CN108667875A - 信息更新方法和装置 - Google Patents

Abstract

本申请公开了信息更新方法和装置。该方法的一具体实施方式包括：获取推送信息在预设时间段内基于搜索与推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值；确定收益值与费用值之间的比值，并将比值作为关键词的转化率；将关键词的转化率导入预先训练的出价信息预估模型进行预估，得到关键词的出价信息，其中，出价信息预估模型用于表征关键词的转化率和关键词的出价信息的对应关系，出价信息包括推送信息基于搜索关键词而被推送并被浏览一次所产生的费用值；将关键词的当前出价信息更新为所得到的出价信息。该实施方式提高了信息更新的效率。

Description

信息更新方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及信息更新方法和装置。

背景技术

信息推送，又称为“网络广播”，是通过一定的技术标准或协议，在互联网上通过推送用户需要的信息来减少信息过载的一项技术。信息推送技术通过主动推送信息给用户，可以减少用户在网络上搜索所花的时间。

通常，当用户通过互联网搜索自己需要的信息的关键词时，信息推送平台会基于各个推送信息与该关键词的匹配度、各个推送信息的发布者为该关键词设置的出价信息以及该关键词的质量度等信息为用户选取出一部分推送信息并推送给用户。若用户浏览了某个推送信息，该推送信息的发布者就需要向信息推送平台的运营者支付一定的费用。若用户通过浏览该推送信息，进行了账户注册、网络下单等行为，推送信息的发布者就可以从中获取一定的收益。因此，推送信息的发布者需要合理地设置关键词的出价信息，以使推送信息的发布者通过付出较少的费用而获得较高的收益。

现有的信息更新方式通常是人工更新关键词的出价信息。但是，人工更新关键词的出价信息的效率较低。

发明内容

本申请的目的在于提出一种改进的信息更新方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种信息更新方法，该方法包括：获取推送信息在预设时间段内基于搜索与推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值；确定收益值与费用值之间的比值，并将比值作为关键词的转化率；将关键词的转化率导入预先训练的出价信息预估模型进行预估，得到关键词的出价信息，其中，出价信息预估模型用于表征关键词的转化率和关键词的出价信息的对应关系，出价信息包括推送信息基于搜索关键词而被推送并被浏览一次所产生的费用值；将关键词的当前出价信息更新为所得到的出价信息。

在一些实施例中，该方法还包括建立出价信息预估模型的步骤，建立出价信息预估模型的步骤，包括：获取样本关键词集合中的每个样本关键词的转化率和样本关键词集合中的每个样本关键词的出价信息；利用机器学习方法，基于样本关键词集合中的每个样本关键词的转化率和样本关键词集合中的每个样本关键词的出价信息对预先存储的预估模型进行训练，得到出价信息预估模型。

在一些实施例中，确定收益值与费用值之间的比值，并将比值作为关键词的转化率之后，还包括：确定关键词的转化率是否大于第一预设阈值；若关键词的转化率大于第一预设阈值，对关键词进行扩展，生成扩展关键词集合；为扩展关键词集合中的至少一个扩展关键词设置初始出价信息，并将至少一个扩展关键词与推送信息相关联。

在一些实施例中，为扩展关键词集合中的至少一个扩展关键词设置初始出价信息，包括：对扩展关键词集合进行扩展关键词去重；为去重后的每个扩展关键词设置初始出价信息。

在一些实施例中，为扩展关键词集合中的至少一个扩展关键词设置初始出价信息，包括：将扩展关键词集合与预设的敏感关键词集合进行匹配；为匹配不成功的每个扩展关键词设置初始出价信息。

在一些实施例中，确定收益值与费用值之间的比值，并将比值作为关键词的转化率之后，还包括：确定关键词的转化率是否小于第二预设阈值；若关键词的转化率小于第二预设阈值，删除关键词与推送信息的关联关系。

第二方面，本申请实施例提供了一种信息更新装置，该装置包括：获取单元，配置用于获取推送信息在预设时间段内基于搜索与推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值；确定单元，配置用于确定收益值与费用值之间的比值，并将比值作为关键词的转化率；预估单元，配置用于将关键词的转化率导入预先训练的出价信息预估模型进行预估，得到关键词的出价信息，其中，出价信息预估模型用于表征关键词的转化率和关键词的出价信息的对应关系，出价信息包括推送信息基于搜索关键词而被推送并被浏览一次所产生的费用值；更新单元，配置用于将关键词的当前出价信息更新为所得到的出价信息。

