CN109146535B - 一种广告库存询量方法、装置 - Google Patents

Abstract

本申请实施例提供了一种广告库存询量方法、装置，涉及互联网技术领域。所述方法包括：针对广告投放对象获取广告投放的第一定向条件；将所述第一定向条件输入预设树模型；通过所述预设树模型获得所述第一定向条件聚合后的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件；根据所述第二定向条件计算所述广告投放对象的库存量。解决了现有技术中定向条件逐渐增加造成的模型维度随之增加，进而带来模型庞大，迭代效率低下等问题。

Description

一种广告库存询量方法、装置

技术领域

本申请涉及互联网技术领域，特别是涉及一种广告库存询量方法和装置。

背景技术

随着网络技术的普及，网络广告投放逐渐成为商业广告投放的主流，而由于广告商在各细分流量下的流量规模、竞价环境差别较大，网络广告投放对于广告主(特别是新广告主)的定向、出价设置有较大的挑战。所以供库存预估服务，即输入广告定向条件，预估符合条件的日均活跃用户数的服务，成为网络商业广告投放必不可少的环节。

目前，传统库存预估服务一般是基于历史数据对库存进行预估，比如BFP模型等。但是在实际应用中，不同的广告商提出不同的定向条件，造成定向条件逐渐增加，模型维度随之增加，进而带来模型庞大，迭代效率低下等问题。

发明内容

鉴于上述问题，提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种广告库存询量方法和相应的一种广告库存询量装置。

为了解决上述问题，本申请公开了一种广告库存询量方法，包括：针对广告投放对象获取广告投放的第一定向条件；将所述第一定向条件输入预设树模型；通过所述预设树模型获得所述第一定向条件聚合后的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件；根据所述第二定向条件计算所述广告投放对象的库存量。

可选地，所述预设树模型为包括底层节点以及各层上级节点的数据模型；所述底层节点对应所述第一定向条件，所述各层上级节点分别对应所述第一定向条件的各上级预设类别。

可选地，所述通过所述预设树模型获得所述第一定向条件聚合后的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件的步骤，包括：根据所述预设树模型中各级节点的饱和度逐层向上聚合，至唯一上级节点；获取所述唯一上级节点对应的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件。

可选地，所述根据所述预设树模型中各级节点的饱和度逐层向上聚合，至唯一上级节点的步骤，包括：从所述底层节点向上，逐级判断所述底层节点以及所述各层上级节点是否饱和；若不饱和，则将当前层级的节点对应的所述第一定向条件或所述上级预设类别，确定为第二定向条件；若饱和，则向上进行聚合至唯一上级节点。

可选地，所述根据所述第二定向条件计算所述广告投放对象的库存量的步骤，包括：根据所述广告投放的第二定向条件，利用预设概率算法计算所述广告投放对象的库存量。

本申请公开了一种广告库存询量装置，包括：第一定向条件获取模块，用于针对广告投放对象获取广告投放的第一定向条件；输入模块，用于将所述第一定向条件输入预设树模型；第二定向条件获取模块，用于通过所述预设树模型获得所述第一定向条件聚合后的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件。库存量获取模块，用于根据所述第二定向条件计算所述广告投放对象的库存量。

可选地，所述预设树模型为包括底层节点以及各层上级节点的数据模型；所述底层节点对应所述第一定向条件，所述各层上级节点分别对应所述第一定向条件的各上级预设类别。

可选地，所述第二定向条件获取模块，包括：聚合子模块，用于根据所述预设树模型中各级节点的饱和度逐层向上聚合，至唯一上级节点；第二定向条件确定子模块，用于获取所述唯一上级节点对应的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件。

可选地，所述第二定向条件确定子模块，包括：判断单元，用于从所述底层节点向上，逐级判断所述底层节点以及所述各层上级节点是否饱和；第二定向条件确定单元，用于若不饱和，则将当前层级的节点对应的所述第一定向条件或所述上级预设类别，确定为第二定向条件；聚合子单元，用于若饱和，则向上进行聚合至唯一上级节点。

