CN104361415B

CN104361415B - 一种展示信息的选取方法及装置

Info

Publication number: CN104361415B
Application number: CN201410699755.5A
Authority: CN
Inventors: 潘伟; 白彦冰; 彭坤; 方庆安
Original assignee: Sina Technology China Co Ltd
Current assignee: Sina Technology China Co Ltd
Priority date: 2014-11-27
Filing date: 2014-11-27
Publication date: 2018-04-20
Anticipated expiration: 2034-11-27
Also published as: CN104361415A

Abstract

本申请公开了一种展示信息的选取方法，用以解决现有技术中达不到流量的全局分配最优化，而导致流量的利用率较低的问题。方法包括：确定当前流量的类别；根据将不同类别的流量分配给相应的展示信息的概率，从确定出类别的当前流量对应的展示信息中，选取与当前流量最匹配的展示信息；其中，概率是基于最小化投放不足量和最优化均匀投放规则，根据每个展示信息分别需求的流量总量、每个类别的流量的预测总量以及每个展示信息所对应流量的类别确定的。本申请还公开一种展示信息的选取装置。

Description

一种展示信息的选取方法及装置

技术领域

本申请涉及计算机技术领域，尤其涉及一种展示信息的选取方法及装置。

背景技术

流量(Page View，PV)库存预定是指，预测网站未来一段时间可能产生的PV，从而在有客户(如广告商)订购PV时，根据客户的订购需求，对预测出的PV进行分配，以使得在规定时间内有足够的PV满足不同客户的需求。

以广告商A、B先后订购PV为例，以下具体说明现有技术如何实现为A期望展示的展示信息(一般为广告)a和B期望展示的展示信息(一般为广告)b分配PV：

由于A先于B订购PV，因此先确定A订购的PV总量以及订购的PV的类别。比如，假设A订购的PV总量为100万，且要求100万PV的来源包括北京、上海和广东(即100万的PV总量由相应的三个类别的PV构成)，同时，A对分别来源于北京，上海和广东的PV量没有具体的要求。

基于A的上述需求，按照现有技术，可以随机确定一种PV分配方案，比如，该方案可以为：为A分配100万PV，且这100万PV中，有33万的PV来源为北京，有33万的PV来源为上海，另有34万的PV来源为广东。

接下来，会确定B订购的PV总量，以及订购的PV的类别。比如，假设B订购的PV总量为40万，且要求该40万PV的来源必须是北京。

在实际中，如果假设预测出网站未来一段时间可能产生的来源为北京的PV总量一共是50万，那么，会出现这样的问题：虽然该50万的PV能够满足B的需求，但由于给A已经分配了来源于北京的33万的PV，则该50万的PV中，当前只剩下17万可分配给B。

按照上述PV分配方式可知，实际为A和B分配的PV总量是100+17＝117万。

而事实上，由于A对分别来源于北京、上海和广东的PV量没有具体的要求，因此，若为A分配来源为北京的10万PV，并为B分配来源于北京的40万PV，是能够同时满足A和B的需求的。显然，若为A分配来源为北京的10万PV，则为A和B分配的PV总量可以达到100+40＝140万，该总量显然大于前文所述的117万。

由此可见，现有技术中采用的按照订购顺序进行PV分配的方式是不合理的，往往达不到PV的全局分配最优化，从而造成PV的利用率较低。

发明内容

本申请实施例提供一种展示信息的选取方法，用于解决现有技术中达不到流量的全局分配最优化，而导致流量的利用率较低的问题。

本申请实施例还提供一种展示信息的选取装置，用于解决现有技术中达不到流量的全局分配最优化，而导致流量的利用率较低的问题。

本申请实施例采用下述技术方案：

一种展示信息的选取方法，包括：

确定当前流量的类别；

根据将不同类别的流量分配给相应的展示信息的概率，从确定出类别的当前流量对应的展示信息中，选取与当前流量最匹配的展示信息；

其中，所述概率是基于最小化投放不足量和最优化均匀投放规则，根据每个展示信息分别需求的流量总量、每个类别的流量的预测总量以及每个展示信息所对应流量的类别确定的；

在未为所述展示信息分配流量的前提下，最小化投放不足量和最优化均匀投放规则，依据第一公式进行所述概率的确定，第一公式的约束条件包括和

或者，在已经为所述展示信息分配流量的前提下，最小化投放不足量和最优化均匀投放规则，依据第二公式进行所述概率的确定，第二公式的约束条件包括和

其中，f(x_ij)表示将要分配给标号为j的展示信息的流量，A_j表示标号为j的展示信息所对应的所有流量的类别的数目；B_i表示标号为i的流量的类别所对应的展示信息的数目；AD_j表示标号为j的展示信息所需求的流量总量；PV_i表示标号为i的类别的流量的预测总量；x_ij表示将PV_i分配给标号为j的展示信息的概率，且0≤x_ij≤1；

