CN103177371A - 一种信息展示方法和装置 - Google Patents

Abstract

本申请提供了一种信息展示方法和装置，涉及网络技术领域。本申请的方法包括：统计同一广告在不同位置上的点击率，得到各个广告在各个位置上的点击率；针对所述点击率，当其非零时，基于点击率的对数值，采用一般正态分布之间的转化方法，将该点击率归一化为标准位置上的点击率；对该广告各个转换后的点击率整合得到此广告在标准位置上的最终点击率；然后根据用户请求基于广告在标准位置上的最终点击率返回至少一个广告给用户端。本申请在进行位置归一化处理的过程中，客观真实的选取了各位置的情况，得到的广告点击率与全局的广告点击率分值规模贴近，更直观，并且整体架构简单，算法便捷，容易实现。

Description

一种信息展示方法和装置

技术领域

本申请涉及网络技术领域，特别是涉及一种信息展示方法和装置。

背景技术

从广告的展现和点击历史中，统计得到每个广告的点击率是任何互联网广告系统的核心问题。它是处理过程中对广告的质量进行打分，进而实现广告排序展现的重要基础数据。对于用户需求的某一类型的各种广告，需要公平有效的将该类型的广告按客观顺序展现给用户。

广告的展现位置是影响点击次数和点击率的一个重要因素。实际应用中，需要在统计的过程中消除由于展现位置所造成的影响。这是因为：

(1)位置对广告点击率的影响是客观存在的。在同一个广告序列中，两个完全一样的广告，排在第一位和排在最后一位，前者点击率会远远大于后者。这是因为用户在浏览网页(广告列表)时一般是按照从上到下、从左到右的顺序，而在点击目标(广告)之后，往往伴随意识转移，从而减小点击后续广告的概率。

(2)对广告进行基于点击率或者ECPM(effective cost per mille，每一千次展示可以获得的广告收入)排序，需要统一的、与位置无关的点击率。

(3)此外，如果不能很好的剥离位置因素，还会带来马态效应，影响广告系统的整体效果。比如曾经因为某些因素(比如，初期竞价较高，或者广告系统不稳定)，排序靠前的广告，得到更多的点击，获得高点击率，进而更容易获得更多点击和流量。

现有技术中，对广告点击率消除位置因素影响的方法(一下称为位置归一化方法)主要有：

1.1.基于查看假设(Examination Hypothesis)的一系列位置归一化方法。它在学术界被广泛讨论。可以参考贝叶斯网络模型：从PB级的规模数据文件相关的精确推理(Bayesian Browsing Model：Exact Inference of DocumentRelevance from Petabyte-Scale Data)。该方法认为，并不是所有被展现的广告都是被用户看到的，位置越靠前的广告越容易被看到，位置越靠后的广告越不容易被看到，所以它的“有效”展现量应该比真实的少。基于此，该方法对普通用户的浏览广告行为进行假设和建模。这种删除方法依赖于假设的正确与否，但是假设又难于验证。此外，它使得大量的广告展现数据被视为无效，因此得到的广告点击率与广告系统整体点击率通常会有数量级上的差异，这种差异如何映射，尚未很好解决。

2、只使用某一个固定位置(比如展现的第一个位置)的广告点击率作为一个广告的点击率。这种做法一方面忽略了大量其他位置的广告展现和点击历史，另一方面带来数据稀疏性问题，在第一个位置有足够展现和点击历史的广告，毕竟只是所有广告的一部分。

3、利用不同位置上的广告点击率正态分布标准差的归一化方法(Baseline)，假设认为某个位置上的广告点击率是正态分布的，但是从实际的数据上看，这个假设并不被满足，会导致比较大的误差。

