CN108769167A - 一种业务数据的推送分配方法和装置 - Google Patents
一种业务数据的推送分配方法和装置 Download PDFInfo
- Publication number
- CN108769167A CN108769167A CN201810474787.3A CN201810474787A CN108769167A CN 108769167 A CN108769167 A CN 108769167A CN 201810474787 A CN201810474787 A CN 201810474787A CN 108769167 A CN108769167 A CN 108769167A
- Authority
- CN
- China
- Prior art keywords
- dimension
- business datum
- history
- inventory
- amount
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/104—Peer-to-peer [P2P] networks
- H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
- H04L67/1078—Resource delivery mechanisms
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种业务数据的推送分配方法和装置,该方法包括:确定推送业务数据的至少两个维度;在每个维度上,分别统计在当前的第一周期内、所述业务数据的实时库存消耗量;在每个维度上,分别查找在历史的、且与所述第一周期匹配的第二周期内训练的库存预估模型;在每个维度上,将所述实时库存消耗量输入至所述库存预估模型中,以输出所述业务数据的预估可用库存量;根据每个维度的预估可用库存量对所述业务数据分配在每个统计维度上的预估推送量。通过区分不同的维度,采用历史真实数据训练的库存预估模型,预估业务数据整体剩余的可用库存量,从而重新对业务数据分配每个维度上预估推送量,可以提高预估推送量的准确率。
Description
技术领域
本发明涉及计算机处理的技术领域,特别是涉及一种业务数据的推送分配方法和一种业务数据的推送分配装置。
背景技术
随着互联网的高速发展,网上的信息量急剧增加,为了提升用户体验,许多网站会聚合一些业务数据,设定推送条件,将这些业务数据推送给符合该推送条件的用户。
对于一个网站而言,用户访问量是一定量的,使得推送给这些用户的业务数据也是一定量的,这个量称之为库存量,但是,用户访问量可能存在波动,使得业务数据的库存量也会存在波动。
为了提高推送业务数据的效率,网站通常会预先预估业务数据的库存量,计算业务数据在其设置的推送条件的匹配概率,从而按照该匹配概率计算该业务数据的推送量,此后按照这个推送量推送该业务数据。
但是,这种分配方式在一段很长的时间仅运行一次,由于业务数据的库存量存在预估偏差、这段时间内的新增的业务数据无法分配到概率、推送条件存在变更等情况,使得分配的推送量的准确率较低。
发明内容
本发明实施例提出了一种业务数据的推送分配方法和装置,以解决业务数据分配推送量的准去率较低的问题。
依据本发明的一个方面,提供了一种业务数据的推送分配方法,包括:
确定推送业务数据的至少两个维度;
在每个维度上,分别统计在当前的第一周期内、所述业务数据的实时库存消耗量;
在每个维度上,分别查找在历史的、且与所述第一周期匹配的第二周期内训练的库存预估模型;
在每个维度上,将所述实时库存消耗量输入至所述库存预估模型中,以输出所述业务数据的预估可用库存量;
根据每个维度的预估可用库存量对所述业务数据分配在每个统计维度上的预估推送量。
可选地,所述第一周期划分为多个第一子周期;
所述在每个维度上,分别统计在当前的第一周期内、所述业务数据的实时库存消耗量,包括:
查询当前的时间信息;
确定所述时间信息所属的第一子周期;
查找所述第一周期中截至所述第一子周期、所述业务数据在推送并展示时记录的日志数据;
在所述日志数据中区分每个维度统计所述业务数据的实时库存消耗量。
可选地,所述第二周期划分为多个第二子周期;
所述在每个维度上,分别查找在历史的、且与所述第一周期匹配的第二周期内训练的库存预估模型,包括:
查询与所述第一子周期匹配的第二子周期;
在每个统计维度上,查找在所述第二子周期内训练的库存预估模型。
可选地,所述根据每个维度的预估可用库存量对所述业务数据分配在每个统计维度上的预估推送量,包括:
查询所述业务数据的预定推送量;
计算所述业务数据在每个维度上的预估可用库存量之间的比例;
将所述预定推送量乘以所述比例,作为所述业务数据在每个统计维度上的预估推送量。
可选地,还包括:
在每个维度上,统计在历史的第二周期内、业务数据的历史可用库存量、历史消耗量;
在每个维度上,根据所述历史可用库存量与所述历史消耗量训练库存预估模型。
可选地,所述第二周期划分为多个第二子周期;
所述在每个维度上,统计在历史的第二周期内、业务数据的历史可用库存量、历史消耗量,包括:
