CN111125502B - 用于生成信息的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：获取至少一个待向目标用户的终端推送的、用于在目标用户的终端展示的第一类待展示信息；获取目标用户的用户信息；对于所获取的至少一个第一类待展示信息中的第一类待展示信息，获取该第一类待展示信息的特征信息；将所获取的特征信息和用户信息输入预先训练的转化率预测模型，得到目标用户针对该第一类待展示信息的预测转化率；获取预设的、该第一类待展示信息对应的单次转化代价值；基于所获取的单次转化代价值和所生成的预测转化率，生成预测转化代价值。该实施方式提高了信息生成的准确性，有助于利用预测转化代价值提高信息推送的针对性。

Description

用于生成信息的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于生成信息的方法和装置。

背景技术

随着互联网技术的发展，用户通过终端浏览信息越来越频繁，为了更有针对性地在用户终端上显示不同类型的展示信息，通常将不同类型的展示信息分别展示在终端设备的不同显示区域内。在显示区域较小的情况下，需要从不同类型的展示信息中，选择展示信息以显示在显示区域中。为了尽可能地选择出用户感兴趣的展示信息，现有技术通常需要预先确定展示信息的转化率。

发明内容

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：获取至少一个待向目标用户的终端推送的、用于在目标用户的终端展示的第一类待展示信息；获取目标用户的用户信息；对于所获取的至少一个第一类待展示信息中的第一类待展示信息，获取该第一类待展示信息的特征信息；将所获取的特征信息和用户信息输入预先训练的转化率预测模型，得到目标用户针对该第一类待展示信息的预测转化率，其中，预测转化率用于表征目标用户浏览该第一类待展示信息，且针对该第一类待展示信息进行目标操作的概率；获取预设的、该第一类待展示信息对应的单次转化代价值；基于所获取的单次转化代价值和所生成的预测转化率，生成预测转化代价值。

在一些实施例中，基于所获取的单次转化代价值和所生成的预测转化率，生成预测转化代价值，包括：将所获取的单次转化代价值乘以所得到的预测转化率，将所得到的乘积确定为预测转化代价值。

在一些实施例中，该方法还包括：获取预设的至少一个第二类待展示信息，以及第二类待展示信息对应的单次展示代价值；基于所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值，从至少一个第一类待展示信息和至少一个第二类待展示信息组成的待展示信息集合中，选择待展示信息；将所选择的待展示信息推送至终端。

在一些实施例中，基于所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值，从至少一个第一类待展示信息和至少一个第二类待展示信息组成的待展示信息集合中，选择待展示信息，包括：从所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值组成的代价值集合中，按照代价值由大到小的顺序，选择预设数量个代价值；从待展示信息集合中，选择预设数量个代价值分别对应的待展示信息。

在一些实施例中，转化率预测模型预先通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括预设的样本第一类待展示信息的特征信息、浏览过样本第一类待展示信息的样本用户的样本用户信息，以及预先标注的、用于表征样本用户针对样本第一类待展示信息是否进行目标操作的标注信息；利用机器学习方法，将训练样本集合中的训练样本包括的特征信息和样本用户信息作为输入，将输入的特征信息和样本用户信息对应的标注信息作为期望输出，训练得到转化率预测模型。

第二方面，本申请实施例提供了一种用于生成信息的装置，该装置包括：第一获取单元，被配置成获取至少一个待向目标用户的终端推送的、用于在目标用户的终端展示的第一类待展示信息；第二获取单元，被配置成获取目标用户的用户信息；生成单元，被配置成对于所获取的至少一个第一类待展示信息中的第一类待展示信息，获取该第一类待展示信息的特征信息；将所获取的特征信息和用户信息输入预先训练的转化率预测模型，得到目标用户针对该第一类待展示信息的预测转化率，其中，预测转化率用于表征目标用户浏览该第一类待展示信息，且针对该第一类待展示信息进行目标操作的概率；获取预设的、该第一类待展示信息对应的单次转化代价值；基于所获取的单次转化代价值和所生成的预测转化率，生成预测转化代价值。

在一些实施例中，生成单元进一步被配置成：将所获取的单次转化代价值乘以所得到的预测转化率，将所得到的乘积确定为预测转化代价值。

在一些实施例中，该装置还包括：第三获取单元，被配置成获取预设的至少一个第二类待展示信息，以及第二类待展示信息对应的单次展示代价值；选择单元，被配置成基于所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值，从至少一个第一类待展示信息和至少一个第二类待展示信息组成的待展示信息集合中，选择待展示信息；推送单元，被配置成将所选择的待展示信息推送至终端。