发明内容

本申请提供一种信息展示方法和装置，以提高对各位置上的各广告进行标准化排序的客观性、真实性和有效性。

为了解决上述问题，本申请公开了一种信息展示方法，包括：

请求接收步骤，接收用户端的请求；

信息查询返回步骤，根据所述请求查询并获取相应广告，并基于广告在标准位置上的最终点击率返回至少一个广告；

其中，所述的各个广告在标准位置上的最终点击率通过以下步骤获得：

获取步骤，获取一段时间内的各位置所述请求对应的各广告的广告展示数和广告点击数；

点击率统计步骤，统计同一广告在不同位置上的点击率，得到各个广告在各个位置上的点击率；

转化步骤，针对一广告在不同位置上的点击率，当其非零时，基于点击率的对数值，采用一般正态分布之间的转化方法，将该点击率归一化为标准位置上的点击率；

整合步骤，对该广告各个转换后的点击率整合得到此广告在标准位置上的最终点击率。

优选的，所述的用户端请求包括：

客户端对目标商品的搜索请求，或者管理端对目标广告的展示请求。

优选的，所述根据所述请求查询相应广告，并基于广告在标准位置上的最终点击率返回至少一个广告包括：

根据用户端对目标商品的搜索请求，在服务器端查询并获取与目标商品对应的广告，返回至少一个排序靠前的广告至用户端；所述排序基于广告在标准位置上的最终点击率进行排序；

或者，根据用户端对目标广告的展示请求，在服务器端查询并获取各目标广告，返回至少一个排序靠前的广告至用户端；所述排序基于广告在标准位置上的最终点击率进行排序。

优选的，所述转化步骤包括：

步骤121，针对所述的点击率，将其中非零点击率取对数；并根据点击率所在的位置为依据，以位置对这些数据分组，得到处于编制位置上的不同广告的数据组；并计算各位置上所述数据的均值和方差；

步骤122，针对同一个广告，使用此广告所在位置i和标准位置上的均值与方差，通过正态分布之间的转化方法，将此广告在位置i上的点击率归一化为标准位置的点击率。

优选的，其特征在于：

所述的整合方式为：以所述该广告在各个位置i上的点击次数作为各个位置i对应转换为标准位置后的各个点击率的权数，将所述转换为标准位置后的各个点击率进行加权平均。

优选的，选取所述各位置中的一个位置作为标准位置。

优选的，还包括：将在一个位置上为0的广告的点击率转换到标准位置的点击率定义为0。

优选的，其特征在于：

所述的一般正态分布之间的转化方法为：

$\frac{{\log }_a\left({\mathrm{ctr}}_{\mathrm{norm}}\right)-{\mathrm{\μ}}_m}{{\mathrm{\σ}}_m}=\frac{{\log }_a\left({\mathrm{ctr}}_i\right)-{\mathrm{\μ}}_i}{{\mathrm{\σ}}_i},$

其中，μ_i，σ_i分别表示位置i上各种广告的点击率取对数后的均值和方差，ctr_i表示某个广告在位置i上的点击率；μ_m，σ_m分别表示在标准位置上各种广告的点击率取对数后的均值和方差，ctr_norm表示其他位置的广告点击率转化后的标准位置的点击率。

相应的本申请还公开了一种信息展示装置，包括：

请求接收模块，接收用户端的请求；

信息查询返回模块，根据所述请求查询并获取相应广告，并基于广告在标准位置上的最终点击率返回至少一个广告；

最终点击率计算模块，用于获得所述的各个广告在标准位置上的最终点击率，所述最终点击率计算模块包括：

获取子模块，用于获取一段时间内的各位置所述请求对应的各广告的广告展示数和广告点击数；

点击率统计子模块，用于统计同一广告在不同位置上的点击率，得到各个广告在各个位置上的点击率；

转化子模块，用于针对一广告在不同位置上的点击率，当其非零时，基于点击率的对数值，采用一般正态分布之间的转化方法，将该点击率归一化为标准位置上的点击率；

整合子模块，用于对该广告各个转换后的点击率整合得到此广告在标准位置上的最终点击率。

优选的，所述的转化子模块包括：

第一转化子单元，用于针对所述的点击率，将其中非零点击率取对数；并根据点击率所在的位置为依据，以位置对这些数据分组，得到处于编制位置上的不同广告的数据组；并计算各位置上所述数据的均值和方差；

第二转化子单元，用于针对同一个广告，使用此广告所在位置i和标准位置上的均值与方差，通过一般正态分布之间的转化方法将此广告在位置i上的点击率归一化为标准位置的点击率。