在一些实施例中，该装置还包括出价信息预估模型建立单元，配置用于建立出价信息预估模型，包括：获取子单元，配置用于获取样本关键词集合中的每个样本关键词的转化率和样本关键词集合中的每个样本关键词的出价信息；训练子单元，配置用于利用机器学习方法，基于样本关键词集合中的每个样本关键词的转化率和样本关键词集合中的每个样本关键词的出价信息对预先存储的预估模型进行训练，得到出价信息预估模型。

在一些实施例中，该装置还包括：第一比较单元，配置用于确定关键词的转化率是否大于第一预设阈值；扩展单元，配置用于若关键词的转化率大于第一预设阈值，对关键词进行扩展，生成扩展关键词集合；关联单元，配置用于为扩展关键词集合中的至少一个扩展关键词设置初始出价信息，并将至少一个扩展关键词与推送信息相关联。

在一些实施例中，关联单元进一步配置用于：对扩展关键词集合进行扩展关键词去重；为去重后的每个扩展关键词设置初始出价信息。

在一些实施例中，关联单元进一步配置用于：将扩展关键词集合与预设的敏感关键词集合进行匹配；为匹配不成功的每个扩展关键词设置初始出价信息。

在一些实施例中，该装置还包括：第二比较单元，配置用于确定关键词的转化率是否小于第二预设阈值；删除单元，配置用于若关键词的转化率小于第二预设阈值，删除关键词与推送信息的关联关系。

第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的信息更新方法和装置，通过获取推送信息在预设时间段内基于搜索与推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值，得到该关键词的转化率；然后将该关键词的转化率导入预先训练的出价信息预估模型进行预估，得到该关键词的出价信息；最后将该关键词的当前出价信息更新为所得到的出价信息。通过出价信息预估模型对关键词的出价信息进行预估，可以快速地得到关键词的出价信息，从而提高了信息更新的效率。

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，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的信息更新方法的一个实施例的流程图；

图3是根据本申请实施例的信息更新方法的一个应用场景的示意图；

图4是根据本申请的信息更新方法的又一个实施例的流程图；

图5是根据本申请的信息更新装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请实施例的信息更新方法或信息更新装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括服务器101，网络102、信息推送服务器103、104、105和数据库服务器106。网络102用以在服务器101、信息推送服务器103、104、105和数据库服务器106之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

服务器101可以通过网络102与信息推送服务器103、104、105交互，以接收或发送消息等。

服务器101可以是提供各种服务的服务器，例如服务器101可以对从信息推送服务器103、104、105获取推送信息在预设时间段内基于搜索与推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值，并对所获取到的费用值和收益值进行分析等处理并将处理结果(例如关键词的出价信息)反馈给信息推送服务器103、104、105。

信息推送服务器103、104、105也可以是提供各种服务的服务器，例如，信息推送服务器103、104、105可以基于各个推送信息与用户搜索的关键词的匹配度、各个推送信息的发布者为该关键词设置的出价信息以及该关键词的质量度等信息，为用户选取出一部分推送信息，并将选取出的推送信息推送给用户。

数据库服务器106可以是用于存储样本关键词集合中的每个样本关键词的转化率和出价信息的服务器。

需要说明的是，本申请实施例所提供的信息更新方法一般由服务器101执行，相应地，信息更新装置一般设置于服务器101中。

应该理解，图1中的服务器、网络、信息推送服务器和数据库服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的服务器、网络、信息推送服务器和数据库服务器。需要说明的是，在服务器101中存储有样本关键词集合中的每个样本关键词的转化率和出价信息的情况下，系统架构100中可以不设置数据库服务器106。

继续参考图2，示出了根据本申请的信息更新方法的一个实施例的流程200。该信息更新方法，包括以下步骤：

步骤201，获取推送信息在预设时间段内基于搜索与推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值。

在本实施例中，信息更新方法运行于其上的电子设备(例如图1所示的服务器101)可以从与其通信连接的信息推送平台(例如图1所示的信息推送服务器103、104、105)获取推送信息在预设时间段内基于搜索与推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值。

通常，推送信息的发布者可以预先将推送信息、与推送信息相关联的关键词以及关键词的出价信息等存储在信息推送平台中。当用户通过互联网搜索自己需要的信息的关键词时，信息推送平台就会基于存储在其上的各个推送信息与用户搜索的关键词的匹配度、各个推送信息的发布者为该关键词设置的出价信息以及该关键词的质量度等信息为用户选取出一部分推送信息并推送给用户。若用户浏览了某个推送信息，该推送信息的发布者就需要向信息推送平台的运营者支付一定的费用。若用户通过浏览该推送信息，进行了账户注册、网络下单等行为，推送信息的发布者就可以从中获取一定的收益。