在一些实施例中，选择单元包括：第一选择模块，被配置成从所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值组成的代价值集合中，按照代价值由大到小的顺序，选择预设数量个代价值；第二选择模块，被配置成从待展示信息集合中，选择预设数量个代价值分别对应的待展示信息。

在一些实施例中，转化率预测模型预先通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括预设的样本第一类待展示信息的特征信息、浏览过样本第一类待展示信息的样本用户的样本用户信息，以及预先标注的、用于表征样本用户针对样本第一类待展示信息是否进行目标操作的标注信息；利用机器学习方法，将训练样本集合中的训练样本包括的特征信息和样本用户信息作为输入，将输入的特征信息和样本用户信息对应的标注信息作为期望输出，训练得到转化率预测模型。

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，其上存储有一个或多个程序；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用于生成信息的方法和装置，通过获取至少一个待向目标用户的终端推送的第一类待展示信息和目标用户的用户信息，然后将第一类待展示信息的特征信息和用户信息输入预先训练的转化率预测模型，得到目标用户针对该第一类待展示信息的预测转化率，再获取预设的、第一类待展示信息对应的单次转化代价值，基于所获取的单次转化代价值和所生成的预测转化率，生成预测转化代价值，从而有效地利用特征信息和用户信息生成预测转化代价值，提高了信息生成的准确性，有助于利用预测转化代价值提高信息推送的针对性。

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是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请实施例的用于生成信息的方法的一个实施例的流程图；

图3是根据本申请实施例的用于生成信息的方法的一个应用场景的示意图；

图4是根据本申请实施例的用于生成信息的方法的又一个实施例的流程图；

图5是根据本申请实施例的用于生成信息的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用于生成信息的方法或用于生成信息的装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上展示的信息提供支持的后台信息处理服务器。后台信息处理服务器可以对获取的待展示信息和用户信息等信息进行处理，并生成处理结果(例如预测转化代价值)。

需要说明的是，本申请实施例所提供的用于生成信息的方法一般由服务器105执行，相应地，用于生成信息的装置一般设置于服务器105中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和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终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法，包括以下步骤：

步骤201，获取至少一个待向目标用户的终端推送的、用于在目标用户的终端展示的第一类待展示信息。

在本实施例中，用于生成信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从远程或从本地获取至少一个待向目标用户的终端推送的、用于在目标用户的终端展示的第一类待展示信息。其中，第一类待展示信息可以是属于预设类别的信息，例如产品宣传类信息。第一类待展示信息可以包括但不限于以下至少一项：图片、文字、音频、视频、链接地址等。目标用户可以是待利用其使用的终端(例如图1所示的终端设备)浏览上述执行主体推送的第一类待展示信息的用户。

步骤202，获取目标用户的用户信息。

在本实施例中，上述执行主体可以通过有线连接方式或者无线连接方式从远程或从本地获取目标用户的用户信息。其中，目标用户的用户信息可以用于表征目标用户的特征，目标用户的特征包括但不限于目标用户的兴趣。

步骤203，对于所获取的至少一个第一类待展示信息中的第一类待展示信息，获取该第一类待展示信息的特征信息，将所获取的特征信息和用户信息输入预先训练的转化率预测模型，得到目标用户针对该第一类待展示信息的预测转化率；获取预设的、该第一类待展示信息对应的单次转化代价值；基于所获取的单次转化代价值和所生成的预测转化率，生成预测转化代价值。

在本实施例中，对于步骤201中获取的至少一个待展示信息中的待展示信息，上述执行主体可以针对该待展示信息执行如下步骤：

步骤2031，获取该第一类待展示信息的特征信息。

其中，特征信息用于表征第一类待展示信息的特征。第一类待展示信息的特征可以包括但不限于以下至少一种：第一类待展示信息的标题、第一类待展示信息所属的类型、第一类待展示信息包括的链接地址等。

