CN103207876B - 一种信息投放的方法及装置 - Google Patents

Abstract

本申请提供了一种信息投放的方法及装置，获取每一条信息在预设时间段内的点击数和浏览数，并将获得的所有信息分层归类为M层，然后获取每一层的平均点击率以及可信阈值，判断每条信息的浏览数和/或点击数是否达到所述M层中第一层的可信阈值，如果达到则用所述当前处理信息的点击数和浏览数获得点击率，如果所述当前处理信息的浏览数和/点击数未达到第一层的可信阈值，则获得一个预测点击率，根据获得所述点击率和所述预测点击率对所述所有信息进行排序，返回排序靠前的所述信息。从而提高了广告信息投放的准确性，以及广告信息的投放效率，并且减少了客户端与服务器之间的信息交互，节省网络带宽。

Description

一种信息投放的方法及装置

技术领域

本申请涉及计算机应用领域，尤其涉及一种信息投放的方法及装置。

背景技术

电子商务网站近年来蓬勃发展，而它的一个基本功能是当用户查询所需商品时，投放候选商品集。付费推广则是在用户查询时，在搜索结果页的适当位置投放付费推广的商品信息。然而商品信息数量庞大，可供用户查看的空间却有限，如何选择合适的商品信息就是一个十分关键的问题。

早期的排序方法是按照广告信息主付费金额的大小进行排序，即众所周知的“竞价排名”。这种排序方法的缺点是，如果不适当的商品信息付费金额大，如不相关商品信息，会排在靠前的位置，这使得用户得到不相关商品信息，而相关的商品只有很低的点击率，这浪费了相关的计算资源和网络带宽。基于上述原因，推出了广告信息的ecpm排序(effective cost per mille，每一千次展示可以获得的广告收入)方案。对每个查询下的每条广告信息打出一个静态质量得分(staticScore)，用质量得分乘以价格(bidPrice)作为排序的最后的依据为(rankScore)。

rankScore＝bidPrice×staticScore

问题于是转移到质量得分的计算上，而广告信息的历史点击率则是其中非常重要的一个因素。计算广告信息点击率的一种方法是：

1、综合点击日志和浏览日志，计算每一条查询浏览次数和查询出的广告信息的点击次数；

2、累积一定天数的历史数据；

3、用每条查询下的广告信息的点击数/浏览数得到点击率；

当广告信息pv(广告信息浏览数)很少的时候，上述方法得出的点击率会不准确也会让点击率变化范围很大，因此有改进的方法考虑广告信息的平均点击率，当广告信息的点击次数或者浏览次数小于一定数量的时候(通常用置信度85％来衡量)，采用广告信息平均点击率。这时方法变成了：

1、综合点击日志和浏览日志，计算每一条查询浏览次数和查询出的广告信息的点击次数；

2、累积一定天数的历史数据；

3、计算广告信息平均点击率；

4、计算可信的点击数阈值；

5、看每条查询下广告信息点击数是否达到点击数阈值，如果达到，则用广告信息自身的点击数/浏览数得到点击率，否则采用服务器默认点击率；

本申请申请人在实现本申请的过程中，发现上述技术中至少存在如下技术问题：

使用精确到每个广告信息的点击率(点击数/展示数)会在广告展示次数不足时，导致点击数阈值不可信，使得广告信息的点击率会有较大的波动，进而广告信息的质量得分不稳定。并且对展示数量不足的广告信息全都使用默认的点击率则虽然保持了分数稳定，却会忽略广告的自身点击率广告信息，从而会无法区别广告优劣，导致广告信息的投放准确性降低，并且广告信息的投放时受到劣质广告信息影响导致的投放效率不稳定。

