CN107507023B - 一种信息投放方法及装置 - Google Patents

Abstract

本发明提供了一种信息投放方法及装置，其中的方法主要包括：获取目标信息待投放的一个或多个点位的属性信息；将属性信息输入至属性分层计算模型，得到所述点位的探测价值分值和利用价值分值；根据所述点位的探测价值分值和利用价值分值，确定是否在所述点位进行目标信息的投放。本发明针对广告投放过程中如何综合地利用好充分点位和探测点位进行广告投放，以达到相对较好的广告投放效果，提出了有效可行的技术方案。

Description

一种信息投放方法及装置

技术领域

本发明涉及网络技术，尤其是涉及一种信息投放方法及装置。

背景技术

对于互联网中呈现广告、公告等信息的信息展示位而言，既包括信息展示已经很充分或者说投放过多次信息的信息展示位或称点位(简称“充分点位”)，这类点位的价值或者说相关参数(比如投资回报率)等相对稳定并已知；也包括信息投放或展示相对较少或从未投放过信息的点位(简称“探测点位”)，这类点位的价值或者说相关参数还需要探测。对于信息投放和展示而言，为了在有限的投放成本下，获得相对较大的投放效果，往往既需要在“充分点位”上进行信息的投放，也需要在“探测点位”上进行信息的投放。

但是，如何综合地利用好或均衡好充分点位和探测点位，以获得相对较好的信息投放效果，这是本领域面临的难题。

发明内容

本发明的目的是，提供一种信息投放方法，以综合地利用充分点位和探测点位进行信息投放，以达到相对较好的投放效果。

根据本发明的一个方面，提供一种信息投放方法，包括：获取目标信息待投放的一个或多个点位的属性信息；将属性信息输入至属性分层计算模型，得到所述点位的探测价值分值和利用价值分值；根据所述点位的探测价值分值和利用价值分值，确定是否在所述点位进行目标信息的投放。

根据本发明的另一个方面，还提供了一种用于信息投放的装置，包括：获取属性信息模块，用于获取目标信息待投放的一个或多个点位的属性信息，并将该属性信息输入至属性分层计算模型；属性分层计算模型，用于对所述输入的属性信息进行分层计算，得到所述点位的探测价值分值和利用价值分值；信息投放确定模块，用于根据所述点位的探测价值分值和利用价值分值，确定是否在所述点位进行目标信息的投放。

与现有技术相比，本发明具有以下优点：本发明通过对点位相关属性信息进行分层，并基于各层的特征来确定属性的层级，通过合理地分布相应属性的层级，并根据多个层级的特定聚合确定点位更合理的利用价值分值和探测价值分值，从而在综合信息投放点位的利用价值和探测价值的基础上，确定是否在相应充分点位和探测点位进行信息的投放，从而到达相对较佳的投放效果。

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为本发明实施例一的信息投放方法流程示意图；

图2为本申请一个优选实施例的包含三个属性层级的结构及各层级中分布的价值权重的示意图；

图3为本申请一个优选实施例的对综合价值分值的阈值θ进行调整以及根据点位综合价值分值确定是否进行目标信息投放的示意图；

图4为本发明实施例二的用于信息投放的装置结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整的传达给本领域的技术人员。

下面结合附图对本发明的技术方案作进一步详细描述。

实施例一、用于信息投放的方法。

图1为本实施例的用于信息投放的方法的流程图。在图1中，本实施例的方法通常由信息DSP(Demand-Side Platform，需求方平台)执行，例如由广告信息需求方平台执行，且本实施例的方法主要包括：步骤S100、步骤S110以及步骤S120。本实施例的方法还可以可选的包括：

下面对本实施例的方法所包含的各步骤分别进行说明。

S100、获取目标信息待投放的一个或多个点位的属性信息。

作为示例，本实施例的目标信息例如包括待投放在诸如网页、应用程序(app)展示页等页面上的广告、公告等信息。下文以广告这一种形式的信息为例对本申请的方法进行具体说明。

上述目标信息待投放的点位，例如包括网页、应用程序展示页等页面上呈现的广告位，这些广告位通常以文字、图片、视频等形式来呈现在该广告位上投放的广告信息。通常，在单个页面上会呈现多个广告位，这些广告位基本位于不同的位置，并以相应的信息呈现形式来呈现广告信息。