查找所述第二周期中截至所述第二子周期、业务数据在推送并展示时记录的日志数据;
在所述日志数据中区分每个维度统计所述业务数据的历史可用库存量、历史消耗量。
可选地,所述在每个维度上,根据所述历史可用库存量与所述历史消耗量训练库存预估模型,包括:
在每个维度上,以所述历史可用库存量作为因变量、所述历史消耗量作为自变量,训练所述因变量与自变量之间关系,获得所述第二子周期内的训练库存预估模型。
根据本发明的另一方面,提供了一种业务数据的推送分配装置,包括:
维度确定模块,用于确定推送业务数据的至少两个维度;
实时库存消耗量统计模块,用于在每个维度上,分别统计在当前的第一周期内、所述业务数据的实时库存消耗量;
库存预估模型查找模块,用于在每个维度上,分别查找在历史的、且与所述第一周期匹配的第二周期内训练的库存预估模型;
预估可用库存量输出模块,用于在每个维度上,将所述实时库存消耗量输入至所述库存预估模型中,以输出所述业务数据的预估可用库存量;
预估推送量分配模块,用于根据每个维度的预估可用库存量对所述业务数据分配在每个统计维度上的预估推送量。
可选地,所述第一周期划分为多个第一子周期;
所述实时库存消耗量统计模块包括:
时间信息查询子模块,用于查询当前的时间信息;
第一子周期确定子模块,用于确定所述时间信息所属的第一子周期;
第一日志数据查找子模块,用于查找所述第一周期中截至所述第一子周期、所述业务数据在推送并展示时记录的日志数据;
第一日志统计子模块,用于在所述日志数据中区分每个维度统计所述业务数据的实时库存消耗量。
可选地,所述第二周期划分为多个第二子周期;
所述库存预估模型查找模块包括:
周期匹配子模块,用于查询与所述第一子周期匹配的第二子周期;
子周期查找子模块,用于在每个统计维度上,查找在所述第二子周期内训练的库存预估模型。
可选地,所述预估推送量分配模块包括:
预定推送量查询子模块,用于查询所述业务数据的预定推送量;
比例计算子模块,用于计算所述业务数据在每个维度上的预估可用库存量之间的比例;
比例取值子模块,用于将所述预定推送量乘以所述比例,作为所述业务数据在每个统计维度上的预估推送量。
可选地,还包括:
历史数据统计模块,用于在每个维度上,统计在历史的第二周期内、业务数据的历史可用库存量、历史消耗量;
库存预估模型训练模块,用于在每个维度上,根据所述历史可用库存量与所述历史消耗量训练库存预估模型。
可选地,所述第二周期划分为多个第二子周期;
所述历史数据统计模块包括:
第二日志数据查找子模块,用于查找所述第二周期中截至所述第二子周期、业务数据在推送并展示时记录的日志数据;
第二日志统计子模块,用于在所述日志数据中区分每个维度统计所述业务数据的历史可用库存量、历史消耗量。
可选地,所述库存预估模型训练模块包括:
子周期训练子模块,用于在每个维度上,以所述历史可用库存量作为因变量、所述历史消耗量作为自变量,训练所述因变量与自变量之间关系,获得所述第二子周期内的训练库存预估模型。
本发明实施例包括以下优点:
在本发明实施例中,确定推送业务数据的至少两个维度,在每个维度上,分别统计在当前的第一周期内、业务数据的实时库存消耗量,查找在历史的、且与第一周期匹配的第二周期内训练的库存预估模型,将实时库存消耗量输入至库存预估模型中,以输出业务数据的预估可用库存量,根据每个维度的预估可用库存量对业务数据分配在每个统计维度上的预估推送量,通过区分不同的维度,采用历史真实数据训练的库存预估模型,预估业务数据整体剩余的可用库存量,从而重新对业务数据分配每个维度上预估推送量,可以提高预估推送量的准确率。
附图说明
图1是本发明一个实施例的一种业务数据的推送分配方法的步骤流程图;
图2是本发明一个实施例的另一种业务数据的推送分配方法的步骤流程图;
图3是本发明一个实施例的一种业务数据的推送分配装置的结构框图。
具体实施方式
为使本发明的上述目的、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发明作进一步详细的说明。
参照图1,示出了本发明一个实施例的一种业务数据的推送分配方法的步骤流程图,具体可以包括如下步骤:
步骤101,确定推送业务数据的至少两个维度。
对于不同业务领域而言,可以具有不同的业务数据,即具有业务领域特征的数据。
例如,对于新闻媒体领域而言,业务数据可以为新闻数据;对于移动通讯领域而言,业务数据可以为移动通讯数据;对于电子商务(Electronic Commerce,EC)领域而言,业务数据可以为广告数据,等等。
业务对象虽然承载不同的业务特性,但其本质仍然是数据,例如,文本、图像数据、音频数据、视频数据等等。
在具体实现中,业务数据属于不同的业务主,某个网站作为平台,聚合这些业务主的业务数据,业务主设置相应的推送条件,通过该网站提供的平台,将业务数据推送给符合该推送条件的用户。
以广告数据为例,广告数据所属的业务主即为广告主,某个视频网站可以聚合广告主的广告数据,广告主设置推送条件,如在某个地区推送广告数据、针对某部电视剧推送广告,等等,该视频网站在用户观看视频时,将符合广告数据推送给该推送条件的用户,如在某个地区观看视频的用户、正在观看某部电视剧的用户,等等。
