CN109426980A - 确定广告竞价的方法、装置、服务器以及存储介质 - Google Patents

Abstract

本申请提供了一种确定广告竞价的方法、装置、服务器以及存储介质，该方法包括：接收广告竞价请求，广告竞价请求携带有目标广告位的标识信息以及目标用户的用户标识；获取待竞价的目标广告的预期出价；获取目标用户点击目标广告的点击概率；确定目标广告位的质量评分，目标广告位的质量评分至少用于表征目标广告位不存在广告作弊的第一概率；根据目标广告位的质量评分、目标广告的预期出价以及目标用户点击目标广告的点击概率，确定目标广告的广告竞价。本申请的方案可以有利于提高广告投放的有效性。

Description

确定广告竞价的方法、装置、服务器以及存储介质

技术领域

本申请涉及通信技术领域，尤其涉及一种确定广告竞价的方法、装置、服务器以及存储介质。

背景技术

实时竞价(Real Time Bidding，RTB)是一种新型的广告投放形式。实时竞价的广告投放方式对广告位进行竞价拍卖，强调广告在互联网中单次展现的质量，根据展现价值评估给出不同的价格。

在该种实时竞价的广告投放形式中，广告主将自己的广告需求放到需求方平台(Demand-Side Platform，DSP)上，互联网媒体将自己的广告流量资源放到广告交易平台(Ad Exchange，ADX)中，而DSP通过与ADX的技术对接完成竞价购买。具体的，在互联网媒体接收到用户的访问请求时，会向广告交易平台发送投放广告的请求，而广告交易平台会从至少一个DSP平台中获取多个不同广告的广告竞价，同时，根据广告竞价确定待投放的广告，并将待投放的广告投放到该互联网媒体中。

其中，DSP平台在确定待竞价的广告的广告竞价时，一般会先根据互联网媒体中发出访问请求的该用户的用户信息以及该广告的相关信息，进行广告点击率预测(PredictClick-Through Rate，PCTR)，以确定该用户点击该广告的点击概率；然后，DSP平台会根据该广告所对应的预期价格以及预测出的该点击概率，确定该广告的广告竞价。然而，经发明人研究发现，基于目前这种确定广告竞价的方式，针对不同种广告位，所确定出的广告竞价基本相同，使得广告被选择投放到不同种广告位上的概率相似，很容易导致广告被盲目投放的情况，从而无法实现有效的广告投放。

发明内容

有鉴于此，本申请提供了一种确定广告竞价的方法、装置、服务器以及存储介质，以有利于提高广告投放的有效性。

为实现上述目的，一方面，本申请提供了一种确定广告竞价的方法，包括：

接收广告竞价请求，所述广告竞价请求携带有待投放广告的目标广告位的标识信息，以及目标用户的用户标识，其中，所述目标用户为请求访问承载所述目标广告位的目标网页的用户；

获取待竞价的目标广告的预期出价；

获取所述目标用户在所述目标广告位中点击所述目标广告的点击概率；

确定所述目标广告位的质量评分，所述目标广告位的质量评分至少用于表征所述目标广告位不存在广告作弊的第一概率；

根据所述目标广告位的质量评分、所述目标广告的预期出价以及所述目标用户点击所述目标广告的点击概率，确定所述目标广告的广告竞价。

另一方面，本申请还提供了一种确定广告竞价的装置，包括：

请求接收单元，用于接收广告竞价请求，所述广告竞价请求携带有待投放广告的目标广告位的标识信息，以及目标用户的用户标识，其中，所述目标用户为请求访问承载所述目标广告位的目标网页的用户；

第一获取单元，用于获取待竞价的目标广告的预期出价；

点击预测单元，用于获取所述目标用户在所述目标广告位中点击所述目标广告的点击概率；

广告位评分单元，用于确定所述目标广告位的质量评分，所述目标广告位的质量评分至少用于表征所述目标广告位不存在广告作弊的第一概率；

广告竞价单元，用于根据所述目标广告位的质量评分、所述目标广告的预期出价以及所述目标用户点击所述目标广告的点击概率，确定所述目标广告的广告竞价。

另一方面，本申请实施例还提供了一种服务器，包括：

通信接口，处理器以及存储器；

其中，所述通信接口，用于接收广告竞价请求，所述广告竞价请求携带有待投放广告的目标广告位的标识信息，以及目标用户的用户标识，其中，所述目标用户为请求访问承载所述目标广告位的目标网页的用户；

所述处理器，用于调用并执行所述存储器中存储的程序；

所述存储器用于存储所述程序，所述程序至少用于：

获取待竞价的目标广告的预期出价；

获取所述目标用户在所述目标广告位中点击所述目标广告的点击概率；

确定所述目标广告位的质量评分，所述目标广告位的质量评分至少用于表征所述目标广告位不存在广告作弊的第一概率；

根据所述目标广告位的质量评分、所述目标广告的预期出价以及所述目标用户点击所述目标广告的点击概率，确定所述目标广告的广告竞价。

另一方面，本申请实施例还提供了一种存储介质，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，用于实现以上所述的确定广告竞价的方法中的步骤。

经由上述的技术方案可知，在本申请实施例中，在获取到广告投放请求之后，需要确定待投放广告的广告位的质量评分，而广告位的质量评分可以反映该广告位不存在广告作弊的概率，因此，如果广告位存在广告作弊的情况较为严重，则该广告位的质量评分会相对较低，这样，结合该广告位的质量评分，确定出的广告竞价相对较低，使得广告被投放到该广告位上的概率降低；相应的，如果该广告位不存在广告作弊的情况或者广告作弊的情况较少，则该广告位的质量评分相对较高，使得确定出的广告竞价相对较高，从而提高了广告被投放到该广告位中的概率，使得广告被投放到质量较高的优质广告位上的可能性提高，进而有利于提升广告被真实曝光以及点击的概率，提高了广告投放的有效性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1示出了本申请的确定广告竞价的方法所适用的一种应用场景的组成架构示意图；

图2示出了本申请一种确定广告竞价的方法一个实施例的流程交互示意图；

图3示出了本申请一种训练用于预测点击概率的点击概率预测模型的训练流程示意图；

图4示出了本申请一种确定广告位中产生真实点击行为的第一概率的流程示意图；

图5示出了本申请一种确定广告竞价的方法又一个实施例的流程示意图；

图6示出了本申请一种确定广告竞价的装置一个实施例的组成结构示意图；

图7示出了本申请一种确定广告竞价的装置所适用的服务器的一种组成结构示意图。

具体实施方式

为了便于理解本申请实施例的方案，下面先对本申请实施例所涉及到的一些概念或者术语进行介绍：

实时竞价(Real Time Bidding，RTB)，是一种利用第三方技术在数以百计的网站上，基于用户的兴趣爱好、购买方向等行为，对待投放的广告的价值进行评估以及出价的竞价技术。通过实时竞价可以达到精准投放广告的目的。广告主：具有广告投放需求并为广告投放支付相关费用的一方。