其中，点位上的信息的展现形式，包括但不限于将不同类型的信息进行替换式展现，这些不同类型的信息包括但不限于图片信息、文字信息、声音信息、视频信息、动画信息或/和其中多项的结合。

本申请点位所适用的场景或者说位置，包括但不限于网页、移动终端的开机画面、移动终端应用程序的启动画面、应用程序运行期间插播的画面、移动终端播放视频的开始、中间或结束等时间展示的画面、各种交互类应用程序内部所嵌入的内容的位置、室内外专用视频播放设备的物理位置等。

本实施例中，点位的属性信息包括但不限于以下中的多项：点位自身的属性信息、点位对应的网站或应用程序的属性信息、以及网站或应用程序上所有点位所对应的广告平台的属性信息。

本实施例中，点位自身的属性信息主要指用于描述点位自身特点的信息，例如包括该点位的曝光量(即该点位展示广告信息给用户的次数)、曝光成本(例如该点位展示1000次广告的费用)、点击量、点击率(即该点位的广告的点击量与曝光量的比率)等等。

本实施例中，点位对应的网站或应用程序的属性信息主要指用于描述该点位所在的网站或应用程序的相关特点的信息。对于一个网站而言，其通常包括多个网页，每一个网页上通常分布多个点位，以点位A为例，其位于网页web1上，该网页web1属于网站site1，也即该点位A位于网站site1中或者说与网站site1对应，则该网站site1的属性信息例如包括site1上所有网页的所有点位的相关属性信息总值，更具体地，例如包括site1上所有网页的所有点位的总曝光量、总点击量等数值。同理，对于应用程序(app)而言，其下同样包括多个信息展示页，每个信息展示页上分布一个或多个点位，以点位B为例，其位于信息展示页w2上，该网页w2属于应用程序a1，也即该点位B对应应用程序a1，该应用程序a1的属性信息例如包括应用程序a1下所有信息展示页的所有点位的相关属性信息总值，更具体地例如包括应用程序a1下所有信息展示页的所有点位的总曝光量、总点击量等数值。

本实施例中，网站或应用程序上所有点位所对应的广告平台主要指，针对网站或应用程序上所有点位进行实时竞价的第三方推广交易平台。例如，某广告平台P1负责将网站A和网站B等多个网站下所有网页上的点位推广到相应的多个需求方平台，以使这多个需求方平台对相应的点位进行信息投放的实时竞价。本实施例广告平台的属性信息例如包括，该广告平台所负责的所有网站下的所有网页点位的相关属性信息总值，更具体地，例如包括该广告平台所负责的所有网站下的所有网页点位的总曝光量、总点击量等等。

其中，属性信息的获取方式可以基于现有技术来实现。

S110、将属性信息输入至属性分层计算模型，得到所述点位的探测价值分值和利用价值分值。

作为示例，本实施例中的属性分层计算模型是根据大量点位自身的属性信息、大量点位对应的网站或应用程序的属性信息、大量所述网站或应用程序对应的广告平台的属性信息等，针对各类属性信息与点位的探测价值和利用价值的关联性而建模形成的模型，本实施例不限制属性分层计算模型的具体建模方式。

作为示例，属性分层计算模型可以根据输入的一个或多个点位的相关属性信息，来得到该一个或多个点位的探测价值分值和利用价值分值。

本实施例中，点位的探测价值和利用价值都属于点位的价值。对于点位的价值或质量而言，不仅与点位在页面上呈现的尺寸、位置、展示形式有关，还与点位所属的网站、应用程序以及网站所应用程序所属的行业、用户群特征、网站本身的用户量等等有关。作为示例，点位的探测价值主要表征点位尚未开发或尚需探测的价值，点位的利用价值主要表征点位经利用已体现出的价值。

举例来说，对于某个点位而言，目标信息从未在该点位上投放过广告或者说任何信息都从未在该点位上投放过广告，也即该点位的利用价值有待于探测，假如设定该点位的初始探测价值分值是100，初始利用价值分值是0，则在该点位投放了一段时间的广告信息后，比如该点位的曝光量是1万次，转化率是20％，则该点位因被多次的利用，其可被探测的价值必然逐渐减少，但是由于该点位存在一定数值的转化率等，其利用价值必然从0调整为正值。