表示针对标号为j的展示信息的最小不足量，且α_j表示标号为j的展示信息的权重值，α_j是根据展示信息对应的客户的重要程度确定的；表示当前已经为标号为j的展示信息分配的实际流量之和，与之和等于标号为j的展示信息需求的标号为j的流量的总量。

一种展示信息的选取装置，包括：

确定概率单元，用于基于最小化投放不足量和最优化均匀投放规则，根据每个展示信息分别需求的流量总量、每个类别的流量的预测总量以及每个展示信息所对应流量的类别，确定将不同类别的流量分配给相应的展示信息的概率；

确定类别单元，用于确定当前流量的类别；

选取单元，用于根据将不同类别的流量分配给相应的展示信息的概率，从确定出的所述类别的流量对应的展示信息中，选取与当前流量最匹配的展示信息；其中：

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

由于作为展示信息选取依据的概率，是基于最小化投放不足量和最优化均匀投放规则，并综合了每个展示信息分别需求的流量总量、每个类别的流量的预测总量以及每个展示信息所对应的流量的类别确定的，因此该概率可以体现不同展示信息需求的流量总量以及不同展示信息所对应的流量的类别之间的关联。相比于现有技术中由于不考虑不同展示信息需求的流量总量以及不同展示信息所对应的流量的类别之间的关联性，而导致的全局PV分配不合理的方案，本方案可以达到流量的全局分配最优化，提高流量的利用率。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例1提供的一种展示信息的选取方法的实现流程图；

图2为本申请所提供的流量的类别与展示信息之间的关系结构图；

图3为本申请实施例2提供的一种展示信息的选取装置的具体结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

实施例1

为了解决现有技术中达不到流量的全局分配最优化，而导致流量的利用率较低的问题。本申请提出一种展示信息的选取方法，该方法的实现流程图如图1所示，主要包括下述步骤：

步骤11，确定当前流量的类别。

为便于描述，后文将该类别称为“确定出的类别”。

步骤12，根据将不同类别的流量分配给相应的展示信息的概率，从确定出类别的当前流量所对应的展示信息中，选取与当前流量最匹配的展示信息。

其中，将不同类别的流量分配给相应的展示信息的概率是基于最小化投放不足量和最优化均匀投放规则，根据每个展示信息分别需求的流量总量、每个类别的流量的预测总量以及每个展示信息所对应流量的类别确定的。

采用本申请实施例提供的上述方法，由于作为展示信息选取依据的概率，是基于最小化投放不足量和最优化均匀投放规则，并综合了每个展示信息分别需求的流量总量、每个类别的流量的预测总量以及每个展示信息所对应的流量的类别确定的，因此该概率可以体现不同展示信息需求的流量总量以及不同展示信息所对应的流量的类别之间的关联。相比于现有技术中由于不考虑不同展示信息需求的流量总量以及不同展示信息所对应的流量的类别之间的关联性，而导致的全局PV分配不合理的方案，上述方法可以达到流量的全局分配最优化，提高流量的利用率。

在一种实施例中，当将不同类别的流量分配给相应的展示信息的概率中，存在至少两个当前流量分配给相应的展示信息的概率时，可以通过如下子步骤a～子步骤c实现步骤12：

子步骤a，根据至少两个当前流量分配给相应的展示信息的概率，确定与至少两个概率一一对应的相应数目的概率区间。

其中，“相应数目”可以与存在的“至少两个当前流量分配给相应的展示信息的概率”的数目相同。

子步骤b，根据生成的随机数和相应数目的概率区间，确定生成的随机数所处的概率区间。

子步骤c，根据生成的随机数所处的概率区间所对应的概率，从确定出类别的当前流量对应的展示信息中，选取该概率相应的展示信息作为与当前流量最匹配的展示信息。

针对上述子步骤a～子步骤c进一步举例：如图2所示，i、j分别表示流量类别的标号和展示信息的标号；PV_i为标号为i的流量的类别；AD__i为标号为j的展示信息；x_ij为类别为i的流量可以分配给标号为j的展示信息的概率，其中，x_ij∈[0，1]。