在本发明实施例中,可以针对这些推送条件抽象出至少两个维度。
在一个示例中,该维度包括平台、地域、频道。
其中,该平台可以包括Android(安卓)、IOS、PC(个人电脑)等等。
该地域可以包括北京、上海、广州、深圳,等等。
该频道可以包括电影、电视剧、综艺,等等。
当然,上述推送的维度只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他推送的维度,本发明实施例对此不加以限制。另外,除了上述推送的维度外,本领域技术人员还可以根据实际需要采用其它推送的维度,本发明实施例对此也不加以限制。
步骤102,在每个维度上,统计在历史的第二周期内、业务数据的历史可用库存量、历史消耗量。
在本发明实施例中,可以区分不同的维度,查找业务数据在历史的第二周期内推送至用户处进行展示(即曝光)时生成的日志数据。
所谓历史的第二周期,可以指已经过去的推送业务数据的周期。
在该日志数据中查找相关的记录,统计业务数据在该历史的第二周期内的历史可用库存量、历史消耗量。
其中,历史可用库存量针对整个网站而言的,可以指网站历史实际剩余可推送业务数据的数量。
历史消耗量是针对业务数据而言的,可以指网站历史实际已推送业务数据的数量。
需要说明的是,第二周期可以根据实际情况进行设置,如1天、12小时,等等,本发明对此不加以限制。
在本发明的一个实施例中,步骤102可以包括如下子步骤:
子步骤S11,查找所述第二周期中截至所述第二子周期、业务数据在推送并展示时记录的日志数据。
子步骤S12,在所述日志数据中区分每个维度统计所述业务数据的历史可用库存量、历史消耗量。
在本发明实施例中,若第二周期较长,为了提高实时的预估效果,第二周期可以划分为多个第二子周期。
例如,若第二周期为1天,则第二子周期可以为1分钟。
分别统计每个第二子周期中业务数据的历史可用库存量、历史消耗量,每个第二子周期统计的结果均为第二周期中截止每个第二子周期的累加值。
例如,第二周期为00:00-24:00,某个第二子周期为15:00-15:01,针对该第二子周期,则可以统计00:00-15:00中业务数据的历史可用库存量、历史消耗量。
步骤103,在每个维度上,根据所述历史可用库存量与所述历史消耗量训练库存预估模型。
在实际应用中,可以区分不同的维度,以历史可用库存量与历史消耗量作为训练样本,训练每个维度上的库存预估模型,用于计算该维度上的预估可用库存量,即网站预估剩余可推送业务数据的数量。
需要说明的是,若第二周期划分为多个第二子周期,则针对每个第二子周期的历史可用库存量与历史消耗量各自训练一个预估可用库存量,即每个维度上,该第二周期内具有多个库存预估模型。
在本发明的一个实施例中,可以以历史可用库存量与历史消耗量作为训练样本,训练回归模型(regression model),如逻辑回归模型等,作为库存预估模型
其中,回归模型的基础或者方法是回归分析,回归分析是研究一个变量(被解释变量)关于另一个(些)变量(解释变量)的具体依赖关系的计算方法和理论。
在实际应用中,在每个维度上,以历史可用库存量作为因变量、历史消耗量作为自变量,训练因变量与自变量之间关系,获得第二子周期内的训练库存预估模型。
参照图2,示出了本发明一个实施例的另一种业务数据的推送分配方法的步骤流程图,具体可以包括如下步骤:
步骤201,确定推送业务数据的至少两个维度。
步骤202,在每个维度上,分别统计在当前的第一周期内、所述业务数据的实时库存消耗量。
在本发明实施例中,可以区分不同的维度,查找业务数据在当前的第一周期内推送至用户处进行展示(即曝光)时生成的日志数据。
所谓当前的第一周期,可以指正在运行的推送业务数据的周期。
在该日志数据中查找相关的记录,统计业务数据在该当前的第一周期内的实时库存消耗量。
其中,实时库存消耗量是针对业务数据而言的,可以指网站当前实际已推送业务数据的数量。
在实际应用中,第一周期可以根据实际情况进行设置,如1天、12小时,等等,本发明对此不加以限制。
需要说明的是,该第一周期可以为完整的周期,也可以为部分的周期,在实时预估业务数据的推送量的过程中,一般情况下,第一周期并未完结,因此,在步骤202中,一般情况下,在每个维度上,分别统计在第一周期内、截至当前时间的业务数据的实时库存消耗量。
在本发明的一个实施例中,步骤202可以包括如下子步骤:
子步骤S21,查询当前的时间信息。
子步骤S22,确定所述时间信息所属的第一子周期。
子步骤S23,查找所述第一周期中截至所述第一子周期、所述业务数据在推送并展示时记录的日志数据。
子步骤S24,在所述日志数据中区分每个维度统计所述业务数据的实时库存消耗量。
在本发明实施例中,若第一周期较长,为了提高实时的预估效果,第一周期可以划分为多个第一子周期。
例如,若第一周期为1天,则第一子周期可以为1分钟。
通过查询当前的时间信息,则可以确定当前所属的第一子周期,统计该第一子周期中业务数据的实时库存消耗量,该第一子周期统计的结果为第一周期中截止每第一子周期的累加值。
例如,第一周期为00:00-24:00,某个第一子周期为15:00-15:01,针对该第一子周期,则可以统计00:00-15:00中业务数据的实时库存消耗量。