可选地，所述库存量获取模块，包括：库存量获取子模块，用于根据所述广告投放的第二定向条件，利用预设概率算法计算所述广告投放对象的库存量。

本申请实施例包括以下优点：

本申请实施例，通过针对广告投放对象获取广告投放的第一定向条件；根据所述第一定向条件获得所述第一定向条件的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件；根据所述第二定向条件计算所述广告投放对象的库存量，解决了定向条件逐渐增加造成的模型维度随之增加，进而带来模型庞大，迭代效率低下等问题，达到了降低聚合定向条件，以提高模型计算效率的目的。

附图说明

图1是本申请实施例提供的一种广告库存询量方法实施例的步骤流程图；

图2是本申请实施例提供的一种广告库存询量方法实施例的步骤流程图；

图2A是本申请实施例的一种预设树模型结构示意图；

图2B是本申请实施例的一种预设树模型对应定向条件聚合示意图；

图3是是本申请实施例提供的一种广告库存询量装置实施例的结构框图；

图4是是本申请实施例提供的一种广告库存询量装置实施例的结构框图。

具体实施方式

为使本申请的上述目的、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申请作进一步详细的说明。

名词解释：

库存询量：数字广告在各细分流量下的流量规模、竞价环境差别较大，对于广告主(特别是新广告主)的定向设置有较大的挑战。为了协助商业广告的广告主更合理的竞价，很多广告商设置了库存询量功能：广告主指定一组定向条件，库存询量功能返回这个定向条件下的预估库存，这里的库存一般指UV(独立用户)。比如一个广告定向到(地区：上海/北京；年龄：25-30)，库存询量功能会返回这个定向条件下预估会有200万的UV。

实施例一

参照图1，示出了本申请的一种广告库存询量方法实施例的步骤流程图，具体可以包括如下步骤：

步骤101、针对广告投放对象获取广告投放的第一定向条件。

本发明实施例中，互联网广告最大的优势在于可以针对不同的客户需求选择投放，目前在实际应用中，将客户的具体需求定向表达的成为定向条件，例如，广告商针对北京年龄满18周岁的大学女生为目标投放广告，那么定向条件为18岁以上、北京、在校大学生、女性为四个定向条件，即上述描述的第一定向条件。

步骤102、将所述第一定向条件输入预设树模型；

本发明实施例中，如图2A所示，将第一定向条件输入预设树模型后，由于树形结构为多层次节点构成，其中底层各节点分别对应各第一定向条件，而各层上级节点分别为第一定向条件的上级分类，并且越往树形结构的上级归纳，上级分类也由精细分类逐渐归纳为模糊分类。

步骤103、通过所述预设树模型获得所述第一定向条件聚合后的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件；

本发明实施例中，在根据广告投放需求确定第一定向条件后，根据第一定向条件的大分类，即上级分类，对多个第一定向条件进行聚合，得到第二定向条件。例如，18岁以上、北京、在校大学生、女性为四个第一定向条件，那么根据预设分类将这四个定向条件聚合为“大学在读女生”，即第二定向条件。

再例如，定向条件为APP1、APP2、APP3、APP4、APP5，其中，APP1和APP2的上级分类为游戏类APP，而APP3、APP4、APP5的上级分类为非游戏类APP，那么游戏类APP和非游戏类APP就是第一定向条件APP1-5的上级预设类别，即确定为第二定向条件。

具体地，如客户要求在视频播放软件中投放广告，而投放对象的定向条件需在投放对象移动终端上安装的所有APP中选择，如定向条件为[棋牌2，策略1，策略2，视频1，视频2，社交1，社交2]几个APP，如图2A所示，按照树型结构将这组定向条件向上归纳，比如“策略1”和“策略2”的组合等同于“策略类”。经过归纳，定向条件会收敛到图2B所示的最终状态，收敛到[棋牌2，策略类，非游戏类]这三个上级分类，其中[棋牌2，策略1，策略2，视频1，视频2，社交1，社交2]为强相关性定向条件，即第一定向条件，[棋牌2，策略类，非游戏类]都是彼此弱相关的，为弱相关性定向条件，即第二定向条件。

