元呈现时段的点击量和，作为所述候选呈现结果信息。例如，假设目标聚类确定装置13确定目标呈现对象I所对应的所述目标呈现聚类为呈现时段修改优化度高的聚类cluster1，该聚类cluster1包括的呈现对象A、B和D在2012年7月30日的点击量的历史记录具体数据如表3所示：

表3

则时段确定装置14可通过计算每一参考呈现对象在所述候选推荐呈现时段的点击量与在选取的该四个单元呈现时段的点击量和的比值的平均值，来得到所述候选呈现结果信息，如通过以下公式(2)计算所述候选呈现结果信息：

${\mathrm{clk}}_{\mathrm{candidate}-\mathrm{time}}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\frac{{\mathrm{clk}}_{i-\mathrm{candidate}-\mathrm{time}}}{{\mathrm{clk}}_{i-\mathrm{psum}}}\×{\mathrm{clk}}_{\mathrm{actual}-\mathrm{psum}}---\left(2\right)$

其中，n为参考呈现对象的数量，cl_{ki-candidate-time}为第i个参考呈现对象在目标呈现对象的所述候选推荐呈现时段的候选呈现结果信息点击量，clk_i-psum为第i个参考呈现对象在选取的p个单元呈现时段(如9:00～10:00，10:00～11:00，11:00～12:00，12:00～13:00四个单元呈现时段)的呈现结果信息如点击量之和，clk_actual-psum为目标呈现对象在选取的p个单元呈现时段的呈现结果信息如点击量之和，如表3所示，目标呈现对象I的所述候选呈现推荐呈现时段2:00～3:00，3:00～4:00，4:00～5:00，则时段确定装置14根据公式(2)经计算，分别得到目标呈现对象I在该三个所述候选呈现推荐呈现时段的候选呈现结果信息如点击量1.0155、2.3491、5.7287。

接着，时段确定装置14根据所述候选呈现结果信息，基于所述目标呈现聚类，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段，例如，接上例，假设目标聚类确定装置13确定目标呈现对象I所对应的所述目标呈现聚类为呈现时段修改优化度高的聚类cluster1，则时段确定装置14根据所述候选呈现结果信息，即目标呈现对象I在所述候选推荐呈现时段2:00～3:00，3:00～4:00，4:00～5:00的候选呈现结果信息如1.0155、2.3491、5.7287，从该多个候选推荐呈现时段中确定目标呈现对象I的推荐呈现时段为2:00～3:00，3:00～4:00，4:00～5:00；再如，假设目标聚类确定装置13确定目标呈现对象I所对应的所述目标呈现聚类为呈现时段修改优化度中的聚类cluster2，则时段确定装置14根据所述候选呈现结果信息，将候选呈现结果信息点击量大于预定阈值如2的候选推荐呈现时段3:00～4:00，4:00～5:00作为目标呈现对象I的推荐呈现时段；还如，假设目标聚类确定装置13确定目标呈现对象I所对应的所述目标呈现聚类为呈现时段修改优化度低的聚类cluster3，则时段确定装置14将候选呈现结果信息点击量大于预定阈值如5的候选推荐呈现时段4:00～5:00作为目标呈现对象I的推荐呈现时段。

本领域技术人员应理解上述确定候选呈现结果信息的方式仅为举例，其他现有的或今后可能出现的确定候选呈现结果信息的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域技术人员应理解上述根据所述候选呈现结果信息基于所述目标呈现聚类确定与所述目标呈现对象相对应的推荐呈现时段的方式仅为举例，其他现有的或今后可能出现的根据所述候选呈现结果信息基于所述目标呈现聚类确定与所述目标呈现对象相对应的推荐呈现时段的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

接着，若查询请求的提交时间与所述推荐呈现时段相匹配，第一提供装置15将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用。具体地，第一提供装置15首先通过诸如ASP、JSP或PHP等动态网页技术获取搜索用户通过用户设备提交的查询请求，如搜索用户通过设备输入查询序列，再将该查询请求提交给搜索引擎，并接收搜索引擎所反馈的与该查询请求相对应的搜索结果；然后，若查询请求的提交时间与所述推荐呈现时段相匹配，第一提供装置15将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用。在此，所述应用包括但不限于如搜索引擎、浏览器等。在此，所述目标呈现对象所对应的呈现信息包括但不限于如所述目标呈现对象的文本信息、摘要链接等。

例如，若搜索用户通过其PC设备于2012年10月19日早上4:30在搜索引擎搜索栏中输入“鲜花”，然后点击搜索按钮，第一提供装置15通过诸如ASP、JSP或PHP等动态网页技术，获取到该搜索用户输入的查询序列“鲜花”，并基于该查询序列向搜索引擎提交查询请求，通过搜索引擎提供的应用程序接口(API)获取搜索引擎根据关键词“鲜花”匹配查询得到的与关键词“鲜花”相匹配的一个或多个搜索结果，如“鲜花吧百度贴吧”、“鲜花图片素材天下网”，假设时段确定装置14确定目标呈现对象I：“鲜花，我只选中国鲜花速递网！100％品质保证”的推荐呈现时段为4:00～5:00，则第一提供装置15将目标呈现对象I所对应的呈现信息及所述查询请求所对应的搜索结果，通过诸如ASP、JSP或PHP等动态网页技术，或者其他约定的通信方式，如http或https等通信协议，提供给所述查询请求所对应的应用，如提供给搜索引擎，以使搜索引擎将其提供给该搜索用户。实现了搜索用户在不同时段进行信息查询时可得到与该时段相匹配的呈现信息，从而在提高信息呈现效率与信息获取效率的同时，也提升了用户的搜索浏览体验。

结果提供设备1的各个装置之间是持续不断工作的。具体地，目标对象获取装置11持续获取待处理的目标呈现对象；目标向量确定装置12持续根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；目标聚类确定装置13持续根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；时段确定装置14持续根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；若查询请求的提交时间与所述推荐呈现时段相匹配，第一提供装置15将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用。在此，本领域技术人员应能理解“持续”是指结果提供设备1的各装置分别不断进行目标呈现对象的获取、目标特征向量的确定、目标呈现聚类的确定、推荐呈现时段的确定及与所述推荐呈现时段相匹配的查询请求所对应的搜索结果及目标呈现对象所对应的呈现信息的提供，直至该结果提供设备1在较长时间内停止目标呈现对象的获取。

在一个优选实施例中(参考图1)，结果提供设备1包括目标对象获取装置11、目标向量确定装置12、目标聚类确定装置13、时段确定装置14、第一提供装置15、操作获取装置(未示出)、对象向量获取装置(未示出)、聚类处理装置(未示出)和聚类向量确定装置(未示出)。以下参考图1对该优选实施例进行描述：具体地，目标对象获取装置11获取待处理的目标呈现对象；目标向量确定装置12根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；目标聚类确定装置13根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；时段确定装置14根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；若查询请求的提交时间与所述推荐呈现时段相匹配，第一提供装置15将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用；操作获取装置获取多个呈现对象的呈现操作，其中所述呈现操作包括关于所述呈现对象所对应的呈现时段的时段操作；对象向量确定装置根据所述呈现操作，确定所述呈现对象的对象特征向量，其中，所述对象特征向量包括与所述时段操作相对应的特征分量；聚类处理装置根据所述对象特征分量，对所述多个呈现对象进行聚类处理，以获得所述一个或多个呈现聚类，其中，所述呈现聚类包括至少一个所述呈现对象；聚类向量确定装置根据所述呈现聚类所包括的呈现对象的对象特征向量，确定所述呈现聚类所对应的所述聚类特征向量，其中，所述聚类特征向量包括与所述时段操作相对应的特征分量。在此，目标对象获取装置11、目标向量确定装置12、目标聚类确定装置13、时段确定装置14、第一提供装置15分别与分别与图1所对应实施例中的对应装置相同或相似，为简明起见，故在此不再赘述，并以引用的方式包含与此。

具体地，操作获取装置通过诸如ASP、JSP等动态网页技术，获取多个呈现用户通过用户设备对呈现对象执行的呈现操作，或者获取呈现用户通过用户设备对多个呈现对象执行的呈现操作；或者，通过基于各种通信协议，与其他能够提供所述呈现操作的设备进行交互，以获取所述呈现操作，其中所述呈现操作包括关于所述呈现对象所对应的呈现时段的时段操作。在此，所述呈现对象包括但不限于以下至少任一项：1)呈现用户的所有呈现信息，如文本链接呈现信息、展示类呈现信息、电子邮件呈现信息等；2)呈现用户的多个呈现信息中的每一个呈现信息；3)呈现用户的呈现信息所对应的呈现关键词，所述呈现对象来自于同一呈现用户，或者来自于多个不同的呈现用户，或者来自于与呈现用户属于同类型用户的参考呈现用户。在此，所述呈现操作包括但不限于以下至少任一项：1)与呈现对象相对应的呈现用户对该呈现对象的呈现时段的时段操作，如设置呈现时段、修改呈现时段、添加呈现时段；2)与呈现对象相对应的呈现用户基于网络用户的反馈信息对该呈现对象的修改，如调整呈现关键词资源控制、修改搜索关键词与呈现关键词的匹配模式、调整投放时段、调整投放地域等。例如，呈现用户A对其多个呈现对象的呈现时段进行了修改，如将呈现时段2:00～3:00修改为5:00～6:00，如新增呈现时段23:00～24:00，则操作获取装置通过ASP、JSP等动态网页技术，便获取到该呈现用户A对其呈现对象执行的呈现操作。本领域技术人员应能理解上述呈现对象和呈现操作和时段操作仅为举例，其他现有的或今后可能出现的呈现对象或呈现操作或时段操作如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。在此，“通信协议”包括计算机通信的传送协议，如TCP/IP、UDP、FTP、ICMP、NetBEUI等，同时还包括存在于计算机中的其他形式通信，例如面向对象编程里面对象之间的通信或操作系统内不同程序或计算机不同模块之间的消息传送协议。

本领域技术人员应能理解上述获取呈现操作的方式仅为举例，其他现有的或今后可能出现的获取呈现操作的方如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

对象向量确定装置根据所述呈现操作，确定所述呈现对象的对象特征向量，其中，所述对象特征向量包括与所述时段操作相对应的特征分量。在此，与所述时段操作相对应的所述特征分量包括从与所述时段操作相对应的数据指标中确定的一个或多个数据指标，如数据指标的原始值、归一化值等，其包括但不限于以下至少任一项：1)数据指标的原始值，其包括但不限于如：①.R特征分量：近期平均呈现资源控制信息；②.F特征分量：近期呈现时段的修改频率，如近期呈现时段的修改频率的最大值、平均值等；③.M特征分量：近期内最近一次修改呈现时段的时间；2)数据指标的归一化值：①.R’特征分量：近期平均呈现资源控制信息归一化；②.F’特征分量：近期呈现时段的修改频率归一化值，如近期呈现时段的修改频率的最大值的归一化值、平均值的归一化值等；③.M’特征分量：近期内最近一次修改呈现时段的时间的归一化值。在此，所述对象特征向量包括但不限于以下至少任一项：1)由所述特征分量直接组成；2)根据所述特征分量对应的权重信息，加权得到所述对象特征向量。本领域技术人员应能理解上述对象特征向量和特征分量仅为举例，其他现有的或今后可能出现的对象特征向量或特征分量如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

在此，对象向量确定装置确定所述呈现对象的对象特征向量与图1中目标向量确定装置12确定所述目标呈现对象所对应的目标特征向量的方式相同或相似，为简明起见，故在此不再赘述，并以引用的方式包含与此。

优选地，对象向量确定装置还可根据所述呈现操作，结合所述时段操作所对应的特征分量对应的权重，加权确定所述呈现对象的对象特征向量，其中，所述对象特征向量包括所述特征分量；

其中，所述特征分量对应的权重基于以下任一项规则来确定：

-根据预定的所述特征分量及其所对应的权重的对应关系，确定所述特征分量对应的权重；

-根据所述特征分量与所述时段操作的相关性信息，确定所述特征分量对应的权重。

例如，当对象向量确定装置根据预定的所述特征分量及其所对应的权重的对应关系，确定所述特征分量对应的权重时，例如，假设操作对象获取装置获取到在近期30天内如自2012年7月1日至2012年7月30日，呈现用户A至E分别对其对应的呈现对象A至E的呈现操作，其中，呈现对象A的平均呈现资源控制为300次呈现操作，呈现时段修改频率的最大值为10次/天，最近一次修改呈现时段的时间为2012年7月29日，即与该近期内起始时间7月1日时长为29天，假设预定的所述特征分量及其所对应的权重的对应关系为：特征分量为对应的权重分别为0.2，0.4，0.4，则对象向量确定装置加权确定的呈现对象A的所述对象特征向量为

即 $\stackrel{\→}{A}=60\stackrel{\→}{R}+4\stackrel{\→}{F}+11.6\stackrel{\→}{M},$ 相应地，所述特征分量为