步骤203,在每个维度上,分别查找在历史的、且与所述第一周期匹配的第二周期内训练的库存预估模型。
在具体实现中,可以从历史的各个第二周期中,查找与第一周期匹配的第二周期匹配,从而查找针对该第二周期训练的库存预估模型。
需要说明的是,推送业务数据的周期的划分方式有所不同,使得匹配方式也有所不同,本发明实施例对此不加以限制。
在一个示例中,针对视频网站平均访问量较为稳定等情况,可以以天作为匹配的周期,例如,推送业务数据的周期为1天,当天(第一周期)与前一天(第二周期)匹配。
在另一个示例中,针对视频网站部分电视剧、动漫等播放周期为周等情况,可以以周作为匹配的周期,例如,推送业务数据的周期为1天,假设当前为星期一(第一周期),可以与前一周的星期一(第二周期)匹配。
此外,由于第一周期可以为完整的周期,也可以为部分的周期,因此,匹配上的第二周期可以为完整的周期,也可以为部分的周期。
在实时预估业务数据的推送量的过程中,一般情况下,第一周期并未完结,因此,在步骤203中,在确定了第一周期所匹配的第二周期后,确定第一周期中当前时间在第二周期中匹配的目标时间,在每个维度上,分别查找在第二周期内、截至该目标时间训练的库存预估模型。
在本发明的一个实施例中,步骤203可以包括如下子步骤:
子步骤S31,查询与所述第一子周期匹配的第二子周期。
子步骤S32,在每个统计维度上,查找在所述第二子周期内训练的库存预估模型。
在本发明实施例中,第一周期划分为多个第一子周期,第二周期划分为多个第二子周期,并且预先对每个第二子周期训练了相应的库存预估模型。
在第一周期与第二周期匹配的基础上,可以从该第二周期的各个第二子周期中,查找将第一子周期匹配的第二子周期匹配,从而查找针对该第二子周期训练的库存预估模型。
需要说明的是,第一子周期、第二子周期的划分方式有所不同,使得匹配方式也有所不同,本发明实施例对此不加以限制。
在一个示例中,针对视频网站平均访问量较为稳定等情况,可以以天作为匹配的周期,例如,推送业务数据的周期为1天,当天的15:00-15:01(第一周期)与前一天的15:00-15:01(第二周期)匹配。
在另一个示例中,针对视频网站部分电视剧、动漫等播放周期为周等情况,可以以周作为匹配的周期,例如,推送业务数据的周期为1天,假设当前的周期为星期一的15:00-15:01(第一周期),可以与前一周的星期一的15:00-15:01(第二周期)匹配。
步骤204,在每个维度上,将所述实时库存消耗量输入至所述库存预估模型中,以输出所述业务数据的预估可用库存量。
在每个维度上,将第一周期的实时库存消耗量输入至相匹配的第二周期的库存预估模型,该库存预估模型进行运行,输出业务数据在每个维度的预估可用库存量,预估网站截至当前第一周期,剩余可推送业务数据的数量。
或者,
在每个维度上,将第一子周期的实时库存消耗量输入至相匹配的第二子周期的库存预估模型,该库存预估模型进行运行,输出业务数据在每个维度的预估可用库存量,预估网站截至第一子周期,剩余可推送业务数据的数量。
步骤205,根据每个维度的预估可用库存量对所述业务数据分配在每个统计维度上的预估推送量。
若计算出每个维度的预估可用库存量,则可以更新每个维度的预估可用库存量,以此重新分配业务数据在每个统计维度上的预估推送量,并按照该预估推送量进行推送。
在本发明的一个实施例中,步骤205可以包括如下子步骤:
子步骤S41,查询所述业务数据的预定推送量。
子步骤S42,计算所述业务数据在每个维度上的预估可用库存量之间的比例。
子步骤S43,将所述预定推送量乘以所述比例,作为所述业务数据在每个统计维度上的预估推送量。
在本发明实施例中,业务数据的预定推送量可以由业务主进行设定,每次推送之后均进行更新。
计算业务数据在每个维度上的预估可用库存量之间的比例,在预定推送量的基础上取值比例,作为业务数据在每个统计维度上分配到的预估推送量。
例如,某个广告数据的预定推送量为30,在电视剧、电影这两个维度进行推送,而电视剧的预估可用库存量为100、电影的预估可用库存量为200,那么,电视剧的预估可用库存量与电影的预估可用库存量的比例为1:2,则该广告数据在电视剧的维度上预估推送量为10,在电影的维度上预估推送量为20。
当然,上述预估推送量的分配方式只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他预估推送量的分配方式,例如,根据业务数据的定价进行分配,若两个业务数据的维度重复、则优先安排维度少的业务数据,等等,本发明实施例对此不加以限制。另外,除了上述预估推送量的分配方式外,本领域技术人员还可以根据实际需要采用其它预估推送量的分配方式,本发明实施例对此也不加以限制。
在本发明实施例中,确定推送业务数据的至少两个维度,在每个维度上,分别统计在当前的第一周期内、业务数据的实时库存消耗量,查找在历史的、且与第一周期匹配的第二周期内训练的库存预估模型,将实时库存消耗量输入至库存预估模型中,以输出业务数据的预估可用库存量,根据每个维度的预估可用库存量对业务数据分配在每个统计维度上的预估推送量,通过区分不同的维度,采用历史真实数据训练的库存预估模型,预估业务数据整体剩余的可用库存量,从而重新对业务数据分配每个维度上预估推送量,可以提高预估推送量的准确率。