步骤104、根据所述第二定向条件计算所述广告投放对象的库存量。

本发明实施例中，根据上述描述的，第一定向条件和第二定向条件都是多个预设条件的集合，其中通过对第一定向条件进行预设上级分类，获得的第二定向条件，明显降低了第一定向条件的数量，并且即便用户随时增加任一第一定向条件，第二定向条件也不会随之增加，除非增加的第一定向条件超出了已有预设上级分类，例如，第一定向条件为APP1、APP2、APP3、APP4、APP5，第二定向条件是针对这5个APP的上级分类，即游戏类和非游戏类，所以即便用户随时增加任一APP作为第一定向条件，第二定向条件是不会随之增加的，所以根据第二定向条件计算广告投放用户的覆盖率，即可以得到广告投放对象的库存量，如用户需要投放广告到非游戏类APP，则通过游戏类和非游戏类APP的用户覆盖率，即能计算出广告库存量。其中，覆盖率的算法通常利用概率统计方法进行计算，即分别计算满足各第二定向条件的用户覆概率，再将几个概率值相乘得到第二定向条件的总覆盖率后，通过所有用户数量即可得到该广告投放对象的总人数，即库存量。

在本发明实施例中，针对广告投放对象获取广告投放的第一定向条件；根据所述第一定向条件获得所述第一定向条件的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件；根据所述第二定向条件计算所述广告投放对象的库存量。实现了将多个定向条件进行上级分类的聚合，以减少定向条件数量的有益效果。

实施例二

参照图2，示出了本申请的一种广告库存询量方法实施例的步骤流程图，具体可以包括如下步骤：

步骤201、针对广告投放对象获取广告投放的第一定向条件；

此步骤与步骤101相同，在此不再详述。

步骤202、将所述第一定向条件输入预设树模型；

此步骤与步骤102相同，在此不再详述。

步骤203、根据所述预设树模型中各级节点的饱和度逐层向上聚合，至唯一上级节点；

本发明实施例中，预设树模型中会限定一个高级分类节点有若干个子节点，如果每个节点对应的定向条件都满足到的话，就说明该上级节点的度是饱和地，那么该若干个子节点就向上级聚合到该高级节点，而高级节点对应的再上级节点的度如果也饱和的话，就继续向上聚合，直至到唯一一个上级节点。如图2B所示的，当选择第一定向条件为[棋牌2，策略1，策略2，视频1，视频2，社交1，社交2]几个APP后，在树形结构中[策略1，策略2]对应的上级节点[策略类]的度饱和，那么就将[策略1，策略2]向上收敛为[策略类]，而另一个底层节点[棋牌2]对应的[棋牌类]上级节点的度并没有饱和，所以[棋牌2]节点不能进行向上收敛。以此类推，[视频1，视频2，社交1，社交2]逐层向上归纳至[非游戏类]。

优选地，所述预设树模型为包括底层节点以及各层上级节点的数据模型；所述底层节点对应所述第一定向条件，所述各层上级节点分别对应所述第一定向条件的各上级预设类别。

优选地，步骤203包括，子步骤A1-A3；

子步骤A1、从所述底层节点向上，逐级判断所述底层节点以及所述各层上级节点是否饱和；

子步骤A2、若不饱和，则将当前层级的节点对应的所述第一定向条件或所述上级预设类别，确定为第二定向条件；

子步骤A3、若饱和，则向上进行聚合至唯一上级节点。

本发明实施例中，预设树模型中会限定一个高级分类节点有若干个子节点，如果每个节点对应的定向条件都满足到的话，就说明该上级节点的度是饱和地，那么该若干个子节点就向上级聚合到该高级节点，而高级节点对应的再上级节点的度如果也饱和的话，就继续向上聚合，直至到唯一一个上级节点。如图2B所示的，当选择第一定向条件为[棋牌2，策略1，策略2，视频1，视频2，社交1，社交2]几个APP后，在树形结构中[策略1，策略2]对应的上级节点[策略类]的度饱和，那么就将[策略1，策略2]向上收敛为[策略类]，而另一个底层节点[棋牌2]对应的[棋牌类]上级节点的度并没有饱和，所以[棋牌2]节点不能进行向上收敛。以此类推，[视频1，视频2，社交1，社交2]逐层向上归纳至[非游戏类]。

步骤204、获取所述唯一上级节点对应的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件。

本发明实施例中，如图2B所示的，根据各第一定向条件在树结构中逐层向上级节点归纳，最后确定了各第一定向条件对应的各上级预设类别分别为[棋牌2]、[策略类]、[非游戏类]，那么这三个类别是都是彼此弱相关的可将所有弱相关定向条件视为独立事件，也即第二定向条件。