每一所述特征分量的系数分别为60、4、11.6。

再如，当对象向量确定装置根据所述特征分量与所述时段操作的相关性信息，确定所述特征分量对应的权重时，具体地，对象向量确定装置首先确定所述特征分量与所述时段操作的相关性信息，然后根据该相关性信息，确定所述特征分量对应的权重，接着，加权确定所述呈现对象的对象特征向量。例如，假设操作对象获取装置获取到在近期30天内如自2012年7月1日至2012年7月30日，呈现用户A至E分别对其对应的呈现对象A至E的呈现操作如频繁修改呈现时段等，其中，呈现对象A的平均呈现资源控制为300次呈现操作，呈现时段修改频率的最大值为10次/天，最近一次修改呈现时段的时间为2012年7月29日，即与该近期内起始时间7月1日时长为29天，在该近期30天内，呈现对象A的呈现时段修改频率的平均值为3次/天，特征分量

对应的指标数值10次/天超过该近期内呈现时段修改频率的平均值3次/天，则对象向量确定装置确定特征分量

与所述时段操作的相关性高，设置其对应权重为0.8，而特征分量

与所述时段操作同样是关于呈现时段修改的指标，则对象向量确定装置确定特征分量与所述时段操作的相关性中，设置其对应权重为0.4，特征分量

与所述时段操作无关，则对象向量确定装置确定特征分量与所述时段操作的相关性低，设置其对应权重为0，则对象向量确定装置加权确定的呈现对象A的所述对象特征向量为 $\stackrel{\→}{A}=0\×300\stackrel{\→}{R}+0.8\×10\stackrel{\→}{F}+0.4\×29\stackrel{\→}{M},$ 即 $\stackrel{\→}{A}=8\stackrel{\→}{F}+11.6\stackrel{\→}{M},$ 相应地，所述特征分量为

每一所述特征分量的系数分别为8、11.6。

本领域技术人员应能理解上述加权确定所述呈现对象的对象特征向量的方式仅为举例，其他现有的或今后可能出现的加权确定所述呈现对象的对象特征向量的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

聚类处理装置根据所述对象特征分量，对所述多个呈现对象进行聚类处理，如采用k-means、ISODATA、链状方法等非监督学习方法，以获得一个或多个呈现聚类，其中，所述呈现聚类包括至少一个所述呈现对象。在此，所述呈现聚类包括但不限于呈现对象的呈现时段修改优化度信息，如呈现时段修改优化度高、呈现时段修改优化度中、呈现时段修改优化度低等。例如，假设操作对象获取装置获取到在近期30天内如自2012年7月1日至2012年7月30日，不同呈现用户A至E分别对其对应的呈现对象A至E的呈现操作，而对象向量确定装置(未示出)根据操作对象获取装置获取的所述呈现操作确定的呈现对象A至E的所述特征分量及对应的系数如表4所示：

表4

则聚类处理装置根据呈现对象A至E各自对应的所述特征分量，运用k-means算法，对呈现对象A至E进行聚类，得到一个或多个呈现聚类包括如：①.呈现时段修改优化度高的聚类cluster1，其包括呈现对象A、B和D；②.呈现时段修改优化度中的聚类cluster2，其包括呈现对象C；③.呈现时段修改优化度低的聚类cluster3，其包括呈现对象E。

本领域技术人员应能理解上述获得呈现聚类的方式仅为举例，其他现有的或今后可能出现的获得呈现聚类的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

聚类向量确定装置根据所述呈现聚类所包括的呈现对象的对象特征向量，确定所述呈现聚类所对应的聚类特征向量，其中，所述聚类特征向量包括与所述时段操作相对应的特征分量。在此，聚类向量确定装置确定所述呈现聚类所对应的聚类特征向量的方式包括但不限于以下至少任一项：

1)根据所述呈现聚类所包括的呈现对象的对象特征向量，将每一呈现对象的对象特征向量包括的特征分量对应的系数的平均值作为该呈现聚类所对应的聚类特征向量包括的特征分量的系数，进而根据该系数，确定所述聚类特征向量。例如，接上例，假设对象向量确定装置确定的呈现对象A、B和D的所述对象特征向量分别为：

呈现对象A： $\stackrel{\→}{A}=300\stackrel{\→}{R}+10\stackrel{\→}{F}+29\stackrel{\→}{M};$

呈现对象B： $\stackrel{\→}{B}=500\stackrel{\→}{R}+8\stackrel{\→}{F}+26\stackrel{\→}{M};$

呈现对象D： $\stackrel{\→}{D}=350\stackrel{\→}{R}+7\stackrel{\→}{F}+30\stackrel{\→}{M};$

则聚类向量确定装置可得到呈现对象A、B和D的对象特征向量包括的特征分量对应的系数的平均值为383.33、8.33、28.33，根据该系数，确定的所述聚类特征向量为 $\stackrel{\→}{\mathrm{cluster}1}=383.33\stackrel{\→}{R}+8.33\stackrel{\→}{F}+28.33\stackrel{\→}{M},$ 相应地，该聚类特征向量包括与所述时段操作相对应的特征分量

每一所述特征分量的系数分别为383.33、8.33、28.33。

2)根据所述呈现聚类所包括的呈现对象的对象特征向量，将每一呈现对象的对象特征向量包括的特征分量对应的系数看作向量空间中的一个点，将每一呈现聚类中包括的呈现对象的对象特征向量在向量空间中的点的外接圆的圆心(或者外接球的球心)对应的向量作为该呈现聚类的聚类特征向量。例如，还接上例，假设对象向量确定装置(未示出)确定的呈现对象A、B和D的所述对象特征向量分别为：

呈现对象A： $\stackrel{\→}{A}=300\stackrel{\→}{R}+10\stackrel{\→}{F}+29\stackrel{\→}{M};$

呈现对象B： $\stackrel{\→}{B}=500\stackrel{\→}{R}+8\stackrel{\→}{F}+26\stackrel{\→}{M};$

呈现对象D： $\stackrel{\→}{D}=350\stackrel{\→}{R}+7\stackrel{\→}{F}+30\stackrel{\→}{M};$

则聚类向量确定装置可得到由呈现对象A、B和D的对象特征向量包括的特征分量对应的系数在向量空间中对应的点的坐标(300，10，29)、(500，8，26)、(350，7，30)，然后计算得到由该三点组成的三角形的外接圆的圆心如(366，13.18，-2137.8)，将该外接圆的圆心对应的向量作为该呈现聚类的聚类特征向量即 $\stackrel{\→}{\mathrm{cluster}1}=366\stackrel{\→}{R}+13.18\stackrel{\→}{F}-2137.8\stackrel{\→}{M},$ 相应地，该聚类特征向量包括与所述时段操作相对应的特征分量

每一所述特征分量的系数分别为366、13.18、-2137.8。

图2示出根据本发明一个优选实施例的用于确定目标呈现对象所对应的推荐呈现时段的设备示意图。其中，结果提供设备1包括目标对象获取装置11’、目标向量确定装置12’、目标聚类确定装置13’、时段确定装置14’、第一提供装置15’和第二提供装置16’。具体地，目标对象获取装置11’获取待处理的目标呈现对象；目标向量确定装置12’根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；目标聚类确定装置13’根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；时段确定装置14’根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；若查询请求的提交时间与所述推荐呈现时段相匹配，第一提供装置15’将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用；第二提供装置16’将与所述推荐呈现时段相对应的信息提供给所述目标呈现对象所对应的呈现用户。在此，目标对象获取装置11’、目标向量确定装置12’、目标聚类确定装置13’、时段确定装置14’和第一提供装置15’分别与图1所对应实施例中的对应装置相同或相似，故在此不再赘述，并通过引用的方式包含于此。

具体地，第二提供装置16’将与所述推荐呈现时段相对应的信息，通过诸如ASP、JSP或PHP等动态网页技术，或者其他约定的通信方式，如http或https等通信协议，提供给所述目标呈现对象所对应的呈现用户，如该用户的用户设备，供用户浏览。在此，所述与所述推荐呈现时段相对应的信息包括但不限于以下至少任一项：1)所述推荐呈现时段的数量；2)所述推荐呈现时段的预估呈现结果信息，如点击等；3)所述推荐呈现时段内其他呈现用户呈现与所述呈现对象属于同类呈现对象的数量。本领域技术人员应理解上述与所述推荐呈现时段相对应的信息仅为举例，其他现有的或今后可能出现的与所述推荐呈现时段相对应的信息如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域技术人员应能理解，在具体实施例中，第一提供装置15’与第二提供装置16’可以是相独立的模块，也可以集成在一起。

本领域技术人员应能理解，在具体实施例中，第一提供装置15’与第二提供装置16’一般并无严格的先后执行顺序，两者可并行、串行或部分并行地被执行。

优选地，时段确定装置14’还可首先根据所述目标呈现聚类，确定与所述目标呈现对象相对应的一个或多个候选推荐呈现时段；然后根据所述目标呈现对象的流量特征向量，确定所述候选推荐呈现时段的候选呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；接着再根据所述候选呈现结果信息，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段。

例如，假设目标聚类确定装置13’确定目标呈现对象I所对应的所述目标呈现聚类为呈现时段修改优化度高的聚类cluster1，则时段确定装置14’确定目标呈现对象I对应的所述候选推荐呈现时段的数量多于所述目标呈现聚类为呈现时段修改优化度中和/或低的聚类cluster2和/或cluster3，如将目标呈现对象I的无设置呈现的呈现时段全部作为所述候选推荐呈现时段，如表2所示的2:00～3:00，3:00～4:00，4:00～5:00三个时间段；再如，假设目标聚类确定装置13’确定目标呈现对象I所对应的所述目标呈现聚类为呈现时段修改优化度中的聚类cluster2，则时段确定装置14’可从目标呈现对象I所对应的所述目标呈现聚类中选取其他呈现对象作为目标呈现对象I的参考呈现对象如呈现对象J和K，然后选取参考呈现对象J和K在目标呈现对象I的无设置呈现的呈现时段如2:00～3:00，3:00～4:00，4:00～5:00三个时间段中有点击量的呈现时段作为目标呈现对象I对应的所述候选推荐呈现时段，如呈现时段3:00～4:00和4:00～5:00。

然后，时段确定装置14’根据所述目标呈现对象的流量特征向量，确定所述候选推荐呈现时段的候选呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量。例如，时段确定装置14’可根据上述公式(2)确定目标呈现对象I的所述候选推荐呈现时段如2:00～3:00，3:00～4:00，4:00～5:00的候选呈现结果信息，如点击量分别为1.0155、2.3491、5.7287。

接着，时段确定装置14’再根据所述候选呈现结果信息，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段。例如，接上例，时段确定装置14’根据所述候选呈现结果信息，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段，将点击量大于预定阈值如2的候选呈现时段作为所述推荐呈现时段，则时段确定装置14’确定的目标呈现对象I的推荐呈现时段为3:00～4:00和4:00～5:00。

本领域技术人员应理解上述与确定所述候选推荐呈现时段的方式仅为举例，其他现有的或今后可能出现的确定所述候选推荐呈现时段的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

更优选地，第二提供装置16’将所述推荐呈现时段及其对应的所述候选呈现结果信息，通过诸如ASP、JSP或PHP等动态网页技术，或者其他约定的通信方式，如http或https等通信协议，提供给所述目标呈现对象所对应的呈现用户，如该用户的用户设备，供用户浏览。例如，接上例，第二提供装置16’将推荐呈现时段3:00～4:00和4:00～5:00及其对应的所述候选呈现结果信息如对应的点击量2.3491和5.7287提供给目标呈现对象I所对应的呈现用户。

在一个优选实施例中(参考图2)，结果提供设备1包括目标对象获取装置11’、目标向量确定装置11’、目标聚类确定装置13’、时段确定装置14’、第一提供装置15’、第二提供装置16’和第一参考确定装置(未示出)。以下参考图2对该优选实施例进行描述：具体地，目标对象获取装置11’获取待处理的目标呈现对象；目标向量确定装置12’根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；目标聚类确定装置13’根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；时段确定装置14’根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；若查询请求的提交时间与所述推荐呈现时段相匹配，第一提供装置15’将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用；第一参考确定装置根据所述目标呈现对象的呈现配置属性，确定与所述目标呈现对象相匹配的第一参考呈现对象，其中，所述呈现配置属性包括所述目标呈现对象所对应的呈现关键词；第二提供装置16’将与所述推荐呈现时段及所述第一参考呈现对象相对应的信息提供给所述目标呈现对象所对应的呈现用户。在此，目标对象获取装置11’、目标向量确定装置12’、目标聚类确定装置13’、时段确定装置14’和第一提供装置15’与图1所对应实施例中的对应装置相同或相似，故在此不再赘述，并通过引用的方式包含于此。本领域技术人员应能理解第一参考确定装置与时段确定装置14’一般并无严格的先后执行顺序，两者可并行、串行或部分并行地被执行。

具体地，第一参考确定装置根据所述目标呈现对象的呈现配置属性，确定与所述目标呈现对象相匹配的第一参考呈现对象，其中，所述呈现配置属性包括所述目标呈现对象所对应的呈现关键词。在此，所述呈现配置属性包括但不限于以下至少任一项：1)所述目标呈现对象所对应的呈现关键词；2)所述目标呈现对象的行业属性，如鲜花递送行业、户外用品行业、化妆品行业等；3)所述目标呈现对象的投放地域属性，如华南区域、华北区域等；4)所述目标呈现对象的目标群体属性，如女性上班族、高校学生、儿童等。在此，所述第一参考呈现对象包括但不限于如与所述目标呈现对象具有相同呈现关键词的其他呈现对象。本领域技术人员应理解上述呈现配置属性和第一参考呈现对象仅为举例，其他现有的或今后可能出现的呈现配置属性或第一参考呈现对象如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

例如，假设目标对象获取装置11’获取的目标呈现对象为I：“鲜花，我只选中国鲜花速递网！100％品质保证”，目标呈现对象I所对应的呈现关键词包括：i)“鲜花速递”；ii)“鲜花”；iii)“鲜花速递”，则第一参考确定装置根据目标呈现对象I的呈现配置属性，如目标呈现对象I所对应的呈现关键词i)、ii)和iii)，确定与目标呈现对象I相匹配的第一参考呈现对象，与目标呈现对象I具有相同呈现关键词的其他呈现对象，如呈现对象M至R：

呈现对象M：“新薇鲜花速递，全国第一大鲜花网站”

呈现对象N：“鲜花速递送祝福到家”

呈现对象O：“鲜花，本地实体鲜花店100％保证”

呈现对象P：“海淀鲜花鲜花特价优惠，免费...”