作为示例，利用属性分层计算模型得到点位的探测价值分值和利用价值分值的一个例子是：

预先在属性分层计算模型中设置多个属性层级，针对每一属性层级，预先设置有与点位不同属性信息的数值(例如曝光量)对应的该层的探测价值分值和利用价值分值参照数值，并预先设置层级与层级之间的计算规则，从而，对于得到待投放的点位的探测价值分值和利用价值分值而言：

可以将该点位的属性信息输入至属性分层计算模型，由属性分层计算模型根据该待投放点位的属性信息以及对应属性信息的数值，在属性分层计算模型中查找与待投放点位的属性信息对应的多个属性层级以及对应的多个属性层级中各层级的探测价值分值和利用价值分值，并利用已知的层级与层级之间的计算规则，来得到待投放的点位的探测价值分值和利用价值分值。

作为优选的示例，利用属性分层计算模型得到点位的探测价值分值和利用价值分值的另一个例子是：

预先在属性分层计算模型中设置多个层级，更具体地，例如设置三个层级，该三个层级从下往上依次是：点位自身的属性信息所在的第一层级、点位对应的网站或应用程序的属性信息所在的第二层级、以及所述网站或应用程序上所有点位所对应的广告平台的属性信息所在的第三层级。针对每一层级，预先设置有与相应属性信息对应的用于计算点位在该层级的探测价值分值和利用机制分值的计算规则，并针对属性分层计算模型的三个层级，预先设置层级与层级之间的聚合规则，从而，对于得到待投放的点位的探测价值分值和利用价值分值而言：

可以将该点位的属性信息(包括该点位自身的属性信息、所述点位对应的网站或应用程序的属性信息、以及所述网站或应用程序上所有点位所对应的广告平台的属性信息)输入至属性分层计算模型，由属性分层计算模型按照属性类别对所述属性信息进行分层，并基于每一层属性信息对应的计算规则，得到所述点位在对应层级的探测价值分值和利用价值分值，进一步根据层级与层级之间的聚合规则，对所得到的多个对应层级的探测价值分值和利用价值分值进行聚合，输出所述点位的探测价值分值和利用价值分值。

其中，聚合规则例如是按照从下层到上层的聚合顺序以及每一层级分布的价值权重，对所得到的多个对应层级的探测价值分值和利用价值分值进行聚合。

为了更清楚地描述上述优选的示例，请参考图2，图2为本申请一个优选实施例的三个属性层级及各层级中分布的价值权重的示意图。

在图2中，从下层到上层的属性依次代表的是点位自身的属性信息、点位所对应的网站或应用程序的属性信息以及网站或应用程序上所有点位所对应的广告平台的属性信息，每一层中分布有对应的价值权重。其中，该分布的价值权重可以根据预定的参数及对应的规则进行调整，例如根据广告投放的消耗成本、消耗速度等参数进行相应地调整。

下文以图2中的点位1…N代表待投放的多个点位为例来对这三个层级的探测价值分值和利用价值分值进行聚合说明。该多个点位分布在网站2下的网页上，该网站2下所有网页的点位推广由广告平台1负责，则假定根据图2所示的最底层的层级(即点位自身的属性信息所在的层级)的探测价值分值和利用价值分值计算规则，已经计算得到点位1…N分别对应的该最底层的探测价值分值为T₁…T_N，分别对应的该最底层的利用价值分别为L₁…L_N，则可以采用以下聚合公式来得到点位1…N的探测价值分值T和利用价值分值L：

T＝(W_a1*T₁+W_a2*T₂+…+W_aN*T_N)*W_d2

L＝(W_a1*L₁+W_a2*L₂+…+W_aN*L_N)*W_d2

其中，对于上文所提到的图2所示的最底层的层级(即点位自身的属性信息所在的层级)的探测价值分值和利用价值分值计算规则，作为优选的示例，可以基于以下计算规则来分别计算单个点位所对应的图2中最底层的探测价值分值Er(x)和利用价值分值Et(y)：

其中

其中，Er(x)代表单个点位在该点位自身的属性信息对应层级(即图2所示的最底层)的探测价值，sigmoid代表神经元的非线性作用函数，total_imp代表目标广告主已投放信息的所有点位的总曝光量，imp代表单个点位的曝光量，其中该目标广告主例如为：在包括该单个点位的多个点位上进行信息投放或准备进行信息投放的企业或个人用户等；