比如，若假设：步骤11中所述的流量是类别为“1”的流量，PV_1可分配给AD_1和AD_2的概率分别为x₁₁＝0.4和x₁₂＝0.6，那么可确定出区间大小分别与“0.4”和“0.6”相匹配的第一概率区间[0，0.4]和第二概率区间(0.4，1]；然后，按照特定的随机数生成规则，生成一个随机数，比如该随机数为0.5；由于该随机数0.5是落在与“0.6”相匹配的第二概率区间内的，那么就可以将“0.6”所对应的AD_2这个展示信息选出来。本申请实施例中，为“0.4”这一概率值确定第一概率区间[0，0.4]，以及为“0.6”这一概率值确定第二概率区间(0.4，1]的原因是：随机数在[0，1]之间是均匀分布的，从而随机数落入[0，0.4]的可能性与[0，0.4]的区间大小是匹配的；类似的，随机数落入(0.4，1]的可能性与(0.4，1]的区间大小也是匹配的。即，随机数落入第一概率区间的概率与PV_1可分配给AD_1的概率是相同的；随机数落入第二概率区间的概率与PV_1可分配给AD_2的概率是相同的。

或者，可确定出区间大小分别与“0.6”和“0.4”相匹配的第三概率区间[0，0.6]和第四概率区间(0.6，1]；然后，按照特定的随机数生成规则，生成一个随机数，比如该随机数为0.3；由于该随机数0.3是落在与“0.6”相匹配的第三概率区间内的，那么就可以将“0.6”所对应的AD_2这个展示信息选出来。

其中，上述特定的随机数生成规则包括：生成的随机数属于[0，1]这一范围。

针对上述举例存在一种特殊情况，若步骤11中所述的流量是类别为“4”的流量，而如图2所示，PV_4只分配给AD_2，此时说明，针对PV_4只有一个对应的展示信息可提供，那么可以直接将PV_4所对应的AD_2这个展示信息选出来即可。

在一种实施方式中，可以采用以下方式确定不同类别的流量分配给相应的展示信息的概率：

首先，确定每个展示信息分别需求的流量总量、每个展示信息所对应的流量的类别，以及每个类别的流量的预测总量；

然后，基于最小化投放不足量和最优化均匀投放规则，根据每个展示信息分别需求的流量总量、每个展示信息所对应的流量的类别、每个类别的流量的预测总量以及每个类别的流量针对各展示信息的已分配量，确定不同类别的流量分配给相应的展示信息的概率。

其中，每个展示信息分别需求的流量总量，可以是展示信息发布者分别为每个展示信息订购的流量总量。

本申请实施例中，展示信息与流量的类别的对应关系可以参见说明书附图2。

如图2所示，图2右侧的“AD_1：北京”表示展示信息AD_1需要展示给用户特征数据中包含有“北京”的用户。其中，“北京”为用户所处地理区域的信息。“AD_2：男性”表示展示信息AD_2需要展示给用户特征数据中包含有“男”的用户。其中，“男”是用户性别信息。

图2右侧的类似信息的含义此处不再一一赘述。

此外，图2左侧的“PV_1：北京，男”表示产生PV_1的用户的用户特征数据包含“北京”和“男”。“PV_2：北京，女，20-25岁”表示产生PV_2的用户的用户特征数据包含“北京”、“女”和“20-25岁”。

图2左侧的类似信息的含义此处不再一一赘述。

图2中，由连线相连的AD_j与PV_i之间存在对应关系。比如，AD_1与PV_1、PV_2和PV_3由连线相连，则表示AD_1与PV_1、PV_2和PV_3之间存在对应关系。该对应关系说明，针对PV_1、PV_2和PV_3这三个类别的流量，可选取的展示信息包括AD_1。再比如，PV_1与AD_1和AD_2由连线相连，则表示PV_1与AD_1和AD_2之间存在对应关系。该对应关系说明，PV_1可以分配给AD_1和AD_2两个展示信息流量。

此外，还可以采用以下方式确定不同类别的流量分配给相应的展示信息的概率：

首先，确定每个展示信息分别需求的流量总量、每个展示信息所对应的流量的类别、每个类别的流量的预测总量，以及每个展示信息的权重值；

然后，基于最小化投放不足量和最优化均匀投放规则，根据每个展示信息分别需求的流量总量、每个展示信息所对应的流量的类别、每个类别的流量的预测总量、每个类别的流量针对各展示信息的已分配量，以及每个展示信息的权重值，确定不同类别的流量分配给相应的展示信息的概率。