步骤2032，将所获取的特征信息和用户信息输入预先训练的转化率预测模型，得到目标用户针对该第一类待展示信息的预测转化率。

通常，转化率用于表征使用终端设备浏览展示信息且针对展示信息进行目标操作的用户数量与浏览展示信息的用户的总数量的比例。目标操作可以是用户用于获得展示信息指示的物品所做的操作(例如下载、购买等操作)。上述预测转化率用于表征目标用户浏览该第一类待展示信息，且针对该第一类待展示信息进行目标操作的概率。其中，第一类待展示信息指示的物品可以是实体物品，也可以是虚拟物品(例如应用软件、文件等)，在此不做具体限定。

上述转化率预测模型用于表征特征信息、用户信息与预测转化率的对应关系。具体地，作为示例，转化率预测模型可以是技术人员预先基于对大量的特征信息、用户信息与转化率的统计而预先制定的、存储有多个特征信息、用户信息与转化率的对应关系表。其中，对应关系表中的转化率可以是技术人员预先针对对应的特征信息表征的第一类待展示信息和用户信息表征的用户所属的用户群体进行统计得到的转化率。上述执行主体可以根据输入的特征信息和用户信息，从对应关系表中查找对应的转化率作为预测转化率。上述转换率预测模型也可以为基于预设的训练样本，利用机器学习方法对初始模型(例如神经网络)进行训练后得到的模型。通过使用转化率预测模型，可以根据不同的待展示信息的特征信息和用户信息，得到不同的预测转化率，有助于提高生成预测转化率的准确性。

在本实施例的一些可选的实现方式中，上述执行主体或其他电子设备可以预先按照如下步骤训练得到转化率预测模型：

首先，获取训练样本集合。其中，训练样本包括预设的样本第一类待展示信息的特征信息、浏览过样本第一类待展示信息的样本用户的样本用户信息，以及预先标注的、用于表征样本用户针对样本第一类待展示信息是否进行目标操作的标注信息。作为示例，标注信息可以是数字，例如“0”表示样本用户没有进行目标操作(即转化率为0％)，“1”表示样本用户进行了目标操作(即转化率为100％)。转化率预测模型的输出数据可以是介于0和1之间的数值，该数值越接近1，表征用户针对第一类待展示信息进行目标操作的可能性越大。

然后，利用机器学习方法，将训练样本集合中的训练样本包括的特征信息和样本用户信息作为输入，将输入的特征信息和样本用户信息对应的标注信息作为期望输出，训练得到转化率预测模型。

具体地，上述转化率预测模型可以是对初始模型进行训练得到的模型。初始模型可以包括FM(Factorization Machine，因子分解机)模型、神经网络模型等。初始模型可以设置有初始参数，参数在训练过程中可以被不断地调整。训练转化率预测模型的执行主体可以基于预设的损失函数计算损失值，根据损失值确定初始模型是否训练完成。在这里，需要说明的是，损失值可以用于表征实际输出与期望输出之间的差异。实践中，可以采用预设的各种损失函数计算实际输出相对于标注的输出的损失值。例如，可以采用对数损失函数、交叉熵损失函数等计算损失值。

步骤2033，获取预设的、该第一类待展示信息对应的单次转化代价值。

其中，第一类待展示信息对应的单次转化代价值用于表征用户针对第一类待展示信息进行目标操作后，第一类待展示信息的提供者(例如第一类待展示信息所指示的物品的所有者)所付出的代价的多少(例如价格、积分值等)。

步骤2034，基于所获取的单次转化代价值和所生成的预测转化率，生成预测转化代价值。

在本实施例的一些可选的实现方式中，上述执行主体可以将所获取的单次转化代价值乘以所得到的预测转化率，将所得到的乘积确定为预测转化代价值。

可选地，上述执行主体还可以对所获取的单次转化代价值与所得到的预测转化率的乘积进行处理，从而得到预测转化代价值。例如，可以将所得到的乘积与预设的数值相乘或相加，从而得到预测转化代价值。通过执行本可选的实现方式，可以根据实际需要调整预测转化代价值，以更灵活地与其他类别的待展示信息所对应的代价值(例如用于表征待展示信息的提供者为了向用户展示待展示信息所付出的代价)进行比较。

继续参见图3，图3是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图3的应用场景中，服务器301首先从本地获取三个待向目标用户的终端推送的第一类待展示信息3021、3022、3023(例如产品宣传类信息)，以及目标用户303的用户信息304。