需求方平台(Demand-Side Platform，DSP)：需求方平台允许广告主和广告机构更方便地访问，以及更有效地购买广告库存，因为该平台汇集了各种广告交易平台，广告网络，供应方平台，甚至媒体的库存，有了这一平台，就不需要再出现另一个繁琐的购买步骤——购买请求。简单的说，DSP就是广告主服务平台，广告主可以在该平台中设置广告的目标受众、投放地域、广告的预期出价等等。

广告交易平台(Ad Exchange，ADX)一种汇聚了各种媒体流量的大规模交易平台，是DSP实现受众精准购买的交易平台。

广告位，互联网媒体提供的能够向用户展示广告内容的网页位置。

互联网媒体，是指能够提供承载广告位的网页的网站或者网络平台等等。

用户转化率，是指投放广告后，在一个统计周期内，完成广告主所期望的转化行为的用户占据所有用户的比率。相应的，转化行为指潜在客户完成一次广告主所期望的行动。其中，广告主所期望的转化行为可以为：点击广告并浏览指定时长，执行与广告内容相关联的网站的注册，执行与该广告相关联的内容的下载，基于广告发起购物或者访问咨询等等。

广告作弊，也称为流量作弊，是指通过作弊手段提升广告曝光、点击等指标的行为。比如，利用开发特殊的应用，伪造曝光或点击等数据。通过广告作弊行为实现的对广告的点击、曝光等操作，并不是用户真实的点击、曝光等行为，不利用广告的有效转化，而广告主希望每次展现的广告被点击、曝光等行为都是真实用户的有效行为，而并非作弊行为。

下面先对本申请的确定广告竞价的方法所适用的一种应用场景进行介绍，参见图1，该应用场景中包括：互联网媒体11、广告交易平台12以及需求方平台13以及用户终端14。

需要说明的是，图1仅仅是一个示例，因此在图1中示出了的互联网媒体、广告交易平台、需求方平台以及终端均为一个，但是在实际应用中，一个广告交易平台可以连接有多个需求方平台13，以便根据多个需求方平台所出的广告竞价中，确定所需投放的广告(如，将广告竞价最高的广告确定为需要投放的广告)。相应的，一个需求方平台也可以与多个广告交易平台建立连接，以便实现在不同广告交易平台上完成广告交易。

当然，广告交易平台可以与多个互联网媒体相连，且同一时刻，该广告交易平台可以接收一个或多个互联网媒体发送的多个广告投放请求。

其中，互联网媒体11可以理解为提供媒体服务的网站，用于提供播放广告的广告位。

广告交易平台12可以由至少一台用于实现广告交易服务的服务器构成。

相应的，该需求方平台可以由至少一台用于确定广告竞价的服务器构成。可选的，该需求方平台还可以包括数据库，该数据库中可以存储用户的用户数据，该用户数据可以包括用户的属性，如，用户的性别、年龄、学历、婚姻状况等等属性数据；该用户数据还可以包括用户在一个或多个互联网媒体上的行为数据，如，用户在互联网媒体上访问的内容类型、点击的广告以及广告类型等等。

如图1，在步骤S101中，用户通过终端14向互联网媒体11发出访问请求，该访问请求可以请求访问互联网媒体11中相关的网页资源。

在步骤S102中，互联网媒体11确定该用户所请求访问的网页中所包含的至少一个广告位，并向广告交易平台12发送投放广告的投放请求，该投放请求可以携带该用户的用户标识以及广告位的标识信息。

其中，用户的用户标识可以包括：用户在该互联网媒体中的用户名、账号等用户标识，还可以包括：用户的终端的IP地址。

该广告位的标识信息可以包括：该广告位的标识、该广告位所属的互联网媒体、该广告位所属的网页、广告位在网页中的位置等等。

在步骤S103中，广告交易平台12响应于该投放请求，向需求方平台13发送广告竞价请求，该广告竞价请求携带有该用户的用户标识。

在步骤S104中，需求方平台14的服务器根据该用户标识，从需求方平台的数据库中获取该用户的用户数据。

用户数据可以包括前面提到的用户的属性信息以及行为数据等等。

当然，当需求方平台的服务器中存储有用户数据的前提下，也可以直接从服务器中获取用户数据，而无需再访问该数据库。

在步骤S105中，针对每个待竞价的广告，需求方平台根据用户数据、该广告的广告属性信息以及该广告位的标识信息，预估该用户点击该广告位中广告的点击概率，并依据点击概率以及预先设定的该广告的预期出价，确定该广告的广告竞价，并将广告的广告竞价以及广告地址发送给广告交易平台12。

其中，该广告地址用于定位该广告，以获取到广告的数据资源，从而实现对广告的展现或播放。在该需求方平台中可以存储待投放的广告的广告地址。

其中，该广告的广告属性信息可以包括：该广告的广告类别，如，广告为游戏广告、母婴用户的广告等等，该广告的广告信息还可以包括：该广告的广告标识、如，广告的标识号；还可以包括：表明该广告所包含内容的关键信息，如，广告内容所对应的品牌以及产品信息等等。

在步骤S106中，广告交易平台12依据多个需求方平台上报的多个广告竞价，选取广告竞价最高的广告作为待投放的广告，并将待投放广告的广告地址发送给互联网媒体11；

当然，此处是以选取广告竞价最高的广告作为待投放的广告为例进行说明，但是在实际应用中，也还可以设定根据广告竞价，选取待投放广告的其他条件。

在步骤S107中，互联网媒体依据待投放的广告的广告地址，获取待投放的广告，并向终端返回广告位中展现有该广告的网页。

如，将待投放的广告展现在该网页中该广告标识所表征的广告位中。

可以理解的是，需求方平台也可以是将广告竞价和该广告的标识发送给广告交易平台。相应的，广告交易平台在确定出待投放的广告之后，可以将该待投放的广告的广告标识发送给互联网媒体，由互联网媒体根据广告标识，从广告资源库中获取待投放的广告，或者是，按照广告标识与广告地址的映射关系，获取广告地址，并依据广告地址获取待投放的广告。

当然，以上仅仅是以一种应用场景为例，在实际应用中该应用场景所涉及的主体也可以会发生变化，如互联网媒体方还可能会选择使用供应方平台(supply sideplatform，SSP)来管理和出售广告位的资源，在该种场景下，可以通过供应方平台与广告交易平台进行通信连接，当然，还可以是SSP平台直接与DSP平台实现竞价交互，并最终选取待投放的广告。