呈现对象R：“鲜花快递上门服务中国鲜花礼品网”其中，呈现对象M、N所对应的呈现关键词为“鲜花速递”，呈现对象O、P所对应的呈现关键词为“鲜花”，呈现对象R所对应的呈现关键词为“鲜花速递”。

本领域技术人员应理解上述与确定与所述目标呈现对象相匹配的第一参考呈现对象的方式仅为举例，其他现有的或今后可能出现的确定与所述目标呈现对象相匹配的第一参考呈现对象的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

接着，第二提供装置16’将与时段确定装置14’确定的所述推荐呈现时段及所述第一参考呈现对象相对应的信息，通过诸如ASP、JSP或PHP等动态网页技术，或者其他约定的通信方式，如http或https等通信协议，提供给所述目标呈现对象所对应的呈现用户，如该用户的用户设备，供用户浏览。在此，所述第一参考呈现对象相对应的信息包括但不限于以下至少任一项：1)在所述推荐呈现时段内所述第一参考呈现对象进行呈现的数量；2)在所述推荐呈现时段内所述第一参考呈现对象进行呈现可获得的呈现结果信息，如点击量。本领域技术人员应理解上述与所述第一参考呈现对象相对应的信息仅为举例，其他现有的或今后可能出现的所述第一参考呈现对象相对应的信息如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

优选地，时段确定装置14’还可根据所述目标呈现聚类，并结合所述第一参考呈现对象的优选呈现时段，确定与所述目标呈现对象相对应的推荐呈现时段。例如，假设目标聚类确定装置13’确定目标呈现对象I所对应的所述目标呈现聚类为呈现时段修改优化度高的聚类cluster1，目标呈现对象I的无设置呈现的呈现时段如表2所示的2:00～3:00，3:00～4:00，4:00～5:00三个时间段，而第一参考确定装置确定的与目标呈现对象I相匹配的第一参考呈现对象包括如与目标呈现对象I具有相同呈现关键词的其他呈现对象，如呈现对象M至R，假设呈现对象M至R的优选呈现时段包括3:00～4:00和4:00～5:00，则时段确定装置14’可将所述第一参考呈现对象即呈现对象M至R的优选呈现时段包括3:00～4:00和4:00～5:00，作为与目标呈现对象I相对应的推荐呈现时段。

在一个优选实施例中(参考图2)，结果提供设备1包括目标对象获取装置11’、目标向量确定装置12’、目标聚类确定装置13’、时段确定装置14’、第一提供装置15’、第二提供装置26’和预测信息确定装置(未示出)。以下参考图2对该优选实施例进行描述：具体地，目标对象获取装置11’获取待处理的目标呈现对象；目标向量确定装置12’根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；目标聚类确定装置13’根据所述目标特征向量及所述聚类特征向量，从所述一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；时段确定装置14’根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；若查询请求的提交时间与所述推荐呈现时段相匹配，第一提供装置15’将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用；预测信息确定装置根据所述目标呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；第二提供装置16’将所述推荐呈现时段与所述预测呈现结果信息提供给所述目标呈现对象所对应的呈现用户。在此，目标对象获取装置11’、目标向量确定装置12’、目标聚类确定装置13’、时段确定装置14’和第一提供装置15’与图1所对应实施例中的对应装置相同或相似，故在此不再赘述，并通过引用的方式包含于此。

具体地，预测信息确定装置根据所述目标呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量。在此，所述预测呈现结果信息包括但不限于如所述目标呈现对象在所述推荐呈现时段可获得的点击量。在此，预测信息确定装置根据所述目标呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息的方式与图1中时段确定装置18根据所述目标呈现对象的流量特征向量，确定一个或多个候选推荐呈现时段的候选呈现结果信息的方式相同或相似，为简明起见，故在此不再赘述，并通过引用的方式包含于此。

接着，第二提供装置16’将所述推荐呈现时段与所述预测呈现结果信息，通过诸如ASP、JSP或PHP等动态网页技术，或者其他约定的通信方式，如http或https等通信协议，提供给所述目标呈现对象所对应的呈现用户，如该用户的用户设备，供用户浏览。

优选地，预测信息确定装置包括第二参考确定单元(未示出)和预测信息确定单元(未示出)。具体地，第二参考确定单元根据所述目标呈现对象的流量特征向量，确定与所述目标呈现对象相对应的第二参考呈现对象，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；预测信息确定单元根据所述第二参考呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息。

具体地，第二参考确定单元根据所述目标呈现对象的流量特征向量，确定与所述目标呈现对象相对应的第二参考呈现对象，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量。在此，所述第二参考呈现对象包括但不限于如与所述目标呈现对象满足预定相似度的其他呈现对象。具体地，第二参考确定单元可首先根据所述目标呈现对象的流量特征向量及其他呈现对象的流量特征向量，确定与所述目标呈现对象与其他呈现对象的相似度，然后将满足预定相似度阈值的其他呈现对象作为所述第二参考呈现对象。在此，所述其他参考呈现对象可来自所述目标呈现对象对应的目标呈现聚类，也可来自其他呈现聚类。本领域技术人员应理解上述第二参考呈现对象仅为举例，其他现有的或今后可能出现的第二参考呈现对象如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

例如，假设目标对象获取装置11’获取的目标呈现对象为I：“鲜花，我只选中国鲜花速递网！100％品质保证”，其在2012年7月30日的点击量的历史记录具体数据，具体地如上述表2所示，则其对应的流量特征向量为Ti＝[a1，a2，a3，...，a24]＝[4，2，0，0，0，...，40，23，18，9，7]，而目标聚类确定装置13’确定目标呈现对象为I的所述目标呈现聚类为呈现时段修改优化度高的聚类cluster1，该聚类cluster1包括呈现对象A、B和D，上述表3示出其在2012年7月30日的点击量的历史记录具体数据，其对应的流量特征向量分别为：

Ta＝[a1，a2，a3，...，a24]＝[2，2，1，3，4，...，40，23，17，9，7]

Tb＝[a1，a2，a3，...，a24]＝[1，0，0，2，5，...，38，19，11，7，2]

Td＝[a1，a2，a3，...，a24]＝[0，1，2，4，8，...，32，22，8，0，1]

则第二参考确定单元根据目标呈现对象I的流量特征向量Ti，及其他呈现对象的流量特征向量，即呈现对象A、B和D的流量特征向量Ta、Tb和Td，根据公式(3)：

${\cos \mathrm{\θ}}_j=\frac{T_i\·T_j}{\left|T_i\right|\×\left|T_j\right|},$ 其中，j＝a，b，d    (3)

计算Ta、Tb和Td与Ti的相似度，如可得到cosθ_a＝0.98，cosθ_b＝0.84，cosθ_d＝0.92。

然后，第二参考确定单元将满足预定相似度阈值的其他呈现对象作为所述第二参考呈现对象，如将相似度大于0.9的其他呈现对象作为所述第二参考呈现对象，如呈现对象A和D。

本领域技术人员应理解上述确定所述第二参考呈现对象仅为举例，其他现有的或今后可能出现的确定所述第二参考呈现对象如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

接着，预测信息确定单元根据所述第二参考呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息。在此，预测信息确定单元根据所述第二参考呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息的方式与图1中时段确定装置14根据所述目标呈现对象的流量特征向量，确定一个或多个候选推荐呈现时段的候选呈现结果信息的方式相同或相似，为简明起见，故在此不再赘述，并通过引用的方式包含于此。

更优选地，第二参考确定单元还可首先根据所述目标呈现对象所对应的目标呈现聚类，由该目标呈现聚类中确定参考呈现对象；然后根据所述目标呈现对象的流量特征向量，及所述参考呈现对象的流量特征向量，确定所述参考呈现对象与所述目标呈现对象的相似度，其中，所述流量特征向量包括与呈现对象的多个单元呈现时段中至少一个相对应的流量分量；再根据所述相似度，确定与所述目标呈现对象相对应的第二参考呈现对象。

具体地，第二参考确定单元还可首先根据所述目标呈现对象所对应的目标呈现聚类，由该目标呈现聚类中确定参考呈现对象。例如，假设目标聚类确定装置13’确定目标呈现对象为I的所述目标呈现聚类为呈现时段修改优化度高的聚类cluster1，该聚类cluster1包括呈现对象A、B和D，则第二参考确定单元确定目标呈现对象为I的参考呈现对象为呈现对象A、B和D。

然后，第二参考确定单元根据所述目标呈现对象的流量特征向量，及所述参考呈现对象的流量特征向量，确定所述参考呈现对象与所述目标呈现对象的相似度，其中，所述流量特征向量包括与呈现对象的多个单元呈现时段中至少一个相对应的流量分量。在此，第二参考确定单元确定所述参考呈现对象与所述目标呈现对象的相似度的方式包括但不限于以下至少任一项：

1)根据所述目标呈现对象的流量特征向量及其他呈现对象的流量特征向量的夹角，确定所述目标呈现对象与其他呈现对象的相似度。例如，第二参考确定单元可根据上述公式(3)确定所述目标呈现对象与其他呈现对象的相似度。

2)根据所述目标呈现对象的流量特征向量及其他呈现对象的流量特征向量，基于皮尔森相关系数公式，确定所述目标呈现对象与其他呈现对象的相似度。例如，第二参考确定单元可根据公式(4)计算目标呈现对象I的流量特征向量Ti，及其他呈现对象的流量特征向量，即呈现对象A、B和D的流量特征向量Ta、Tb和Td的相似度：

$r=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left(\frac{X_i-\stackrel{\‾}{X}}{S_X}\right)\left(\frac{Y_i-\stackrel{\‾}{Y}}{S_Y}\right)---\left(4\right)$

其中，n为样本的数量，在此，n＝24，Xi、Yi为样本值，S_X、S_Y为样本标准差、

及为样本平均值，第二参考确定单元根据公式(4)计算Ta、Tb和Td与Ti的相似度，如可得到r_i&a＝0.96，r_i&b＝0.88，r_i&d＝0.98。

本领域技术人员应理解上述确定所述参考呈现对象与所述目标呈现对象的相似度的方式仅为举例，其他现有的或今后可能出现的确定所述参考呈现对象与所述目标呈现对象的相似度的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

接着，第二参考确定单元根据所述相似度，确定与所述目标呈现对象相对应的第二参考呈现对象，例如将相似度大于0.9的其他呈现对象作为所述第二参考呈现对象，如呈现对象A和D。

图3示出根据本发明另一个方面的用于确定目标呈现对象所对应的推荐呈现时段的方法流程图。

具体地，在步骤S1中，结果提供设备1获取待处理的目标呈现对象；在步骤S2中，结果提供设备1根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；在步骤S3中，结果提供设备1根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；在步骤S4中，结果提供设备1根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；若查询请求的提交时间与所述推荐呈现时段相匹配，在步骤S5中，结果提供设备1将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用。在此，结果提供设备1包括但不限于网络设备、用户设备或网络设备与用户设备通过网络相集成所构成的设备。其中，所述网络设备包括但不限于网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云。在此，云由基于云计算(CloudComputing)的大量主机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。所述用户设备其包括但不限于任何一种可与用户通过键盘、遥控器、触摸板、或声控设备进行人机交互的电子产品，例如计算机、智能手机、PDA或IPTV等。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。本领域技术人员应能理解上述结果提供设备1仅为举例，其他现有的或今后可能出现的网络设备或用户设备如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