然后，服务器301获取每个第一类待展示信息的特征信息3051、3052、3053。再然后，服务器301将每个特征信息连同用户信息304分别输入预先训练的转化率预测模型309，得到目标用户304针对每个第一类待展示信息的预测转化率3061(例如“2％”)、3062(例如“2.5％”)、3063(例如“1.4％”)。

接着，服务器301获取预设的、各个第一类待展示信息分别对应的单次转化代价值3071(例如“10”)、3072(例如“20”)、3073(例如“5”)。最后，服务器301将各个预测转化率分别乘以对应的单次转化代价值，得到预测转化代价值3081(2％×10＝0.2)、3082(2.5％×20＝0.5)、3083(1.4％×5＝0.07)。

本申请的上述实施例提供的方法，通过使用转化率预测模型，对第一类待展示信息的特征信息和目标用户的用户信息进行处理，得到预测转化率，再基于预测转化率，生成预测转化代价值，从而有效地利用特征信息和用户信息，提高了生成预测转化代价值的准确性，有助于利用预测转化代价值提高信息推送的针对性。

进一步参考图4，其示出了用于生成信息的方法的又一个实施例的流程400。该用于生成信息的方法的流程400，包括以下步骤：

步骤401，获取至少一个待向目标用户的终端推送的、用于在目标用户的终端展示的第一类待展示信息。

在本实施例中，步骤401与图2对应实施例中的步骤201基本一致，这里不再赘述。

步骤402，获取目标用户的用户信息。

在本实施例中，步骤402与图2对应实施例中的步骤202基本一致，这里不再赘述。

步骤403，对于所获取的至少一个第一类待展示信息中的第一类待展示信息，获取该第一类待展示信息的特征信息；将所获取的特征信息和用户信息输入预先训练的转化率预测模型，得到目标用户针对该第一类待展示信息的预测转化率；获取预设的、该第一类待展示信息对应的单次转化代价值；基于所获取的单次转化代价值和所生成的预测转化率，生成预测转化代价值。

在本实施例中，步骤403与图2对应实施例中的步骤203基本一致，这里不再赘述。

步骤404，获取预设的至少一个第二类待展示信息，以及第二类待展示信息对应的单次展示代价值。

在本实施例中，用于生成信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从远程或从本地获取预设的至少一个第二类待展示信息，以及第二类待展示信息对应的单次展示代价值。

其中，第二类待展示信息是与第一类待展示信息的类别不同的待展示信息。例如，第一类是产品宣传类信息，而第二类待展示信息可以是新闻类信息、视频类信息等。单次展示代价值用于表征在用户使用的终端上展示一次待展示信息，待展示信息的提供者所付出的代价。单次展示代价值可以是预先设置的，也可以是上述执行主体根据预设的总展示代价值和期望展示量计算(例如将总代价值除以期望展示量)得到的。

步骤405，基于所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值，从至少一个第一类待展示信息和至少一个第二类待展示信息组成的待展示信息集合中，选择待展示信息。

在本实施例中，上述执行主体可以基于所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值，从至少一个第一类待展示信息和至少一个第二类待展示信息组成的待展示信息集合中，选择待展示信息。

具体地，上述执行主体可以基于所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值，按照各种方法从待展示信息集合中选择待展示信息。例如，可以从所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值组成的代价值集合(即代价值集合包括第二类待展示信息的单次展示代价值和第一类待展示信息的预测转化代价值)中确定大于等于预设的代价阈值的代价值。然后从上述待展示信息集合中，选择所确定的代价值对应的待展示信息。例如，代价值集合包括代价值A、B、C、D、E，其中，A、B、C为获取的第二类待展示信息的单次展示代价值，D、E为生成的第一类待展示信息的预测转化代价值，如果A和C大于预设的代价阈值，则从待展示信息集合中选择A和C对应的待展示信息。

在本实施例的一些可选的实现方式中，上述执行主体可以从所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值组成的代价值集合中，按照代价值由大到小的顺序，选择预设数量个代价值。然后从上述待展示信息集合中，选择上述预设数量个代价值分别对应的待展示信息。上述预设数量可以是大于等于一的整数。