发明内容

本申请提供了一种信息投放的方法及装置，用于解决现有的信息投放的准确性低，并且信息投放的效率不稳定的问题。

一种信息投放的方法，服务器根据信息的点击日志和浏览日志，获得预设时间段内每一条信息的浏览数和点击数，包括：

根据预设的分层归类条件，将获得的所有信息归类为M层，其中，从第M层到第一层中每一层的分层归类条件的逐渐增多，M为大于等于1的正整数；

根据每一层中包括的信息的浏览数和点击数获得每一层的平均点击率；

根据所述M层中第M层点击率的方差以及第M-1层的平均点击率和第M-1层的浏览数获得所述第M-1层的可信阈值，并依次获得每一层的可信阈值；

判定每条信息的浏览数和/或点击数是否达到所述M层中第一层的可信阈值，如果当前处理的信息达到则用该条信息的点击数和浏览数获得点击率，如果所述当前处理的信息的浏览数和/或点击数未达到第一层的可信阈值，则获得一个预测点击率；

根据获得所述预测点击率对所述所有信息进行排序；

返回排序靠前的所述信息。

一种显示信息的装置，包括：

分层归类单元，用于根据预设的分层归类条件，将获得的所有信息归类为M层，其中，从第M层到第一层中每一层的分层归类条件逐渐增多，M为大于等于1的正整数；

平均点击率生成单元，用于根据每一层中包括的信息的浏览数和点击数获得每一层的平均点击率；

可信阈值生成单元，用于根据所述M层中第M层点击率的方差以及第M-1层的平均点击率和第M-1层的浏览数获得所述第M-1层的可信阈值，并依次获得每一层的可信阈值；

判定单元，用于判定每条信息的浏览数和/或点击数是否达到所述M层中第一层的可信阈值，如果当前处理信息达到则用该条信息的点击数和浏览数获得点击率，如果所述当前处理信息的浏览数和/或点击数未达到第一层的可信阈值，则获得一个预测点击率；

排序单元，用于根据获得所述预测点击率对所述所有信息进行排序；

返回单元，用于将所述每条信息进行顺序显示。

优选的，所述判定单元具体包括：

第一判定模块，用于如果所述可信阈值为可信点击数阈值，则判定所述当前处理信息的点击数是否达到所述M层中第一层的可信点击数阈值；

第二判定模块，用于如果所述可信阈值为可信浏览数阈值，则判定所述当前处理信息的浏览数是否达到所述M层中第一层的可信浏览数阈值；

第三判定模块，用于如果所述可信阈值为可信点击数和浏览数阈值，则判定所述当前处理信息的点击数和浏览数是否都达到所述M层中第一层的可信点击数和浏览数阈值。

本申请的一个或者多个实施例的具体有益效果如下：

本申请提供了一种信息投放的方法及装置，获取每一条信息在预设时间段内的点击数和浏览数，并将获得的所有信息分层归类为M层，然后获取每一层的平均点击率以及可信阈值，判断每条信息的浏览数和/或点击数是否达到所述M层中第一层的可信阈值，如果达到则用所述当前处理信息的点击数和浏览数获得点击率，如果所述当前处理信息的浏览数和/点击数未达到第一层的可信阈值，则获得一个预测点击率，根据获得所述点击率和所述预测点击率对所述所有信息进行排序，按照排序结果显示所述信息。进而有效的避免了在信息浏览数波动较大时信息的质量分数不稳定的问题，并且有效的通过信息自身的点击率以及每一层的平均点击率获得一个与信息质量相对应的预测点击率。

附图说明

图1所示为客户端与服务器连接结构图；

图2所示为本申请一种信息投放的方法示意图；

图3所示为本申请一种显示信息的装置结构图。

具体实施方式

现有技术提供的是在服务器端预设一点击数阈值，广告信息的点数超过阈值则用点击数/浏览数获取点击率，若未超过阈值则用预设的一平均点击率。从而忽略广告的自身点击率广告信息，从而会无法区别广告优劣，导致广告信息的投放准确性降低，并且广告信息的投放时受到劣质广告信息影响导致的投放效率不稳定。

