CN112232878A - 虚拟展示资源处理方法、装置、计算机设备及存储介质 - Google Patents

虚拟展示资源处理方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN112232878A
CN112232878A CN202011118103.XA CN202011118103A CN112232878A CN 112232878 A CN112232878 A CN 112232878A CN 202011118103 A CN202011118103 A CN 202011118103A CN 112232878 A CN112232878 A CN 112232878A
Authority
CN
China
Prior art keywords
virtual display
resource
display resource
virtual
probability
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
Application number
CN202011118103.XA
Other languages
English (en)
Inventor
谭斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202011118103.XA priority Critical patent/CN112232878A/zh
Publication of CN112232878A publication Critical patent/CN112232878A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例公开了一种虚拟展示资源处理方法、装置、计算机设备及存储介质，本方法通过获取虚拟展示资源订单数据与虚拟展示资源库存数据，虚拟展示资源库存数据为可用于投放虚拟展示资源的投放资源数据；确定关于虚拟展示资源投放概率的优化函数，优化函数的优化目标为优化虚拟展示资源库存资源分配；从订单数据与库存数据中提取优化函数的约束条件；根据约束条件计算优化函数的局部最优解，局部最优解为优化函数在满足约束条件下的特解；根据局部最优解确定虚拟展示资源投放概率并根据虚拟展示资源投放概率对虚拟展示资源进行投放。该方法可以提高批量处理虚拟展示资源的处理效率，提高了虚拟展示资源库存的利用率。

Description

虚拟展示资源处理方法、装置、计算机设备及存储介质
技术领域
本申请涉及信息处理技术领域，具体涉及一种虚拟展示资源处理方法、装置、计算机设备及存储介质。
背景技术
网络虚拟展示资源是网络生活中必不可少的部分，充斥在网络生活的各个角落。伴随着互联网的飞速发展，虚拟展示资源的数量也呈现爆发式增长。就国内某些头部互联网公司而言，每日线上服务推送的虚拟展示资源数量已经可以达到数百亿级。
由于网络虚拟展示资源的需求规模巨大，而虚拟展示资源的库存资源有限，因此线上虚拟展示资源的库存资源分配就显得尤为重要。目前，对虚拟展示资源的投放缺乏有效的处理方法，导致虚拟展示资源库存分配不合理，进而导致虚拟展示资源的库存资源的利用率不高。
发明内容
本申请实施例提供一种虚拟展示资源处理方法、装置及存储介质，可以提升虚拟展示资源的库存资源的利用率。
为解决上述技术问题，本申请实施例提供以下技术方案：
本申请一方面提供一种虚拟展示资源处理方法，包括:
获取虚拟展示资源订单数据与虚拟展示资源库存数据，所述虚拟展示资源库存数据为可用于投放虚拟展示资源的投放资源数据；
确定关于虚拟展示资源投放概率的优化函数，所述优化函数的优化目标为优化虚拟展示资源库存资源分配；
从所述订单数据与所述库存数据中提取所述优化函数的约束条件；
根据所述约束条件计算所述优化函数的局部最优解，所述局部最优解为所述优化函数在满足所述约束条件下的特解；
根据所述局部最优解确定所述虚拟展示资源投放概率，并根据所述虚拟展示资源投放概率对虚拟展示资源进行投放。
本申请第二方面提供一种虚拟展示资源处理装置，包括：
获取单元，用于获取虚拟展示资源订单数据与虚拟展示资源库存数据，所述虚拟展示资源库存数据为可用于投放虚拟展示资源的投放资源数据；
确定单元，用于确定关于虚拟展示资源投放概率的优化函数，所述优化函数的优化目标为优化虚拟展示资源库存资源分配；
提取单元，用于从所述订单数据与所述库存数据中提取所述优化函数的约束条件；
计算单元，用于根据所述约束条件计算所述优化函数的局部最优解，所述局部最优解为所述优化函数在满足所述约束条件下的特解；
投放单元，用于根据所述局部最优解确定所述虚拟展示资源投放概率，并根据所述虚拟展示资源投放概率对虚拟展示资源进行投放。
在一些实施例中，所述约束条件包括需求约束、供给约束以及频次约束，所述计算单元，包括：
转化子单元，用于将所述优化函数转化为对偶函数；
第一确定子单元，用于确定所述需求约束对应的第一对偶变量、所述供给约束对应的第二对偶变量以及所述频次约束对应的第三对偶变量；
第二确定子单元，用于基于所述对偶函数和KKT条件，确定虚拟展示资源投放概率关于所述第一对偶变量、所述第二对偶变量以及所述第三对偶变量的目标函数；