在这里，若推送信息与用户搜索的关键词的匹配度越高、推送信息的发布者为该关键词设置的出价信息越高、该关键词的质量度越高，信息推送平台将该推送信息推送给用户的概率也就越高。其中，关键词的出价信息可以包括推送信息基于搜索关键词而被推送并被浏览一次所产生的费用值。例如，关键词的出价信息可以是推送信息基于搜索关键词而被推送并被浏览一次推送信息的发布者所愿意支付的最高费用值。质量度可以是反映用户对该关键词以及该关键词创意的认可程度。影响关键词的质量度的因素可以包括关键词的点击率以及创意撰写质量(关键词和创意的相关性)。

作为示例，电子设备可以首先以两个星期为周期从信息推送平台获取前两个星期内推送信息基于搜索与推送信息相关联的关键词而被推送并被浏览的次数，并结合该关键词的出价信息，得出推送信息的发布者所支付的费用值；然后从信息推送平台获取相应周期内推送信息基于搜索与推送信息相关联的关键词而被推送并被浏览后，进行账户注册、网络下单等行为的次数，并结合账户注册一次所获取的收益值、网络下单物品的单价等信息，得出推送信息的发布者所获得的收益值。

步骤202，确定收益值与费用值之间的比值，并将比值作为关键词的转化率。

在本实施例中，基于步骤201中获取到的收益值和费用值，电子设备可以计算收益值与费用值之间的比值，并将计算出的比值作为关键词的转化率。其中，关键词的转化率越高，推送信息的发布者获取的净收益(收益值与费用值之差)也就也高。

步骤203，将关键词的转化率导入预先训练的出价信息预估模型进行预估，得到关键词的出价信息。

在本实施例中，基于步骤202中得到的关键词的转化率，电子设备可以将关键词的转化率导入预先训练的出价信息预估模型，出价信息预估模型会按照预先训练好的对应关系，为关键词的转化率找到与其对应的关键词的出价信息。其中，出价信息预估模型可以用于表征关键词的转化率和关键词的出价信息的对应关系。出价信息可以包括推送信息基于搜索关键词而被推送并被浏览一次所产生的费用值。

在本实施例的一些可选的实现方式中，电子设备可以首先获取样本关键词集合中的每个样本关键词的转化率和样本关键词集合中的每个样本关键词的出价信息；然后利用机器学习方法，基于样本关键词集合中的每个样本关键词的转化率和样本关键词集合中的每个样本关键词的出价信息对预先存储的预估模型进行训练，得到出价信息预估模型。在这里，电子设备可以通过某机器学习方法构建预估模型；通过样本关键词集合中的每个样本关键词的转化率和样本关键词集合中的每个样本关键词的出价信息对预估模型进行训练，得到能够建立关键词的转化率与关键词的出价信息之间准确对应关系的出价信息预估模型。其中，样本关键词集合中的关键词可以是以往人工根据转化率设置出较为合理的出价信息的关键词。

在本实施例的一些可选的实现方式中，电子设备还可以利用人工神经网络，基于预先获取的样本关键词集合中的每个样本关键词的转化率和样本关键词集合中的每个样本关键词的出价信息对预先存储的预估模型进行训练，得到出价信息预估模型。

需要说明的是，电子设备可以通过多种方式建立出价信息预估模型。本实施例对出价信息预估模型的具体建立方式不进行限定。

步骤204，将关键词的当前出价信息更新为所得到的出价信息。

在本实施例中，基于步骤203中得到的关键词的出价信息，电子设备可以首先将关键词的当前出价信息更新为所得到的出价信息；然后将更新后的关键词的出价信息发送至信息推送平台，以使信息推送平台更新推送信息的发布者存储在其上的关键词的出价信息。

在这里，电子设备可以周期性地自动更新关键词的出价信息，整个过程不需要人工参与，从而达到节约人力成本的目的。并且，关键词的出价信息是根据关键词的转化率而得到的，从而确保了得到的关键词的出价信息较为合理。对于转化率较高的关键词，适当地提高该关键词的出价信息，从而提高该推送信息被推送给用户的概率，从而增加该推送信息基于搜索该关键词而被推送并被浏览后所获得的收益值。对于转化率较低的关键词，适当地降低该关键词的出价信息，从而降低该推送信息被推送给用户的概率，从而减少该推送信息基于搜索该关键词而被推送并被浏览后所产生的费用值。