具体地，在步骤S 1中，结果提供设备1通过调用诸如搜索引擎、浏览器等第三方设备提供的应用程序接口(API)，获取待处理的目标呈现对象；或者，通过基于各种通信协议，与其他能够提供所述目标呈现对象的设备进行交互，以获取待处理的目标呈现对象；或者通过JSP等动态网页技术，获取网络用户通过用户设备输入的查询序列，搜索引擎根据该查询序列，在搜索呈现数据库中进行匹配查询，将查询到的匹配结果作为待获取待处理的目标呈现对象。在此，所述目标呈现对象包括但不限于如文本链接呈现信息、展示类呈现信息、电子邮件呈现信息等，其来自于同一呈现用户，或者来自于多个不同的呈现用户，或者来自于与呈现用户属于同类型用户的参考呈现用户。例如，用户在搜索引擎搜索栏中输入查询序列“鲜花”，搜索引擎根据该查询序列“鲜花”，在搜索呈现数据库中进行匹配查询，以获得与该查询序列“鲜花”相匹配的呈现关键词如“鲜花”、“鲜花速递”等，则在步骤S1中，结果提供设备1将与该呈现关键词相对应的目标呈现对象如“鲜花，我只选中国鲜花速递网！100％品质保证”，“鲜花到中国名品鲜花网”作为待处理的目标呈现对象。本领域技术人员应理解上述目标呈现对象仅为举例，其他现有的或今后可能出现的目标呈现对象如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域技术人员应理解上述获取待处理的目标呈现对象的方式仅为举例，其他现有的或今后可能出现的获取待处理的目标呈现对象的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

在步骤S2中，结果提供设备1根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量。在此，所述呈现操作记录包括关于所述目标呈现对象所对应的呈现时段的时段操作。在此，所述目标特征向量包括与所述时段操作相对应的特征分量。在此，与所述时段操作相对应的所述特征分量包括从与所述时段操作相对应的数据指标中确定的一个或多个数据指标，如数据指标的原始值、归一化值等，其包括但不限于以下至少任一项：1)数据指标的原始值，其包括但不限于如：①.R特征分量：近期平均呈现资源控制信息；②.F特征分量：近期呈现时段的修改频率，如近期呈现时段的修改频率的最大值、平均值等；③.M特征分量：近期内最近一次修改呈现时段的时间；2)数据指标的归一化值：①.R’特征分量：近期平均呈现资源控制信息归一化；②.F’特征分量：近期呈现时段的修改频率归一化值，如近期呈现时段的修改频率的最大值的归一化值、平均值的归一化值等；③.M’特征分量：近期内最近一次修改呈现时段的时间的归一化值。在此，所述目标特征向量包括但不限于以下至少任一项：1)由所述特征分量直接组成；2)根据所述特征分量对应的权重信息，加权得到所述目标特征向量。本领域技术人员应能理解上述目标特征向量和特征分量仅为举例，其他现有的或今后可能出现的目标特征向量或特征分量如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。在此，在步骤S2中，结果提供设备1确定所述目标呈现对象所对应的目标特征向量的方式包括但不限于以下至少任一项：

1)根据预设的所述特征分量，由所述特征分量直接组成所述目标对象特征向量。如将特征分量R、F、M看作三维坐标系，则所述目标对象特征向量可表示为其中，x，y，z分别为特征分量

在对应坐标轴上的投影。例如，假设在步骤S1中，结果提供设备1获取的目标呈现对象为I：“鲜花，我只选中国鲜花速递网！100％品质保证”，该在步骤S1中，结果提供设备1获取到目标呈现对象I所对应的呈现操作记录包括如在近期30天内如自2012年7月1日至2012年7月30日，目标呈现对象I所对应的目标呈现用户user对其进行呈现操作，如目标呈现对象I的平均呈现资源控制为300次呈现操作，呈现时段修改频率的最大值为10次/天，最近一次修改呈现时段的时间为2012年7月29日，即与该近期内起始时间7月1日时长为29天，则在步骤S2中，结果提供设备1确定的目标呈现对象I的所述目标特征向量为

相应地，所述特征分量为每一所述特征分量的系数分别为300、10、29。

2)将预设的所述特征分量进行归一化处理后，由归一化后的所述特征分量直接组成所述目标特征向量。例如，接上例，在步骤S2中，结果提供设备1首先将预设的所述特征分量根据公式(5)将所述特征分量

对应的原始数值进行归一化处理：

$s=\frac{r_{\mathrm{primitive}-\mathrm{value}}}{{\max }_r}---\left(5\right)$

其中，s为归一化处理后的数值，r_{pimitive-value}为所述特征分量对应的原始数值，max_r为所述特征分量在近期内的最大值，假设目标呈现对象I在近期30天内如自2012年7月1日至2012年7月30日的呈现资源控制信息的最大值为1000，则在步骤S2中，结果提供设备1将所述特征分量

分别对应的原始数值300、10、29进行归一化处理后得到0.3、1、0.967(即近期内呈现时段最后一次修改的时间与近期内起始时间之间的间隔时长与近期内的时长的比值)，则在步骤S2中，结果提供设备1确定的目标呈现对象I的所述目标特征向量为 $\stackrel{\→}{A}=0.3\stackrel{\→}{R}+1\stackrel{\→}{F}+.0.967\stackrel{\→}{M},$ 相应地，所述特征分量为

每一所述特征分量的系数分别为0.3、1、0.967。

3)根据预设的所述特征分量，基于所述特征分量所对应的权重信息，加权确定所述对象特征向量。例如，还接上例，假设所述特征分量为对应的权重分别为0.2，0.4，0.4，则在步骤S2中，结果提供设备1确定的目标呈现对象I的所述目标特征向量为 $\stackrel{\→}{A}=0.2\×300\stackrel{\→}{R}+0.4\×10\stackrel{\→}{F}+0.4\×29\stackrel{\→}{M},$ 即 $\stackrel{\→}{A}=60\stackrel{\→}{R}+4\stackrel{\→}{F}+11.6\stackrel{\→}{M},$ 相应地，所述特征分量为

每一所述特征分量的系数分别为60、4、11.6。

4)将预设的所述特征分量进行归一化处理后，再基于所述特征分量所对应的权重信息，加权确定所述目标特征向量。例如，还接上例，在步骤S2中，结果提供设备1首先将预设的所述特征分量根据公式(5)将所述特征分量

对应的原始数值300、10、29进行归一化处理后得到0.3、1、0.967(即近期内呈现时段最后一次修改的时间与近期内起始时间之间的间隔时长与近期内的时长的比值)，假设所述特征分量为

对应的权重分别为0.2，0.4，0.4，则在步骤S2中，结果提供设备1确定的目标呈现对象I的所述目标特征向量为 $\stackrel{\→}{A}=0.2\×0.3\stackrel{\→}{R}+0.4\×1\stackrel{\→}{F}+0.4\×0.967\stackrel{\→}{M},$ 即 $\stackrel{\→}{A}=0.06\stackrel{\→}{R}+0.4\stackrel{\→}{F}+0.3868\stackrel{\→}{M},$ 相应地，所述特征分量为

每一所述特征分量的系数分别为0.06、0.4、0.3868。

本领域技术人员应能理解上述将所述特征分量进行归一化处理的方式仅为举例，其他现有的或今后可能出现的将所述特征分量进行归一化处理的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域技术人员应能理解上述确定所述目标呈现对象的目标特征向量的方式仅为举例，其他现有的或今后可能出现的确定所述目标呈现对象的目标特征向量的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

在步骤S3中，结果提供设备1根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配。在此，在步骤S3中，结果提供设备1确定所述目标呈现对象所对应的目标呈现聚类的方式包括但不限于以下至少任一项：

1)根据所述目标特征向量与呈现聚类的聚类特征向量间的夹角确定所述目标特征向量与呈现聚类的聚类特征向量的相似度，根据该相似度确定呈现聚类的聚类特征向量与所述目标特征向量是否相匹配，进而将与所述目标特征向量相匹配的聚类特征向量所对应的呈现聚类作为所述目标呈现聚类。例如，假设在步骤S 1中，结果提供设备1获取的目标呈现对象为I：“鲜花，我只选中国鲜花速递网！100％品质保证”，而在步骤S2中，结果提供设备1确定的该目标呈现对象I的所述目标特征向量为

假设在步骤S3中，结果提供设备1在呈现聚类数据库中进行查询，得到呈现聚类及其对应的聚类特征向量包括：①.呈现时段修改优化度高的聚类cluster1的聚类特征向量 $\stackrel{\→}{\mathrm{cluster}1}=383.33\stackrel{\→}{R}+8.33\stackrel{\→}{F}+28.33\stackrel{\→}{M};$ ②.呈现时段修改优化度中的聚类cluster2的聚类特征向量

③.呈现时段修改优化度低的聚类cluster3的聚类特征向量

则目标

类特征向量间的夹角的余弦值作为所述目标特征向量与聚类特征向量的相似度，根据该相似度确定呈现聚类的聚类特征向量与所述目标特征向量是否相匹配，如当相似度大于预定阈值如0.9时，判定呈现聚类的聚类特征向量与所述目标特征向量是否相匹配，即将该呈现聚类作为所述目标呈现聚类，则在步骤S3中，结果提供设备1根据所述目标特征向量与聚类特征向量的相似度为0.99，确定目标呈现对象I对应的目标呈现聚类为呈现时段修改优化度高的聚类cluster1。

2)根据所述目标特征向量与呈现聚类的聚类特征向量的向量差的模值，确定呈现聚类的聚类特征向量与所述目标特征向量是否相匹配，进而将与所述目标特征向量相匹配的聚类特征向量所对应的呈现聚类作为所述目标呈现聚类，如当所述目标特征向量与呈现聚类的聚类特征向量的向量差的模值小于预定阈值，如小于由呈现聚类包括的多个呈现对象的对象特征向量在向量空间的点组成的空间形状的外接圆(或者外接球)的半径(或者球半径)时，判定呈现聚类的聚类特征向量与所述目标特征向量相匹配。例如，假设目标呈现聚类为呈现时段修改优化度高的聚类cluster1包括呈现对象A、B和D，则在步骤S3中，结果提供设备1计算目标呈现对象I的所述目标特征向量为与聚类cluster1的所述聚类特征向量 $\stackrel{\→}{\mathrm{cluster}1}=383.33\stackrel{\→}{R}+8.33\stackrel{\→}{F}+28.33\stackrel{\→}{M},$ 两者的向量差的模值 $|\stackrel{\→}{I}-{\stackrel{\→}{\mathrm{cluster}}}_1|=6.88,$ 而呈现对象A、B和D的对象特征向量在向量空间的点组成的三角形的外接圆的半径为121，则在步骤S3中，结果提供设备1确定聚类cluster1的聚类特征向量与所述目标特征向量相匹配，即确定目标呈现对象I对应的目标呈现聚类为呈现时段修改优化度高的聚类cluster1。

本领域技术人员应理解上述确定所述目标呈现对象所对应的目标呈现聚类的方式仅为举例，其他现有的或今后可能出现的确定所述目标呈现对象所对应的目标呈现聚类的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

在步骤S4中，结果提供设备1根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段。在此，所述推荐呈现时段包括所述目标呈现对象的无呈现设置的呈现时段。例如，假设在步骤S3中，结果提供设备1确定目标呈现对象I对应的目标呈现聚类为呈现时段修改优化度高的聚类cluster1，其表明目标呈现对象I对应的呈现用户频繁修改呈现时段，则在步骤S4中，结果提供设备1确定与该目标呈现对象I相对应的推荐呈现时段的数量大于呈现用户不经常修改呈现时段的呈现对象对应的推荐呈现时段的数量，也大于呈现用户从未修改呈现时段的呈现对象对应的推荐呈现时段的数量。

本领域技术人员应理解上述确定与所述目标呈现对象相对应的推荐呈现时段的方式仅为举例，其他现有的或今后可能出现的确定与所述目标呈现对象相对应的推荐呈现时段的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

优选地，在步骤S4中，结果提供设备1还可首先根据所述目标呈现对象的流量特征向量，确定一个或多个候选推荐呈现时段的候选呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；然后再根据所述候选呈现结果信息，基于所述目标呈现聚类，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段。在此，所述候选推荐呈现时段包括从所述目标呈现对象的无呈现设置的呈现时段中筛选出的一个或多个无呈现设置时段。在此，所述流量特征向量包括但不限于之下至少任一项：1)所述目标呈现对象在全天24个时段(每小时为一个时段)的呈现结果信息如点击量组成的向量；2)所述目标呈现对象在全天24个时段中部分时段(包括待预测的无呈现设置的呈现时段)的呈现结果信息如点击量组成的向量。本领域技术人员应理解上述候选呈现时段和流量特征向量方式仅为举例，其他现有的或今后可能出现的候选呈现时段或流量特征向量如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