获取子单元，用于获取所述第一对偶变量对应的第一解、所述第二对偶变量对应的第二解以及所述第三对偶变量对应的第三解；
计算子单元，用于基于所述第一解、所述第二解、所述第三解以及所述目标函数计算得到所述优化函数的局部最优解。
在一些实施例中，所述获取子单元用于：
根据所述第二对偶变量的初始值以及所述第三对偶变量的初始值确定所述第一对偶变量对应的第一解；
根据所述第一对偶变量的初始值以及所述第三对偶变量的初始值确定所述第二对偶变量对应的第二解；
根据所述第一对偶变量的初始值以及所述第二对偶变量的初始值确定所述第三对偶变量对应的第三解。
在一些实施例中，所述投放单元，包括：
验证子单元，用于验证所述虚拟展示资源投放概率是否满足预设的虚拟展示资源库存优化条件；
投放子单元，用于若所述虚拟展示资源投放概率满足预设的虚拟展示资源库存优化条件，则根据所述虚拟展示资源投放概率对虚拟展示资源进行投放。
在一些实施例中，所述验证子单元，用于：
基于所述虚拟展示资源投放概率确定目标虚拟展示资源的投放总量；
验证所述投放总量是否与所述目标虚拟展示资源的订单总量一致；
所述投放子单元，用于：
当所述投放总量与所述目标虚拟展示资源的订单总量一致时，根据所述虚拟展示资源投放概率对所述目标虚拟展示资源进行投放。
在一些实施例中，所述获取单元，包括：
第一获取子单元，用于获取目标投放时间数据；
第二获取子单元，用于从虚拟展示资源订单数据库中获取与所述目标投放时间数据对应的虚拟展示资源订单数据，从虚拟展示资源库存数据库中获取与所述目标投放时间数据对应的虚拟展示资源库存数据。
在一些实施例中，所述投放单元，包括：
第一确定子单元，用于根据所述虚拟展示资源投放概率确定目标虚拟展示资源订单在每一虚拟展示资源库存上的投放概率；
第二确定子单元，用于确定所述目标虚拟展示资源订单投放概率最高时对应的虚拟展示资源库存为目标虚拟展示资源库存；
投放单元，用于将所述目标虚拟展示资源订单对应的展示内容投放至所述目标虚拟展示资源库存对应的展示区域。
本申请实施例第三方面提供一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储至少一条指令，所述至少一条指令由所述处理器加载并执行，以实现上述第一方面提供的的虚拟展示资源处理方法。
本申请实施例第四方面提供一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行上述第一方面提供的虚拟展示资源处理方法中的步骤。
本申请实施例通过获取虚拟展示资源订单数据与虚拟展示资源库存数据，虚拟展示资源库存数据为可用于投放虚拟展示资源的投放资源数据；确定关于虚拟展示资源投放概率的优化函数，优化函数的优化目标为优化虚拟展示资源库存资源分配；从订单数据与库存数据中提取优化函数的约束条件；根据约束条件计算优化函数的局部最优解，局部最优解为优化函数在满足约束条件下的特解；根据局部最优解确定虚拟展示资源投放概率并根据虚拟展示资源投放概率对虚拟展示资源进行投放。以此，通过建立关于虚拟展示资源投放概率的优化函数，求解优化虚拟展示资源库存分配达到一个合理程度时的虚拟展示资源投放概率，进而使用该虚拟展示资源投放概率对虚拟展示资源的投放过程进行控制，有效提升了虚拟展示资源投放分配的合理性，提高了虚拟展示资源库存的利用率。
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一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是线上虚拟展示资源系统的架构示意图；
图2a是虚拟展示资源订单库存分配的一示意图；
图2b是虚拟展示资源订单库存分配的另一示意图；
图3是本申请提供的虚拟展示资源处理方法的流程示意图；
图4是广告订单数据和广告库存数据关系的pv级二部图；
图5是本申请提供的虚拟展示资源处理方法的另一流程示意图；
图6是本申请提供的虚拟展示资源处理装置的流程示意图；
图7为本申请提供的服务器的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参阅图1，图1为线上虚拟展示资源系统的架构示意图，线上虚拟展示资源系统100主要包括虚拟展示资源售卖系统110和虚拟展示资源投放系统120。线上虚拟展示资源售卖系统110接收虚拟展示资源发布方的虚拟展示资源需求订单，生成虚拟展示资源订单数据并存储于虚拟展示资源订单数据库中。虚拟展示资源发布方的虚拟展示资源订单数据可以包括：虚拟展示资源购买时间数据、虚拟展示资源播放时间数据、定向投放地域数据、用户基础属性数据、接收场景数据、媒体内容数据、用户行为和兴趣标签数据以及播放频次数据等。例如，虚拟展示资源发布方于10月25日购买了于11月1日至11月16日进行投放的线上虚拟展示资源订单，并具体要求投放至上海20至30岁的女性，虚拟展示资源接收场景可以是播放器、移动设备以及个人电脑(personal computer，PC)，媒体内容可以是剧集、频道等，播放频次为每天5次。