本申请的发明人经过对DSP平台确定广告竞价的过程进行研究发现：广告的广告竞价是由广告的预期出价以及预估出的该用户对该广告的点击概率确定的，而用户对该广告的点击概率是根据该用户的用户数据以及该广告的广告信息确定的。然而，对于不同互联网媒体的质量也会存在差异，如果采用以上确定广告竞价的方式，必然会导致对于不同质量的互联网媒体，所确定出的同一个广告的广告竞价相同，从而使得广告被投放到低质量的互联网媒体与被投放到高质量的互联网媒体的概率相同，而广告被投放到低质量的互联网媒体之后，广告被点击、曝光以及转化的概率均会较低，进而使得广告投放的有效性差。

其中，互联网媒体的质量与互联网媒体是否存在广告作弊行为以及广告作弊行为占真实用户的有效操作行为的比重有关。互联网媒体存在的广告作弊的比重越高，该互联网媒体的质量越差。

为了降低向质量较低的互联网媒体投放广告的概率，提高广告投放的有效性，在本申请所提供的确定广告竞价的方法中，综合了互联网媒体的质量来确定广告的广告竞价。下面结合以上共性，对本申请实施例的一种确定广告竞价的方法进行介绍。

如，参见图2，其示出了本申请一种确定广告竞价的方法一个实施例的流程示意图，本实施例的方法可以应用于需求方平台的服务器，本实施例的方法可以包括：

S201，接收广告交易平台发送的广告竞价请求。

其中，该广告竞价请求携带有目标用户的用户标识，以及待投放广告的目标广告位的标识信息。

其中，该目标用户为请求访问承载该目标广告位的网页的用户。该目标用户的用户标识用于唯一标识该目标用户，如，该目标用户的用户标识可以包括该目标用户的电话号码，该目标用户在该目标广告位所属网站(也就是前面提到的互联网媒体)中的用户名、账号等等标识。

该目标广告位的标识信息可以包括：该目标广告位的广告位标识。当然，如果后续将目标广告所属的网站的质量评分直接作为该目标广告位的质量评分，那么该目标广告位的标识信息也可以为该目标广告位所属的网站的标识或者是目标广告位所属的网页的标识。

需要说明的是，在图2实施例中是以广告交易平台向需求方平台发送广告竞价请求为例进行说明，但是可以理解的是，在实际应用中，需求方平台接收到的广告竞价请求也可以是由供应方平台发送的，在本申请实施例中对于广告竞价请求由哪一个平台发送给需求方平台不做限定。

S202，确定待竞价的至少一个目标广告，并分别获取每个目标广告的广告属性信息以及预先设定的每个目标广告的预期出价。

为了与需求方平台中当前不需要参与竞价的其他广告进行区分，将待确定广告竞价的广告称为目标广告。

可以理解的是，在DSP中不同广告可以分别设定各自所对应的投放条件，根据广告的投放条件，可以确定该广告当前是否需要参与竞价，而当前待竞价的目标广告一般为DSP中所有广告的一部分。当然，具体如何确定当前待竞价的目标广告可以根据需要设定，在此不加以限制。

其中，目标广告的广告属性信息包括：目标广告的广告标识、目标广告的广告类别等，还可以包括：表明该广告所包含内容的关键信息。

S203，根据目标用户的用户标识，从需求方平台的数据库中获取该目标用户的用户数据。

其中，用户标识可以为用户在目标广告位所属网站中的账号、用户名等，也可以为用户的电话号码以及用户的终端的IP地址等。

其中，目标用户的用户数据可以包括：目标用户的属性信息以及目标用户在不同互联网媒体的网站中的访问行为数据。如，属性信息可以包括：性别、年龄、职业、学历、婚姻状况等等；目标用户的访问行为数据可以包括：目标用户访问过的广告的广告属性信息、目标用户访问过的网站和网站的类型以及网站中所包含的广告位、目标用户对不同种类的网络资源的访问时长，以及目标用户对不同广告类型的广告的访问行为类型等等信息中的一种或多种。其中，目标用户对不同广告类型的广告的访问行为类型包括：点击、曝光、下载等等中的一种或几种。

DSP的数据库中可以存储不同网站中不同用户的用户数据。如，用户访问互联网媒体的网站时，用户的终端内的cookies中会存储用户在网站中的一些行为数据以及用户的标识等信息，这样，需求方平台可以通过该网站或者其他数据抓取服务器等获取到用户的用户数据。

可以理解的是，用户数据存储在DSP中的数据库中仅仅是一种实现方式，在实际应用中，用户数据也可以存储于DSP的服务器中，或者是其他用于存储网络中不同用户的用户数据的数据服务器中。相应的，根据目标用户的用户标识，获取用户数据的方式也可以有多种不同方式。

S204，对于任意一个目标广告，根据目标用户的用户数据、目标广告的广告属性信息以及目标广告位的标识信息，预测该目标用户在该目标广告位中点击该目标广告的点击概率。

其中，该步骤S204的目的是进行广告点击率预测(Predict Click-Through Rate，PCTR)，以预测在该目标广告位展现出某个目标广告的情况下，该目标用户点击该目标广告的概率。

为了便于描述以及区分，将预测出的该目标用户点击该目标广告的概率称为点击概率。

其中，预测该点击概率的方式可以有多种，如，在一种实现方式中，可以根据目标用户的用户数据、目标广告的广告属性信息以及目标广告位的标识信息，并利用预先训练得到的点击概率预测模型预测该目标用户在该目标广告位中点击该目标广告的点击概率。

其中，该点击概率预测模型为利用当前时刻之前获取到的至少一个历史行为记录训练得到，其中，至少一个历史行为记录为当前时刻之前至少一个广告位中所产生的曝光以及点击行为的相关数据记录，而一个广告位对应的历史行为记录可以表征当前时刻之前该广告位对应的一次历史行为的相关数据。

如，历史行为记录中可以记录有：广告位的标识信息，广告位中展现的广告的广告属性信息，访问该广告位的历史访问用户的属性信息以及访问该广告位的访问行为类型之间的对应关系，其中，一个历史行为记录中访问行为类型可以包括：曝光以及点击中的一种，不同历史访问记录中的访问行为类型有可能会有所不同。

例如，在广告位M1中展现出广告S1的情况下，如果网站中检测到用户点击了该广告位M1中的广告S1，则可以生成包含：该广告位M1的标识、广告S1的标识、用户的用户标识以及点击行为的记录，并将记录发送给指定的数据服务器，数据服务器会根据广告S1的标识获取广告的属性信息，并根据用户标识获取用户属性数据等，并最终存储为一条历史行为记录；或者是，网站直接生成包含：广告位M1的标识、广告S1的广告属性信息以及历史访问用户的属性信息以及点击行为的历史行为记录，并将该历史行为记录发送给指定的服务器进行存储。