例如，假设在步骤S1中，结果提供设备1获取的待处理的目标呈现对象为I：“鲜花，我只选中国鲜花速递网！100％品质保证”，该目标呈现对象在2012年7月30日全天24个时段的呈现结果信息如点击量的历史记录数据，有如下数据组织形式，如表5所示：

表5

其中，a1表示在2012年7月30日0:00～1:00时间段内获得的点击量，a24表示在2012年7月30日23:00～24:00时间段内获得的点击量，则该目标呈现对象的流量特征向量可表示为：T＝[a1，a2，a3，...，a24]，其中，该流量特征向量包括与该目标呈现对象I的多个单元呈现时段中至少一个相对应的流量分量。优选地，表5中目标呈现对象的点击量的历史记录数据还可包括在一段时段内如(近期30天，如自2012年7月1日至2012年7月30日)点击量的历史记录数据，此时，a1表示在2012年7月1日至2012年7月30日每天0:00～1:00时间段内获得的点击量的平均值，a24表示在2012年7月1日至2012年7月30日每天23:00～24:00时间段内获得的点击量的平均值。

假设目标呈现对象I在2012年7月30日的点击量的历史记录具体数据如表6所示：

表6

其中，2:00～3:00，3:00～4:00，4:00～5:00三个时间段为无呈现设置的呈现时段，即目标呈现对象I的所述候选推荐呈现时段。在步骤S4中，结果提供设备1可从目标呈现对象I所对应的所述目标呈现聚类中选取其他呈现对象作为目标呈现对象I的参考呈现对象，然后根据参考呈现对象与目标呈现对象I在同一时间范围内的流量特征向量，从该同一时间范围内选取多个相同单元呈现时段，如选取单元呈现时段内点击量大于预定阈值如10的4个单元呈现时段，如选取9:00～10:00，10:00～11:00，11:00～12:00，12:00～13:00四个单元呈现时段，根据每一参考呈现对象在所述候选推荐呈现时段的点击量与在选取的该四个单元呈现时段的点击量和的比值的平均值，再乘以目标呈现对象I在在选取的该四个单元呈现时段的点击量和，作为所述候选呈现结果信息。例如，假设在步骤S3中，结果提供设备1确定目标呈现对象I所对应的所述目标呈现聚类为呈现时段修改优化度高的聚类cluster1，该聚类cluster1包括的呈现对象A、B和D在2012年7月30日的点击量的历史记录具体数据如表7所示：

表7

则在步骤S4中，结果提供设备1可通过计算每一参考呈现对象在所述候选推荐呈现时段的点击量与在选取的该四个单元呈现时段的点击量和的比值的平均值，来得到所述候选呈现结果信息，如通过以下公式(6)计算所述候选呈现结果信息：

${\mathrm{clk}}_{\mathrm{candidate}-\mathrm{time}}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\frac{{\mathrm{clk}}_{i-\mathrm{candidate}-\mathrm{time}}}{{\mathrm{clk}}_{i-\mathrm{psum}}}\×{\mathrm{clk}}_{\mathrm{actual}-\mathrm{psum}}---\left(6\right)$

其中，n为参考呈现对象的数量，clk_{i-candidate-time}为第i个参考呈现对象在目标呈现对象的所述候选推荐呈现时段的候选呈现结果信息点击量，clk_i-psum为第i个参考呈现对象在选取的p个单元呈现时段(如9:00～10:00，10:00～11:00，11:00～12:00，12:00～13:00个单元呈现时段)的呈现结果信息如点击量之和，clk_actual-psum为目标呈现对象在选取的p个单元呈现时段的呈现结果信息如点击量之和，如表7所示，目标呈现对象I的所述候选呈现推荐呈现时段2:00～3:00，3:00～4:00，4:00～5:00，则在步骤S4中，结果提供设备1根据公式(6)经计算，分别得到目标呈现对象I在该三个所述候选呈现推荐呈现时段的候选呈现结果信息如点击量1.0155、2.3491、5.7287。

接着，在步骤S4中，结果提供设备1根据所述候选呈现结果信息，基于所述目标呈现聚类，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段，例如，接上例，假设在步骤S3中，结果提供设备1确定目标呈现对象I所对应的所述目标呈现聚类为呈现时段修改优化度高的聚类cluster1，则在步骤S4中，结果提供设备1根据所述候选呈现结果信息，即目标呈现对象I在所述候选推荐呈现时段2:00～3:00，3:00～4:00，4:00～5:00的候选呈现结果信息如1.0155、2.3491、5.7287，从该多个候选推荐呈现时段中确定目标呈现对象I的推荐呈现时段为2:00～3:00，3:00～4:00，4:00～5:00；再如，假设在步骤S3中，结果提供设备1确定目标呈现对象I所对应的所述目标呈现聚类为呈现时段修改优化度中的聚类cluster2，则在步骤S4中，结果提供设备1根据所述候选呈现结果信息，将候选呈现结果信息点击量大于预定阈值如2的候选推荐呈现时段3:00～4:00，4:00～5:00作为目标呈现对象I的推荐呈现时段；还如，假设在步骤S3中，结果提供设备1确定目标呈现对象I所对应的所述目标呈现聚类为呈现时段修改优化度低的聚类cluster3，则在步骤S4中，结果提供设备1将候选呈现结果信息点击量大于预定阈值如5的候选推荐呈现时段4:00～5:00作为目标呈现对象I的推荐呈现时段。

本领域技术人员应理解上述确定候选呈现结果信息的方式仅为举例，其他现有的或今后可能出现的确定候选呈现结果信息的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域技术人员应理解上述根据所述候选呈现结果信息基于所述目标呈现聚类确定与所述目标呈现对象相对应的推荐呈现时段的方式仅为举例，其他现有的或今后可能出现的根据所述候选呈现结果信息基于所述目标呈现聚类确定与所述目标呈现对象相对应的推荐呈现时段的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

接着，若查询请求的提交时间与所述推荐呈现时段相匹配，在步骤S5中，结果提供设备1将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用。具体地，在步骤S5中，结果提供设备1首先通过诸如ASP、JSP或PHP等动态网页技术获取搜索用户通过用户设备提交的查询请求，如搜索用户通过设备输入查询序列，再将该查询请求提交给搜索引擎，并接收搜索引擎所反馈的与该查询请求相对应的搜索结果；然后，若查询请求的提交时间与所述推荐呈现时段相匹配，在步骤S5中，结果提供设备1将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用。在此，所述应用包括但不限于如搜索引擎、浏览器等。在此，所述目标呈现对象所对应的呈现信息包括但不限于如所述目标呈现对象的文本信息、摘要链接等。

例如，若搜索用户通过其PC设备于2012年10月19日早上4:30在搜索引擎搜索栏中输入“鲜花”，然后点击搜索按钮，在步骤S5中，结果提供设备1通过诸如ASP、JSP或PHP等动态网页技术，获取到该搜索用户输入的查询序列“鲜花”，并基于该查询序列向搜索引擎提交查询请求，通过搜索引擎提供的应用程序接口(API)获取搜索引擎根据关键词“鲜花”匹配查询得到的与关键词“鲜花”相匹配的一个或多个搜索结果，如“鲜花吧百度贴吧”、“鲜花图片素材天下网”，假设在步骤S4中，结果提供设备1确定目标呈现对象I：“鲜花，我只选中国鲜花速递网！100％品质保证”的推荐呈现时段为4:00～5:00，则在步骤S5中，结果提供设备1将目标呈现对象I所对应的呈现信息及所述查询请求所对应的搜索结果，通过诸如ASP、JSP或PHP等动态网页技术，或者其他约定的通信方式，如http或https等通信协议，提供给所述查询请求所对应的应用，如提供给搜索引擎，以使搜索引擎将其提供给该搜索用户。实现了搜索用户在不同时段进行信息查询时可得到与该时段相匹配的呈现信息，从而在提高信息呈现效率与信息获取效率的同时，也提升了用户的搜索浏览体验。

结果提供设备1的各个步骤之间是持续不断工作的。具体地，在步骤S1中，结果提供设备1持续获取待处理的目标呈现对象；在步骤S2中，结果提供设备1持续根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；在步骤S3中，结果提供设备1持续根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；在步骤S4中，结果提供设备1持续根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；若查询请求的提交时间与所述推荐呈现时段相匹配，在步骤S5中，结果提供设备1将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用。在此，本领域技术人员应能理解“持续”是指结果提供设备1的各步骤分别不断进行目标呈现对象的获取、目标特征向量的确定、目标呈现聚类的确定、推荐呈现时段的确定及与所述推荐呈现时段相匹配的查询请求所对应的搜索结果及目标呈现对象所对应的呈现信息的提供，直至该结果提供设备1在较长时间内停止目标呈现对象的获取。

在一个优选实施例中(参考图3)，结果提供设备1包括步骤S1、步骤S2、步骤S3、步骤S4、步骤S5、步骤S7(未示出)、步骤S8(未示出)、步骤S9(未示出)和步骤S10(未示出)。以下参考图1对该优选实施例进行描述：具体地，在步骤S 1中，结果提供设备1获取待处理的目标呈现对象；在步骤S2中，结果提供设备1根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；在步骤S3中，结果提供设备1根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；在步骤S4中，结果提供设备1根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；若查询请求的提交时间与所述推荐呈现时段相匹配，在步骤S5中，结果提供设备1将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用；在步骤S7中，结果提供设备1获取多个呈现对象的呈现操作，其中所述呈现操作包括关于所述呈现对象所对应的呈现时段的时段操作；在步骤S8中，结果提供设备1根据所述呈现操作，确定所述呈现对象的对象特征向量，其中，所述对象特征向量包括与所述时段操作相对应的特征分量；在步骤S9中，结果提供设备1根据所述对象特征分量，对所述多个呈现对象进行聚类处理，以获得所述一个或多个呈现聚类，其中，所述呈现聚类包括至少一个所述呈现对象；在步骤S10中，结果提供设备1根据所述呈现聚类所包括的呈现对象的对象特征向量，确定所述呈现聚类所对应的所述聚类特征向量，其中，所述聚类特征向量包括与所述时段操作相对应的特征分量。在此，步骤S1、步骤S2、步骤S3、步骤S4、步骤S5分别与分别与图1所对应实施例中的对应步骤相同或相似，为简明起见，故在此不再赘述，并以引用的方式包含与此。

具体地，在步骤S7中，结果提供设备1通过诸如ASP、JSP等动态网页技术，获取多个呈现用户通过用户设备对呈现对象执行的呈现操作，或者获取呈现用户通过用户设备对多个呈现对象执行的呈现操作；或者，通过基于各种通信协议，与其他能够提供所述呈现操作的设备进行交互，以获取所述呈现操作，其中所述呈现操作包括关于所述呈现对象所对应的呈现时段的时段操作。在此，所述呈现对象包括但不限于以下至少任一项：1)呈现用户的所有呈现信息，如文本链接呈现信息、展示类呈现信息、电子邮件呈现信息等；2)呈现用户的多个呈现信息中的每一个呈现信息；3)呈现用户的呈现信息所对应的呈现关键词，所述呈现对象来自于同一呈现用户，或者来自于多个不同的呈现用户，或者来自于与呈现用户属于同类型用户的参考呈现用户。在此，所述呈现操作包括但不限于以下至少任一项：1)与呈现对象相对应的呈现用户对该呈现对象的呈现时段的时段操作，如设置呈现时段、修改呈现时段、添加呈现时段；2)与呈现对象相对应的呈现用户基于网络用户的反馈信息对该呈现对象的修改，如调整呈现关键词资源控制、修改搜索关键词与呈现关键词的匹配模式、调整投放时段、调整投放地域等。例如，呈现用户A对其多个呈现对象的呈现时段进行了修改，如将呈现时段2:00～3:00修改为5:00～6:00，如新增呈现时段23:00～24:00，则在步骤S7中，结果提供设备1通过ASP、JSP等动态网页技术，便获取到该呈现用户A对其呈现对象执行的呈现操作。本领域技术人员应能理解上述呈现对象和呈现操作和时段操作仅为举例，其他现有的或今后可能出现的呈现对象或呈现操作或时段操作如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。在此，“通信协议”包括计算机通信的传送协议，如TCP/IP、UDP、FTP、ICMP、NetBEUI等，同时还包括存在于计算机中的其他形式通信，例如面向对象编程里面对象之间的通信或操作系统内不同程序或计算机不同模块之间的消息传送协议。

本领域技术人员应能理解上述获取呈现操作的方式仅为举例，其他现有的或今后可能出现的获取呈现操作的方如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