虚拟展示资源发布方一旦下单成功，即视为合同签署，线上虚拟展示资源服务提供商需严格按照虚拟展示资源发布方订单进行虚拟展示资源投放。若无法保量完成，则视为线上虚拟展示资源服务商违约，需承担相应违约责任。
由于虚拟展示资源订单需求的维度约束较多，且可用于进行虚拟展示资源投放的虚拟展示资源库存量有限，因此虚拟展示资源库存分配的能力对虚拟展示资源投放和售卖的库存利用效率有极大的影响。具体以如下示例具体说明库存分配对库存利用效率的影响。如图2a以及图2b所示，为两种不同的虚拟展示资源订单库存分配示意图。假设现有上海男性、上海女性、北京男性以及北京女性的虚拟展示资源投放库存各4千次。目前有订单1：男4CPM(cost per mile，千次展示付费)以及订单2：女4CPM。则针对两个订单的库存分配方案有图2a以及图2b两种分配方案。图2a中分配2千次北京男性以及2千次上海男性库存给订单1，分配2千次北京女性和2千次上海女性的库存给订单2。在图2b的分配方案中，分配4千次上海男性的库存给订单1，分配4千次上海女性的库存给订单2。如此，当新订单3的需求要求为北京时，可按照图2b的分配方案可提供的有效库存比按图2a的分配方案可提供的有效库存多一倍。
上述示例再次验证虚拟展示资源库存资源的分配极大程度地影响到了虚拟展示资源库存资源的利用率。因此，本申请提供一种虚拟展示资源处理方法，用于提升虚拟展示资源投放过程合理性，从而优化虚拟展示资源库存资源分配，进而提升虚拟展示资源库存资源的利用率。该方法可用于服务器中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。如图3所示，为本申请提供的虚拟展示资源处理方法的流程示意图，该虚拟展示资源处理方法包括：
步骤101，获取虚拟展示资源订单数据与虚拟展示资源库存数据。
其中，虚拟展示资源库存数据可以为用于投放虚拟展示资源的投放资源数据。虚拟展示资源可以但不限于是：通知信息、提示信息以及广告信息。在本申请实施例中，可以以广告信息为例进行详细描述，以便于进行理解。需要说明的是，广告并不对本申请的技术方案的适用范围造成限定，本技术方案可适用于任何虚拟展示资源中。则在本申请实施例中，虚拟展示资源订单数据为广告订单数据，虚拟展示资源库存数据便是广告库存数据。
广告订单数据是广告售卖系统接收到的广告主的购买订单，广告订单数据中包含了广告主的广告投放需求，广告投放需求具体可以包括：投放地域需求、投放用户属性需求、接收场景需求、媒体内容需求、用户行为和兴趣标签需求、投放时间需求以及投放频次需求等。具体地，投放地域需求可以是全国34个省以及325个城市中任意一个；用户基础属性需求可以是性别、年龄以及学历等需求；接收场景需求可以是播放器、移动设备以及PC等需求；媒体内容需求可以是媒体类型、剧集和频道等需求；用户行为和兴趣标签需求可以是媒体行为标签以及各种兴趣标签需求；时间需求可以是未来几天或几周进行投放；频次需求可以是每天5次等。
广告库存数据是可以用于投放广告的用户资源信息，具体地可以细化为每次曝光的曝光信息。一个用户可以对应多个曝光资源。
在一些实施例中，广告订单数据和广告库存数据可以分别获取，也可以通过广告主订单和用户曝光的关联图同时获取。如图4所示，为广告订单数据和广告库存数据关系的pv级二部图。
其中，二部图是图论的一种特殊模型，设G＝(V，E)是一个无向图，如果顶点V可分割为两个互不相交的子集(A，B)，并且图中的每条边(i，j)所关联的两个顶点i和j分别属于这两个不同的顶点集(i in A，j in B)，则称图G为一个二部图。
由图4可知，广告主的广告订单需求包括：订单1，用户基础属性为男性的广告订单800mille(千)；订单2，投放地域为北京的广告订单800mille以及订单3，媒体类型为电影的广告订单需求400mille。用户A为非北京男性，具有4个曝光，用户B为北京女性，具有3个曝光。用户A的4个曝光均可以符合订单1的投放需求，而不符合订单2的投放需求。用户B的3个曝光均可以符合订单2的投放需求，而不符合订单1的投放需求。用户A的曝光1和曝光4以及用户B的曝光2符合订单3的投放需求。
在一些实施例中，获取虚拟展示资源订单数据和虚拟展示资源库存数据，包括：
(1)获取目标投放时间数据；
(2)从虚拟展示资源订单数据库中获取与目标投放时间数据对应的虚拟展示资源订单数据，从虚拟展示资源库存数据库中获取与目标投放时间数据对应的虚拟展示资源库存数据。
其中，目标投放时间数据为一个时间段数据。由于虚拟展示资源的投放概率预估需要一定的时间，无法保持实时持续地预估，因此根据虚拟展示资源的投放概率对虚拟展示资源进行处理也是按时间段进行处理的。时间段的间隔可以根据虚拟展示资源的投放概率计算效率进行设置。因此，获取虚拟展示资源的订单数据和库存数据也应当获取与目标投放时间数据对应的虚拟展示资源的订单数据和库存数据。如此，则计算得到的虚拟展示资源投放概率也是与该目标投放时间数据相应的虚拟展示资源投放概率。该方法使得虚拟展示资源投放概率计算更为精细化，进而使得虚拟展示资源的库存优化更为细致，针对性强，准确率和实时性都较高，进一步优化了虚拟展示资源的库存分配，提升了虚拟展示资源库存的利用率。
步骤102，确定关于虚拟展示资源投放概率的优化函数。