相对于与本申请最接近的技术方案，本申请具有比较突出的优点，具体如下：

(1)在进行各位置归一化的过程中，需要客观的全面的广告点击率分布规律，并且易于进行归一化处理，这种分布规律是本领域的一个难题。以往工作中人们已经普遍认识到，不同位置的广告点击率服从长尾分布。但是长尾分布缺乏简洁系统的方法进行描述，因此这一数据分布特征并没有被充分利用。基于大量数据验证，发明人发现各位置广告点击率的长尾分布，可以用对数正态分布来描述。这就提供了量化描述各位置广告点击率的工具，进而利用正态分布的特征进行归一化处理。

(2)本申请在进行位置归一化处理的过程中，客观真实的选取了各位置的情况，本申请尽量少的对用户的查看行为做假设，得到的广告点击率与全局的广告点击率分值规模贴近，更直观。

(3)本申请的整体架构简单，算法便捷，容易实现，能快速准确的得到与位置无关的标准化点击率。

附图说明

图1a是淘宝一周的数据的第一个位置的广告点击率分布图；

图1b是淘宝一周的数据的第一个位置的广告点击率取对数后的分布图；

图2是本申请实施例的一种信息展示方法的流程示意图；

图3是本申请实施例的优选的转化步骤的流程示意图；

图4是本申请实施例的一种信息展示装置的结构示意图；

图5是本申请实施例的优选的转化子模块结构示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

为方便说明本申请的有效性，下面结合附图先对各位置的广告点击率的对数正态分布特征进行说明。

为方便说明本申请的有效性，可使用变异系数(coefficient of variation)对比本方法(Log-normal)和前述的方法。参与比较其它的方法，一种是基于查看假设(Examination Hypothesis)的位置归一化方法，另一种是利用不同位置上的广告点击率正态分布标准差的归一化方法(Baseline)，而对于只使用某一个固定位置(比如展现的第一个位置)的广告点击率作为一个广告的点击率的方法，在实际应用中偏差态大，不予采用。

首先给出变异系数的定义如下。定义不同位置ctr的标准差为：

$\mathrm{Sid}\left(\mathrm{CTR}\right)=\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}({\mathrm{CTR}}_i-E{\left(\mathrm{CTR})\right)}^2)}$

其中，E是ctr的均值，

基于标准差和均值，变异系数定义为：

$\mathrm{CV}\left(\mathrm{CTR}\right)=\frac{\mathrm{Sid}\left(\mathrm{CTR}\right)}{E\left(\mathrm{CTR}\right)}$

对于位置归一化，理论上需要一个广告在所有位置上的CTR经过归一化的值稳定，即变化较小。变异系数可以很好的描述这种变化。根据实际的广告点击日志和展示日志数据的实验结果，Log-normal方法效果最好，其次是Examination Hypothesis方法，最差的是Baseline。

参照图1a，淘宝一周的数据的第一个位置的广告点击率分布图。

不同位置，不同查询词下广告的点击率分布，是对数正态的。以淘宝一周的数据的第一个位置的广告点击率分布如图1a：

图中横轴为一个广告在第一个位置的点击率，纵轴为该点击率出现的频度。这些变量的均值和方差分别为0.00894656和6.32679e-05。因为方差并不收敛因此没有很明显的正态性。

但是，过滤点击率为零的值，并对点击率取对数之后，这些变量的分布呈现了比较好的正态性，如参照图1b所示，是淘宝一周的数据的第一个位置的广告点击率取对数后的分布图。它的均值和方差分别是-5.00868和0.586589。对于其它位置上的数据，有同样的特性。

这个某个位置的广告对数正态特性结论对其他位置的点击率的对数正态特性也适用。

参照图2，其示出了本申请实施例的一种信息展示方法的流程示意图。

请求接收步骤S70，接收用户端的请求。

所述的用户端请求可包括：客户端对目标商品的搜索请求，或者管理端对目标广告的展示请求。

比如用户所在的客户端需要查看“毛衣”相应的广告，则向服务器发送查看“毛衣”广告的请求。又比如管理人员所在的管理端需要查看某几个类别商品的广告的投放情况，则向服务器发送查看所需查看的几类商品的广告的查看请求，或者管理端需要查看各广告的投放情况，则向服务器发送查看各广告的请求。