在步骤S8中，结果提供设备1根据所述呈现操作，确定所述呈现对象的对象特征向量，其中，所述对象特征向量包括与所述时段操作相对应的特征分量。在此，与所述时段操作相对应的所述特征分量包括从与所述时段操作相对应的数据指标中确定的一个或多个数据指标，如数据指标的原始值、归一化值等，其包括但不限于以下至少任一项：1)数据指标的原始值，其包括但不限于如：①.R特征分量：近期平均呈现资源控制信息；②.F特征分量：近期呈现时段的修改频率，如近期呈现时段的修改频率的最大值、平均值等；③.M特征分量：近期内最近一次修改呈现时段的时间；2)数据指标的归一化值：①.R’特征分量：近期平均呈现资源控制信息归一化；②.F’特征分量：近期呈现时段的修改频率归一化值，如近期呈现时段的修改频率的最大值的归一化值、平均值的归一化值等；③.M’特征分量：近期内最近一次修改呈现时段的时间的归一化值。在此，所述对象特征向量包括但不限于以下至少任一项：1)由所述特征分量直接组成；2)根据所述特征分量对应的权重信息，加权得到所述对象特征向量。本领域技术人员应能理解上述对象特征向量和特征分量仅为举例，其他现有的或今后可能出现的对象特征向量或特征分量如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

在此，在步骤S8中，结果提供设备1确定所述呈现对象的对象特征向量与图1中在步骤S2中，结果提供设备1确定所述目标呈现对象所对应的目标特征向量的方式相同或相似，为简明起见，故在此不再赘述，并以引用的方式包含与此。

优选地，在步骤S8中，结果提供设备1还可根据所述呈现操作，结合所述时段操作所对应的特征分量对应的权重，加权确定所述呈现对象的对象特征向量，其中，所述对象特征向量包括所述特征分量；

其中，所述特征分量对应的权重基于以下任一项规则来确定：

-根据预定的所述特征分量及其所对应的权重的对应关系，确定所述特征分量对应的权重；

-根据所述特征分量与所述时段操作的相关性信息，确定所述特征分量对应的权重。

例如，当在步骤S8中，结果提供设备1根据预定的所述特征分量及其所对应的权重的对应关系，确定所述特征分量对应的权重时，例如，假设在步骤S7中，结果提供设备1获取到在近期30天内如自2012年7月1日至2012年7月30日，呈现用户A至E分别对其对应的呈现对象A至E的呈现操作，其中，呈现对象A的平均呈现资源控制为300次呈现操作，呈现时段修改频率的最大值为10次/天，最近一次修改呈现时段的时间为2012年7月29日，即与该近期内起始时间7月1日时长为29天，假设预定的所述特征分量及其所对应的权重的对应关系为：特征分量为

对应的权重分别为0.2，0.4，0.4，则在步骤S8中，结果提供设备1加权确定的呈现对象A的所述对象特征向量为 $\stackrel{\→}{A}=0.2\×300\stackrel{\→}{R}+0.4\×10\stackrel{\→}{F}+0.4\×29\stackrel{\→}{M},$ 即 $\stackrel{\→}{A}=6\stackrel{\→}{0R}+4\stackrel{\→}{F}+11.6\stackrel{\→}{M};$ 相应地，所述特征分量为

每一所述特征分量的系数分别为60、4、11.6。

再如，当在步骤S8中，结果提供设备1根据所述特征分量与所述时段操作的相关性信息，确定所述特征分量对应的权重时，具体地，在步骤S8中，结果提供设备1首先确定所述特征分量与所述时段操作的相关性信息，然后根据该相关性信息，确定所述特征分量对应的权重，接着，加权确定所述呈现对象的对象特征向量。例如，假设在步骤S7中，结果提供设备1获取到在近期30天内如自2012年7月1日至2012年7月30日，呈现用户A至E分别对其对应的呈现对象A至E的呈现操作如频繁修改呈现时段等，其中，呈现对象A的平均呈现资源控制为300次呈现操作，呈现时段修改频率的最大值为10次/天，最近一次修改呈现时段的时间为2012年7月29日，即与该近期内起始时间7月1日时长为29天，在该近期30天内，呈现对象A的呈现时段修改频率的平均值为3次/天，特征分量

对应的指标数值10次/天超过该近期内呈现时段修改频率的平均值3次/天，则在步骤S8中，结果提供设备1确定特征分量

与所述时段操作的相关性高，设置其对应权重为0.8，而特征分量

与所述时段操作同样是关于呈现时段修改的指标，则在步骤S8中，结果提供设备1确定特征分量

与所述时段操作的相关性中，设置其对应权重为0.4，特征分量与所述时段操作无关，则在步骤S8中，结果提供设备1确定特征分量

与所述时段操作的相关性低，设置其对应权重为0，则在步骤S8中，结果提供设备1加权确定的呈现对象A的所述对象特征向量为

即

相应地，所述特征分量为

每一所述特征分量的系数分别为8、11.6。

本领域技术人员应能理解上述加权确定所述呈现对象的对象特征向量的方式仅为举例，其他现有的或今后可能出现的加权确定所述呈现对象的对象特征向量的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

在步骤S9中，结果提供设备1根据所述对象特征分量，对所述多个呈现对象进行聚类处理，如采用k-means、ISODATA、链状方法等非监督学习方法，以获得一个或多个呈现聚类，其中，所述呈现聚类包括至少一个所述呈现对象。在此，所述呈现聚类包括但不限于呈现对象的呈现时段修改优化度信息，如呈现时段修改优化度高、呈现时段修改优化度中、呈现时段修改优化度低等。例如，假设在步骤S7中，结果提供设备1获取到在近期30天内如自2012年7月1日至2012年7月30日，不同呈现用户A至E分别对其对应的呈现对象A至E的呈现操作，而在步骤S8中，结果提供设备1根据其在步骤S7中获取的所述呈现操作确定的呈现对象A至E的所述特征分量及对应的系数如表8所示：

表8

则在步骤S9中，结果提供设备1根据呈现对象A至E各自对应的所述特征分量，运用k-means算法，对呈现对象A至E进行聚类，得到一个或多个呈现聚类包括如：①.呈现时段修改优化度高的聚类cluster1，其包括呈现对象A、B和D；②.呈现时段修改优化度中的聚类cluster2，其包括呈现对象C；③.呈现时段修改优化度低的聚类cluster3，其包括呈现对象E。

本领域技术人员应能理解上述获得呈现聚类的方式仅为举例，其他现有的或今后可能出现的获得呈现聚类的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

在步骤S9中，结果提供设备1根据所述呈现聚类所包括的呈现对象的对象特征向量，确定所述呈现聚类所对应的聚类特征向量，其中，所述聚类特征向量包括与所述时段操作相对应的特征分量。在此，在步骤S9中，结果提供设备1确定所述呈现聚类所对应的聚类特征向量的方式包括但不限于以下至少任一项：

1)根据所述呈现聚类所包括的呈现对象的对象特征向量，将每一呈现对象的对象特征向量包括的特征分量对应的系数的平均值作为该呈现聚类所对应的聚类特征向量包括的特征分量的系数，进而根据该系数，确定所述聚类特征向量。例如，接上例，假设在步骤S8中，结果提供设备1确定的呈现对象A、B和D的所述对象特征向量分别为：

呈现对象A： $\stackrel{\→}{A}=300\stackrel{\→}{R}+10\stackrel{\→}{F}+29\stackrel{\→}{M};$

呈现对象B： $\stackrel{\→}{B}=500\stackrel{\→}{R}+8\stackrel{\→}{F}+26\stackrel{\→}{M};$

呈现对象D： $\stackrel{\→}{D}=350\stackrel{\→}{R}+7\stackrel{\→}{F}+30\stackrel{\→}{M};$

则在步骤S9中，结果提供设备1可得到呈现对象A、B和D的对象特征向量包括的特征分量对应的系数的平均值为383.33、8.33、28.33，根据该系数，确定的所述聚类特征向量为 $\stackrel{\→}{\mathrm{cluster}1}=383.33\stackrel{\→}{R}+8.33\stackrel{\→}{F}+28.33\stackrel{\→}{M},$ 相应地，该聚类特征向量包括与所述时段操作相对应的特征分量

每一所述特征分量的系数分别为383.33、8.33、28.33。

2)根据所述呈现聚类所包括的呈现对象的对象特征向量，将每一呈现对象的对象特征向量包括的特征分量对应的系数看作向量空间中的一个点，将每一呈现聚类中包括的呈现对象的对象特征向量在向量空间中的点的外接圆的圆心(或者外接球的球心)对应的向量作为该呈现聚类的聚类特征向量。例如，还接上例，假设在步骤S8中，结果提供设备1确定的呈现对象A、B和D的所述对象特征向量分别为：

呈现对象A： $\stackrel{\→}{A}=300\stackrel{\→}{R}+10\stackrel{\→}{F}+29\stackrel{\→}{M};$

呈现对象B： $\stackrel{\→}{B}=500\stackrel{\→}{R}+8\stackrel{\→}{F}+26\stackrel{\→}{M};$

呈现对象D： $\stackrel{\→}{D}=350\stackrel{\→}{R}+7\stackrel{\→}{F}+30\stackrel{\→}{M};$

则在步骤S9中，结果提供设备1可得到由呈现对象A、B和D的对象特征向量包括的特征分量对应的系数在向量空间中对应的点的坐标(300，10，29)、(500，8，26)、(350，7，30)，然后计算得到由该三点组成的三角形的外接圆的圆心如(366，13.18，-2137.8)，将该外接圆的圆心对应的向量作为该呈现聚类的聚类特征向量即 $\stackrel{\→}{\mathrm{cluster}1}=366\stackrel{\→}{R}+13.18\stackrel{\→}{F}-2137.8\stackrel{\→}{M},$ 相应地，该聚类特征向量包括与所述时段操作相对应的特征分量

每一所述特征分量的系数分别为366、13.18、-2137.8。

图4示出根据本发明一个优选实施例的用于确定目标呈现对象所对应的推荐呈现时段的方法流程图。

具体地，在步骤S 1’中，结果提供设备1获取待处理的目标呈现对象；在步骤S2’中，结果提供设备1根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；在步骤S3’中，结果提供设备1根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；在步骤S4’中，结果提供设备1根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；若查询请求的提交时间与所述推荐呈现时段相匹配，在步骤S5’中，结果提供设备1将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用；在步骤S6’中，结果提供设备1将与所述推荐呈现时段相对应的信息提供给所述目标呈现对象所对应的呈现用户。在此，步骤S1’、步骤S2’、步骤S3’、步骤S4’、步骤S5’与图3所对应实施例中的对应步骤相同或相似，故在此不再赘述，并通过引用的方式包含于此。

具体地，在步骤S6’中，结果提供设备1将与所述推荐呈现时段相对应的信息，通过诸如ASP、JSP或PHP等动态网页技术，或者其他约定的通信方式，如http或https等通信协议，提供给所述目标呈现对象所对应的呈现用户，如该用户的用户设备，供用户浏览。在此，所述与所述推荐呈现时段相对应的信息包括但不限于以下至少任一项：1)所述推荐呈现时段的数量；2)所述推荐呈现时段的预估呈现结果信息，如点击等；3)所述推荐呈现时段内其他呈现用户呈现与所述呈现对象属于同类呈现对象的数量。本领域技术人员应理解上述与所述推荐呈现时段相对应的信息仅为举例，其他现有的或今后可能出现的与所述推荐呈现时段相对应的信息如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域技术人员应能理解，在具体实施例中，步骤S5’与步骤S6’一般并无严格的先后执行顺序，两者可并行、串行或部分并行地被执行。

优选地，在步骤S4’中，结果提供设备1还可首先根据所述目标呈现聚类，确定与所述目标呈现对象相对应的一个或多个候选推荐呈现时段；然后根据所述目标呈现对象的流量特征向量，确定所述候选推荐呈现时段的候选呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；接着再根据所述候选呈现结果信息，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段。

例如，假设在步骤S3’中，结果提供设备1确定目标呈现对象I所对应的所述目标呈现聚类为呈现时段修改优化度高的聚类cluster1，则在步骤S4’中，结果提供设备1确定目标呈现对象I对应的所述候选推荐呈现时段的数量多于所述目标呈现聚类为呈现时段修改优化度中和/或低的聚类cluster2和/或cluster3，如将目标呈现对象I的无设置呈现的呈现时段全部作为所述候选推荐呈现时段，如表7所示的2:00～3:00，3:00～4:00，4:00～5:00三个时间段；再如，假设在步骤S3’中，结果提供设备1确定目标呈现对象I所对应的所述目标呈现聚类为呈现时段修改优化度中的聚类cluster2，则在步骤S4’中，结果提供设备1可从目标呈现对象I所对应的所述目标呈现聚类中选取其他呈现对象作为目标呈现对象I的参考呈现对象如呈现对象J和K，然后选取参考呈现对象J和K在目标呈现对象I的无设置呈现的呈现时段如2:00～3:00，3:00～4:00，4:00～5:00三个时间段中有点击量的呈现时段作为目标呈现对象I对应的所述候选推荐呈现时段，如呈现时段3:00～4:00和4:00～5:00。