步骤406，将所选择的待展示信息推送至终端。

在本实施例中，上述执行主体可以将步骤406中选择的待展示信息推送至上述终端，以使在终端上显示待展示信息。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于生成信息的方法的流程400突出了基于第二类待展示信息的单次展示代价值和预测转化代价值，从至少一个第一类待展示信息和至少一个第二类待展示信息组成的待展示信息集合中选择待展示信息的步骤。由此，本实施例描述的方案可以根据单次展示代价值和预测转化代价值的大小，从待展示信息集合中选择出用户更加感兴趣的信息，从而提高了信息推送的针对性。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于生成信息的装置的一个实施例，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，本实施例的用于生成信息的装置500包括：第一获取单元501，被配置成获取至少一个待向目标用户的终端推送的、用于在目标用户的终端展示的第一类待展示信息；第二获取单元502，被配置成获取目标用户的用户信息；生成单元503，被配置成对于所获取的至少一个第一类待展示信息中的第一类待展示信息，获取该第一类待展示信息的特征信息；将所获取的特征信息和用户信息输入预先训练的转化率预测模型，得到目标用户针对该第一类待展示信息的预测转化率，其中，预测转化率用于表征目标用户浏览该第一类待展示信息，且针对该第一类待展示信息进行目标操作的概率；获取预设的、该第一类待展示信息对应的单次转化代价值；基于所获取的单次转化代价值和所生成的预测转化率，生成预测转化代价值。

在本实施例中，第一获取单元501可以通过有线连接方式或者无线连接方式从远程或从本地获取至少一个待向目标用户的终端推送的、用于在目标用户的终端展示的第一类待展示信息。其中，第一类待展示信息可以是属于预设类别的信息，例如产品宣传类信息等。第一类待展示信息可以包括但不限于以下至少一项：图片、文字、音频、视频、链接地址等。目标用户可以是待利用其使用的终端(例如图1所示的终端设备)浏览上述执行主体推送的第一类待展示信息的用户。

在本实施例中，第二获取单元502可以通过有线连接方式或者无线连接方式从远程或从本地获取目标用户的用户信息。其中，目标用户的用户信息可以用于表征目标用户的特征，目标用户的特征包括但不限于目标用户的兴趣。

在本实施例中，对于第一获取单元501获取的至少一个待展示信息中的待展示信息，上述生成单元503可以针对该待展示信息执行如下步骤：

步骤5031，获取该第一类待展示信息的特征信息。

具体地，上述生成单元503可以通过有线连接方式或者无线连接方式从远程或从本地获取特征信息。其中，特征信息用于表征第一类待展示信息的特征。待展示信息的特征可以包括但不限于以下至少一种：待展示信息的标题、类型、链接地址等。

步骤5032，将所获取的特征信息和用户信息输入预先训练的转化率预测模型，得到目标用户针对该第一类待展示信息的预测转化率。

其中，预测转化率用于表征目标用户浏览该第一类待展示信息，且针对该第一类待展示信息进行目标操作的概率。目标操作可以是目标用户获得第一类待展示信息指示的物品所做的操作(例如下载、购买等操作)。其中，第一类待展示信息指示的物品可以是实体物品，也可以是虚拟物品(例如应用软件、文件等)，在此不做具体限定。

上述转化率预测模型用于表征特征信息、用户信息与预测转化率的对应关系。具体地，作为示例，转化率预测模型可以是技术人员预先基于对大量的特征信息、用户信息与预测转化率的统计而预先制定的、存储有多个特征信息、用户信息与预测转化率的对应关系表。也可以为基于预设的训练样本，利用机器学习方法对初始模型(例如神经网络)进行训练后得到的模型。通过使用转化率预测模型，可以根据不同的待展示信息的特征信息和用户信息，得到不同的预测转化率，有助于提高生成预测转化率的准确性。

步骤5033，获取预设的、该第一类待展示信息对应的单次转化代价值。

其中，第一类待展示信息对应的单次转化代价值用于表征用户针对第一类待展示信息进行目标操作后，第一类待展示信息的提供者(例如向用户提供的第一类待展示信息指示的物品的所有者)所付出的代价(例如价格、积分值等)。

步骤5034，基于所获取的单次转化代价值和所生成的预测转化率，生成预测转化代价值。例如，上述生成单元503可以对所获取的单次转化代价值与所得到的预测转化率的乘积进行处理，从而得到预测转化代价值。