信息查询返回步骤S80，根据所述请求查询相应广告，并基于广告在标准位置上的最终点击率返回至少一个广告。

优选的，步骤S80包括：步骤m1，根据用户端对目标商品的搜索请求，在服务器端查询与目标商品对应的广告，返回至少一个排序靠前的广告至用户端；所述排序基于广告在标准位置上的最终点击率进行排序。

比如基于用户端对“毛衣”相应的各广告，查询并获取服务器中与“毛衣”相关的广告，然后基于所述各个所述广告在标准位置上的最终点击率，将所述各个所述广告进行排序，然后将所述排序后的广告返回至少一个至用户端进行展示。

另外，步骤S80还可包括：步骤n1，根据用户端对目标广告的展示请求，在服务器端查询并获取各目标广告，返回至少一个排序靠前的广告至用户端；所述排序基于广告在标准位置上的最终点击率进行排序。

比如在服务器中查询并获取管理端需要查看的某几个类别的广告，然后基于所述各个所述广告在标准位置上的最终点击率，将所述各个所述广告进行排序，然后将所述排序后的广告返回至少一个至管理端进行展示。

其中，所述的各个广告在标准位置上的最终点击率通过以下步骤获得：

获取步骤100，获取一段时间内的各位置所述请求对应的广告展示数和广告点击数。

广告点击率的计算方法包括：广告点击数/广告展示数。比如某个网页上某个位置上投放了1个广告，该广告的展示次数为1000次，但该广告在展示过程中只被点击率15次，那么此广告的点击率为：15/1000＝0.015。

本申请在对广告效率值进行排序时，需要统计设定时间段内的计点击率。比如过去两周的时间，那么就需要统计过去两周的各位置上的各广告的广告展示数和广告点击数。比如说，位置1上的广告A、B、C的广告展示数和广告点击数，位置3上的广告A、E、G的广告展示数和广告点击数。

实际中，每个广告在一段时间内，在某个位置的点击数和展示数，可以从系统日志中获得。

点击率统计步骤110，统计同一广告在不同位置上的点击率，得到各个广告在各个位置上的点击率。

在获取步骤100中获取到各位置上的各广告的广告展示数和广告点击数后，统计同一广告在不同位置上的点击率，得到各个广告在各个位置上的点击率。

比如一个网页展示页面上设置了3个广告的位置，再两周内，这些广告位置可能放置了多种广告：

在位置1投放过广告A、B、C；

在位置2上投放过广告A、C、D；

位置3上投放过广告C、D。

那么针对广告A，则分别统计广告A在位置1的点击率，以及在位置2的点击率；

针对广告B，则统计广告B在位置1的点击率；

针对广告C，则分别统计广告C在位置1、位置2和位置3的点击率；

针对广告D、则分别统计广告D在位置2和位置3的点击率。

这样，就得到了各个广告在各个位置上的点击率。

又比如，根据过去两周的广告展示和点击数据，分位置统计每个广告的点击率，用ctr(adj，pos)来表示，其中，adj表示某个广告，pos表示某个位置。假设一个广告ad1，在过去的两周内，在第1个位置被点击了10次，展示了200次；在第2个位置被点击了8次，展示了300次。则广告ad1在位置1的点击率表示为ctr(adj，1)＝10/200＝0.05，广告ad在位置2的点击率表示为ctr(adj，2)＝8/300＝0.0267。这样就能得到各广告在各位置上的点击率ctr(adj，pos)。

转化步骤120，针对一广告在不同位置上的点击率，当其非零时，基于点击率的对数值，采用一般正态分布之间的转化方法，将该点击率归一化为标准位置上的点击率。

在步骤110得到各个广告在各个位置上的点击率后，针对一广告在不同位置上的点击率，当其非零时，基于点击率的对数值，采用一般正态分布之间的转化方法，将该点击率归一化为标准位置上的点击率。

优选的，参照图3，其示出了本申请实施例的优选的转化步骤的流程示意图。

步骤121，针对所述的点击率，将其中非零点击率取对数；并根据点击率所在的位置为依据，以位置对这些数据分组，得到处于编制位置上的不同广告的数据组；并计算各位置上所述数据的均值和方差；