然后，在步骤S4’中，结果提供设备1根据所述目标呈现对象的流量特征向量，确定所述候选推荐呈现时段的候选呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量。例如，在步骤S4’中，结果提供设备1可根据上述公式(6)确定目标呈现对象I的所述候选推荐呈现时段如2:00～3:00，3:00～4:00，4:00～5:00的候选呈现结果信息，如点击量分别为1.0155、2.3491、5.7287。

接着，在步骤S4’中，结果提供设备1再根据所述候选呈现结果信息，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段。例如，接上例，在步骤S4’中，结果提供设备1根据所述候选呈现结果信息，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段，将点击量大于预定阈值如2的候选呈现时段作为所述推荐呈现时段，则在步骤S4’中，结果提供设备1确定的目标呈现对象I的推荐呈现时段为3:00～4:00和4:00～5:00。

本领域技术人员应理解上述与确定所述候选推荐呈现时段的方式仅为举例，其他现有的或今后可能出现的确定所述候选推荐呈现时段的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

更优选地，在步骤S6’中，结果提供设备1将所述推荐呈现时段及其对应的所述候选呈现结果信息，通过诸如ASP、JSP或PHP等动态网页技术，或者其他约定的通信方式，如http或https等通信协议，提供给所述目标呈现对象所对应的呈现用户，如该用户的用户设备，供用户浏览。例如，接上例，在步骤S6’中，结果提供设备1将推荐呈现时段3:00～4:00和4:00～5:00及其对应的所述候选呈现结果信息如对应的点击量2.3491和5.7287提供给目标呈现对象I所对应的呈现用户。

在一个优选实施例中(参考图4)，结果提供设备1包括步骤S1’、步骤S2’、步骤S3’、步骤S4’、步骤S5’、步骤S6’和S11’(未示出)。以下参考图4对该优选实施例进行描述：具体地，在步骤S1’中，结果提供设备1获取待处理的目标呈现对象；在步骤S1’中，结果提供设备1根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；在步骤S3’中，结果提供设备1根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；在步骤S4’中，结果提供设备1根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；若查询请求的提交时间与所述推荐呈现时段相匹配，在步骤S5’中，结果提供设备1将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用；在步骤S11’中，结果提供设备1根据所述目标呈现对象的呈现配置属性，确定与所述目标呈现对象相匹配的第一参考呈现对象，其中，所述呈现配置属性包括所述目标呈现对象所对应的呈现关键词；在步骤S6’中，结果提供设备1将与所述推荐呈现时段及所述第一参考呈现对象相对应的信息提供给所述目标呈现对象所对应的呈现用户。在此，步骤S1’、步骤S2’、步骤S3’、步骤S4’、步骤S5’与图3所对应实施例中的对应步骤相同或相似，故在此不再赘述，并通过引用的方式包含于此。本领域技术人员应能理解步骤S11’与步骤S4’一般并无严格的先后执行顺序，两者可并行、串行或部分并行地被执行。

具体地，在步骤S11’中，结果提供设备1根据所述目标呈现对象的呈现配置属性，确定与所述目标呈现对象相匹配的第一参考呈现对象，其中，所述呈现配置属性包括所述目标呈现对象所对应的呈现关键词。在此，所述呈现配置属性包括但不限于以下至少任一项：1)所述目标呈现对象所对应的呈现关键词；2)所述目标呈现对象的行业属性，如鲜花递送行业、户外用品行业、化妆品行业等；3)所述目标呈现对象的投放地域属性，如华南区域、华北区域等；4)所述目标呈现对象的目标群体属性，如女性上班族、高校学生、儿童等。在此，所述第一参考呈现对象包括但不限于如与所述目标呈现对象具有相同呈现关键词的其他呈现对象。本领域技术人员应理解上述呈现配置属性和第一参考呈现对象仅为举例，其他现有的或今后可能出现的呈现配置属性或第一参考呈现对象如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

例如，假设在步骤S1’中，结果提供设备1获取的目标呈现对象为I：“鲜花，我只选中国鲜花速递网！100％品质保证”，目标呈现对象I所对应的呈现关键词包括：i)“鲜花速递”；ii)“鲜花”；iii)“鲜花速递”，则在步骤S11’中，结果提供设备1根据目标呈现对象I的呈现配置属性，如目标呈现对象I所对应的呈现关键词i)、ii)和iii)，确定与目标呈现对象I相匹配的第一参考呈现对象，与目标呈现对象I具有相同呈现关键词的其他呈现对象，如呈现对象M至R：

呈现对象M：“新薇鲜花速递，全国第一大鲜花网站”

呈现对象N：“鲜花速递送祝福到家”

呈现对象O：“鲜花，本地实体鲜花店100％保证”

呈现对象P：“海淀鲜花鲜花特价优惠，免费...”

呈现对象R：“鲜花快递上门服务中国鲜花礼品网”

其中，呈现对象M、N所对应的呈现关键词为“鲜花速递”，呈现对象O、P所对应的呈现关键词为“鲜花”，呈现对象R所对应的呈现关键词为“鲜花速递”。

本领域技术人员应理解上述与确定与所述目标呈现对象相匹配的第一参考呈现对象的方式仅为举例，其他现有的或今后可能出现的确定与所述目标呈现对象相匹配的第一参考呈现对象的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

接着，在步骤S6’中，结果提供设备1将与其在步骤S4’中确定的所述推荐呈现时段及所述第一参考呈现对象相对应的信息，通过诸如ASP、JSP或PHP等动态网页技术，或者其他约定的通信方式，如http或https等通信协议，提供给所述目标呈现对象所对应的呈现用户，如该用户的用户设备，供用户浏览。在此，所述第一参考呈现对象相对应的信息包括但不限于以下至少任一项：1)在所述推荐呈现时段内所述第一参考呈现对象进行呈现的数量；2)在所述推荐呈现时段内所述第一参考呈现对象进行呈现可获得的呈现结果信息，如点击量。本领域技术人员应理解上述与所述第一参考呈现对象相对应的信息仅为举例，其他现有的或今后可能出现的所述第一参考呈现对象相对应的信息如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

优选地，在步骤S4’中，结果提供设备1还可根据所述目标呈现聚类，并结合所述第一参考呈现对象的优选呈现时段，确定与所述目标呈现对象相对应的推荐呈现时段。例如，假设在步骤S3’中，结果提供设备1确定目标呈现对象I所对应的所述目标呈现聚类为呈现时段修改优化度高的聚类clusterl，目标呈现对象I的无设置呈现的呈现时段如表7所示的2:00～3:00，3:00～4:00，4:00～5:00三个时间段，而第一参考确定装置确定的与目标呈现对象I相匹配的第一参考呈现对象包括如与目标呈现对象I具有相同呈现关键词的其他呈现对象，如呈现对象M至R，假设呈现对象M至R的优选呈现时段包括3:00～4:00和4:00～5:00，则在步骤S4’中，结果提供设备1可将所述第一参考呈现对象即呈现对象M至R的优选呈现时段包括3:00～4:00和4:00～5:00，作为与目标呈现对象I相对应的推荐呈现时段。

在一个优选实施例中(参考图4)，结果提供设备1包括步骤S1’、步骤S2’、步骤S3’、步骤S4’、步骤S5’、步骤S6’、步骤S7’、步骤S8’、步骤S9’、步骤S10’、步骤S12’(未示出)。以下参考图4对该优选实施例进行描述：具体地，在步骤S5’S1’中，结果提供设备1获取待处理的目标呈现对象；在步骤S6’S2’中，结果提供设备1根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；在步骤S7’S3’中，结果提供设备1根据所述目标特征向量及所述聚类特征向量，从所述一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；在步骤S8’S4’中，结果提供设备1根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；若查询请求的提交时间与所述推荐呈现时段相匹配，在步骤S9’S5’中，结果提供设备1将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用；在步骤S12’中，结果提供设备1根据所述目标呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；在步骤S10’S6’中，结果提供设备1将所述推荐呈现时段与所述预测呈现结果信息提供给所述目标呈现对象所对应的呈现用户。在此，步骤S1’、步骤S2’、步骤S3’、步骤S4’、步骤S5’、步骤S6’、步骤S7’、步骤S8’、步骤S9’与图3所对应实施例中的对应步骤相同或相似，故在此不再赘述，并通过引用的方式包含于此。

具体地，在步骤S12’中，结果提供设备1根据所述目标呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量。在此，所述预测呈现结果信息包括但不限于如所述目标呈现对象在所述推荐呈现时段可获得的点击量。在此，在步骤S12’中，结果提供设备1根据所述目标呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息的方式与图3中在步骤S4’中，结果提供设备1根据所述目标呈现对象的流量特征向量，确定一个或多个候选推荐呈现时段的候选呈现结果信息的方式相同或相似，为简明起见，故在此不再赘述，并通过引用的方式包含于此。

接着，在步骤S6’中，结果提供设备1将所述推荐呈现时段与所述预测呈现结果信息，通过诸如ASP、JSP或PHP等动态网页技术，或者其他约定的通信方式，如http或https等通信协议，提供给所述目标呈现对象所对应的呈现用户，如该用户的用户设备，供用户浏览。

优选地，步骤S12’包括步骤S121’(未示出)和步骤S122’(未示出)。具体地，在步骤S121’中，结果提供设备1根据所述目标呈现对象的流量特征向量，确定与所述目标呈现对象相对应的第二参考呈现对象，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；在步骤S122’中，结果提供设备1根据所述第二参考呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息。

具体地，在步骤S121’中，结果提供设备1根据所述目标呈现对象的流量特征向量，确定与所述目标呈现对象相对应的第二参考呈现对象，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量。在此，所述第二参考呈现对象包括但不限于如与所述目标呈现对象满足预定相似度的其他呈现对象。具体地，在步骤S121’中，结果提供设备1可首先根据所述目标呈现对象的流量特征向量及其他呈现对象的流量特征向量，确定与所述目标呈现对象与其他呈现对象的相似度，然后将满足预定相似度阈值的其他呈现对象作为所述第二参考呈现对象。在此，所述其他参考呈现对象可来自所述目标呈现对象对应的目标呈现聚类，也可来自其他呈现聚类。本领域技术人员应理解上述第二参考呈现对象仅为举例，其他现有的或今后可能出现的第二参考呈现对象如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

例如，假设在步骤S1’中，结果提供设备1获取的目标呈现对象为I：“鲜花，我只选中国鲜花速递网！100％品质保证”，其在2012年7月30日的点击量的历史记录具体数据，具体地如上述表7所示，则其对应的流量特征向量为Ti＝[a1，a2，a3，...，a24]＝[4，2，0，0，0，...，40，23，18，9，7]，而在步骤S3’中，结果提供设备1确定目标呈现对象为I的所述目标呈现聚类为呈现时段修改优化度高的聚类cluster1，该聚类cluster1包括呈现对象A、B和D，上述表8示出其在2012年7月30日的点击量的历史记录具体数据，其对应的流量特征向量分别为：

Ta＝[a1，a2，a3，...，a24]＝[2，2，1，3，4，...，40，23，17，9，7]

Tb＝[a1，a2，a3，...，a24]＝[1，0，0，2，5，...，38，19，11，7，2]

Td＝[a1，a2，a3，...，a24]＝[0，1，2，4，8，...，32，22，8，0，1]

则在步骤S121’中，结果提供设备1根据目标呈现对象I的流量特征向量Ti，及其他呈现对象的流量特征向量，即呈现对象A、B和D的流量特征向量Ta、Tb和Td，根据公式(7)：

${\cos \mathrm{\θ}}_j=\frac{T_i\·T_j}{\left|T_i\right|\×\left|T_j\right|},$ 其中，j＝a，b，d，(7)

计算Ta、Tb和Td与Td的相似度，如可得到cosθ_a＝0.98，cosθ_b＝0.84，cosθ_d＝0.92。

然后，在步骤S121’中，结果提供设备1将满足预定相似度阈值的其他呈现对象作为所述第二参考呈现对象，如将相似度大于0.9的其他呈现对象作为所述第二参考呈现对象，如呈现对象A和D。

本领域技术人员应理解上述确定所述第二参考呈现对象仅为举例，其他现有的或今后可能出现的确定所述第二参考呈现对象如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

接着，在步骤S122’中，结果提供设备1根据所述第二参考呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息。在此，在步骤S122’中，结果提供设备1根据所述第二参考呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息的方式与图3中在步骤S4中，结果提供设备1根据所述目标呈现对象的流量特征向量，确定一个或多个候选推荐呈现时段的候选呈现结果信息的方式相同或相似，为简明起见，故在此不再赘述，并通过引用的方式包含于此。