在本发明实施例中,在一个周期中划分多个子周期,以此训练多个库存预估模型,后续可以基于多个子周期进行多次预估可用库存量的校准,即便新增业务数据、推送条件存在变更等情况,依然可以快速进行预估可用库存量,进一步提高了预估推送量的准确率。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图3,示出了本发明一个实施例的一种业务数据的推送分配装置的结构框图,具体可以包括如下模块:
维度确定模块301,用于确定推送业务数据的至少两个维度;
实时库存消耗量统计模块302,用于在每个维度上,分别统计在当前的第一周期内、所述业务数据的实时库存消耗量;
库存预估模型查找模块303,用于在每个维度上,分别查找在历史的、且与所述第一周期匹配的第二周期内训练的库存预估模型;
预估可用库存量输出模块304,用于在每个维度上,将所述实时库存消耗量输入至所述库存预估模型中,以输出所述业务数据的预估可用库存量;
预估推送量分配模块305,用于根据每个维度的预估可用库存量对所述业务数据分配在每个统计维度上的预估推送量。
在本发明的一个实施例中,所述第一周期划分为多个第一子周期;
所述实时库存消耗量统计模块302包括:
时间信息查询子模块,用于查询当前的时间信息;
第一子周期确定子模块,用于确定所述时间信息所属的第一子周期;
第一日志数据查找子模块,用于查找所述第一周期中截至所述第一子周期、所述业务数据在推送并展示时记录的日志数据;
第一日志统计子模块,用于在所述日志数据中区分每个维度统计所述业务数据的实时库存消耗量。
在本发明的一个实施例中,所述第二周期划分为多个第二子周期;
所述库存预估模型查找模块303包括:
周期匹配子模块,用于查询与所述第一子周期匹配的第二子周期;
子周期查找子模块,用于在每个统计维度上,查找在所述第二子周期内训练的库存预估模型。
在本发明的一个实施例中,所述预估推送量分配模块305包括:
预定推送量查询子模块,用于查询所述业务数据的预定推送量;
比例计算子模块,用于计算所述业务数据在每个维度上的预估可用库存量之间的比例;
比例取值子模块,用于将所述预定推送量乘以所述比例,作为所述业务数据在每个统计维度上的预估推送量。
在本发明的一个实施例中,还包括:
历史数据统计模块,用于在每个维度上,统计在历史的第二周期内、业务数据的历史可用库存量、历史消耗量;
库存预估模型训练模块,用于在每个维度上,根据所述历史可用库存量与所述历史消耗量训练库存预估模型。
在本发明的一个实施例中,所述第二周期划分为多个第二子周期;
所述历史数据统计模块包括:
第二日志数据查找子模块,用于查找所述第二周期中截至所述第二子周期、业务数据在推送并展示时记录的日志数据;
第二日志统计子模块,用于在所述日志数据中区分每个维度统计所述业务数据的历史可用库存量、历史消耗量。
在本发明的一个实施例中,所述库存预估模型训练模块包括:
子周期训练子模块,用于在每个维度上,以所述历史可用库存量作为因变量、所述历史消耗量作为自变量,训练所述因变量与自变量之间关系,获得所述第二子周期内的训练库存预估模型。
对于装置实施例而言,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。
在本发明实施例中,确定推送业务数据的至少两个维度,在每个维度上,分别统计在当前的第一周期内、业务数据的实时库存消耗量,查找在历史的、且与第一周期匹配的第二周期内训练的库存预估模型,将实时库存消耗量输入至库存预估模型中,以输出业务数据的预估可用库存量,根据每个维度的预估可用库存量对业务数据分配在每个统计维度上的预估推送量,通过区分不同的维度,采用历史真实数据训练的库存预估模型,预估业务数据整体剩余的可用库存量,从而重新对业务数据分配每个维度上预估推送量,可以提高预估推送量的准确率。
在本发明实施例中,在一个周期中划分多个子周期,以此训练多个库存预估模型,后续可以基于多个子周期进行多次预估可用库存量的校准,即便新增业务数据、推送条件存在变更等情况,依然可以快速进行预估可用库存量,进一步提高了预估推送量的准确率。
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。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例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,本发明实施例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。