其中，为了便于区分，将用于训练点击概率预测模型所需的样本数据称为历史行为记录，并将该历史行为记录所涉及到的用户称为第一历史用户，该历史行为记录所涉及到的广告位中展现出的广告称为第一历史广告。

其中，该点击概率预测模型可以为任意形式的模型，相应的，训练该点击概率预测模型的方式也可以有多种。为了便于理解，以该点击概率预测模型为基于至少一个历史行为记录训练得到的逻辑回归模型(Logistic Regression,LR)为例，对训练该用于预测点击概率的LR模型的过程进行介绍。如参见图3，其示出了本申请一种训练用于预测点击概率的LR模型的一种训练过程示意图，由图3可以看出，训练过程可以包括：

S301，获取至少一个广告位各自对应的多个历史行为记录。

S302，将该至少一个广告位各自对应的多个历史行为记录中记录的广告位的标识信息、第一历史广告的广告属性信息以及第一历史用户的属性信息输入到待训练的LR模型中，并获得待训练的LR模型预测出的不同历史行为记录对应的访问行为类型属于点击行为的点击概率；

其中，将历史行为记录中除了访问行为类型之外数据输入到该待训练的LR模型之后，该待训练的LR模型可以分别预测每个历史行为记录对应的访问行为类型属于点击行为的点击概率。其中，历史访问用户的属性信息可以参见前面用户的属性信息，在此不再赘述。

S303，对于任意一个历史行为记录，如果该待训练的LR模型预测出的该历史行为记录对应的访问行为类型属于点击行为的点击概率大于第一预设阈值，则确定该待训练的LR模型预测出的该历史行为记录对应的访问行为类型为点击行为；否则，则确定该待训练的LR模型预测出的该历史行为记录对应的访问行为类型为曝光行为。

其中，该第一预设阈值可以根据需要设定，如该第一预设阈值可以为0.8。

可以理解的是，该历史行为记录中记录有实际的访问行为类型，同时，该待训练的LR模型对基于该历史行为记录中除了访问行为类型之外的数据，来预测该历史行为记录所对应的预测出的访问行为类型，以便后续分析该待预训练的LR模型预测出的点击概率的准确程度。

其中，如果待训练的LR模型预测出的该历史行为记录对应的访问行为类型属于点击行为的概率大于该第一预设阈值，则可以认为该LR模型预测出的该历史行为记录对应的访问行为类型为点击行为；相应的，如果该LR模型预测出的该历史行为记录对应的访问行为类型为点击行为的概率小于该第一预设阈值，则可以认为该LR模型预测出的该历史行为记录的访问行为类型属于点击行为的概率较小，则认为预测出的该历史行为记录的访问行为类型为曝光行为。

S304，依据该多个历史行为记录各自记录的访问行为类型，以及该待训练的LR模型预测出的各个历史行为记录对应的访问行为类型，检测待训练的LR模型预测的准确度是否满足预设条件，如果是，则将待训练的LR模型作为训练得到的LR模型，并结束训练；如果否，则调整待训练的LR模型中的参数设置，并返回步骤S302。

可以理解的是，如果该LR模型预测出的各个历史行为记录对应的访问行为类型，与该多个历史行为记录中实际记录的访问行为类型的相符合程度较高，则说明该LR模型的预测出的点击概率的准确度较高。如，假设历史行为记录中记录的访问行为类型为曝光行为，而利用该LR模型预测出的该历史行为记录属于点击行为的概率小于第一预设阈值，则说明LR模型预测出该历史行为记录对应的访问行为类型也是曝光行为，此处，LR模型预测出的该历史访问记录的访问行为类型与该历史行为记录实际记录的访问行为类型一致。

因此，在一种可能情况中，该预设条件可以为：该待训练的LR模型预测出的各个历史访问记录对应的访问行为类型，与该各个历史访问记录中实际记录的访问行为类型相同的比例是否超过第二预设阈值，如果该比例超过第二预设阈值，则认为该LR模型训练结束。

例如，以训练LR模型中用到了100个历史行为记录的数据，假设LR模型预测出的90个历史行为记录对应的预测出的访问行为类型，与这90个历史行为记录中实际记录的访问行为类型一致，则该LR模型的预测准确率为90％，如果第二预设阈值为0.8，则说明该LR模型的预测准确率大于第二预设阈值，则LR模型训练结束。

可以理解的是，该预设条件还可以有其他可能，只要是能够保证训练出的该LR模型预测点击概率的准确度超过预设值，以在LR模型能够较为准确的点击概率的情况下，结束LR模型的训练即可。

需要说明的是，以上仅仅是一种训练过程为例进行说明，对于其他训练得到用于实现广告点击率预测的LR模型也同样适用于本申请实施例。而且，以上是以实现广告点击率预测的模型为LR模型为例进行说明，但是该点击概率预测模型为其他形式的模型时，训练该点击概率预测模型的过程相似，在此不再赘述。

需要说明的是，以上步骤S203和S204是一种预测该目标用户在该目标广告位中点击该目标广告的点击概率的方式为例进行介绍，但是可以理解的是，对于通过其他方式预测该点击概率也同样适用于本实施例，在此不再赘述。

同时，以上实施例在接收到广告竞价请求之后，实时预测该目标用户在该目标广告位中点击该目标广告的点击概率为例进行介绍，在实际应用中，如果预先已经计算出该目标用户在该目标广告位中点击该目标广告的点击概率，如，当前时刻之前计算过该点击概率，则可以直接获取该目标用户在该目标广告位中点击该目标广告的点击概率。

S205，确定该目标广告位的质量评分，该质量评分至少用于表征该目标广告位不出现广告作弊的第一概率。

其中，目标广告位不出现广告作弊的第一概率越高，该目标广告位的质量评分越高。

可以理解的是，在实际应用中，可以通过分析该目标广告位中由用户真实操作行为所产生的点击、曝光等行为的概率，得到该目标广告位中不存在广告作弊的第一概率，并依据该第一概率，确定该目标广告位的质量评分。如，将该第一概率的取值作为该目标广告位的质量评分。

如，可以获取该目标广告位中在当前时刻之前产生的多个目标历史点击数据，并基于该目标历史点击数据中访问该目标广告位的用户的用户特征，如用户的IP地址等等，来分析不属于真实用户的点击、曝光等访问行为，从而确定该目标广告位中所对应的多个目标历史点击数据的占比，将该占比作为该第一概率。