其中，优化函数的优化目标为优化虚拟展示资源库存资源分配，该优化函数中包含的变量为虚拟展示资源投放概率。在本申请实施例中，虚拟展示资源的投放概率为每一个虚拟展示资源订单在不同的虚拟展示资源库存上的投放概率。求解该优化函数可以求得在虚拟展示资源库存资源分配最优时对应的虚拟展示资源投放概率。
在本实施例中，仍然以虚拟展示资源为线上广告为例，则该优化函数是用于优化广告资源分配的广告投放概率优化函数，广告投放概率为每一个广告订单在不同的广告库存上投放的概率。仍然以图4为例，广告订单1可以在用户A的曝光1至4中任意一个广告库存上进行投放，则广告订单1的投放概率为该广告订单在曝光1库存上的投放概率、该广告订单在曝光2库存上的投放概率、该广告订单在曝光3库存上的投放概率以及该广告订单在曝光4库存上的投放概率。由此可见，每个广告订单的投放概率并非独立存在的，而是与其投放的库存相关的。若每个广告订单对应N个可投放的广告库存，则该广告订单对该N个可投放的广告库存均具有一个投放概率，即该广告订单具有N个广告投放概率。这N个广告投放概率可以相同也可以不同。如此当存在M个广告订单时，且每个广告订单均有N个可投放的库存时，广告的投放概率数值就有N*M个。且该N*M个广告投放概率与N*M个广告订单与广告库存的随机组合一一对应。求解关于广告投放概率的优化函数可以求得在广告库存资源分配最优时每一广告订单投放于不同广告库存上的投放概率。
步骤103，从订单数据与库存数据中提取优化函数的约束条件。
其中，步骤102中确定的关于虚拟展示资源投放概率的优化函数是在一定限定条件下的优化，该限定条件可以称为优化函数的约束条件。可以理解的是，虚拟展示资源的投放需要符合虚拟展示资源发布方订单中指定的条件，即满足订单需求。订单需求可以包括：虚拟展示资源播放时间数据、定向投放地域数据、用户基础属性数据、接收场景数据等。另外，虚拟展示资源的投放还需要考虑虚拟展示资源的库存情况，虚拟展示资源投放的预期库存消耗不可超出虚拟展示资源的现有库存。
步骤104，根据约束条件计算优化函数的局部最优解。
其中，在相关技术中，求解具有约束条件的优化函数，当约束条件为不等式约束时，其求解难度较大，为了方便计算，可以采用拉格朗日乘子法和KKT条件进行极值计算以求解优化函数的最优解。最优解为虚拟展示资源库存分配最优化时对应的虚拟展示资源投放概率。具体地，需要先确定每一约束条件对应的对偶变量，将对偶变量结合KKT条件的平稳性条件和互补松弛条件确定虚拟展示资源投放概率关于多个对偶变量的目标函数，最后再使用坐标下降法循环求解目标函数得到虚拟展示资源库存分配最优化时对应的虚拟展示资源投放概率。
本申请的发明人在研究中发现，利用上述方法求得的虚拟展示资源投放概率对虚拟展示资源进行投放控制时，虚拟展示资源库存利用率提升并不明显。发明人在进一步研究后发现，由于虚拟展示资源投放概率预估需要计算的数据量非常大，采用坐标下降法循环求解耗时较高，在求解出虚拟展示资源投放概率后虚拟展示资源的库存已经发生变化，导致求得的虚拟展示资源投放概率的实时性较差。从而导致采用上述方法求解得到的虚拟展示资源投放概率对虚拟展示资源投放过程进行控制时，虚拟展示资源库存利用率提升有限。
对此，本申请提供的虚拟展示资源处理方法中，不再使用坐标下降法求解目标函数的最优解。而是获取目标函数的一个局部最优解，或者一个可以满足约束条件的特解。如此可以极大地提升虚拟展示资源投放概率的求解效率，使得求得的虚拟展示资源投放概率时效性更高。进而使得采用该局部最优解对应的虚拟展示资源投放概率对虚拟展示资源投放过程进行控制时，虚拟展示资源库存的利用率更高。
步骤105，根据局部最优解确定虚拟展示资源投放概率，并根据虚拟展示资源投放概率对虚拟展示资源进行投放。
其中，关于虚拟展示资源投放概率的优化函数的局部最优解即为求解得到的虚拟展示资源投放概率。且如前所述，虚拟展示资源投放概率包含了每个虚拟展示资源订单在不同虚拟展示资源库存上的投放概率。对于某一虚拟展示资源订单而言，可以根据虚拟展示资源投放概率的大小确定该虚拟展示资源订单对应投放的虚拟展示资源库存。
在一些实施例中，根据虚拟展示资源投放概率对虚拟展示资源进行投放，包括：
(1)根据虚拟展示资源投放概率确定目标虚拟展示资源订单在每一虚拟展示资源库存上的投放概率；
(2)确定目标虚拟展示资源订单投放概率最高时对应的虚拟展示资源库存为目标虚拟展示资源库存；
(3)将目标虚拟展示资源订单对应的展示内容投放至目标虚拟展示资源库存对应的展示区域。
其中，通过关于虚拟展示资源投放概率的优化函数计算到的虚拟展示资源投放概率为一个时间段所有虚拟展示资源订单在每个虚拟展示资源库存上的投放概率。针对每一个虚拟展示资源订单而言，其在每个可以进行投放的库存上投放概率可以根据前述关于虚拟展示资源投放概率的优化函数计算得到的虚拟展示资源投放概率进行确定。然后将该目标虚拟展示资源订单在不同虚拟展示资源库存上的投放概率进行比较，确定投放概率最高时对应的目标虚拟展示资源库存。再将该虚拟展示资源订单对应的展示内容推送到该目标虚拟展示资源库存对应的展示区域。请继续参阅图4，订单1可以投放在曝光1、曝光2、曝光3或曝光4中。此处广告用户曝光即为虚拟展示资源的库存。若订单1在该4个曝光中的投放概率分别为0.1、0.2、0.3和0.4，则确定投放概率为0.4的曝光，例如投放概率为0.4的曝光为曝光4，则将订单1对应的虚拟展示资源的展示内容投放在曝光4对应的展示区域。