本发明实施例是参照根据本发明实施例的方法、终端设备(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终端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终端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终端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终端设备上,使得在计算机或其他可编程终端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终端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。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种业务数据的推送分配方法和一种业务数据的推送分配装置,进行了详细介绍,本文中应用了具体个例对本发明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发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,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发明的限制。
Claims (14)
1.一种业务数据的推送分配方法,其特征在于,包括:
确定推送业务数据的至少两个维度;
在每个维度上,分别统计在当前的第一周期内、所述业务数据的实时库存消耗量;
在每个维度上,分别查找在历史的、且与所述第一周期匹配的第二周期内训练的库存预估模型;
在每个维度上,将所述实时库存消耗量输入至所述库存预估模型中,以输出所述业务数据的预估可用库存量;
根据每个维度的预估可用库存量对所述业务数据分配在每个统计维度上的预估推送量。
2.根据权利要求1所述的方法,其特征在于,所述第一周期划分为多个第一子周期;
所述在每个维度上,分别统计在当前的第一周期内、所述业务数据的实时库存消耗量,包括:
查询当前的时间信息;
确定所述时间信息所属的第一子周期;
查找所述第一周期中截至所述第一子周期、所述业务数据在推送并展示时记录的日志数据;
在所述日志数据中区分每个维度统计所述业务数据的实时库存消耗量。
3.根据权利要求2所述的方法,其特征在于,所述第二周期划分为多个第二子周期;
所述在每个维度上,分别查找在历史的、且与所述第一周期匹配的第二周期内训练的库存预估模型,包括:
查询与所述第一子周期匹配的第二子周期;
在每个统计维度上,查找在所述第二子周期内训练的库存预估模型。
4.根据权利要求2所述的方法,其特征在于,所述根据每个维度的预估可用库存量对所述业务数据分配在每个统计维度上的预估推送量,包括:
查询所述业务数据的预定推送量;
计算所述业务数据在每个维度上的预估可用库存量之间的比例;
将所述预定推送量乘以所述比例,作为所述业务数据在每个统计维度上的预估推送量。
5.根据权利要求1-4任一项所述的方法,其特征在于,还包括:
在每个维度上,统计在历史的第二周期内、业务数据的历史可用库存量、历史消耗量;
在每个维度上,根据所述历史可用库存量与所述历史消耗量训练库存预估模型。
6.根据权利要求5所述的方法,其特征在于,所述第二周期划分为多个第二子周期;
所述在每个维度上,统计在历史的第二周期内、业务数据的历史可用库存量、历史消耗量,包括:
查找所述第二周期中截至所述第二子周期、业务数据在推送并展示时记录的日志数据;
在所述日志数据中区分每个维度统计所述业务数据的历史可用库存量、历史消耗量。
7.根据权利要求6所述的方法,其特征在于,所述在每个维度上,根据所述历史可用库存量与所述历史消耗量训练库存预估模型,包括:
在每个维度上,以所述历史可用库存量作为因变量、所述历史消耗量作为自变量,训练所述因变量与自变量之间关系,获得所述第二子周期内的训练库存预估模型。
8.一种业务数据的推送分配装置,其特征在于,包括:
维度确定模块,用于确定推送业务数据的至少两个维度;
实时库存消耗量统计模块,用于在每个维度上,分别统计在当前的第一周期内、所述业务数据的实时库存消耗量;
库存预估模型查找模块,用于在每个维度上,分别查找在历史的、且与所述第一周期匹配的第二周期内训练的库存预估模型;
预估可用库存量输出模块,用于在每个维度上,将所述实时库存消耗量输入至所述库存预估模型中,以输出所述业务数据的预估可用库存量;
预估推送量分配模块,用于根据每个维度的预估可用库存量对所述业务数据分配在每个统计维度上的预估推送量。
9.根据权利要求8所述的装置,其特征在于,所述第一周期划分为多个第一子周期;
所述实时库存消耗量统计模块包括:
时间信息查询子模块,用于查询当前的时间信息;
第一子周期确定子模块,用于确定所述时间信息所属的第一子周期;
第一日志数据查找子模块,用于查找所述第一周期中截至所述第一子周期、所述业务数据在推送并展示时记录的日志数据;
第一日志统计子模块,用于在所述日志数据中区分每个维度统计所述业务数据的实时库存消耗量。
10.根据权利要求9所述的装置,其特征在于,所述第二周期划分为多个第二子周期;
所述库存预估模型查找模块包括:
周期匹配子模块,用于查询与所述第一子周期匹配的第二子周期;
子周期查找子模块,用于在每个统计维度上,查找在所述第二子周期内训练的库存预估模型。
11.根据权利要求9所述的装置,其特征在于,所述预估推送量分配模块包括:
预定推送量查询子模块,用于查询所述业务数据的预定推送量;