比如对于前述得到的各广告在各位置上的点击率ctr(adj，pos)，对非零的ctr(adj，pos)求对数ln(ctr(adj，pos))，其中，对数可以用以e为底的对数ln，也可以用以其他数为底的对数。取对数后，广告在某一位置的点击率具有正态特征。比如，前述的广告ad1的ctr(ad1，1)＝0.05和ctr(ad1，2)＝0.0267，对其求对数，ln(ctr(ad1，1))＝ln(0.05)＝-2.9957，ln(ctr(ad1，2))＝ln(0.026)＝-6.6846。

取对数ln(ctr(adj，pos))后，得到对数点击率的集合S＝{ln(ctr(adj，pos))}。将同一位置的广告对数点击率划为一组，比如S_i＝{ln(ctr(ad1，i))，ln(ctr(ad2，i))，ln(ctr(ad3，i))}，其中，i表示广告的位置(pos)，得到多个集合，每个集合对应一个位置：

S_i＝{ln(ctr(adj，i))}；i＝1，2，3...n；∩S_i＝S

其中，n是广告系统中一次可以展现的广告的位置总数。并求出每个集合S_i的均值μ_i和方差σ_i。

比如，位置1上投放有3各广告ad1、ad2和ad3，并且通过前述步骤获得了ad1在位置1上的点击率取对数后的值为m，ad2在位置1上的点击率取对数后的值为n，ad3在位置1上的点击率取对数后的值为p，那么以位置1对广告对数点击率划分为一组作为一个集合S₁＝{m，n，p}，同时求出集合S₁的均值μ₁＝(m+n+p)/3和方差σ₁{(m-μ₁)²+(n-μ₁)²+(p-μ₁)²}。对每个位置i的集合S_i采取上述同样的操作。

步骤122，针对同一个广告，使用此广告所在位置i和标准位置上的均值与方差，通过一般正态态分布之间的转化方法，将此广告在位置i上的点击率归一化为标准位置的点击率。

在此步骤中，可以选择各广告的位置中的一个作为标准位置，将各广告在其他位置上的点击率转化为此标准位置上的点击率。比如，针对广告ad1，当广告ad1在位置1、2和3投放，那么广告ad1在位置1、2和3通过前述步骤会获取四个点击率a1，a2，a3当选定位置1为标准位置，那么要将广告ad1在位置2、3的点击率转化为相应的标准位置的点击率b2，b3。本申请针对同一个广告，使用此广告所在位置i和标准位置上的均值与方差，通过一般正态分布之间的转化方法，将此广告在位置i上的点击率归一化为标准位置的点击率。

另外，本申请将在一个位置上为0的广告的点击率转换到标准位置的点击率定义为0。

由于对各个广告在各个位置的点击率取对数后，其分布具有正态特征，因此，可以通过一般正态布之间的转化方法将此广告在位置i上的点击率归一化为标准位置的点击率。

本申请可以通过如下方法进行转换：

$\frac{{\log }_a\left({\mathrm{ctr}}_{i-\mathrm{norm}}\right)-{\mathrm{\μ}}_m}{{\mathrm{\σ}}_m}=\frac{{\log }_a\left({\mathrm{ctr}}_i\right)-{\mathrm{\μ}}_i}{{\mathrm{\σ}}_i},$

如果以e为底，进行整理后可得：

${\mathrm{ctr}}_{i-\mathrm{norm}}=e^{{\mathrm{\μ}}_m+\frac{\ln \left({\mathrm{ctr}}_i\right)-{\mathrm{\μ}}_i}{{\mathrm{\σ}}_i}\·{\mathrm{\σ}}_m}$

其中，μ_i，σ_i分别表示位置i上各种广告的点击率取对数后的均值和方差，ctr_i表示某个广告在位置i上的点击率；μ_m，σ_m分别表示在标准位置m上各种广告的点击率取对数后的均值和方差，ctr_i-norm表示第i各位置的ctr_i转化后的标准位置的点击率。另外，本申请规定如果ctr_i＝0，则ctr_i-norm＝0

比如前述的广告ad1，当以位置1为标准位置，由前述步骤得到位置1的各广告的对数点击率集合S₁的均值μ₁和方差σ₁，位置2的各广告对数点击率集合S₂的均值μ₂和方差σ₂，位置3的各广告对数点击率集合S₃的均值μ₃和方差σ₃。则：