为了解决广告信息的投放准确性降低，并且广告信息的投放时受到劣质广告信息影响导致的投放效率不稳定，因此本申请提供了一种信息投放的方法及装置。

为了使本领域技术人员更清楚的了解本申请的技术方案，下面结合附图对申请的技术方案作详细的说明。

如图1所示为客户端与服务器连接结构图，客户端接收用户输入的需要查询信息的条件，比如用户输入的查询条件信息为“女装”，客户端将所述查询信息发送给服务器，所述服务器提供对应“女装”查询条件下的信息给所述客户端，并且服务器端将所述查询条件存储。

进一步，用户在“女装”查询条件下，再输入“连衣裙”时，服务器端获取用户输入的查询条件信息，并将该条件信息下的广告信息返回给所述客户端。

户可以在所述客户端上选择浏览或者点击需要的广告信息。其中，在本申请中的除了广告信息还可以是图片信息、文字、数据。

其中，服务器在收到客户端的查询条件信息的同时，也将在该查询条件信息下用户浏览查询条件下广告信息的浏览次数，以及点击该广告信息的点击次数，并且所述服务器中将所有查询条件下广告信息的点击数和浏览数存储浏览日志和点击日志中。因此，根据所述查询信息的点击日志和浏览日志，能够获取到预设时间段内每一条信息的浏览数和点击数。

如图2所示为本申请一种信息投放的方法流程示意图，具体包括：

步骤201，根据预设的分层归类条件，将获得的所有信息归类为M层，其中，从第M层到第一层中每一层的分层归类条件逐渐增多，M为大于等于1的正整数。

本实施例中需要将服务器获得的所有信息进行分层归类，所述信息为广告信息，并且在所述服务器中存储有一预设的分层归类条件，所述分层归类条件为服务器获取客户端的查询条件信息。通过所述分层归类条件所述服务器将获得的所有广告信息归类为M层。其中，M层中每层的分层归类条件各不相同，比如，第一层的查询条件为“女装—连衣裙—短款—雪纺—紫色”，第二层的查询条件为“女装—连衣裙—短款—雪纺”，第三层的查询条件为“女装—连衣裙—短款”，第M层的查询条件为：“女装”。因此，从第M层到第一层中每层的分层归类条件逐渐增多，在本申请实施例中还可以是从第一层到第M层中每一层的分层归类条件逐渐增多。根据正常的筛选规则在归类条件增多的情况下对应的广告信息则对应的减少。在本申请中从第M层到第一层中每一层的分层归类条件逐渐增多，M为大于等于1的正整数，当M等于5时，服务器端存储的数据如下表1所示：

表1

步骤202，根据每一层中包括的信息的浏览数和点击数获得每一层的平均点击率。

在将所述所有广告信息分层完成后，所述M层中每一层都包含该层分层归类条件下的广告信息，因此所述服务器获取M层中每一层中包含的广告信息的浏览数和点击数，即每一层的浏览数进而点击数，并根据所述浏览数和点击数获得每一层的平均点击率。其中，所述平均点击率为所述浏览数和所述点击数的比值。

如按照表1所示的内容，第一层的查询条件为：“女装—连衣裙—短款—雪纺—紫色”，则第一层的浏览数以及点击数是将客户端1致客户端5在该查询条件下的点击数和浏览数相加为分别为1300和880，第一层的平均点击率为880/1300＝0.6769。第二层的查询条件为“女装—连衣裙—短款—雪纺”，则第二层的浏览数和点击数分别为2250和1750，则第二层的平均点击率为1750/2250＝0.7778。根据该条件获取第三层、第四层、第五层的平均点击率。在获取每层的平均点击率之后进行下面的步骤。