在一种实施方式中，确定每个类别的流量的预测总量，可以通过如下方式：

1)预测网站可提供的流量总量；

其中，预测网站可提供的流量总量可以通过下述方式预测：首先，按照将同一页面上的、产生相同流量的展示位置分到同一位置集合中的方式，对网站的不同页面中的展示位置进行分类，得到多个位置集合；然后，获取每个集合在某一段时间内产生的历史流量，并去噪，得到去噪后的历史流量；最后，利用时间序列模型对去噪后的历史流量进行建模，预测网站未来可提供的流量总量。其中，去噪是指从获取到的历史流量中，去除由于网络问题、或突发性事件等造成不可控因素所带来的突增的流量或极低的流量。

本申请实施例中，还可以采用其他现有技术，实现对网站可提供的流量总量的预测。

2)根据历史流量，预测用户特征数据；

其中，预测用户特征数据是指预测将来可能访问网站的用户的用户特征数据。用户特征数据可以包括下述一项或多项：

用户所处地理区域的信息；

用户对于网站的访问时刻的信息；

用户性别信息。

具体地，对于预测出用户特征数据的方式，可以通过以历史流量为基础，通过重采样的技术，模拟出未来某一段时间的用户行为，进而确定相应的用户特征数据。

3)对预测出的用户特征数据进行分类，并根据分类结果以及网站可提供的流量总量，确定每个类别的流量的预测总量。

针对上述步骤1)～3)举例：如图2所示，首先，若假设预测网站可提供的流量总量为200万PV；然后，对于根据历史流量预测出的用户特征数据：“北京，男”、“北京，女，20-25岁”、“北京，女，其他年龄”或“广东，男”等进行分类，得到分类结果。进一步地，为分类结果分配相应的流量的类别的标号，可以得到如图2所示的PV_1、PV_2、PV_3、PV_4；最后，若假设PV_1的历史流量为占历史流量总量的0.1，则可以确定出网站可分配给PV_1的流量的预测总量为0.1×200万PV＝20万PV。

图2左侧的类似的确定类别的流量的总量的方式此处不再一一赘述。

另外，在一种实施方式中，还可以基于最小化投放不足量和最优化均匀投放规则，根据每个展示信息分别需求的流量总量、每个展示信息所对应的流量的类别、每个类别的流量的预测总量，以及展示信息的权重值，确定不同类别的流量分配给相应的展示信息的概率。

例如，若在计算不同类别的流量分配给相应的展示信息的概率时，还未为展示信息分配了流量(即还没有分配了实际流量)，那么，在一种实施方式中，可以设置如式[1]所示的最小优化函数公式：

公式[1]的约束条件如下式[2]和[3]所示：

其中，f(x_ij)表示将要分配给标号为j的展示信息的流量，由于当前还未将流量分配给相应的展示信息，因此，此处的f(x_ij)也相当于是针对标号为j的展示信息应分配的流量的最小不足量(简称最小不足量)；A_j表示标号为j的展示信息所对应的所有流量的类别的数目；B_i表示标号为i的流量的类别所对应的展示信息的数目；AD_j表示标号为j的展示信息所需求的流量总量；PV_i表示标号为i的类别的流量的预测总量；x_ij(取值范围0≤x_ij≤1)表示将PV_i分配给标号为j的展示信息的概率。

根据公式[3]的计算方式可以理解，θ_ij为标号为j的展示信息所需求的各类别流量的预测总量分配给该展示信息的概率。结合公式[1]中的(x_ij-θ_ij)²可知，由于每个x_ij(i∈A_j)均是与同一θ_ij相比较，且当x_ij与θ_ij相等时，相应的f(x_ij)达到最小值，因此，按照公式[4]的计算方式，当f(x_ij)达到最小值时，标号为j的展示信息所需求的不同类别流量分配给该展示信息的概率相同，即将要分配给标号为j的展示信息的不同类别流量达到了均匀化分配的目的。特别地，即使x_ij与θ_ij不相等，按照公式[1]也可知，当f(x_ij)达到最小值时，x_ij→θ_ij，从而将要分配给标号为j的展示信息的不同类别流量达到了近似均匀化分配的目的，即符合最优化均匀投放规则。

若在计算不同类别的流量分配给相应的展示信息的概率时，已经为一些展示信息分配了流量(即已经分配了实际流量)，则在一种实施方式中，可以采用下述公式[4]，计算不同类别的流量分配给相应的展示信息的概率：