继续参见图3，图3是根据本申请实施例的信息更新方法的一个应用场景的示意图。在图3的应用场景中，服务器301首先从信息推送平台302中获取推送信息在预设时间段内基于搜索与推送信息相关联的关键词而被推送并被浏览后，所产生的费用值303和所获得的收益值304；之后，服务器301根据收益值304和费用值303计算出关键词的转化率305；然后，服务器301将关键词的转化率305导入预先训练的出价信息预估模型306进行预估，得到关键词的出价信息307；最后，服务器301将该关键词的当前出价信息更新为所得到的出价信息307。此时，服务器301还可以将关键词的出价信息307发送给信息推送平台302，以使信息推送平台302可以及时更新推送信息的发布者存储在其上的关键词的出价信息。

本申请实施例提供的信息更新方法通过获取推送信息在预设时间段内基于搜索与推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值，得到该关键词的转化率；然后将该关键词的转化率导入预先训练的出价信息预估模型进行预估，得到该关键词的出价信息；最后将该关键词的当前出价信息更新为所得到的出价信息。通过出价信息预估模型对关键词的出价信息进行预估，可以快速地得到关键词的出价信息，从而提高了信息更新的效率。

进一步参考图4，其示出了信息更新方法的又一个实施例的流程400。该信息更新方法的流程400，包括以下步骤：

步骤401，获取推送信息在预设时间段内基于搜索与推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值。

在本实施例中，信息更新方法运行于其上的电子设备(例如图1所示的服务器101)可以从与其通信连接的信息推送平台(例如图1所示的信息推送服务器103、104、105)获取推送信息在预设时间段内基于搜索与推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值。

步骤402，确定收益值与费用值之间的比值，并将比值作为关键词的转化率。

在本实施例中，基于步骤401中获取到的收益值和费用值，电子设备可以计算收益值与费用值之间的比值，并将计算出的比值作为关键词的转化率。其中，关键词的转化率越高，推送信息的发布者获取的净收益(收益值与费用值之差)也就也高。

步骤403，确定关键词的转化率是否大于第一预设阈值。

在本实施例中，基于步骤402中得到的关键词的转化率，电子设备可以将关键词的转化率与第一预设阈值进行比较，若关键词的转化率大于第一预设阈值，则执行步骤404；若关键词的转化率不大于第一预设阈值，则直接执行步骤406。其中，第一预设阈值可以是推送信息的发布者预先设置的，例如，第一预设阈值可以是10。

步骤404，若关键词的转化率大于第一预设阈值，对关键词进行扩展，生成扩展关键词集合。

在本实施例中，若关键词的转化率大于第一预设阈值，电子设备可以对关键词进行扩展，生成扩展关键词集合。其中，扩展关键词集合中的扩展关键词可以是关键词的相关词，例如，关键词的近义词、同义词、关联词等。

在本实施例中，电子设备可以通过多种方式获取扩展关键词集合。作为示例，电子设备可以通过搜索引擎或者第三方拓词工具获取扩展关键词集合。电子设备还可以通过爬虫技术按照一定的规则，自动地从互联网上爬取网页内容，以得到扩展关键词集合。

步骤405，为扩展关键词集合中的至少一个扩展关键词设置初始出价信息，并将至少一个扩展关键词与推送信息相关联。

在本实施例中，电子设备可以首先为扩展关键词集合中的至少一个扩展关键词设置初始出价信息；然后将至少一个扩展关键词与推送信息相关联。其中，初始出价信息可以是预先设置的默认出价信息。

在这里，电子设备自动地将至少一个扩展关键词与推送信息相关联。当用户搜索至少一个扩展关键词中一个扩展关键词时，信息推送平台可以基于推送信息与该扩展关键词的匹配度、推送信息的发布者为该扩展关键词设置的出价信息以及该扩展关键词的质量度等信息选择是否为用户推送该推送信息。

在本实施例的一些可选的实现方式中，电子设备可以直接为扩展关键词集合中的每个扩展关键词设置初始出价信息。

在本实施例的一些可选的实现方式中，电子设备可以首先对扩展关键词集合进行扩展关键词去重；然后为去重后的每个扩展关键词设置初始出价信息。

在本实施例的一些可选的实现方式中，电子设备可以首先将扩展关键词集合与预设的敏感关键词集合进行匹配；然后为匹配不成功的每个扩展关键词设置初始出价信息。

在本实施例的一些可选的实现方式中，电子设备可以首先对扩展关键词集合进行扩展关键词去重；然后将去重后的每个扩展关键词与预设的敏感关键词集合进行匹配；最后为匹配不成功的每个扩展关键词设置初始出价信息。