其中

其中，Et(y)代表单个点位在该点位自身的属性信息对应的层级(即图2所示的最底层)的利用价值，sigmoid代表神经元的非线性作用函数，CPA代表单个点位的转化单价(在该点位上转化一次所需的广告成本)，

代表目标广告主已投放信息的所有点位的平均转化单价。

需要说明的是，对于上文公式中的imp、total_imp、CPA以及

都仅是本实施例一个示例的属性数值，在其他实施例中，也可以采用其他合适的属性数值作为上述公式中的对应参数。

S120、根据所述点位的探测价值分值和利用价值分值，确定是否在所述点位进行目标信息的投放。

具体地，可以根据所述点位的探测价值分值和利用价值分值以及预定的加权规则，加权得到所述点位的综合价值分值，并根据综合价值分值与预定价值分值的比较结果，确定是否在所述点位进行目标信息的投放。

例如，以EE表示所述点位的综合价值分值，Explore表示所述点位的利用价值分值，对应的权重为w_e1，Exploit表示所述点位的探测价值分值，对应的权重为w_e2，而加权规则如下：

EE＝w_e1*Explore+w_e2*Exploit

从而基于上述加权规则可得到所述点位的综合价值分值，将该综合价值分值与预定价值分值进行比较，如果大于预定价值分值，则在所述点位上进行目标信息的投放，否则，不在所述点位上进行目标信息的投放。

作为示例，请参考图3，图3为本申请一个实施例的对综合价值分值的阈值θ进行调整以及根据点位综合价值分值确定是否进行目标信息投放的示意图。

根据图3，可以先对阈值θ做一个初始化，后续根据实际情况进行相应调整。所述调整的过程例如为：当计算得到所述点位的综合价值分值EE的情况下，判断综合价值分值EE是否大于θ，如果大于，则在所述点位上进行目标信息的投放，并且统计在该点位上进行目标信息投放后所花费的成本，并进一步将该成本与预算做比较，进而根据成本与预算的比较结果的反馈来调整阈值θ。

当然，图3仅是调整阈值θ的一个简单示例，本申请也可以采用其他适合的方式对阈值θ进行调整。

实施例二、用于信息投放的装置。

图4为本实施例的用于信息投放的装置的结构示意图。

图4中，本实施例的装置通常设置于DSP中，且本实施例的装置主要包括：获取属性信息模块200、属性分层计算模型210、信息投放确定模块220。

下面对本实施例的装置所包含的各模块分别进行说明。

获取属性信息模块200主要用于获取目标信息待投放的一个或多个点位的属性信息，并将该属性信息输入至属性分层计算模型210。

属性分层计算模型210主要用于接收所输入的属性信息并对所述输入的属性信息进行分层计算，得到所述点位的探测价值分值和利用价值分值。

信息投放确定模块220主要用于根据所述点位的探测价值分值和利用价值分值，确定是否在所述点位进行目标信息的投放。

优选地，属性分层计算模型210具体用于：

接收所输入的属性信息并按照属性类别对所输入的属性信息进行分层；

基于每一层属性信息对应的计算规则，得到所述点位在对应层级的探测价值分值和利用价值分值；

对所得到的多个对应层级的探测价值分值和利用价值分值进行聚合，输出所述点位的探测价值分值和利用价值分值。

优选地，所述点位的属性信息主要包括以下中的多项：所述点位自身的属性信息、所述点位对应的网站或应用程序的属性信息、以及所述网站或应用程序上所有点位所对应的广告平台的属性信息。

优选地，属性分层计算模型210具体用于：

将所述点位自身的属性信息、所述点位对应的网站或应用程序的属性信息、以及所述网站或应用程序上所有点位所对应的广告平台的属性信息中的多项输入至属性分层计算模型；

由属性分层模型将点位自身的属性信息、点位所对应的网站或应用程序的属性信息以及网站或应用程序上所有点位所对应的广告平台的属性信息分配到对应的层级；

基于对应层级对应的计算规则，得到所述点位在对应层级的探测价值分值和利用价值分值；

按照从下层至上层的聚合顺序以及每一层级分布的价值权重，对所述点位在多个对应层级的探测价值分值和利用价值分值进行聚合，输出所述点位的探测价值分值和利用价值分值。

优选地，信息投放确定模块220具体用于：

根据所述点位的探测价值分值和利用价值分值，加权得到所述点位的综合价值分值；

根据综合价值分值与预定价值分值的比较结果，确定是否在所述点位进行目标信息的投放。

优选地，属性分层计算模型210具体基于以下计算规则计算单个点位在点位自身的属性信息对应的层级的探测价值分值：

其中

其中，Er(x)代表单个点位在该点位自身的属性信息对应层级的探测价值，sigmoid代表神经元的非线性作用函数，total_imp代表目标广告主已投放信息的所有点位的总曝光量，imp代表单个点位的曝光量。