根据上述描述可知，本申请提供的虚拟展示资源处理方法，通过获取虚拟展示资源订单数据与虚拟展示资源库存数据，虚拟展示资源库存数据为可用于投放虚拟展示资源的投放资源数据；确定关于虚拟展示资源投放概率的优化函数，优化函数的优化目标为优化虚拟展示资源库存资源分配；从订单数据与库存数据中提取优化函数的约束条件；根据约束条件求解优化函数的局部最优解，局部最优解为优化函数在满足约束条件下的特解；根据局部最优解确定虚拟展示资源投放概率并根据虚拟展示资源投放概率对虚拟展示资源进行投放。以此，通过建立关于虚拟展示资源投放概率的优化函数，求解优化虚拟展示资源库存分配达到一个合理程度时的虚拟展示资源投放概率，进而使用该虚拟展示资源投放概率对虚拟展示资源的投放过程进行控制，有效提升了虚拟展示资源投放的合理性，提高了虚拟展示资源库存的利用率。
进一步地，在对关于虚拟展示资源投放概率优化函数的求解过程中，通过采用获取局部最优解代替求解全局最优解，加快了优化函数的求解效率，提高了求得的虚拟展示资源投放概率的实时性。采用本方法求得的虚拟展示资源投放概率对投放过程进行控制，可以进一步提高虚拟展示资源库存的利用率。
相应地，本申请实施例将从服务器的角度进一步对本申请提供的虚拟展示资源处理方法进行详细的描述。本实施例中的服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、网络加速服务(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。如图5所示，为本申请实施例提供的虚拟展示资源处理方法的另一流程示意图，该方法包括：
步骤201，服务器获取虚拟展示资源订单数据与虚拟展示资源库存数据。
其中，服务器可以是虚拟展示资源投放系统120的服务器，虚拟展示资源投放系统120在对虚拟展示资源进行投放之前，其服务器先获取虚拟展示资源的订单数据与库存数据，再根据虚拟展示资源的订单数据和库存数据计算每个订单在每个虚拟展示资源库存上的投放概率。
步骤202，服务器确定关于虚拟展示资源投放概率的优化函数。
其中，服务器在获取了虚拟展示资源的订单数据和库存数据后，可以建立关于虚拟展示资源投放概率的优化函数，该优化函数的变量是虚拟展示资源投放概率，该虚拟展示资源投放概率包含每个虚拟展示资源订单在每个虚拟展示资源库存上的投放概率。该优化函数的优化目标是使得虚拟展示资源库存分配最优化，或者说是使得虚拟展示资源的库存利用率最大化。该优化函数的约束条件由虚拟展示资源的订单数据和库存数据决定，具体地，该优化函数的具体表示可以如式(1)所示：
Figure BDA0002731060080000121
其中xij为本优化目标所求的虚拟展示资源投放概率，具体为第j个虚拟展示资源订单在第i个虚拟展示资源库存上的投放概率。θij为订单库存的紧缺程度。pj为订单的缺量系数；kj为订单的缺量。Γ(j)为满足订单j的所有虚拟展示资源库存集合。其中Minimize为求最小化的优化表示。
步骤203，服务器从订单数据和库存数据中提取优化函数的约束条件。
其中，根据虚拟展示资源订单数据，可以确定订单需求，根据该订单需求可以确定上述优化函数的约束条件。在相关技术中，约束条件一般包括需求约束、供给约束，在本申请实施例中，还提出了频次约束。另外，可以理解的是上述参数都应为非负数。从而可以得到如下式(2)至式(5)的详细约束公式：
Figure BDA0002731060080000122
Figure BDA0002731060080000123
Figure BDA0002731060080000124
Figure BDA0002731060080000125
其中，dj为虚拟展示资源订单的与定量。fjk为虚拟展示资源订单的频次。Γ(j，k)为满足订单j以及频次k的所有虚拟展示资源库存集合。其中s.t.表示约束条件。
由上述式(1)可知，该优化的优化目标是虚拟展示资源库存分配最优化，即让各虚拟展示资源订单投放更为均匀，避免部分虚拟展示资源订单缺量率低，而部分虚拟展示资源订单缺量率高。对该优化函数进行求解，可以得到使得虚拟展示资源库存分配最优化时对应的xij。
步骤204，服务器将优化函数转化为对偶函数。
其中，约束条件下的优化问题，通常采用拉格朗日对偶性，将原始问题转化为对偶问题，即将优化函数转化为对偶函数。
步骤205，服务器确定需求约束对应的第一对偶变量、供给约束对应的第二对偶变量以及频次约束对应的第三对偶变量。
其中，对偶函数具有多个对偶变量，分别与优化函数的约束条件和变量相对应。具体地，利用拉格朗日乘子法，确定需求约束对应的第一对偶变量αj，供给约束对应的第二对偶变量βi，以及频次约束对应的第三对偶变量λjk，还可以确定xij的对偶变量为γij，以及确定kj的对偶变量为
Figure BDA0002731060080000133
步骤206，服务器基于对偶函数和KKT条件，确定虚拟展示资源投放概率关于第一对偶变量、第二对偶变量以及第三对偶变量的目标函数。
其中，由于优化函数和对偶函数的解的充分必要条件是满足KKT条件，即：