在一种可能的实现方式中，考虑到决定广告位质量好坏的关键因素是该广告位中出现的真实点击行为的次数占据总点击次数的比例，因此，该目标广告位的第一概率可以表示当前时刻之前指定时间段内，点击过该目标广告位的历史用户集合中，属于真实点击行为的用户，与该历史用户集合中所有用户的比值。在实际应用中，可以预先分析出不同广告位所对应的第一概率，将不同广告位所对应的第一概率构成一个概率集合，这样，在接收到该广告竞价请求之后，可以根据该目标广告位的标识信息，从预先评估出的概率集合中，获取该目标广告位的标识信息所对应的第一概率。

为了便于理解，以分析该目标广告位的第一概率的一种实现方式为例进行介绍。如，参见图4，其示出了本申请一种确定目标广告位对应的第一概率的一种流程示意图，该过程可以包括：

S401，获取至少一个广告位各自对应的多个历史行为记录。

其中，所述广告位对应的历史行为记录表征当前时刻之前访问该广告位中展现的第一历史广告的第一历史用户的访问行为类型。

具体的，该历史行为记录所包含的数据信息可以参见前面步骤S204中历史行为记录的相关介绍，在此不再赘述。

S402，将该至少一个广告位各自对应多个历史行为记录作为训练样本，训练得到点击概率预测模型。

其中，该点击概率预测模型用于预测用户对于不同广告位中展现出的不同广告的点击概率。

其中，依据历史行为记录训练该点击概率预测模型的方式可以有多种，如，可以参见前面图3所示的训练过程以及相关介绍，在此不再赘述。

S403，获取该目标广告位在当前时刻之前产生的多个目标历史点击数据。

其中，该目标历史点击数据中包括：该目标广告位中展现的第二历史广告的广告属性信息，以及点击该第二历史广告的第二历史用户的属性信息。其中，第二历史用户的属性信息可以参见前面用户的属性信息的相关介绍，第二历史广告的广告属性信息同样可以参见前面广告的广告属性信息的相关介绍，在此不再赘述。

为了便于区分，将当前时刻之前由用户点击该目标广告位所展现的广告，而产生的历史数据称为目标历史点击数据，并将目标历史点击数据中记录的点击该目标广告位的用户称为第二历史用户；将目标用户点击该目标广告位时，该目标广告位中展现的广告称为第二历史广告。

S404，对于任意一个目标历史点击数据，基于该点击概率预测模型，以及该目标历史点击数据中第二历史用户的属性信息和该第二历史广告的广告属性信息，预测该第二历史用户点击该目标广告位中展现的第二历史广告的可能性，得到该多个目标历史点击数据对应的多个可能性。

其中，该可能性表征目标历史点击数据属于由用户的真实点击行为所产生的真实点击行为数据的概率。

S405，依据该多个目标历史点击数据对应的多个可能性，确定该目标广告位中产生真实点击行为数据的第一概率。

其中，该步骤S404和步骤S405是在认为训练出的该点击概率预测模型为能够准确预测用户对目标广告位中展现的广告的点击概率的前提下，分析该目标广告位对应的多个目标历史点击数据中，属于真实用户点击行为所产生的数据的占比。

如，针对某一个目标历史点击数据，如果该点击概率预测模型预测出的可能性大于设定值，则说明在该目标广告位展现该第二历史广告的情况下，该第二历史用户点击该第二历史广告的可能性较大，则该目标历史点击数据属于由用户真实点击行为所产生的数据的可能性较大，在该种情况下，可以认为该目标历史点击数据是由真实用户点击该目标广告位中的第二历史广告所产生的行为数据记录。

相应的，根据该点击概率预测模型预测出的该多个目标历史点击数据对应的多个可能性，可以分析出该多个目标历史点击数据中，属于由真实用户点击该目标广告位所触发的真实点击行为数据的比例，该比例可以作为该第一概率。

可以理解的是，在得到该多个目标历史点击数据对应的多个可能性之后，确定该目标广告位中产生真实点击行为数据的第一概率的方式也可以有多种。如，在得到该多个可能性之后，可以依据该多个可能性，计算该点击概率预测模型的AUC取值，将该AUC的取值作为该第一概率。其中，AUC是指ROC曲线下面的面积(Area under the Curve of ROC)，其中，ROC(receiver operating characteristic curve)是受试者工作特征曲线，AUC是判断二分类预测模型优劣的标准，在本申请实施例中，可以在将训练得到的点击概率预测模型确定为准确模型的基础上，利用该多个目标历史点击数据，可以计算该点击概率预测模型的AUC取值，从而通过AUC的取值评判该多个目标历史点击数据属于真实数据的可能性。

可以理解的是，在实际应用中，除了预先计算出表征不同广告位存在真实点击行为的概率之外，也可以是在接收到广告竞价请求之后，再按照图4所示流程的方式，实时确定该目标广告位的第一概率，并基于该第一概率确定该目标广告位的质量评分。

可以理解的是，广告位的质量好坏与该广告位所属的网站的质量好坏有直接关系，因此，在获取到该广告竞价请求之后，也可以是获取目标广告位所属的目标网站不存在广告作弊的第二概率，并将该第二概率作为该目标广告位不存在广告作弊的第一概率，从而确定出该目标广告位的质量评分。其中，确定目标广告位所属目标网站不存在广告作弊的第二概率同样可以为确定该网站中真实点击行为的占比，而确定目标网站中真实点击行为的占比的过程与图4所示流程相似，不同之处仅在于步骤S403中需要获取该目标广告位所属的目标网站在当前时刻之前产生的至少一个目标历史点击数据。

在通过以上任意方式确定出目标广告位不存在广告作弊的第一概率之后，还可以获取该目标广告位所属的目标网站对应的活跃用户占比。该活跃用户占比为目标广告位所属的目标网站的用户中属于访问该目标广告对应业务的活跃用户，与该目标网站的总用户数量之间的比值。其中，目标广告对应的业务为目标广告所链接到的网站所提供的业务，如，目标广告为游戏广告时，该目标广告对应的业务为该目标广告所链接到的游戏业务。访问该目标广告对应业务的活跃用户可以为指定时间段内访问该业务的时长超过预设时长，或者访问次数超过预设次数的用户。

相应的，依据该目标广告位的第一概率以及该活跃用户占比，确定该目标广告位的质量评分。如，可以预先设定第一概率对应的第一权重，以及活跃用户占比对应的第二权重，这样，计算第一概率与第一权重的乘积，与活跃用户占比与第二权重的乘积之间的加权和，并将该加权和作为该目标广告位的质量评分。

S206，根据目标广告的预期出价，目标用户点击该目标广告位中的目标广告的点击概率以及该目标广告位的质量评分，确定该目标广告的广告竞价。

在本申请实施例中，一款广告的广告竞价与该质量评分有关系，在广告的预期出价，以及在目标广告位展现目标广告的情况下，预测出的该目标用户点击该目标广告的点击概率一定的情况下，广告位的质量评分越高，该广告的广告竞价也越高。