在本实施例的一些可选的实现方式中，电子设备可以确定关键词的转化率是否小于第二预设阈值；若关键词的转化率小于第二预设阈值，删除关键词与推送信息的关联关系。在这里，电子设备可以将关键词的转化率与第二预设阈值进行比较，若关键词的转化率小于第二预设阈值，则删除关键词与推送信息的关联关系。当用户再次搜索该关键词时，信息推送平台就不再将该推送信息推送给用户。其中，第二预设阈值可以是推送信息的发布者预先设置的，例如，第二预设阈值可以是1。

步骤406，将关键词的转化率导入预先训练的出价信息预估模型进行预估，得到关键词的出价信息。

在本实施例中，基于步骤402中得到的关键词的转化率，电子设备可以将关键词的转化率导入预先训练的出价信息预估模型，出价信息预估模型会按照预先训练好的对应关系，为关键词的转化率找到与其对应的关键词的出价信息。其中，出价信息预估模型可以用于表征关键词的转化率和关键词的出价信息的对应关系。出价信息可以包括推送信息基于搜索关键词而被推送并被浏览一次所产生的费用值。

步骤407，将关键词的当前出价信息更新为所得到的出价信息。

在本实施例中，基于步骤406中得到的关键词的出价信息，电子设备可以首先将关键词的当前出价信息更新为所得到的出价信息；然后将更新后的关键词的出价信息发送至信息推送平台，以使信息推送平台更新推送信息的发布者存储在其上的关键词的出价信息。

从图4中可以看出，与图2对应的实施例相比，本实施例中的信息更新方法的流程400增加了步骤403、步骤404和步骤405。由此，本实施例描述的方案可以自动为推送信息扩展与推送信息相关联的关键词。整个过程不需要人工参与，节约了人力成本。并且，电子设备自动更新与推送信息相关联的关键词，从而增加了推送信息被推送的概率。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种信息更新装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例所示的信息更新装置500包括：获取单元501、确定单元502、预估单元503和更新单元504。其中，获取单元501，配置用于获取推送信息在预设时间段内基于搜索与推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值；确定单元502，配置用于确定收益值与费用值之间的比值，并将比值作为关键词的转化率；预估单元503，配置用于将关键词的转化率导入预先训练的出价信息预估模型进行预估，得到关键词的出价信息，其中，出价信息预估模型用于表征关键词的转化率和关键词的出价信息的对应关系，出价信息包括推送信息基于搜索关键词而被推送并被浏览一次所产生的费用值；更新单元504，配置用于将关键词的当前出价信息更新为所得到的出价信息。

在本实施例中，信息更新装置500中：获取单元501、确定单元502、预估单元503和更新单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，信息更新装置500还包括出价信息预估模型建立单元(图中未示出)，配置用于建立出价信息预估模型，包括：获取子单元(图中未示出)，配置用于获取样本关键词集合中的每个样本关键词的转化率和样本关键词集合中的每个样本关键词的出价信息；训练子单元(图中未示出)，配置用于利用机器学习方法，基于样本关键词集合中的每个样本关键词的转化率和样本关键词集合中的每个样本关键词的出价信息对预先存储的预估模型进行训练，得到出价信息预估模型。

在本实施例的一些可选的实现方式中，信息更新装置500还包括：第一比较单元(图中未示出)，配置用于确定关键词的转化率是否大于第一预设阈值；扩展单元(图中未示出)，配置用于若关键词的转化率大于第一预设阈值，对关键词进行扩展，生成扩展关键词集合；关联单元(图中未示出)，配置用于为扩展关键词集合中的至少一个扩展关键词设置初始出价信息，并将至少一个扩展关键词与推送信息相关联。

在本实施例的一些可选的实现方式中，关联单元(图中未示出)进一步配置用于：对扩展关键词集合进行扩展关键词去重；为去重后的每个扩展关键词设置初始出价信息。

在本实施例的一些可选的实现方式中，关联单元(图中未示出)进一步配置用于：将扩展关键词集合与预设的敏感关键词集合进行匹配；为匹配不成功的每个扩展关键词设置初始出价信息。

在本实施例的一些可选的实现方式中，信息更新装置500还包括：第二比较单元(图中未示出)，配置用于确定关键词的转化率是否小于第二预设阈值；删除单元(图中未示出)，配置用于若关键词的转化率小于第二预设阈值，删除关键词与推送信息的关联关系。