当然，在实际应用中，强相关性定向条件向弱相关性定向条件的转换不限于上述描述的方法，本发明实施例对此不加以限制。

步骤205、根据所述广告投放的第二定向条件，利用预设概率算法计算所述广告投放对象的库存量。

本发明实施例中，在确定了弱相关性的第二定向条件后，再根据古典概率算法进行询量计算，询量的结果是这三个定向条件涵盖的全体独立用户，即P(非游戏类)，P(策略类)，P(棋牌类)分别为三个定向条件的覆盖率如下所示：

P(非游戏类或策略类或棋牌类)＝(1-P(非游戏类))*(1-P(策略类))*(1-P(棋牌类))

至此获得的广告投放对象的询量结果，不必使用全部的第一定向条件，在将第一定向条件聚合为第二定向条件后，大大减少了计算的复杂度，即便针对不断增加的第一定向条件，仍然可以准确且高效的获得询量结果。

当然，在实际应用中，询量的计算方法不限于上述描述，本发明实施例对此不加以限制。

在本发明实施例中，针对广告投放对象获取广告投放的第一定向条件，通过所述预设树模型获得所述第一定向条件聚合后的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件，其中，所述预设树模型为包括底层节点以及各层上级节点的数据模型；所述底层节点对应所述第一定向条件，最后，所述各层上级节点分别对应所述第一定向条件的各上级预设类别，根据所述广告投放的第二定向条件，利用预设概率算法计算所述广告投放对象的库存量。达到了不论第一定向条件(强相关定向条件)不断增加的情况下，将第一定向条件聚合为第二定向条件(弱相关定向条件)，从而在不影响询量结果计算的准确性的前提下，提高了询量计算的效率的有益效果。

实施例三

参照图3，示出了本申请的一种广告库存询量装置实施例的结构框图，具体可以包括如下模块：

第一定向条件获取模块301，用于针对广告投放对象获取广告投放的第一定向条件；

输入模块302，用于将所述第一定向条件输入预设树模型；

第二定向条件获取模块303，用于通过所述预设树模型获得所述第一定向条件聚合后的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件。

库存量获取模块304，用于根据所述第二定向条件计算所述广告投放对象的库存量。

在本发明实施例中，通过第一定向条件获取模块，用于针对广告投放对象获取广告投放的第一定向条件；然后通过输入模块，用于将所述第一定向条件输入预设树模型；第二定向条件获取模块，用于通过所述预设树模型获得所述第一定向条件聚合后的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件；最后通过库存量获取模块，根据所述第二定向条件计算所述广告投放对象的库存量。实现了将多个定向条件进行聚合的有益效果。

实施例四

参照图4，示出了本申请的一种广告库存询量装置实施例的结构框图，具体可以包括如下模块：

第一定向条件获取模块401，用于针对广告投放对象获取广告投放的第一定向条件；

输入模块402，用于将所述第一定向条件输入预设树模型；

第二定向条件获取模块403，用于通过所述预设树模型获得所述第一定向条件聚合后的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件。

优选地，所述第二定向条件获取模块403，包括：

聚合子模块4031，用于根据所述预设树模型中各级节点的饱和度逐层向上聚合，至唯一上级节点；

第二定向条件确定子模块4032，用于获取所述唯一上级节点对应的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件。

优选地，所述预设树模型为包括底层节点以及各层上级节点的数据模型；所述底层节点对应所述第一定向条件，所述各层上级节点分别对应所述第一定向条件的各上级预设类别。

优选地，所述聚合子模块4031，包括：

判断单元，用于从所述底层节点向上，逐级判断所述底层节点以及所述各层上级节点是否饱和；

第二定向条件确定单元，用于若不饱和，则将当前层级的节点对应的所述第一定向条件或所述上级预设类别，确定为第二定向条件；

聚合子单元，用于若饱和，则向上进行聚合至唯一上级节点。

库存量获取模块404，用于根据所述第二定向条件计算所述广告投放对象的库存量。

优选地，所述库存量获取模块404，包括：

库存量获取子模块4041，用于根据所述广告投放的第二定向条件，利用预设概率算法计算所述广告投放对象的库存量。

在本发明实施例中，通过第一定向条件获取模块，针对广告投放对象获取广告投放的第一定向条件，再通过第二定向条件获取模块，通过所述预设树模型获得所述第一定向条件聚合后的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件，其中，所述预设树模型为包括底层节点以及各层上级节点的数据模型；所述底层节点对应所述第一定向条件，最后，通过库存量获取模块，将所述各层上级节点分别对应所述第一定向条件的各上级预设类别，根据所述广告投放的第二定向条件，利用预设概率算法计算所述广告投放对象的库存量。达到了不论第一定向条件(强相关定向条件)不断增加的情况下，将第一定向条件聚合为第二定向条件(弱相关定向条件)，从而在不影响询量结果计算的准确性的前提下，提高了询量计算的效率的有益效果。