${\mathrm{ctr}}_{2-\mathrm{norm}}=e^{{\mathrm{\μ}}_1+\frac{\ln \left({\mathrm{ctr}}_2\right)-{\mathrm{\μ}}_2}{{\mathrm{\σ}}_2}\·{\mathrm{\σ}}_1}$

${\mathrm{ctr}}_{3-\mathrm{norm}}=e^{{\mathrm{\μ}}_1+\frac{\ln \left({\mathrm{ctr}}_3\right)-{\mathrm{\μ}}_3}{{\mathrm{\σ}}_3}\·{\mathrm{\σ}}_1}$

其中，广告ad1在位置1本身的点击率不用转换，即有ctr_1-norm＝a1，ctr_2-norm＝b1，ctr_3-norm＝b2，此即为广告ad1在各位置的点击率归一化到标准位置1后对应的点击率。

整合步骤130，对该广告各个转换后的点击率整合，得到此广告在标准位置上的最终点击率。

针对步骤120得到的一广告在各位置i的点击率，经归一化后，得到标准位置的点击率，将该广告各个转换后的点击率整合得到此广告在标准位置上的最终点击率。

本申请可以通过以所述该广告在各个位置i上的点击次数作为各个位置i对应转换为标准位置后的各个点击率的权数，将所述转换为标准位置后的各个点击率进行加权平均。

比如用PV_i表示广告ad在第i个位置的点击数，则最终一个广告的点击率： $\mathrm{ctr}=(\underset{i}{\mathrm{\Σ}}{\mathrm{ctr}}_{i-\mathrm{norm}}*{\mathrm{PV}}_i)/\left(\underset{i}{\mathrm{\Σ}}{\mathrm{PV}}_i\right),$ 比如，对于前述广告ad1，该广告在位置1、2和3的点击数分别为c1，c2和c3，那么广告ad1的最终点击率就为ctr＝(a1*c1+b2*c2+b3*c3)/(c1+c2+c3)。

对所要排序的广告进行同样的操作，就能得到各广告在标准位置的最终点击率。

当通过上述步骤得到各广告在标准位置的最终点击率后，基于此标准位置的点击率就可以对个广告进行排序。这样就能客观全面的以一个标准位置的点击率对广告进行排序。

本申请还公开了一种信息展示装置。

参照图4，其示出了本申请实施例的一种信息展示装置的结构示意图。

请求接收模块S270，用于通过服务器接收各广告的投放请求；

信息查询返回模块S280，根据所述请求查询并获取相应广告，并基于广告在标准位置上的最终点击率返回至少一个广告；

最终点击率计算模块，用于获得所述的各个广告在标准位置上的最终点击率，所述最终点击率计算模块包括：

获取子模块300，用于获取一段时间内的各位置所述请求对应的各广告的广告展示数和广告点击数；

点击率统计子模块310，用于统计同一广告在不同位置上的点击率，得到各个广告在各个位置上的点击率；

转化子模块320，用于针对一广告在不同位置上的点击率，当其非零时，基于点击率的对数值，采用一般正态分布之间的转化方法，将该点击率归一化为标准位置上的点击率；

整合子模块330，用于对该广告各个转换后的点击率整合得到此广告在标准位置上的最终点击率。

优选的，如图5示出了本申请实施例的优选的转化模块结构示意图。

所述的转化子模块320包括：

第一转化子单元321，用于针对所述的点击率，将其中非零点击率取对数；并根据点击率所在的位置为依据，以位置对这些数据分组，得到处于编制位置上的不同广告的数据组；并计算各位置上所述数据的均值和方差；

第二转化子单元322，用于针对同一个广告，使用此广告所在位置i和标准位置上的均值与方差，通过一般正态分布之间的转化方法将此广告在位置i上的点击率归一化为标准位置的点击率。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上对本申请所提供的一种，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种信息展示方法，其特征在于，包括：