在本实施例的一些可选的实现方式中，生成单元503可以进一步被配置成：将所获取的单次转化代价值乘以所得到的预测转化率，将所得到的乘积确定为预测转化代价值。

在本实施例的一些可选的实现方式中，该装置500还可以包括：第三获取单元(图中未示出)，被配置成获取预设的至少一个第二类待展示信息，以及第二类待展示信息对应的单次展示代价值；选择单元(图中未示出)，被配置成基于所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值，从至少一个第一类待展示信息和至少一个第二类待展示信息组成的待展示信息集合中，选择待展示信息；推送单元(图中未示出)，被配置成将所选择的待展示信息推送至终端。

在本实施例的一些可选的实现方式中，选择单元包括：第一选择模块(图中未示出)，被配置成从所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值组成的代价值集合中，按照代价值由大到小的顺序，选择预设数量个代价值；第二选择模块(图中未示出)，被配置成从待展示信息集合中，选择预设数量个代价值分别对应的待展示信息。

在本实施例的一些可选的实现方式中，转化率预测模型可以预先通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括预设的样本第一类待展示信息的特征信息、浏览过样本第一类待展示信息的样本用户的样本用户信息，以及预先标注的、用于表征样本用户针对样本第一类待展示信息是否进行目标操作的标注信息；利用机器学习方法，将训练样本集合中的训练样本包括的特征信息和样本用户信息作为输入，将输入的特征信息和样本用户信息对应的标注信息作为期望输出，训练得到转化率预测模型。

本申请的上述实施例提供的装置，通过使用转化率预测模型，对第一类待展示信息的特征信息和目标用户的用户信息进行处理，得到预测转化率，再基于预测转化率，生成预测转化代价值，从而有效地利用特征信息和用户信息，提高了生成预测转化代价值的准确性，有助于利用预测转化代价值提高信息推送的针对性。

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，本申请所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介质或者是上述两者的任意组合。计算机可读介质例如可以是——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。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

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：一种处理器包括第一获取单元、第二获取单元和生成单元。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，第一获取单元可以被描述为“获取至少一个待向目标用户的终端推送的、用于在目标用户的终端展示的第一类待展示信息的单元”。

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：获取至少一个待向目标用户的终端推送的、用于在目标用户的终端展示的第一类待展示信息；获取目标用户的用户信息；对于所获取的至少一个第一类待展示信息中的第一类待展示信息，获取该第一类待展示信息的特征信息；将所获取的特征信息和用户信息输入预先训练的转化率预测模型，得到目标用户针对该第一类待展示信息的预测转化率，其中，预测转化率用于表征目标用户浏览该第一类待展示信息，且针对该第一类待展示信息进行目标操作的概率；获取预设的、该第一类待展示信息对应的单次转化代价值；基于所获取的单次转化代价值和所生成的预测转化率，生成预测转化代价值。

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)

1.一种用于生成信息的方法，包括：

获取至少一个待向目标用户的终端推送的、用于在所述目标用户的终端展示的第一类待展示信息；

获取所述目标用户的用户信息；所述目标用户的用户信息用于表征所述目标用户的特征；

对于所获取的至少一个第一类待展示信息中的第一类待展示信息，获取该第一类待展示信息的特征信息，所述特征信息包括以下至少一种：所述第一类待展示信息的标题、所述第一类待展示信息所属的类型、所述第一类待展示信息包括的链接地址；

将所获取的特征信息和所述用户信息输入预先训练的转化率预测模型，得到所述目标用户针对该第一类待展示信息的预测转化率，其中，所述预测转化率用于表征使用终端设备浏览展示信息且针对所述展示信息进行目标操作的用户数量与浏览所述展示信息的用户的总数量的比例；

获取预设的、该第一类待展示信息对应的单次转化代价值，所述第一类待展示信息对应的单次转化代价值用于表征用户针对所述第一类待展示信息进行目标操作后，所述第一类待展示信息的提供者所付出的代价的多少；

基于所获取的单次转化代价值和所生成的预测转化率，生成预测转化代价值；

所述方法还包括：

获取预设的至少一个第二类待展示信息，以及第二类待展示信息对应的单次展示代价值，其中，所述第二类待展示信息是与所述第一类待展示信息的类别不同的待展示信息，所述单次展示代价值用于表征在用户使用的终端上展示一次待展示信息，待展示信息的提供者所付出的代价；

基于所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值，从所述至少一个第一类待展示信息和所述至少一个第二类待展示信息组成的待展示信息集合中，选择待展示信息；