如，广告竞价可以为：预期出价*目标用户点击该目标广告的点击概率*该目标广告位的质量评分。

又如，该广告竞价可以为：预期出价*目标用户点击该目标广告的点击概率*log(目标广告位的质量评分)。

可见，在获取到广告投放请求之后，本申请需要确定待投放广告的广告位的质量评分，而广告位的质量评分可以反映该广告位不存在广告作弊的概率，因此，如果广告位存在广告作弊的情况较为严重，则该广告位的质量评分会相对较低，这样，结合该广告位的质量评分，确定出的广告竞价相对较低，这样，广告被广告交易平台等选择作为投放广告的概率降低，从而使得广告被投放到该广告位上的概率降低；相应的，如果该广告位不存在广告作弊的情况或者广告作弊的情况较少，则该广告位的质量评分相对较高，使得确定出的广告竞价相对较高，从而提高了广告被投放到该广告位中的概率，使得广告被投放到质量较高的优质广告位上的可能性提高，进而有利于提升广告被真实曝光以及点击的概率，提高了广告投放的有效性。

下面以广告位产生真实点击行为的第一概率，来评价广告位的质量为例，对确定广告竞价的方法进行介绍。如，参见图5，其示出了本申请一种确定广告竞价的方法又一个实施例的流程示意图，本实施例的方法应用于需求方平台的服务器，本实施例的方法可以包括：

S501，接收广告竞价请求。

其中，该广告竞价请求携带有目标用户的用户标识，以及待投放广告的目标广告位的广告位标识。

其中，该目标用户为请求访问承载该目标广告位的网页的用户。

S502，确定待竞价的至少一个目标广告，并分别获取每个目标广告的广告属性信息以及预先设定的每个目标广告的预期出价。

S503，根据目标用户的用户标识，从需求方平台的数据库中获取该目标用户的用户数据。

S504，对于任意一个目标广告，根据目标用户的用户数据、目标广告的广告属性信息以及目标广告位的标识信息，预测该目标用户在该目标广告位中点击该目标广告的点击概率。

以上步骤S501至步骤S504可以参见前面实施例的相关介绍，在此不再赘述。

S505，根据目标广告位的广告位标识中，从预先评估出的概率集合中，查询是否存在该目标广告位的广告位标识所对应的第一概率，如果是，则执行步骤S506；如果否，则执行步骤S507。

其中，该第一概率表示当前时刻之前指定时间段内，点击过该目标广告位的历史用户集合中，属于真实点击行为的用户，与该历史用户集合中所有用户的比值，也就是说，该第一概率为表征该目标广告位中真实点击行为所占据的比例。

其中，该概率集合中包括多个预先确定出的概率，这多个概率分别表征多个不同广告位中存在真实点击行为的概率值。其中，确定该概率集合中某个广告位对应的表征该广告位中存在真实点击行为的概率，可以与采用前面步骤S205中提到的确定目标广告位对应的第一概率的过程相似，在此不再赘述。

S506，如果从该概率集合中获取到该目标广告位所对应的第一概率时，依据该第一概率，确定该目标广告位的质量评分。

如，将该第一概率确定为该目标广告位的质量评分；或者，按照概率与评分之间的映射关系或函数关系，将该第一概率转换为该目标广告位的质量评分。

S507，如果从该概率集合中不存在该目标广告位对应的第一概率，则将目标广告位的质量评分设置为预先设定的默认值。

可以理解的是，如果该需求方平台在当前时刻之前向该目标广告位中投放过广告，或者说，在步骤S501接收到广告竞价请求之前向该目标广告位投放过广告，则该需求方平台可以收集或者从特定数据服务器获取该目标广告位对应的多个目标历史点击数据，并利用预先训练得到的点击概率预测模型，评估出该多个目标历史点击数据中属于用户真实点击行为所产生的点击数据的比例，从而得到该目标广告位对应的第一概率。

如果需求方平台在当前时刻之前或者在步骤S501接收到该广告竞价请求之前，该需求方平台未向该目标广告位投放过广告，则该需求方平台可能不会获取该目标广告位对应的多个历史点击数据，自然不会预先基于该目标广告位对应的多个历史点击数据，分析该目标广告位对应的第一概率。在该种情况下，需求方平台无法确定该目标广告位中存在真实点击行为的概率，这样，需求方平台可以预先设定一个质量评分的默认值，并将该目标广告位的质量评分设置为该默认值。如，以质量评分的取值在0-100之间，则该默认值可以为60。

S508，根据目标广告的预期出价，目标用户点击该目标广告位中的目标广告的点击概率以及该目标广告位的质量评分，确定该目标广告的广告竞价。

基于预期出价，该点击概率以及该质量评分，确定广告竞价的方式可以参见前面实施例的相关介绍，在此不再赘述。

下面对本发明实施例提供的一种确定广告竞价的装置进行介绍，下文描述的一种确定广告竞价的装置可与上文描述的一种确定广告竞价的方法相互对应参照。

如，参见图6，其示出了本申请一种确定广告竞价的装置一个实施例的组成结构示意图，本实施例的装置可以包括：

请求接收单元601，用于接收广告竞价请求，所述广告竞价请求携带有待投放广告的目标广告位的标识信息，以及目标用户的用户标识，其中，所述目标用户为请求访问承载所述目标广告位的目标网页的用户；

第一获取单元602，用于获取待竞价的目标广告的预期出价；

点击预测单元603，用于获取所述目标用户在所述目标广告位中点击所述目标广告的点击概率；

广告位评分单元604，用于确定所述目标广告位的质量评分，所述目标广告位的质量评分至少用于表征所述目标广告位不存在广告作弊的第一概率；

广告竞价单元605，用于根据所述目标广告位的质量评分、所述目标广告的预期出价以及所述目标用户点击所述目标广告的点击概率，确定所述目标广告的广告竞价。

在一种实现方式中，所述点击预测单元可以包括：

属性获取子单元，用于获取待竞价的目标广告的广告属性信息；

数据获取子单元，用于依据所述目标用户的用户标识，获取所述目标用户的用户数据；

点击预测子单元，用于根据所述目标广告的广告属性信息、所述目标用户的用户数据以及所述目标广告位的标识信息，预测所述目标用户在所述目标广告位中点击所述目标广告的点击概率。

在一种实现方式中，所述广告位评分单元可以包括：

作弊率获取单元，用于获取用于表征所述目标广告位不存在广告作弊的第一概率；

评分确定单元，用于根据所述第一概率，确定所述目标广告位的质量评分。

进一步的，该装置还可以包括：

活跃比确定单元，用于在所述评分确定单元根据所述第一概率，确定所述目标广告位的质量评分之前，获取所述目标广告位所属的目标网站对应的活跃用户占比，所述活跃用户占比为所述目标网站的用户中属于访问所述目标广告对应业务的活跃用户，与所述目标网站的总用户数量之间的比值；