请求接收步骤，接收用户端的请求；

信息查询返回步骤，根据所述请求查询并获取相应广告，并基于广告在标准位置上的最终点击率返回至少一个广告；

其中，所述的各个广告在标准位置上的最终点击率通过以下步骤获得：

获取步骤，获取一段时间内的各位置所述请求对应的各广告的广告展示数和广告点击数；

点击率统计步骤，统计同一广告在不同位置上的点击率，得到各个广告在各个位置上的点击率；

转化步骤，针对一广告在不同位置上的点击率，当其非零时，基于点击率的对数值，采用一般正态分布之间的转化方法，将该点击率归一化为标准位置上的点击率；

整合步骤，对该广告各个转换后的点击率整合得到此广告在标准位置上的最终点击率。

2.如权利要求1所述的方法，其特征在于，所述的用户端请求包括：

客户端对目标商品的搜索请求，或者管理端对目标广告的展示请求。

3.如权利要求2所述的方法，其特征在于，所述根据所述请求查询相应广告，并基于广告在标准位置上的最终点击率返回至少一个广告包括：

根据用户端对目标商品的搜索请求，在服务器端查询并获取与目标商品对应的广告，返回至少一个排序靠前的广告至用户端；所述排序基于广告在标准位置上的最终点击率进行排序；

或者，根据用户端对目标广告的展示请求，在服务器端查询并获取各目标广告，返回至少一个排序靠前的广告至用户端；所述排序基于广告在标准位置上的最终点击率进行排序。

4.如权利要求1所述的方法，其特征在于，所述转化步骤包括：

步骤121，针对所述的点击率，将其中非零点击率取对数；并根据点击率所在的位置为依据，以位置对这些数据分组，得到处于编制位置上的不同广告的数据组；并计算各位置上所述数据的均值和方差；

步骤122，针对同一个广告，使用此广告所在位置i和标准位置上的均值与方差，通过正态分布之间的转化方法，将此广告在位置i上的点击率归一化为标准位置的点击率。

5.如权利要求1所述的方法，其特征在于：

所述的整合方式为：以所述该广告在各个位置i上的点击次数作为各个位置i对应转换为标准位置后的各个点击率的权数，将所述转换为标准位置后的各个点击率进行加权平均。

6.如权利要求4所述的方法，其特征在于：选取所述各位置中的一个位置作为标准位置。

7.如权利要求4或5所述的方法，其特征在于，还包括：将在一个位置上为0的广告的点击率转换到标准位置的点击率定义为0。

8.如权利要求4所述的方法，其特征在于：

所述的一般正态分布之间的转化方法为：

$\frac{{\log }_a\left({\mathrm{ctr}}_{\mathrm{norm}}\right)-{\mathrm{\μ}}_m}{{\mathrm{\σ}}_m}=\frac{{\log }_a\left({\mathrm{ctr}}_i\right)-{\mathrm{\μ}}_i}{{\mathrm{\σ}}_i},$

其中，μ_i，σ_i分别表示位置i上各种广告的点击率取对数后的均值和方差，ctr_i表示某个广告在位置i上的点击率；μ_m，σ_m分别表示在标准位置上各种广告的点击率取对数后的均值和方差，ctr_norm表示其他位置的广告点击率转化后的标准位置的点击率。

9.一种信息展示装置，其特征在于，包括：

请求接收模块，接收用户端的请求；

信息查询返回模块，根据所述请求查询并获取相应广告，并基于广告在标准位置上的最终点击率返回至少一个广告；

最终点击率计算模块，用于获得所述的各个广告在标准位置上的最终点击率，所述最终点击率计算模块包括：

获取子模块，用于获取一段时间内的各位置所述请求对应的各广告的广告展示数和广告点击数；

点击率统计子模块，用于统计同一广告在不同位置上的点击率，得到各个广告在各个位置上的点击率；

转化子模块，用于针对一广告在不同位置上的点击率，当其非零时，基于点击率的对数值，采用一般正态分布之间的转化方法，将该点击率归一化为标准位置上的点击率；

整合子模块，用于对该广告各个转换后的点击率整合得到此广告在标准位置上的最终点击率。

10.如权利要求9所述的装置，其特征在于，所述的转化子模块包括：

第一转化子单元，用于针对所述的点击率，将其中非零点击率取对数；并根据点击率所在的位置为依据，以位置对这些数据分组，得到处于编制位置上的不同广告的数据组；并计算各位置上所述数据的均值和方差；

第二转化子单元，用于针对同一个广告，使用此广告所在位置i和标准位置上的均值与方差，通过一般正态分布之间的转化方法将此广告在位置i上的点击率归一化为标准位置的点击率。

Images