比例计算子模块,用于计算所述业务数据在每个维度上的预估可用库存量之间的比例;
比例取值子模块,用于将所述预定推送量乘以所述比例,作为所述业务数据在每个统计维度上的预估推送量。
12.根据权利要求8-11任一项所述的装置,其特征在于,还包括:
历史数据统计模块,用于在每个维度上,统计在历史的第二周期内、业务数据的历史可用库存量、历史消耗量;
库存预估模型训练模块,用于在每个维度上,根据所述历史可用库存量与所述历史消耗量训练库存预估模型。
13.根据权利要求12所述的装置,其特征在于,所述第二周期划分为多个第二子周期;
所述历史数据统计模块包括:
第二日志数据查找子模块,用于查找所述第二周期中截至所述第二子周期、业务数据在推送并展示时记录的日志数据;
第二日志统计子模块,用于在所述日志数据中区分每个维度统计所述业务数据的历史可用库存量、历史消耗量。
14.根据权利要求13所述的装置,其特征在于,所述库存预估模型训练模块包括:
子周期训练子模块,用于在每个维度上,以所述历史可用库存量作为因变量、所述历史消耗量作为自变量,训练所述因变量与自变量之间关系,获得所述第二子周期内的训练库存预估模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810474787.3A CN108769167A (zh) | 2018-05-17 | 2018-05-17 | 一种业务数据的推送分配方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810474787.3A CN108769167A (zh) | 2018-05-17 | 2018-05-17 | 一种业务数据的推送分配方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108769167A true CN108769167A (zh) | 2018-11-06 |
Family
ID=64006817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810474787.3A Pending CN108769167A (zh) | 2018-05-17 | 2018-05-17 | 一种业务数据的推送分配方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108769167A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110324211A (zh) * | 2019-08-08 | 2019-10-11 | 宜人恒业科技发展(北京)有限公司 | 一种数据获取方法及装置 |
CN110838971A (zh) * | 2019-11-07 | 2020-02-25 | 北京奇艺世纪科技有限公司 | 消息发送方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080208548A1 (en) * | 2007-02-27 | 2008-08-28 | Transunion Interactive, Inc., A Delaware Corporation | Credit Report-Based Predictive Models |
CN103440584A (zh) * | 2013-07-31 | 2013-12-11 | 北京亿赞普网络技术有限公司 | 一种广告投放方法和系统 |
CN104091276A (zh) * | 2013-12-10 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 在线分析点击流数据的方法和相关装置及系统 |
CN107122928A (zh) * | 2016-02-24 | 2017-09-01 | 阿里巴巴集团控股有限公司 | 一种供应链资源需求计划配置方法及装置 |
CN107767164A (zh) * | 2016-08-23 | 2018-03-06 | 腾讯科技(北京)有限公司 | 推送信息订单的信息处理方法、分配方法及装置 |
-
2018
- 2018-05-17 CN CN201810474787.3A patent/CN108769167A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080208548A1 (en) * | 2007-02-27 | 2008-08-28 | Transunion Interactive, Inc., A Delaware Corporation | Credit Report-Based Predictive Models |
CN103440584A (zh) * | 2013-07-31 | 2013-12-11 | 北京亿赞普网络技术有限公司 | 一种广告投放方法和系统 |
CN104091276A (zh) * | 2013-12-10 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 在线分析点击流数据的方法和相关装置及系统 |