公式[4]的约束条件包括公式[2]、[3]和下式[5]：

(取值条件)表示针对标号为j的展示信息的最小不足量，α_j表示标号为j的展示信息的权重值，α_j可以是根据展示信息对应的客户的重要程度确定的；表示当前已经为标号为j的展示信息分配的实际流量之和。与之和，等于标号为j的展示信息需求的标号为j的流量的总量。

基于上述公式[1]或公式[5]，可以计算使得f(x_ij)最小的x_ij。

根据公式[3]的计算方式可以理解，θ_ij为标号为j的展示信息所需求的各类别流量的预测总量分配给该展示信息的概率。结合公式[4]中的(x_ij-θ_ij)²可知，由于每个x_ij(i∈A_j)均是与同一θ_ij相比较，且当x_ij与θ_ij相等时，相应的f(x_ij)达到最小值，因此，按照公式[4]的计算方式，当f(x_ij)达到最小值时，标号为j的展示信息所需求的不同类别流量分配给该展示信息的概率相同，即将要分配给标号为j的展示信息的不同类别流量达到了均匀化分配的目的。特别地，即使x_ij与θ_ij不相等，按照公式[4]也可知，当f(x_ij)达到最小值时，x_ij→θ_ij，从而将要分配给标号为j的展示信息的不同类别流量达到了近似均匀化分配的目的，即符合最优化均匀投放规则。

本申请实施例中，可以采用标准的二次规划的方法求解x_ij。这里说的二次规划的方法比如可以是牛顿法、内点法或拟牛顿法等。

需要说明的是，实施例1所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤11执行主体可以为设备1，步骤12的执行主体可以为设备2；又比如，步骤12的执行主体可以为设备1，步骤11的执行主体可以为设备2。

实施例2

为了解决现有技术中达不到流量的全局分配最优化，而导致流量的利用率较低的问题。本申请提出一种展示信息的选取装置，该装置的实现结构图如图3所示，该装置主要包括：确定概率单元31、确定类别单元32和选取单元33。各单元的具体功能如下：

确定概率单元31，用于基于最小化投放不足量和最优化均匀投放规则，根据每个展示信息分别需求的流量总量、每个类别的流量的预测总量以及每个展示信息所对应流量的类别，确定将不同类别的流量分配给相应的展示信息的概率；

确定类别单元32，用于确定当前流量的类别；

选取单元33，用于根据确定概率单元确定的将不同类别的流量分配给相应的展示信息的概率，从确定出类别的当前流量对应的展示信息中，选取与当前流量最匹配的展示信息。

其中，确定概率单元31可以用于：

确定每个展示信息分别需求的流量总量、每个展示信息所对应的流量的类别，以及每个类别的流量的预测总量；

基于最小化投放不足量和最优化均匀投放规则，根据每个展示信息分别需求的流量总量、每个展示信息所对应的流量的类别、每个类别的流量的预测总量以及每个类别的流量针对各展示信息的已分配量，确定该概率。

可选地，确定概率单元31可以用于：

确定每个展示信息分别需求的流量总量、每个展示信息所对应的流量的类别、每个类别的流量的预测总量，以及每个展示信息的权重值；

基于所述规则，根据每个展示信息分别需求的流量总量、每个展示信息所对应的流量的类别、每个类别的流量的预测总量、每个类别的流量针对各展示信息的已分配量，以及每个展示信息的权重值，确定该概率。

可选地，确定概率单元31可以用于：

确定概率单元具体用于：

预测网站可提供的流量总量；根据历史流量，预测用户特征数据；对该预测出的用户特征数据进行分类，并根据分类结果以及网站可提供的流量总量，确定每个类别的流量的预测总量。

其中，当存在至少两个当前流量分配给相应的展示信息的概率时，选取单元33可以包括：确定概率区间数目子单元、确定概率区间子单元和选取展示信息子单元；各子单元的具体功能如下：

确定概率区间数目子单元，用于当存在至少两个当前流量分配给相应的展示信息的概率时，根据至少两个当前流量分配给相应的展示信息的概率，确定与至少两个概率一一对应的相应数目的概率区间；其中，“相应数目”可以与存在的“至少两个当前流量分配给相应的展示信息的概率”的数目相同；

确定概率区间子单元，用于根据生成的随机数和相应数目的概率区间，确定生成的随机数所处的概率区间；

选取展示信息子单元，用于根据生成的随机数所处的概率区间所对应的概率，从确定出类别的当前流量对应的展示信息中，选取该概率相应的展示信息作为与当前流量最匹配的展示信息。