所述评分确定单元，具体用于，依据所述第一概率以及所述活跃用户占比，确定所述目标广告位的质量评分。

在一种可能的实现方式中，所述作弊率获取单元，可以包括：

作弊率获取子单元，用于获取表征所述目标广告位所属的目标网站不存在广告作弊的第二概率，并将所述第二概率作为表征所述目标广告位不存在广告作弊的第一概率。

在一种可能的实现方式中，所述作弊率获取单元，具体用于，根据所述目标广告位的标识信息，从预先评估出的概率集合中，获取所述目标广告位的标识信息所对应的第一概率，所述第一概率表示当前时刻之前指定时间段内，点击过该目标广告位的历史用户集合中，属于真实点击行为的用户，与所述历史用户集合中所有用户的比值。

在以上实施例中，所述作弊率获取单元中获取到的所述第一概率可以通过如下方式得到：

获取至少一个广告位各自对应的多个历史行为记录，所述广告位对应的历史行为记录中记录有当前时刻之前访问所述广告位中展现的第一历史广告的第一历史用户的访问行为数据；

将所述至少一个广告位各自对应的多个历史行为记录作为训练样本，训练得到点击概率预测模型，所述点击概率预测模型用于预测用户对于不同广告位中展现出的不同广告的点击概率；

获取所述目标广告位在当前时刻之前产生的多个目标历史点击数据，所述目标历史点击数据中包括：所述目标广告位中展现的第二历史广告的广告属性信息，以及点击所述第二历史广告的第二历史用户的属性信息；

对于任意一个目标历史点击数据，基于所述点击概率预测模型，以及所述目标历史点击数据中所述第二历史用户的属性信息和所述第二历史广告的广告属性信息，预测所述第二历史用户点击所述目标广告位下展现的第二历史广告的可能性，得到所述多个目标历史点击数据对应的多个可能性，其中，所述可能性表征所述目标历史点击数据属于由用户的真实点击行为所产生的真实点击行为数据的概率；

依据所述多个目标历史点击数据对应的多个可能性，确定所述目标广告位中产生真实点击行为数据的第一概率。

另一方面，本申请还提供了一种服务器，该服务器可以为DSP平台中的服务器。

如，参见图7，其示出了本申请实施例的确定广告竞价的方法所适用的服务器的一种组成结构示意图。在图7中，该服务器700可以包括：处理器701、存储器702、通信接口703、输入单元704和显示器705和通信总线706。

处理器701、存储器702、通信接口703、输入单元704、显示器705、均通过通信总线706完成相互间的通信。

其中，该通信接口703可以为通信模块的接口。该通信接口用于接收广告竞价请求，所述广告竞价请求携带有待投放广告的目标广告位的标识信息，以及目标用户的用户标识，其中，所述目标用户为请求访问承载所述目标广告位的目标网页的用户。

在本申请实施例中，该处理器701，可以为中央处理器(CentralProcessing Unit，CPU)，特定应用集成电路(application-specific integrated circuit，ASIC)，数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件等。

该处理器可以调用存储器702中存储的程序，具体的，可以处理器可以执行以上图2至图5中DSP中的服务器所执行的操作。

存储器702中用于存放一个或者一个以上程序，程序可以包括程序代码，所述程序代码包括计算机操作指令，在本申请实施例中，该存储器中至少存储有用于实现以下功能的程序：

获取待竞价的目标广告的预期出价；

获取所述目标用户在所述目标广告位中点击所述目标广告的点击概率；

确定所述目标广告位的质量评分，所述目标广告位的质量评分至少用于表征所述目标广告位不存在广告作弊的第一概率；

根据所述目标广告位的质量评分、所述目标广告的预期出价以及所述目标用户点击所述目标广告的点击概率，确定所述目标广告的广告竞价。

本申请还可以包括输入单元705，该输入单元可以包括感应触摸显示面板上的触摸事件的触摸感应单元、键盘等等。

该显示器704包括显示面板，如触摸显示面板等。在一种可能的情况中，可以采用液晶显示器(Liquid CrystalDisplay，LCD)、有机发光二极管(Organic Light-EmittingDiode,OLED)等形式来配置显示面板。

当然，图7所示的服务器结构并不构成对本申请实施例中服务器的限定，在实际应用中服务器可以包括比图2所示的更多或更少的部件，或者组合某些部件。

另一方面，本申请实施例还提供了一种存储介质，该存储介质中存储有计算机可执行指令，该计算机可执行指令被处理器加载并执行时，用于实现以上实施例中所描述的确定广告竞价的方法中的步骤。

需要说明的是，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。对于装置类实施例而言，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。

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，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (15)

1.一种确定广告竞价的方法，其特征在于，包括：

接收广告竞价请求，所述广告竞价请求携带有待投放广告的目标广告位的标识信息，以及目标用户的用户标识，其中，所述目标用户为请求访问承载所述目标广告位的目标网页的用户；

获取待竞价的目标广告的预期出价；

获取所述目标用户在所述目标广告位中点击所述目标广告的点击概率；

确定所述目标广告位的质量评分，所述目标广告位的质量评分至少用于表征所述目标广告位不存在广告作弊的第一概率；

根据所述目标广告位的质量评分、所述目标广告的预期出价以及所述目标用户点击所述目标广告的点击概率，确定所述目标广告的广告竞价。

2.根据权利要求1所述的确定广告竞价的方法，其特征在于，所述确定所述目标广告位的质量评分，包括：

获取用于表征所述目标广告位不存在广告作弊的第一概率；

根据所述第一概率，确定所述目标广告位的质量评分。

3.根据权利要求2所述的确定广告竞价的方法，其特征在于，在所述根据所述第一概率，确定所述目标广告位的质量评分之前，还包括：

获取所述目标广告位所属的目标网站对应的活跃用户占比，所述活跃用户占比为所述目标网站的用户中属于访问所述目标广告对应业务的活跃用户，与所述目标网站的总用户数量之间的比值；

所述根据所述第一概率，确定所述目标广告位的质量评分，包括：

依据所述第一概率以及所述活跃用户占比，确定所述目标广告位的质量评分。

4.根据权利要求2或3所述的确定广告竞价的方法，其特征在于，所述获取用于表征所述目标广告位不存在广告作弊的第一概率，包括：

获取用于表征所述目标广告位所属的目标网站不存在广告作弊的第二概率，并将所述第二概率作为表征所述目标广告位不存在广告作弊的第一概率。

5.根据权利要求2所述的确定广告竞价的方法，其特征在于，所述获取用于表征所述目标广告位不存在广告作弊的第一概率，包括：

根据所述目标广告位的标识信息，从预先评估出的概率集合中，获取所述目标广告位的标识信息所对应的第一概率，所述第一概率表示当前时刻之前指定时间段内，点击过该目标广告位的历史用户集合中，属于真实点击行为的用户，与所述历史用户集合中所有用户的比值。