步骤203，根据所述M层中第M层点击率的方差以及第M-1层的平均点击率和第M-1层的浏览数获得所述第M-1层的可信阈值，并依次获得每一层的可信阈值。

在获得所述每一层的平均点击率之后，所述服务器通过预存的对应关系获取每一层的可信阈值，其具体如下：

首先，获取第M层的平均点击率的方差σ以及第M-1层的平均点击率和第M-1层的浏览数，并通过正态分布获取可信点击数阈值，其中，为第M-1层的平均点击率，n为第M-1层的浏览数。

在获得所述第M-1层的点击数阈值之后，通过所述M-1层的平均点击率以及所述第M-1层的点击数阈值的比值获取每一层的浏览数阈值。

在获得第M-1层的可信阈值之后，获得第M-1层的点击率的方差σ₁，并通过M-2层的平均点击率和第M-2层的浏览数以及上述正态分布 获得第M-2层的可信阈值。

进一步，通过上述方式依次获得所述M层中每一层的可信阈值。

通过获得任一一层的可信阈值与该层的平均点击率的比值获得该层的浏览数阈值，即每层的浏览数阈值为

因此所述服务器中设置的可信阈值可以是可信点击数阈值、可信浏览数阈值、可信浏览数和点击数阈值中的一个值。

步骤204，判断当前处理信息的浏览数和/或点击数是否达到所述M层中第一层的可信阈值，如果达到则用所述当前处理信息的点击数和浏览数获得点击率，如果所述当前处理信息的浏览数和/或点击数未达到第一层的可信阈值，则获得一个预测点击率。

在本申请中，由于所述可信阈值包含可信点击数阈值、可信浏览数阈值、可信浏览数和点击数阈值，因此如果所述可信阈值为可信点击数阈值时，则判定所述当前信息的点击数是否达到所述M层中第一层的可信点击数阈值；

如果所述可信阈值为可信浏览数阈值，则判定所述当前处理广告信息的浏览数是否达到所述M层中第一层的可信浏览数阈值；

如果所述可信阈值为可信点击数和浏览数阈值，则判定所述当前处理广告信息的点击数和浏览数是否都达到所述M层中第一层的可信点击数和浏览数阈值；

进一步，如果所述当前处理广告信息的浏览数和/或点击数未达到所述第一层可信阈值时，则将当前处理广告信息的浏览数和/或点击数与第二层到第M层的可信阈值逐层进行比较，若所述当前处理广告信息的浏览数和/或点击数达到第K层的可信阈值时，则通过获得所述当前处理广告信息的预测点击率，其中，W为所述预测点击率，R为所述当前处理广告信息的自身点击率，v为所述当前处理广告信息的浏览数，C为第K层的平均点击率，m为第K层的可信阈值，其中K大于1，小于等于M。

步骤205，根据获得所述点击率和所述预测点击率对所述所有信息进行排序。

由于每条信息获得所述点击率和所述预测点击率值，因此所述服务器将获得的所述点击率以及所述预测点击率按照从大到小或者是从小到大进行排序，在本申请实施例中是按照从大到小的顺序进行排序。

步骤206，返回排序靠前的所述信息。

当用户在客户端输入对应查询条件信息时，服务器端将根据用户输入的查询条件信息将对应排序完成的广告信息发送给所述客户端，并且在客户端按照广告信息的先后顺序进行显示，从而提高了广告信息投放的准确性，以及广告信息的投放效率，并且减少了客户端与服务器之间的信息交互，节省网络带宽。