可选地，用户特征数据包括下述一项或多项：

用户所处地理区域的信息；

用户对于所述网站的访问时刻的信息；

用户性别信息。

采用本申请实施例提供的上述装置，由于作为展示信息选取依据的概率，是基于最小化投放不足量和最优化均匀投放规则，并综合了每个展示信息分别需求的流量总量、每个类别的流量的预测总量以及每个展示信息所对应的流量的类别确定的，因此该概率可以体现不同展示信息需求的流量总量以及不同展示信息所对应的流量的类别之间的关联。相比于现有技术中由于不考虑不同展示信息需求的流量总量以及不同展示信息所对应的流量的类别之间的关联性，而导致的全局PV分配不合理的方案，上述方法可以达到流量的全局分配最优化，提高流量的利用率。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims

1.一种展示信息的选取方法，其特征在于，包括：

确定当前流量的类别；

或者，在已经为所述展示信息分配流量的前提下，最小化投放不足量和最优化均匀投放规则，依据第二公式进行所述概率的确定，第二公式的约束条件包括知

2.如权利要求1所述的方法，其特征在于，当存在至少两个当前流量分配给相应的展示信息的概率时，所述根据将不同类别的流量分配给相应的展示信息的概率，从确定出类别的当前流量对应的展示信息中，选取与当前流量最匹配的展示信息，包括：

根据至少两个当前流量分配给相应的展示信息的概率，确定与所述至少两个概率一一对应的相应数目的概率区间；

根据生成的随机数和相应数目的概率区间，确定生成的随机数所处的概率区间；

根据生成的随机数所处的概率区间所对应的概率，从确定出类别的当前流量对应的展示信息中，选取该概率相应的展示信息作为与当前流量最匹配的展示信息。

3.如权利要求1所述的方法，其特征在于，采用下述方式，确定所述概率：

确定每个展示信息分别需求的流量总量、每个展示信息所对应流量的类别，以及每个类别的流量的预测总量；

基于最小化投放不足量和最优化均匀投放规则，根据每个展示信息分别需求的流量总量、每个展示信息所对应的流量的类别、每个类别的流量的预测总量以及每个类别的流量针对各展示信息的已分配量，确定所述概率。

4.如权利要求1所述的方法，其特征在于，采用下述方式，确定所述概率：

确定每个展示信息分别需求的流量总量、每个展示信息所对应流量的类别，以及每个类别的流量的预测总量，以及每个展示信息的权重值；

基于最小化投放不足量和最优化均匀投放规则，根据每个展示信息分别需求的流量总量、每个展示信息所对应的流量的类别、每个类别的流量的预测总量、每个类别的流量针对各展示信息的已分配量，以及每个展示信息的权重值，确定所述概率。

5.如权利要求3或4所述的方法，其特征在于，确定每个类别的流量的预测总量，包括：

预测网站可提供的流量总量；

根据历史流量，预测用户特征数据；

对所述预测出的用户特征数据进行分类，并根据分类结果以及网站可提供的流量总量，确定每个类别的流量的预测总量。

6.一种展示信息的选取装置，其特征在于，包括：

确定类别单元，用于确定当前流量的类别；

选取单元，用于根据确定概率单元确定的将不同类别的流量分配给相应的展示信息的概率，从确定出类别的当前流量对应的展示信息中，选取与当前流量最匹配的展示信息；其中：

7.如权利要求6所述的装置，其特征在于，所述选取单元包括：

确定概率区间数目子单元，用于当存在至少两个当前流量分配给相应的展示信息的概率时，根据至少两个当前流量分配给相应的展示信息的概率，确定与所述至少两个概率一一对应的相应数目的概率区间；

8.如权利要求6所述的装置，其特征在于，所述确定概率单元具体用于：

9.如权利要求6所述的装置，其特征在于，所述确定概率单元具体用于：

基于所述规则，根据每个展示信息分别需求的流量总量、每个展示信息所对应的流量的类别、每个类别的流量的预测总量、每个类别的流量针对各展示信息的已分配量，以及每个展示信息的权重值，确定所述概率。

10.如权利要求8或9所述的装置，其特征在于，所述确定概率单元具体用于：

预测网站可提供的流量总量；根据历史流量，预测用户特征数据；对所述预测出的用户特征数据进行分类，并根据分类结果以及网站可提供的流量总量，确定每个类别的流量的预测总量。