平稳性条件：
对所有的i，j，
Figure BDA0002731060080000131
对所有的i，
Figure BDA0002731060080000132
互补松弛条件：
对所有j，αj＝0或∑i∈Γ(j)xij+kj＝dj式(8)
对所有i，βi＝0或∑j∈Γ(i)＝xij＝1式(9)
对所有j，k，λjk＝0或∑i∈Γ(jk)xij＝fjk式(10)
对所有i，j，γij＝0或xij＝0式(11)
对所有j，
Figure BDA0002731060080000141
或kj＝0式(12)
根据式(6)至式(12)可以求解得到：
Figure BDA0002731060080000142
由于γij＝0或xij＝0，可知xij≥0，即：
xij＝max{0，θij(1+αj-βi-λjk)}式(14)
在相关技术中，为方便计算，将式(14)转化为：
max{0，θij(1+αj-βi-λjk)}＝gij(1+αj-βi-λjk+γij)式(15)再通过坐标下降法求解：
(a)初始化αj＝0，λjk＝0
(b)循环如下计算，直到收敛：
对所有的虚拟展示资源库存i求解βi满足：
∑j∈Γ(i) gij(1+αj-βi-λjk+γij)＝1式(16)
对所有的订单jk求解λjk满足：
∑i∈Γ(jk) gij(1+αj-βi-λjk+γij)＝fij式(17)
对所有的订单j，求解αj满足：
∑i∈Γ(j) gij(1+αj-βi-λjk+γij)＝dj式(18)
(c)通过
xij＝max{0，θij(1+αj-βi-λjk)}式(19)
计算得出xij。确定式(19)为目标函数。
步骤207，服务器获取第一对偶变量对应的第一解，第二对偶变量对应的第二解以及第三对偶变量对应的第三解。
其中，获取第一对偶变量对应的第一解、第二对偶变量对应的第二解以及第三对偶变量对应的第三解，包括：
根据第二对偶变量的初始值以及第三对偶变量的初始值确定第一对偶变量对应的第一解；
根据第一对偶变量的初始值以及第三对偶变量的初始值确定第二对偶变量对应的第二解；
根据第一对偶变量的初始值以及第二对偶变量的初始值确定第三对偶变量对应的第三解。
在相关技术中，求解上述坐标下降法求解的计算方法需要多次循环迭代求解，耗时较长。由此本申请提供一步求解法，获取第一对偶变量αj的第一解、第二对偶变量βi的第二解以及第三对偶变量λjk的第三解。再根据式14一步求解出xij。
具体计算方法如下：
令
Figure BDA0002731060080000151
一步求解得到的三个变量的表达式如式(21)至式(23)所示：
αj＝(α-β-λ)*ratej+β+λ-1 式(21)
βi＝α-(α-β-λ)*ratej+λ-1 式(22)
λjk＝α-(α-β-λ)*ratej+β+1 式(23)
其中，α是αj的初始值，β是βi的初始值，λ是λjk的初始值。
步骤208，服务器基于第一解、第二解、第三解以及目标函数计算得到优化函数的局部最优解。
其中，将步骤207中获取到的对偶变量的解代入到目标函数中，即可得到优化函数的局部最优解。具体地，将式(21)、式(22)以及式(23)代入到式(19)中，得到优化函数的局部最优解。
可以理解的是，优化函数的局部最优解是满足约束条件的一个特解，而不是求解上述优化函数的通解。此处通解可以理解为全局最优解。由于求解优化函数的全局最优解过程繁复，耗时较多，因此本申请提供的计算方法不求解全局最优解，而是获得一个局部最优解。通过放弃一定的优化程度以实现求解效率的大幅度提升。由于虚拟展示资源的订单和库存数据都是实时变化的，优化函数的求解效率提升可以提升虚拟展示资源投放概率的实时性，从而使得虚拟展示资源投放更为准确合理，进而提升虚拟展示资源库存分配的合理性，进一步提升了虚拟展示资源库存资源的利用率。
下面，可以对获取到的局部最优解的合理性进行验证。其中以求解αj为例，为了标识区分求解的αj和其原始值，把要求解的αj标识为α*，αj βi λjk可以分别求解，在求α*时βiλjk可以认为是定值，这里表示为β和γ。
由前述结论可知，最优解对应的三个变量一定满足：
Figure BDA0002731060080000161
其中
Figure BDA0002731060080000162
为最优解时的xij。
由此可得：
Figure BDA0002731060080000171
令
Figure BDA0002731060080000172
可得：
Figure BDA0002731060080000173
可推出如下：
Figure BDA0002731060080000174
Figure BDA0002731060080000175
Figure BDA0002731060080000176
Figure BDA0002731060080000177
Figure BDA0002731060080000181
其中
Figure BDA0002731060080000182
代表可以互相推导，
Figure BDA0002731060080000183
代表单项推导。
即计算得到式(21)。
同样地，使得αjλjk为定值，可以计算得到式(22)，同理可计算得到式(23)。