下面通过具体应用环境对本申请的技术方案做具体说明，例如，在广告信息的应用环境中，用户通过客户端查询广告信息以及点击广告信息，

累积一定天数的历史数据，每个用户访问网站时都有记录，记录的内容是用户查询的查询条件，查询出的广告和用户是否点击了广告。每条记录形式如下：

<查询条件，广告信息，是否点击>

其中广告信息包括：广告编号、竞价词、类目。

所述信息的的历史数据保存在所述信息的浏览日志和点击日志中，因此所述服务器通过所述浏览日志和所述点击日志获取所述信息的点击数和浏览数。

当所述历史数据累积到预设时间时，对所述历史数据累加，即将所述历史数据中的浏览数求和以及点击数求和得到整理后的数据，具体格式如下：

<查询条件，广告信息，浏览次数，点击次数>

例如：第一广告信息数据内容如下：

<查询条件：“女装—连衣裙—短款—雪纺—紫色”，广告信息：{女装类目，竞价词雪纺，广告编号0001}，浏览次数：100，点击次数：5>

因此，每条广告信息都有对应的数据。

所述服务器将获得每条广告信息根据预设的条件进行分层归类，其具体分层归类方式如下：

第一层，查询条件为“女装—连衣裙—短款—雪纺—紫色”的单个“广告信息”；

第二层，按照查询条件为“女装—连衣裙—短款—雪纺”的“广告信息”归类；

第三层，按照查询条件为“女装—连衣裙—短款”的“广告信息”归类；

第四层：按照查询条件为“女装—连衣裙”的“广告信息”归类；

最五层：在女装条件下得所有“广告信息”归类；

分层完成后，每一层中都包含对应分层归类条件的广告信息，并将五层中每一层中包含广告信息的点击数求以及将浏览数求和，因此获得五层中每一层的浏览数以及点击数。

将第一层的点击数/浏览数获得第一层的平均点击率，并依次获得剩余四层的平均点击率。

在获得每一层的平均点击率之后，为了获得每一条广告信息的点击率或者预测点击率，因此需要获得每一层可信阈值，其具体获得每一层的可信点击数阈值的具体方式如下：

首先第五层的总体点击数是可信的，并获得第五层的平均点击率方差σ，第四层的平均点击n为第四层广告信息的浏览数，其中，平均点击率服从正态分布：

根据正态分布表可知：

于是，σ已知时区间：

其中，μ为置信水平为0.95的置信区间，具体来说，点击率为95％的置信概率落在周围10％的范围内，那么：

因此第四层的可信点击数阈值就为：

将获得的第四层的点击数可信阈值与所述第四层的平均点击率的比值获得第四层的浏览数阈值，具体为：

如果第四层的点击数达到可信程度，则通过第四层的点击率方差获得第三层可信点击数阈值以及可信浏览数阈值。因此通过上述方式依次获得第二层和第一层的可信点击数阈值以及可信浏览数阈值。

将第一广告信息中的点击数和/或浏览数与第一层的可信阈值进行比较，若达到第一层可信阈值，则用第一广告信息的点击数/浏览数获得第一广告信息的点击率，即：5/100。若未达到第一层可信阈值，而第二层，查询条件：女装类目下的“雪纺”关键词，所有竞价词为雪纺的广告信息，达到可信阈值，例如浏览数达到2250，其第二层的平均点击率为77.78％。则获得第二层的平均点击率77.78％和第一广告信息的点击率5％之间的一个值，作为自己的预测点击率：其具体获得方式如下：

其中，W为预测点击率，R为第一广告信息的点击率，v为第一广告信息的浏览数，m为第二层的可信阈值，C为第二层的平均点击率。在本例中，v＝100,m＝1000，则

在本申请中，还包括一种获得点击率的方法，具体如下：

其中，PV为第一广告信息的浏览数，β、γ为常数。

在获取后，通过获取预测点击率，W₁为预测点击率，W₂第一广告信息的点击率，W₃第二层平均点击率。

所有广告信息中的每一条广告信息都按照第一广告信息获得点击率或者预测点击率的方式获得每一条广告信息的点击率或者预测点击率。

将所有广告信息按照获得点击率或者预测点击率来进行排序，并将排序完成的所有广告信息发送给所述客户端进行显示或者是在所述服务器上显示。

如图3所示为本申请一种显示信息的装置结构图，包括：

分层归类单元301，用于根据预设的分层归类条件，将获得的所有信息归类为M层，其中，从第M层到第一层中每一层的分层归类条件逐渐增多，M为大于等于1的正整数；

平均点击率生成单元302，用于根据每一层中包括的信息的浏览数和点击数获得每一层的平均点击率；

可信阈值生成单元303，用于根据所述M层中第M层点击率的方差以及第M-1层的平均点击率和第M-1层的浏览数获得所述第M-1层的可信阈值，并依次获得每一层的可信阈值；