下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、确定单元、预估单元和更新单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取推送信息在预设时间段内基于搜索与推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的服务器中所包含的；也可以是单独存在，而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该服务器执行时，使得该服务器：获取推送信息在预设时间段内基于搜索与推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值；确定收益值与费用值之间的比值，并将比值作为关键词的转化率；将关键词的转化率导入预先训练的出价信息预估模型进行预估，得到关键词的出价信息，其中，出价信息预估模型用于表征关键词的转化率和关键词的出价信息的对应关系，出价信息包括推送信息基于搜索关键词而被推送并被浏览一次所产生的费用值；将关键词的当前出价信息更新为所得到的出价信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种信息更新方法，其特征在于，所述方法包括：

获取推送信息在预设时间段内基于搜索与所述推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值；

确定所述收益值与所述费用值之间的比值，并将所述比值作为所述关键词的转化率；

将所述关键词的转化率导入预先训练的出价信息预估模型进行预估，得到所述关键词的出价信息，其中，所述出价信息预估模型用于表征关键词的转化率和关键词的出价信息的对应关系，所述出价信息包括所述推送信息基于搜索所述关键词而被推送并被浏览一次所产生的费用值；

将所述关键词的当前出价信息更新为所得到的出价信息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括建立出价信息预估模型的步骤，所述建立出价信息预估模型的步骤，包括：

获取样本关键词集合中的每个样本关键词的转化率和所述样本关键词集合中的每个样本关键词的出价信息；

利用机器学习方法，基于所述样本关键词集合中的每个样本关键词的转化率和所述样本关键词集合中的每个样本关键词的出价信息对预先存储的预估模型进行训练，得到出价信息预估模型。

3.根据权利要求1所述的方法，其特征在于，所述确定所述收益值与所述费用值之间的比值，并将所述比值作为所述关键词的转化率之后，还包括：

确定所述关键词的转化率是否大于第一预设阈值；

若所述关键词的转化率大于所述第一预设阈值，对所述关键词进行扩展，生成扩展关键词集合；

为所述扩展关键词集合中的至少一个扩展关键词设置初始出价信息，并将所述至少一个扩展关键词与所述推送信息相关联。

4.根据权利要求3所述的方法，其特征在于，所述为所述扩展关键词集合中的至少一个扩展关键词设置初始出价信息，包括：

对所述扩展关键词集合进行扩展关键词去重；

为去重后的每个扩展关键词设置初始出价信息。

5.根据权利要求3所述的方法，其特征在于，所述为所述扩展关键词集合中的至少一个扩展关键词设置初始出价信息，包括：

将所述扩展关键词集合与预设的敏感关键词集合进行匹配；

为匹配不成功的每个扩展关键词设置初始出价信息。

6.根据权利要求1所述的方法，其特征在于，所述确定所述收益值与所述费用值之间的比值，并将所述比值作为所述关键词的转化率之后，还包括：

确定所述关键词的转化率是否小于第二预设阈值；

若所述关键词的转化率小于所述第二预设阈值，删除所述关键词与所述推送信息的关联关系。

7.一种信息更新装置，其特征在于，所述装置包括：

获取单元，配置用于获取推送信息在预设时间段内基于搜索与所述推送信息相关联的关键词而被推送并被浏览后，所产生的费用值和所获得的收益值；

确定单元，配置用于确定所述收益值与所述费用值之间的比值，并将所述比值作为所述关键词的转化率；

预估单元，配置用于将所述关键词的转化率导入预先训练的出价信息预估模型进行预估，得到所述关键词的出价信息，其中，所述出价信息预估模型用于表征关键词的转化率和关键词的出价信息的对应关系，所述出价信息包括所述推送信息基于搜索所述关键词而被推送并被浏览一次所产生的费用值；

更新单元，配置用于将所述关键词的当前出价信息更新为所得到的出价信息。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括出价信息预估模型建立单元，配置用于建立出价信息预估模型，包括：

获取子单元，配置用于获取样本关键词集合中的每个样本关键词的转化率和所述样本关键词集合中的每个样本关键词的出价信息；

训练子单元，配置用于利用机器学习方法，基于所述样本关键词集合中的每个样本关键词的转化率和所述样本关键词集合中的每个样本关键词的出价信息对预先存储的预估模型进行训练，得到出价信息预估模型。

9.一种服务器，其特征在于，所述服务器包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。