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。

本说明书中的各个实施例均采用递进的方式描述，各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，本申请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，本申请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，本申请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。

在一个典型的配置中，所述计算机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非持续性的电脑可读媒体(transitory media)，如调制的数据信号和载波。

本申请实施例是参照根据本申请实施例的方法、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。

尽管已描述了本申请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申请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。

以上对本申请所提供的一种广告库存询量方法和一种广告库存询量装置，进行了详细介绍，本文中应用了具体个例对本申请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申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，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申请的限制。

Claims (6)

1.一种广告库存询量方法，其特征在于，所述方法包括：

针对广告投放对象获取广告投放的第一定向条件；所述第一定向条件是强相关性定向条件；

将所述第一定向条件输入预设树模型；

通过所述预设树模型获得所述第一定向条件聚合后的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件；所述第二定向条件是弱相关性定向条件；根据所述第二定向条件计算所述广告投放对象的库存量；

所述预设树模型为包括底层节点以及各层上级节点的数据模型；所述底层节点对应所述第一定向条件，所述各层上级节点分别对应所述第一定向条件的各上级预设类别；

所述通过所述预设树模型获得所述第一定向条件聚合后的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件的步骤，包括：

根据所述预设树模型中各级节点的饱和度逐层向上聚合，至唯一上级节点；

获取所述唯一上级节点对应的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件。

2.根据权利要求1所述的方法，其特征在于，所述根据所述预设树模型中各级节点的饱和度逐层向上聚合，至唯一上级节点的步骤，包括：

从所述底层节点向上，逐级判断所述底层节点以及所述各层上级节点是否饱和；

若不饱和，则将当前层级的节点对应的所述第一定向条件或所述上级预设类别，确定为第二定向条件；

若饱和，则向上进行聚合至唯一上级节点。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述第二定向条件计算所述广告投放对象的库存量的步骤，包括：

根据所述广告投放的第二定向条件，利用预设概率算法计算所述广告投放对象的库存量。

4.一种广告库存询量装置，其特征在于，所述装置包括：

第一定向条件获取模块，用于针对广告投放对象获取广告投放的第一定向条件；所述第一定向条件是强相关性定向条件；

输入模块，用于将所述第一定向条件输入预设树模型；

第二定向条件获取模块，用于通过所述预设树模型获得所述第一定向条件聚合后的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件；所述第二定向条件是弱相关性定向条件；

库存量获取模块，用于根据所述第二定向条件计算所述广告投放对象的库存量；

所述预设树模型为包括底层节点以及各层上级节点的数据模型；所述底层节点对应所述第一定向条件，所述各层上级节点分别对应所述第一定向条件的各上级预设类别；

所述第二定向条件获取模块，包括：

聚合子模块，用于根据所述预设树模型中各级节点的饱和度逐层向上聚合，至唯一上级节点；

第二定向条件确定子模块，用于获取所述唯一上级节点对应的上级预设类别，并将所述上级预设类别确定为所述广告投放的第二定向条件。

5.根据权利要求4所述的装置，其特征在于，所述第二定向条件确定子模块，包括：

判断单元，用于从所述底层节点向上，逐级判断所述底层节点以及所述各层上级节点是否饱和；

第二定向条件确定单元，用于若不饱和，则将当前层级的节点对应的所述第一定向条件或所述上级预设类别，确定为第二定向条件；

聚合子单元，用于若饱和，则向上进行聚合至唯一上级节点。

6.根据权利要求4或5所述的装置，其特征在于，所述库存量获取模块，包括：

库存量获取子模块，用于根据所述广告投放的第二定向条件，利用预设概率算法计算所述广告投放对象的库存量。

Images