6.根据权利要求2或5所述的确定广告竞价的方法，其特征在于，通过如下方式得到所述第一概率：

获取至少一个广告位各自对应的多个历史行为记录，所述广告位对应的历史行为记录中记录有当前时刻之前访问所述广告位中展现的第一历史广告的第一历史用户的访问行为数据；

将所述至少一个广告位各自对应的多个历史行为记录作为训练样本，训练得到点击概率预测模型，所述点击概率预测模型用于预测用户对于不同广告位中展现出的不同广告的点击概率；

获取所述目标广告位在当前时刻之前产生的多个目标历史点击数据，所述目标历史点击数据中包括：所述目标广告位中展现的第二历史广告的广告属性信息，以及点击所述第二历史广告的第二历史用户的属性信息；

对于任意一个目标历史点击数据，基于所述点击概率预测模型，以及所述目标历史点击数据中所述第二历史用户的属性信息和所述第二历史广告的广告属性信息，预测所述第二历史用户点击所述目标广告位下展现的第二历史广告的可能性，得到所述多个目标历史点击数据对应的多个可能性，其中，所述可能性表征所述目标历史点击数据属于由用户的真实点击行为所产生的真实点击行为数据的概率；

依据所述多个目标历史点击数据对应的多个可能性，确定所述目标广告位中产生真实点击行为数据的第一概率。

7.根据权利要求1所述的确定广告竞价的方法，其特征在于，所述获取所述目标用户在所述目标广告位中点击所述目标广告的点击概率，包括：

获取待竞价的目标广告的广告属性信息；

依据所述目标用户的用户标识，获取所述目标用户的用户数据；

根据所述目标广告的广告属性信息、所述目标用户的用户数据以及所述目标广告位的标识信息，预测所述目标用户在所述目标广告位中点击所述目标广告的点击概率。

8.一种确定广告竞价的装置，其特征在于，包括：

请求接收单元，用于接收广告竞价请求，所述广告竞价请求携带有待投放广告的目标广告位的标识信息，以及目标用户的用户标识，其中，所述目标用户为请求访问承载所述目标广告位的目标网页的用户；

第一获取单元，用于获取待竞价的目标广告的预期出价；

点击预测单元，用于获取所述目标用户在所述目标广告位中点击所述目标广告的点击概率；

广告位评分单元，用于确定所述目标广告位的质量评分，所述目标广告位的质量评分至少用于表征所述目标广告位不存在广告作弊的第一概率；

广告竞价单元，用于根据所述目标广告位的质量评分、所述目标广告的预期出价以及所述目标用户点击所述目标广告的点击概率，确定所述目标广告的广告竞价。

9.根据权利要求8所述的确定广告竞价的装置，其特征在于，所述广告位评分单元，包括：

作弊率获取单元，用于获取用于表征所述目标广告位不存在广告作弊的第一概率；

评分确定单元，用于根据所述第一概率，确定所述目标广告位的质量评分。

10.根据权利要求9所述的确定广告竞价的装置，其特征在于，还包括：

活跃比确定单元，用于在所述评分确定单元根据所述第一概率，确定所述目标广告位的质量评分之前，获取所述目标广告位所属的目标网站对应的活跃用户占比，所述活跃用户占比为所述目标网站的用户中属于访问所述目标广告对应业务的活跃用户，与所述目标网站的总用户数量之间的比值；

所述评分确定单元，具体用于，依据所述第一概率以及所述活跃用户占比，确定所述目标广告位的质量评分。

11.根据权利要求9或10所述的确定广告竞价的装置，其特征在于，所述作弊率获取单元，包括：

作弊率获取子单元，用于获取表征所述目标广告位所属的目标网站不存在广告作弊的第二概率，并将所述第二概率作为表征所述目标广告位不存在广告作弊的第一概率。

12.根据权利要求9所述的确定广告竞价的装置，其特征在于，所述作弊率获取单元，具体用于，根据所述目标广告位的标识信息，从预先评估出的概率集合中，获取所述目标广告位的标识信息所对应的第一概率，所述第一概率表示当前时刻之前指定时间段内，点击过该目标广告位的历史用户集合中，属于真实点击行为的用户，与所述历史用户集合中所有用户的比值。

13.根据权利要求9或12所述的确定广告竞价的装置，其特征在于，作弊率获取单元中获取到的所述第一概率通过如下方式得到：

获取至少一个广告位各自对应的多个历史行为记录，所述广告位对应的历史行为记录中记录有当前时刻之前访问所述广告位中展现的第一历史广告的第一历史用户的访问行为数据；

将所述至少一个广告位各自对应的多个历史行为记录作为训练样本，训练得到点击概率预测模型，所述点击概率预测模型用于预测用户对于不同广告位中展现出的不同广告的点击概率；

获取所述目标广告位在当前时刻之前产生的多个目标历史点击数据，所述目标历史点击数据中包括：所述目标广告位中展现的第二历史广告的广告属性信息，以及点击所述第二历史广告的第二历史用户的属性信息；

对于任意一个目标历史点击数据，基于所述点击概率预测模型，以及所述目标历史点击数据中所述第二历史用户的属性信息和所述第二历史广告的广告属性信息，预测所述第二历史用户点击所述目标广告位下展现的第二历史广告的可能性，得到所述多个目标历史点击数据对应的多个可能性，其中，所述可能性表征所述目标历史点击数据属于由用户的真实点击行为所产生的真实点击行为数据的概率；

依据所述多个目标历史点击数据对应的多个可能性，确定所述目标广告位中产生真实点击行为数据的第一概率。

14.一种服务器，其特征在于，包括：

通信接口，处理器以及存储器；

其中，所述通信接口，用于接收广告竞价请求，所述广告竞价请求携带有待投放广告的目标广告位的标识信息，以及目标用户的用户标识，其中，所述目标用户为请求访问承载所述目标广告位的目标网页的用户；

所述处理器，用于调用并执行所述存储器中存储的程序；

所述存储器用于存储所述程序，所述程序至少用于：

获取待竞价的目标广告的预期出价；

获取所述目标用户在所述目标广告位中点击所述目标广告的点击概率；

确定所述目标广告位的质量评分，所述目标广告位的质量评分至少用于表征所述目标广告位不存在广告作弊的第一概率；

根据所述目标广告位的质量评分、所述目标广告的预期出价以及所述目标用户点击所述目标广告的点击概率，确定所述目标广告的广告竞价。

15.一种存储介质，其特征在于，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，用于实现权利要求1至7任一项所述的确定广告竞价的方法中的步骤。