优选地，属性分层计算模型210具体基于以下计算规则计算单个点位在点位自身的属性信息对应层级的利用价值分值：

其中

其中，Et(y)代表单个点位在该点位自身的属性信息对应的层级的利用价值，sigmoid代表神经元的非线性作用函数，CPA代表单个点位的转化单价，

代表目标广告主已投放信息的所有点位的平均转化单价。

与现有技术相比，本申请具有以下优点：

1)本申请通过属性分层计算模型将点位的相关属性信息进行分层，从而层级之间的聚合来得到点位最终的探测价值和利用价值，避免了在小预算情况下，探测点位过于分散的问题。具体而言，小预算情况下，基于传统的技术方案进行广告点位探测的过程中，每个点位能够分配的预算很少，不足以探测完全每个点位，但本发明的多层探测方案，可以自上而下逐级探测，逐级分配预算，在上层探测充分后，再对投放效果好的点位进行下一层的更细粒度的探测，这种方式能够更充分地利用好广告预算。

2)本申请相对于现有技术，通过属性分层计算模型针对每一次目标信息的投放过程，确定对应点位的探测价值和利用价值，更具体地，在得到利用价值的过程中，属性分层计算模型根据大量点位的平均转化数据(如平均转化单价)以及sigmoid函数进行归一化处理，从而避免了点位的转化数据过小或不同点位的转化难易程度不同而对利用价值的评估造成不良影响，也即提升了对点位的探测价值进行评估的准确性。

3)本申请相对于现有技术，显著提高了用于呈现点位信息的电子设备的信息呈现利用率，改善了信息源用户与搜索用户的使用体验。

需要注意的是，本发明的一部分可以被应用为计算机程序产品，例如计算机程序指令，当其被智能电子设备(如计算机或者服务器等)执行时，通过该智能电子设备的操作可以调用或者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/或通过广播或者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智能电子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，显然本发明并不局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者基本特征的情况下，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，均应将本发明的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者步骤，且单数不排除复数。装置权利要求中陈述的多个单元或者装置或者模块也可以由一个单元或者装置或者模块通过软件或者硬件来实现。第一，第二等词语仅用来表示名称，而并不表示任何特定的顺序。

Claims (6)

1.一种信息投放方法，包括：

获取目标信息待投放的一个或多个点位的属性信息；

将属性信息输入至属性分层计算模型，得到所述点位的探测价值分值和利用价值分值；

根据所述点位的探测价值分值和利用价值分值，确定是否在所述点位进行目标信息的投放；

其中，所述探测价值用于表征所述点位尚未开发或尚需探测的价值，所述利用价值用于表征所述点位经利用已体现出的价值；

所述将属性信息输入至属性分层计算模型，得到所述点位的探测价值分值和利用价值分值的步骤包括：将属性信息输入至属性分层计算模型，由属性分层计算模型按照属性类别对所述属性信息进行分层；基于每一层属性信息对应的计算规则，得到所述点位在对应层级的探测价值分值和利用价值分值；对所得到的多个对应层级的探测价值分值和利用价值分值进行聚合，输出所述点位的探测价值分值和利用价值分值；

所述属性分层计算模型基于以下计算规则计算单个点位在点位自身的属性信息对应层级的探测价值分值：

其中

其中，

代表单个点位在该点位自身的属性信息对应层级的探测价值，

代表神经元的非线性作用函数，

代表目标广告主已投放信息的所有点位的总曝光量，

代表单个点位的曝光量；

由所述属性分层计算模型基于以下计算规则计算单个点位在点位自身的属性信息对应层级的利用价值分值：

其中

其中，

代表单个点位在该点位自身的属性信息对应的层级的利用价值，

代表神经元的非线性作用函数，

代表单个点位的转化单价，

代表目标广告主已投放信息的所有点位的平均转化单价；

所述点位的属性信息主要包括以下中的多项：所述点位自身的属性信息、所述点位对应的网站或应用程序的属性信息、以及所述网站或应用程序上所有点位所对应的广告平台的属性信息。