判定单元304，用于判断每条信息的浏览数和/或点击数是否达到所述M层中第一层的可信阈值，如果达到则用所述信息的点击数和浏览数获得点击率，如果所述当前处理信息的浏览数和/或点击数未达到第一层的可信阈值，则获得一个预测点击率；

排序单元305，用于根据获得所述预测点击率对所述所有信息进行排序；

返回单元306，用于返回排序靠前的所述信息。

其中，所述判定单元还具体包括：

第一判定模块，用于如果所述可信阈值为可信点击数阈值，则判定所述当前处理信息的点击数是否达到所述M层中第一层的可信点击数阈值；

第二判定模块，用于如果所述可信阈值为可信浏览数阈值，则判定所述当前处理信息的浏览数是否达到所述M层中第一层的可信浏览数阈值；

第三判定模块，用于如果所述可信阈值为可信点击数和浏览数阈值，则判定所述当前处理信息的点击数和浏览数是否都达到所述M层中第一层的可信点击数和浏览数阈值。

本申请提供了一种信息投放的方法及装置，获取每一条信息在预设时间段内的点击数和浏览数，并将获得的所有信息分层归类为M层，然后获取每一层的平均点击率以及可信阈值，判断每条信息的浏览数和/或点击数是否达到所述M层中第一层的可信阈值，如果达到则用所述当前处理信息的点击数和浏览数获得点击率，如果所述当前处理信息的浏览数和/点击数未达到第一层的可信阈值，则获得一个预测点击率，根据获得所述点击率和所述预测点击率对所述所有信息进行排序，按照排序结果显示所有广告信息。从而提高了广告信息投放的准确性，以及广告信息的投放效率，并且减少了客户端与服务器之间的信息交互，节省网络带宽。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种信息投放的方法，服务器根据信息的点击日志和浏览日志，获得预设时间段内每一条信息的浏览数和点击数，其特征在于，包括：

根据预设的分层归类条件，将获得的所有信息归类为M层，其中，从第M层到第一层中每一层的分层归类条件逐渐增多，M为大于1的正整数；

根据每一层中包括的信息的浏览数和点击数获得每一层的平均点击率；

根据所述M层中第M层点击率的方差以及第M-1层的平均点击率和第M-1层的浏览数获得所述第M-1层的可信阈值，并依次获得每一层的可信阈值；

判定每条信息的浏览数和/或点击数是否达到所述M层中第一层的可信阈值，如果当前处理信息达到则用该条信息的点击数和浏览数获得点击率，如果所述当前处理信息的浏览数和/或点击数未达到第一层的可信阈值，则将当前处理信息的浏览数和/或点击数与第二层到第M层的可信阈值逐层进行比较，获得一个预测点击率；

根据获得的所述点击率以及所述预测点击率对所述所有信息进行排序；

返回排序后的所述信息。

2.如权利要求1所述的方法，其特征在于，所述如果当前处理信息达到则用该条信息的点击数和浏览数获得点击率，如果所述当前处理信息的浏览数和/或点击数未达到第一层的可信阈值，则将当前处理信息的浏览数和/或点击数与第二层到第M层的可信阈值逐层进行比较，获得一个预测点击率，具体包括：

如果所述当前处理信息的浏览数和或点击数达到第K层的可信阈值，则通过获得所述当前处理信息的预测点击率，其中，W为所述预测点击率，R为所述当前处理信息的自身点击率，v为所述当前处理信息的浏览数，C为第K层的平均点击率，m为第K层的可信阈值，其中K大于1，小于等于M。