CN107122928A (zh) * | 2016-02-24 | 2017-09-01 | 阿里巴巴集团控股有限公司 | 一种供应链资源需求计划配置方法及装置 |
CN107767164A (zh) * | 2016-08-23 | 2018-03-06 | 腾讯科技(北京)有限公司 | 推送信息订单的信息处理方法、分配方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110324211A (zh) * | 2019-08-08 | 2019-10-11 | 宜人恒业科技发展(北京)有限公司 | 一种数据获取方法及装置 |
CN110838971A (zh) * | 2019-11-07 | 2020-02-25 | 北京奇艺世纪科技有限公司 | 消息发送方法、装置、电子设备及存储介质 |
CN110838971B (zh) * | 2019-11-07 | 2022-07-22 | 北京奇艺世纪科技有限公司 | 消息发送方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9070139B2 (en) | Estimating unique impressions in an online video distribution system | |
US9727613B2 (en) | Distributed data stream processing method and system | |
US9313533B2 (en) | Ad inventory management system | |
CN110503206A (zh) | 一种预测模型更新方法、装置、设备及可读介质 | |
US9852440B2 (en) | Methods and systems for selecting content for display based on conversion probabilities of paths | |
US8667135B1 (en) | Detecting and reporting on consumption rate changes | |
JP2019159685A (ja) | 共用車両管理サーバ、及び、共用車両管理プログラム | |
CN103686236A (zh) | 推荐视频资源的方法及系统 | |
CN112559475B (zh) | 数据实时捕获和传输方法及系统 | |
CN112055235B (zh) | 推送展示对象的方法、装置、电子设备及存储介质 | |
CN103997662A (zh) | 节目推送的方法及系统 | |
CN103002329B (zh) | 一种预测网络视频广告的到达频次表数据的装置及方法 | |
Pripužić et al. | Building an IPTV VoD recommender system: An experience report | |
CN108769167A (zh) | 一种业务数据的推送分配方法和装置 | |
CN109828993A (zh) | 一种统计数据的查询方法及装置 | |
CN105335537B (zh) | 视频专辑中网络媒介信息的曝光量的预估方法和系统 | |
CN112818039B (zh) | 一种解决乱序事件和晚到数据的精准窗口处理方法 | |
CN104281581B (zh) | 网页的推荐位内容曝光量的监测方法和系统 | |
US20220124408A1 (en) | Methods and systems for determining disliked content | |
US20170337192A1 (en) | Network node, indexing server and methods performed thereby for supportingindexing of audio visual content | |
US11334808B2 (en) | User interface system incorporating analysis of user interaction classification | |
CN114510639A (zh) | 一种智慧城市用基于大数据的个人定制推荐平台及方法 | |
CN111464820A (zh) | 拉取消息记录的采样方法、装置、电子设备及存储介质 | |
CN111401969A (zh) | 用于提高用户留存率的方法、装置、服务器及存储介质 | |
CN111368207B (zh) | 数据处理方法及系统、候选数据池、电子设备、计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |
|
RJ01 | Rejection of invention patent application after publication |