2.根据权利要求1所述的信息投放方法，其特征在于，所述将属性信息输入至属性分层计算模型，得到所述点位的探测价值分值和利用价值分值的步骤包括：

将所述点位自身的属性信息、所述点位对应的网站或应用程序的属性信息、以及所述网站或应用程序上所有点位所对应的广告平台的属性信息中的多项输入至属性分层计算模型；

由属性分层模型将点位自身的属性信息、点位所对应的网站或应用程序的属性信息以及网站或应用程序上所有点位所对应的广告平台的属性信息分配到对应的层级；

基于对应层级对应的计算规则，得到所述点位在对应层级的探测价值分值和利用价值分值；

按照从下层至上层的聚合顺序以及每一层级分布的价值权重，对所述点位在多个对应层级的探测价值分值和利用价值分值进行聚合，输出所述点位的探测价值分值和利用价值分值。

3.根据权利要求1-2任一项所述的信息投放方法，其特征在于，所述根据所述点位的探测价值分值和利用价值分值，确定是否在所述点位进行目标信息的投放的步骤包括：

根据所述点位的探测价值分值和利用价值分值，加权得到所述点位的综合价值分值；

根据综合价值分值与预定价值分值的比较结果，确定是否在所述点位进行目标信息的投放。

4.一种用于信息投放的装置，包括：

获取属性信息模块，用于获取目标信息待投放的一个或多个点位的属性信息，并将该属性信息输入至属性分层计算模型；

属性分层计算模型，用于接收所输入的属性信息并对所述输入的属性信息进行分层计算，得到所述点位的探测价值分值和利用价值分值；

信息投放确定模块，用于根据所述点位的探测价值分值和利用价值分值，确定是否在所述点位进行目标信息的投放；

其中，所述探测价值用于表征所述点位尚未开发或尚需探测的价值，所述利用价值用于表征所述点位经利用已体现出的价值；

属性分层计算模型具体用于：接收所输入的属性信息并按照属性类别对所输入的属性信息进行分层；基于每一层属性信息对应的计算规则，得到所述点位在对应层级的探测价值分值和利用价值分值；对所得到的多个对应层级的探测价值分值和利用价值分值进行聚合，输出所述点位的探测价值分值和利用价值分值；

所述属性分层计算模型基于以下计算规则计算单个点位在点位自身的属性信息对应层级的探测价值分值：

其中

其中，

代表单个点位在该点位自身的属性信息对应层级的探测价值，

代表神经元的非线性作用函数，

代表目标广告主已投放信息的所有点位的总曝光量，

代表单个点位的曝光量；

由所述属性分层计算模型基于以下计算规则计算单个点位在点位自身的属性信息对应层级的利用价值分值：

其中

其中，

代表单个点位在该点位自身的属性信息对应的层级的利用价值，

代表神经元的非线性作用函数，

代表单个点位的转化单价，

代表目标广告主已投放信息的所有点位的平均转化单价；

所述点位的属性信息主要包括以下中的多项：所述点位自身的属性信息、所述点位对应的网站或应用程序的属性信息、以及所述网站或应用程序上所有点位所对应的广告平台的属性信息。

5.根据权利要求4所述的装置，其特征在于，属性分层计算模型具体用于：

将所述点位自身的属性信息、所述点位对应的网站或应用程序的属性信息、以及所述网站或应用程序上所有点位所对应的广告平台的属性信息中的多项输入至属性分层计算模型；

由属性分层模型将点为自身的属性信息、点位所对应的网站或应用程序的属性信息以及网站或应用程序上所有点位所对应的广告平台的属性信息分配到对应的层级；

基于对应层级对应的计算规则，得到所述点位在对应层级的探测价值分值和利用价值分值；

按照从下层至上层的聚合顺序以及每一层级分布的价值权重，对所述点位在多个对应层级的探测价值分值和利用价值分值进行聚合，输出所属地安慰的探测价值分值和利用价值分值。

6.根据权利要求4-5任一项所述的装置，其特征在于，信息投放确定模块具体用于：

根据所述点位的探测价值分值和利用价值分值，加权得到所述点位的综合价值分值；

根据综合价值分值与预定价值分值的比较结果，确定是否在所述点位进行目标信息的投放。

Images