步骤209，服务器根据局部最优解确定虚拟展示资源投放概率，并根据虚拟展示资源投放概率对虚拟展示资源进行投放。
其中，服务器在获取到优化函数的局部最优解后，将该局部最优解确定为虚拟展示资源投放概率，并根据该虚拟展示资源投放概率对虚拟展示资源进行投放。
在一些实施例中，根据虚拟展示资源投放概率对虚拟展示资源进行投放，包括：
(1)验证虚拟展示资源投放概率满足预设的虚拟展示资源库存优化条件；
(2)若虚拟展示资源投放概率满足预设的虚拟展示资源库存优化条件，则根据虚拟展示资源投放概率对虚拟展示资源进行投放。
具体地，验证虚拟展示资源投放概率是否满足预设的虚拟展示资源库存优化条件，包括：
基于虚拟展示资源投放概率确定目标虚拟展示资源的投放总量；
验证投放总量是否与目标虚拟展示资源的订单总量一致；
若虚拟展示资源投放概率满足预设的虚拟展示资源库存优化条件，则根据虚拟展示资源投放概率对虚拟展示资源进行投放，包括：
当投放总量与目标虚拟展示资源的订单总量一致时，根据虚拟展示资源投放概率对目标虚拟展示资源进行投放。
该方法在计算得出目标虚拟展示资源对应的优化函数的局部最优解时，将该局部最优解对应的三个变量代入式(24)中进行验证，以确定目标虚拟展示资源的投放总量与目标虚拟展示资源的订单总量是否一致，当确定目标虚拟展示资源的投放总量与目标虚拟展示资源的订单总量一致时，再根据虚拟展示资源投放概率对目标虚拟展示资源进行投放。以此进一步保证了虚拟展示资源库存资源分配的合理性。提升了虚拟展示资源库存资源的利用率。
根据上述描述可知，本申请提供的虚拟展示资源处理方法，通过获取虚拟展示资源订单数据与虚拟展示资源库存数据，确定关于虚拟展示资源投放概率的优化函数，从订单数据与库存数据中提取优化函数的约束条件，将优化函数转化为对偶函数；确定需求约束对应的第一对偶变量、供给约束对应的第二对偶变量以及频次约束对应的第三对偶变量；基于对偶函数和KKT条件，确定虚拟展示资源投放概率关于第一对偶变量、第二对偶变量以及第三对偶变量的目标函数；获取第一对偶变量对应的第一解、第二对偶变量对应的第二解以及第三对偶变量对应的第三解；基于第一解、第二解、第三解以及目标函数计算得到投放概率优化函数的局部最优解，根据局部最优解确定虚拟展示资源投放概率，并根据虚拟展示资源投放概率对虚拟展示资源进行投放。该方法在采用优化函数求解虚拟展示资源投放概率时，采用获取局部最优解替代求解全局最优解，使得求解虚拟展示资源投放概率的效率大大提高，进而提升了求解得到的虚拟展示资源投放概率的时效性，进而提高了采用该虚拟展示资源投放概率进行投放控制时的虚拟展示资源库存利用率。
为便于更好地实施以上方法，本申请实施例还提供了一种虚拟展示资源处理装置，请参阅图6，为本申请提供的虚拟展示资源处理装置的结构示意图，该虚拟展示资源处理装置可以包括：获取单元301，确定单元302，提取单元303、计算单元304以及投放单元305，具体如下：
获取单元301，用于获取虚拟展示资源订单数据与虚拟展示资源库存数据，虚拟展示资源库存数据为可用于投放虚拟展示资源的投放资源数据；
确定单元302，用于确定关于虚拟展示资源投放概率的优化函数，优化函数的优化目标为优化虚拟展示资源库存资源分配；
提取单元303，用于从订单数据与库存数据中提取优化函数的约束条件；
计算单元304，用于根据约束条件计算优化函数的局部最优解，局部最优解为优化函数在满足约束条件下的特解；
投放单元305，用于根据局部最优解确定虚拟展示资源投放概率，并根据虚拟展示资源投放概率对虚拟展示资源进行投放。
在一些实施例中，约束条件包括需求约束、供给约束以及频次约束，计算单元304，包括：
转化子单元，用于将优化函数转化为对偶函数；
第一确定子单元，用于确定需求约束对应的第一对偶变量、供给约束对应的第二对偶变量以及频次约束对应的第三对偶变量；
第二确定子单元，用于基于对偶函数和KKT条件，确定虚拟展示资源投放概率关于第一对偶变量、第二对偶变量以及第三对偶变量的目标函数；
获取子单元，用于获取第一对偶变量对应的第一解、第二对偶变量对应的第二解以及第三对偶变量对应的第三解；
计算子单元，用于基于第一解、第二解、第三解以及目标函数计算得到优化函数的局部最优解。
在一些实施例中，获取子单元用于：
根据第二对偶变量的初始值以及第三对偶变量的初始值确定第一对偶变量对应的第一解；
根据第一对偶变量的初始值以及第三对偶变量的初始值确定第二对偶变量对应的第二解；
根据第一对偶变量的初始值以及第二对偶变量的初始值确定第三对偶变量对应的第三解。
在一些实施例中，投放单元305，包括：
验证子单元，用于验证虚拟展示资源投放概率是否满足预设的虚拟展示资源库存优化条件；
投放子单元，用于若虚拟展示资源投放概率满足预设的库存资源优化条件，则根据虚拟展示资源投放概率对虚拟展示资源进行投放。
在一些实施例中，验证子单元，用于：
基于虚拟展示资源投放概率确定目标虚拟展示资源的投放总量；
验证投放总量是否与目标虚拟展示资源的订单总量一致；
投放子单元，用于：
当投放总量与目标虚拟展示资源的订单总量一致时，根据虚拟展示资源投放概率对目标虚拟展示资源进行投放。
在一些实施例中，获取单元301，包括：
第一获取子单元，用于获取目标投放时间数据；