将所选择的待展示信息推送至所述终端。

2.根据权利要求1所述的方法，其中，所述基于所获取的单次转化代价值和所生成的预测转化率，生成预测转化代价值，包括：

将所获取的单次转化代价值乘以所得到的预测转化率，将所得到的乘积确定为预测转化代价值。

3.根据权利要求1所述的方法，其中，所述基于所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值，从所述至少一个第一类待展示信息和所述至少一个第二类待展示信息组成的待展示信息集合中，选择待展示信息，包括：

从所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值组成的代价值集合中，按照代价值由大到小的顺序，选择预设数量个代价值；

从所述待展示信息集合中，选择所述预设数量个代价值分别对应的待展示信息。

4.根据权利要求1-3之一所述的方法，其中，所述转化率预测模型预先通过如下步骤训练得到：

获取训练样本集合，其中，训练样本包括预设的样本第一类待展示信息的特征信息、浏览过样本第一类待展示信息的样本用户的样本用户信息，以及预先标注的、用于表征样本用户针对样本第一类待展示信息是否进行目标操作的标注信息；

利用机器学习方法，将所述训练样本集合中的训练样本包括的特征信息和样本用户信息作为输入，将输入的特征信息和样本用户信息对应的标注信息作为期望输出，训练得到转化率预测模型。

5.一种用于生成信息的装置，包括：

第一获取单元，被配置成获取至少一个待向目标用户的终端推送的、用于在所述目标用户的终端展示的第一类待展示信息；

第二获取单元，被配置成获取所述目标用户的用户信息；所述目标用户的用户信息用于表征所述目标用户的特征；

生成单元，被配置成对于所获取的至少一个第一类待展示信息中的第一类待展示信息，获取该第一类待展示信息的特征信息，所述特征信息包括以下至少一种：所述第一类待展示信息的标题、所述第一类待展示信息所属的类型、所述第一类待展示信息包括的链接地址；将所获取的特征信息和所述用户信息输入预先训练的转化率预测模型，得到所述目标用户针对该第一类待展示信息的预测转化率，其中，所述预测转化率用于表征使用终端设备浏览展示信息且针对所述展示信息进行目标操作的用户数量与浏览所述展示信息的用户的总数量的比例；获取预设的、该第一类待展示信息对应的单次转化代价值；基于所获取的单次转化代价值和所生成的预测转化率，生成预测转化代价值；所述第一类待展示信息对应的单次转化代价值用于表征用户针对所述第一类待展示信息进行目标操作后，所述第一类待展示信息的提供者所付出的代价的多少；

所述装置还包括：

第三获取单元，被配置成获取预设的至少一个第二类待展示信息，以及第二类待展示信息对应的单次展示代价值，其中，所述第二类待展示信息是与所述第一类待展示信息的类别不同的待展示信息，所述单次展示代价值用于表征在用户使用的终端上展示一次待展示信息，待展示信息的提供者所付出的代价；

选择单元，被配置成基于所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值，从所述至少一个第一类待展示信息和所述至少一个第二类待展示信息组成的待展示信息集合中，选择待展示信息；

推送单元，被配置成将所选择的待展示信息推送至所述终端。

6.根据权利要求5所述的装置，其中，所述生成单元进一步被配置成：

将所获取的单次转化代价值乘以所得到的预测转化率，将所得到的乘积确定为预测转化代价值。

7.根据权利要求5所述的装置，其中，所述选择单元包括：

第一选择模块，被配置成从所获取的第二类待展示信息的单次展示代价值和所生成的预测转化代价值组成的代价值集合中，按照代价值由大到小的顺序，选择预设数量个代价值；

第二选择模块，被配置成从所述待展示信息集合中，选择所述预设数量个代价值分别对应的待展示信息。

8.根据权利要求5-7之一所述的装置，其中，所述转化率预测模型预先通过如下步骤训练得到：

获取训练样本集合，其中，训练样本包括预设的样本第一类待展示信息的特征信息、浏览过样本第一类待展示信息的样本用户的样本用户信息，以及预先标注的、用于表征样本用户针对样本第一类待展示信息是否进行目标操作的标注信息；

利用机器学习方法，将所述训练样本集合中的训练样本包括的特征信息和样本用户信息作为输入，将输入的特征信息和样本用户信息对应的标注信息作为期望输出，训练得到转化率预测模型。

9.一种服务器，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

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1-4中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-4中任一所述的方法。