更优选地，在步骤S121’中，结果提供设备1还可首先根据所述目标呈现对象所对应的目标呈现聚类，由该目标呈现聚类中确定参考呈现对象；然后根据所述目标呈现对象的流量特征向量，及所述参考呈现对象的流量特征向量，确定所述参考呈现对象与所述目标呈现对象的相似度，其中，所述流量特征向量包括与呈现对象的多个单元呈现时段中至少一个相对应的流量分量；再根据所述相似度，确定与所述目标呈现对象相对应的第二参考呈现对象。

具体地，在步骤S121’中，结果提供设备1还可首先根据所述目标呈现对象所对应的目标呈现聚类，由该目标呈现聚类中确定参考呈现对象。例如，假设在步骤S3’中，结果提供设备1确定目标呈现对象为I的所述目标呈现聚类为呈现时段修改优化度高的聚类cluster1，该聚类cluster1包括呈现对象A、B和D，则第二参考确定单元确定目标呈现对象为I的参考呈现对象为呈现对象A、B和D。

然后，在步骤S3’中，结果提供设备1根据所述目标呈现对象的流量特征向量，及所述参考呈现对象的流量特征向量，确定所述参考呈现对象与所述目标呈现对象的相似度，其中，所述流量特征向量包括与呈现对象的多个单元呈现时段中至少一个相对应的流量分量。在此，第二参考确定单元确定所述参考呈现对象与所述目标呈现对象的相似度的方式包括但不限于以下至少任一项：

1)根据所述目标呈现对象的流量特征向量及其他呈现对象的流量特征向量的夹角，确定所述目标呈现对象与其他呈现对象的相似度。例如，第二参考确定单元可根据上述公式(7)确定所述目标呈现对象与其他呈现对象的相似度。

2)根据所述目标呈现对象的流量特征向量及其他呈现对象的流量特征向量，基于皮尔森相关系数公式，确定所述目标呈现对象与其他呈现对象的相似度。例如，第二参考确定单元可根据公式(8)计算目标呈现对象I的流量特征向量Ti，及其他呈现对象的流量特征向量，即呈现对象A、B和D的流量特征向量Ta、Tb和Td的相似度：

$r=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left(\frac{X_i-\stackrel{\‾}{X}}{S_X}\right)\left(\frac{Y_i-\stackrel{\‾}{Y}}{S_Y}\right)---\left(8\right)$

其中，n为样本的数量，在此，n＝24，Xi、Yi为样本值，S_X、S_Y为样本标准差、

及为样本平均值，第二参考确定单元根据公式(8)计算Ta、Tb和Td与Td的相似度，如可得到r_i&a＝0.96，r_i&b＝0.88，r_i&d＝0.98。

本领域技术人员应理解上述确定所述参考呈现对象与所述目标呈现对象的相似度的方式仅为举例，其他现有的或今后可能出现的确定所述参考呈现对象与所述目标呈现对象的相似度的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

接着，在步骤S121’中，结果提供设备1根据所述相似度，确定与所述目标呈现对象相对应的第二参考呈现对象，例如将相似度大于0.9的其他呈现对象作为所述第二参考呈现对象，如呈现对象A和D。

需要注意的是，本发明可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本发明的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

另外，本发明的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本发明的方法和/或技术方案。而调用本发明的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本发明的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本发明的多个实施例的方法和/或技术方案。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (25)

1.一种用于提供搜索结果的方法，其中，该方法包括以下步骤：

a获取待处理的目标呈现对象；

b根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；

c根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；

d根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；

-若查询请求的提交时间与所述推荐呈现时段相匹配，将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用。

2.根据权利要求1所述的方法，其中，该方法还包括：

-获取多个呈现对象的呈现操作，其中所述呈现操作包括关于所述呈现对象所对应的呈现时段的时段操作；

n根据所述呈现操作，确定所述呈现对象的对象特征向量，其中，所述对象特征向量包括与所述时段操作相对应的特征分量；

-根据所述对象特征分量，对所述多个呈现对象进行聚类处理，以获得所述一个或多个呈现聚类，其中，所述呈现聚类包括至少一个所述呈现对象；

-根据所述呈现聚类所包括的呈现对象的对象特征向量，确定所述呈现聚类所对应的所述聚类特征向量，其中，所述聚类特征向量包括与所述时段操作相对应的特征分量。

3.根据权利要求1或2所述的方法，其中，该方法还包括：

e将与所述推荐呈现时段相对应的信息提供给所述目标呈现对象所对应的呈现用户。

4.根据权利要求2所述的方法，其中，所述步骤n包括：

-根据所述呈现操作，结合所述时段操作所对应的特征分量对应的权重，加权确定所述呈现对象的对象特征向量，其中，所述对象特征向量包括所述特征分量；

其中，所述特征分量对应的权重基于以下任一项规则来确定：

-根据预定的所述特征分量及其所对应的权重的对应关系，确定所述特征分量对应的权重；

-根据所述特征分量与所述时段操作的相关性信息，确定所述特征分量对应的权重。

5.根据权利要求3所述的方法，其中，该方法还包括：

-根据所述目标呈现对象的呈现配置属性，确定与所述目标呈现对象相匹配的第一参考呈现对象，其中，所述呈现配置属性包括所述目标呈现对象所对应的呈现关键词；

其中，所述步骤e包括：

-将与所述推荐呈现时段及所述第一参考呈现对象相对应的信息提供给所述目标呈现对象所对应的呈现用户。

6.根据权利要求5所述的方法，其中，所述步骤d包括：

-根据所述目标呈现聚类，并结合所述第一参考呈现对象的优选呈现时段，确定与所述目标呈现对象相对应的推荐呈现时段。

7.根据权利要求3所述的方法，其中，该方法还包括：

X根据所述目标呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；

其中，所述步骤e包括：

-将所述推荐呈现时段与所述预测呈现结果信息提供给所述目标呈现对象所对应的呈现用户。

8.根据权利要求7所述的方法，其中，所述步骤X包括：

y根据所述目标呈现对象的流量特征向量，确定与所述目标呈现对象相对应的第二参考呈现对象，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；

-根据所述第二参考呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息。

9.根据权利要求8所述的方法，其中，所述步骤y包括：

-根据所述目标呈现对象所对应的目标呈现聚类，由该目标呈现聚类中确定参考呈现对象；

-根据所述目标呈现对象的流量特征向量，及所述参考呈现对象的流量特征向量，确定所述参考呈现对象与所述目标呈现对象的相似度，其中，所述流量特征向量包括与呈现对象的多个单元呈现时段中至少一个相对应的流量分量；

-根据所述相似度，确定与所述目标呈现对象相对应的第二参考呈现对象。

10.根据权利要求1至9中任一项所述的方法，其中，所述步骤d包括：

-根据所述目标呈现聚类，确定与所述目标呈现对象相对应的一个或多个候选推荐呈现时段；

-根据所述目标呈现对象的流量特征向量，确定所述候选推荐呈现时段的候选呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；

-根据所述候选呈现结果信息，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段。

11.根据权利要求10所述的方法，其中，该方法包括根据权利要求3所述的方法，其中，所述步骤e包括：

-将所述推荐呈现时段及其对应的所述候选呈现结果信息提供给所述目标呈现对象所对应的呈现用户。

12.根据权利要求1至11中任一项所述的方法，其中，所述步骤d包括：

-根据所述目标呈现对象的流量特征向量，确定一个或多个候选推荐呈现时段的候选呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；

-根据所述候选呈现结果信息，基于所述目标呈现聚类，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段。

13.一种用于提供搜索结果的结果提供设备，其中，该结果提供设备包括：

目标对象获取装置，用于获取待处理的目标呈现对象；

目标向量确定装置，用于根据所述目标呈现对象所对应的呈现操作记录，确定所述目标呈现对象所对应的目标特征向量；

目标聚类确定装置，用于根据所述目标特征向量，从一个或多个呈现聚类中确定所述目标呈现对象所对应的目标呈现聚类，其中，所述目标呈现聚类的聚类特征向量与所述目标特征向量相匹配；

时段确定装置，用于根据所述目标呈现聚类，确定与所述目标呈现对象相对应的推荐呈现时段；

第一提供装置，用于若查询请求的提交时间与所述推荐呈现时段相匹配，将所述目标呈现对象所对应的呈现信息及所述查询请求所对应的搜索结果提供给所述查询请求所对应的应用。

14.根据权利要求13所述的方法，其中，该结果提供设备还包括：

操作获取装置，用于获取多个呈现对象的呈现操作，其中所述呈现操作包括关于所述呈现对象所对应的呈现时段的时段操作；

对象向量确定装置，用于根据所述呈现操作，确定所述呈现对象的对象特征向量，其中，所述对象特征向量包括与所述时段操作相对应的特征分量；

聚类处理装置，用于根据所述对象特征分量，对所述多个呈现对象进行聚类处理，以获得所述一个或多个呈现聚类，其中，所述呈现聚类包括至少一个所述呈现对象；

聚类向量确定装置，用于根据所述呈现聚类所包括的呈现对象的对象特征向量，确定所述呈现聚类所对应的所述聚类特征向量，其中，所述聚类特征向量包括与所述时段操作相对应的特征分量。

15.根据权利要求13或14所述的结果提供设备，其中，该结果提供设备还包括：

第二提供装置，用于将与所述推荐呈现时段相对应的信息提供给所述目标呈现对象所对应的呈现用户。

16.根据权利要求14所述的结果提供设备，其中，所述对象向量确定装置，用于：

-根据所述呈现操作，结合所述时段操作所对应的特征分量对应的权重，加权确定所述呈现对象的对象特征向量，其中，所述对象特征向量包括所述特征分量；

其中，所述特征分量对应的权重基于以下任一项规则来确定：

-根据预定的所述特征分量及其所对应的权重的对应关系，确定所述特征分量对应的权重；

-根据所述特征分量与所述时段操作的相关性信息，确定所述特征分量对应的权重。

17.根据权利要求15述的结果提供设备，其中，该结果提供设备还包括：

第一参考确定装置，用于根据所述目标呈现对象的呈现配置属性，确定与所述目标呈现对象相匹配的第一参考呈现对象，其中，所述呈现配置属性包括所述目标呈现对象所对应的呈现关键词；

其中，所述第二提供装置用于：

-将与所述推荐呈现时段及所述第一参考呈现对象相对应的信息提供给所述目标呈现对象所对应的呈现用户。

18.根据权利要求17所述的结果提供设备，其中，所述时段确定装置用于：

-根据所述目标呈现聚类，并结合所述第一参考呈现对象的优选呈现时段，确定与所述目标呈现对象相对应的推荐呈现时段。

19.根据权利要求15所述的结果提供设备，其中，该结果提供设备还包括：

预测信息确定装置，用于根据所述目标呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；

其中，所述第二提供装置用于：

-将所述推荐呈现时段与所述预测呈现结果信息提供给所述目标呈现对象所对应的呈现用户。

20.根据权利要求19所述的结果提供设备，其中，所述预测信息确定装置包括：

第二参考确定单元，用于根据所述目标呈现对象的流量特征向量，确定与所述目标呈现对象相对应的第二参考呈现对象，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；

预测信息确定单元，用于根据所述第二参考呈现对象的流量特征向量，确定所述推荐呈现时段的预测呈现结果信息。

21.根据权利要求20所述的结果提供设备，其中，所述第二参考确定单元用于：

-根据所述目标呈现对象所对应的目标呈现聚类，由该目标呈现聚类中确定参考呈现对象；

-根据所述目标呈现对象的流量特征向量，及所述参考呈现对象的流量特征向量，确定所述参考呈现对象与所述目标呈现对象的相似度，其中，所述流量特征向量包括与呈现对象的多个单元呈现时段中至少一个相对应的流量分量；

-根据所述相似度，确定与所述目标呈现对象相对应的第二参考呈现对象。

22.根据权利要求13至21中任一项所述的结果提供设备，其中，所述时段确定装置用于：

-根据所述目标呈现聚类，确定与所述目标呈现对象相对应的一个或多个候选推荐呈现时段；

-根据所述目标呈现对象的流量特征向量，确定所述候选推荐呈现时段的候选呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；

-根据所述候选呈现结果信息，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段。

23.根据权利要求22所述的结果提供设备，其中，该方法包括根据权利要求15所述的结果提供设备，其中，所述第二提供装置用于：

-将所述推荐呈现时段及其对应的所述候选呈现结果信息提供给所述目标呈现对象所对应的呈现用户。

24.根据权利要求13至23中任一项所述的结果提供设备，其中，所述时段确定装置用于：

-根据所述目标呈现对象的流量特征向量，确定一个或多个候选推荐呈现时段的候选呈现结果信息，其中，所述流量特征向量包括与所述目标呈现对象的多个单元呈现时段中至少一个相对应的流量分量；

-根据所述候选呈现结果信息，基于所述目标呈现聚类，从所述一个或多个候选推荐呈现时段中确定所述目标呈现对象的推荐呈现时段。

25.一种计算机设备，包括如权利要求13至24中任一项所述的结果提供设备。

Images