3.如权利要求2所述的方法，其特征在于，所述根据所述M层中第M层点击率的方差以及第M-1层的平均点击率和第M-1层的浏览数获得所述第M-1层的可信阈值，并依次获得每一层的可信阈值，具体包括：

通过获得所述可信阈值，其中σ为第M层点击率的方差，为第M-1层的平均点击率，n为第M-1层的浏览数，μ为置信水平对应的置信区间。

4.如权利要求3所述的方法，其特征在于，所述可信阈值为：可信点击数阈值、可信浏览数阈值、可信点击数和浏览数阈值。

5.如权利要求4所述的方法，其特征在于，判断当前处理信息的数据是否达到所述M层中第一层的可信阈值，具体为：

如果所述可信阈值为可信点击数阈值，则判定所述当前处理信息的点击数是否达到所述M层中第一层的可信点击数阈值；

如果所述可信阈值为可信浏览数阈值，则判定所述当前处理信息的浏览数是否达到所述M层中第一层的可信浏览数阈值；

如果所述可信阈值为可信点击数和浏览数阈值，则判定所述当前处理信息的点击数和浏览数是否都达到所述M层中第一层的可信点击数和浏览数阈值。

6.如权利要求4所述的方法，其特征在于，所述根据获得所述点击率和所述预测点击率对所述所有信息进行排序，包括：

将获得每条信息的所述点击率和所述预测点击率按照大小进行先后排序，所述所有信息根据所述点击率和所述预测点击率的排序进行先后排序。

7.如权利要求6所述的方法，其特征在于，所述返回排序后的所述信息，包括：

根据所述所有信息的先后顺序返回排序后的所述信息。

8.如权利要求7所述的方法，其特征在于，所述根据每一层中包括的信息的浏览数和点击数获得每一层的平均点击率，包括：

将获得的每一层中包含的信息的浏览数求和，并将所述每一层信息中包含的点击数求和获得每一层的浏览数和点击数；

根据每一层的点击数和浏览数的比值获得每一层的平均点击率。

9.一种显示信息的装置，其特征在于，包括：

分层归类单元，用于根据预设的分层归类条件，将获得的所有信息归类为M层，其中，从第M层到第一层中每一层的分层归类条件逐渐增多，M为大于1的正整数；

平均点击率生成单元，用于根据每一层中包括的信息的浏览数和点击数获得每一层的平均点击率；

可信阈值生成单元，用于根据所述M层中第M层点击率的方差以及第M-1层的平均点击率和第M-1层的浏览数获得所述第M-1层的可信阈值，并依次获得每一层的可信阈值；

判定单元，用于判定每条信息的浏览数和/或点击数是否达到所述M层中第一层的可信阈值，如果当前处理信息达到则用该条信息的点击数和浏览数获得点击率，如果所述当前处理信息的浏览数和/或点击数未达到第一层的可信阈值，则将当前处理信息的浏览数和/或点击数与第二层到第M层的可信阈值逐层进行比较，获得一个预测点击率；

排序单元，用于根据获得所述点击率所述预测点击率对所述所有信息进行排序；

返回单元，用于返回排序后的所述信息。

10.如权利要求9所述的装置，其特征在于，所述判定单元具体包括：

第一判定模块，用于如果所述可信阈值为可信点击数阈值，则判定所述当前处理信息的点击数是否达到所述M层中第一层的可信点击数阈值；

第二判定模块，用于如果所述可信阈值为可信浏览数阈值，则判定所述当前处理信息的浏览数是否达到所述M层中第一层的可信浏览数阈值；

第三判定模块，用于如果所述可信阈值为可信点击数和浏览数阈值，则判定所述当前处理信息的点击数和浏览数是否都达到所述M层中第一层的可信点击数和浏览数阈值。