第二获取子单元，用于从虚拟展示资源订单数据库中获取与目标投放时间数据对应的虚拟展示资源订单数据，从虚拟展示资源库存数据库中获取与目标投放时间数据对应的虚拟展示资源库存数据。
在一些实施例中，投放单元305，包括：
第一确定子单元，用于根据虚拟展示资源投放概率确定目标虚拟展示资源订单在每一虚拟展示资源库存上的投放概率；
第二确定子单元，用于确定目标虚拟展示资源订单投放概率最高时对应的虚拟展示资源库存为目标虚拟展示资源库存；
投放单元，用于将目标虚拟展示资源订单对应的展示内容投放至目标虚拟展示资源库存对应的展示区域。
具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。
由上可知，本申请实施例提供的虚拟展示资源处理装置，通过获取单元301获取虚拟展示资源订单数据与虚拟展示资源库存数据，虚拟展示资源库存数据为可用于投放虚拟展示资源的投放资源数据；确定单元302确定关于虚拟展示资源投放概率的优化函数，优化函数的优化目标为优化虚拟展示资源库存资源分配；提取单元303从订单数据与库存数据中提取优化函数的约束条件；计算单元304根据约束条件计算优化函数的局部最优解，局部最优解为优化函数在满足约束条件下的特解；投放单元305根据局部最优解确定虚拟展示资源投放概率，并根据虚拟展示资源投放概率对虚拟展示资源进行投放。以此，通过建立关于虚拟展示资源投放概率的优化函数，求解优化虚拟展示资源库存分配达到一个合理程度时的虚拟展示资源投放概率，进而使用该虚拟展示资源投放概率对虚拟展示资源的投放过程进行控制，有效提升了虚拟展示资源投放的合理性，提高了虚拟展示资源库存的利用率。
本申请实施例还提供一种计算机设备，计算机设备包括处理器和存储器，存储器中存储至少一条指令，该至少一条指令由处理器加载并执行，以实现：获取虚拟展示资源订单数据与虚拟展示资源库存数据，虚拟展示资源库存数据为可用于投放虚拟展示资源的投放资源数据；确定关于虚拟展示资源投放概率的优化函数，优化函数的优化目标为优化虚拟展示资源库存资源分配；从订单数据与库存数据中提取优化函数的约束条件；根据约束条件计算优化函数的局部最优解，局部最优解为优化函数在满足约束条件下的特解；根据局部最优解确定虚拟展示资源投放概率并根据虚拟展示资源投放概率对虚拟展示资源进行投放。
本申请实施例还提供一种服务器，如图7所示，为本申请提供的服务器的结构示意图。具体来讲：
该服务器可以包括一个或者一个以上处理核心的处理器401、一个或一个以上存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图7中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器401是该服务器的控制中心，利用各种接口和线路连接整个服务器的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行服务器的各种功能和处理数据，从而对服务器进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
服务器还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该服务器还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，服务器还可以包括显示单元等，在此不再赘述。具体在本实施例中，服务器中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
获取虚拟展示资源订单数据与虚拟展示资源库存数据，虚拟展示资源库存数据为可用于投放虚拟展示资源的投放资源数据；确定关于虚拟展示资源投放概率的优化函数，优化函数的优化目标为优化虚拟展示资源库存资源分配；从订单数据与库存数据中提取优化函数的约束条件；根据约束条件计算优化函数的局部最优解，局部最优解为优化函数在满足约束条件下的特解；根据局部最优解确定虚拟展示资源投放概率并根据虚拟展示资源投放概率对虚拟展示资源进行投放。
应当说明的是，本申请实施例提供的服务器与上文实施例中的虚拟展示资源处理方法属于同一构思，其具体实现过程详见以上方法实施例，此处不再赘述。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种虚拟展示资源处理方法中的步骤。例如，该指令可以执行如下步骤：
获取虚拟展示资源订单数据与虚拟展示资源库存数据，虚拟展示资源库存数据为可用于投放虚拟展示资源的投放资源数据；确定关于虚拟展示资源投放概率的优化函数，优化函数的优化目标为优化虚拟展示资源库存资源分配；从订单数据与库存数据中提取优化函数的约束条件；根据约束条件计算优化函数的局部最优解，局部最优解为优化函数在满足约束条件下的特解；根据局部最优解确定虚拟展示资源投放概率并根据虚拟展示资源投放概率对虚拟展示资源进行投放。其中，该存储介质可以包括：只读存储器(ROM，ReadOnly Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种虚拟展示资源处理方法中的步骤，因此，可以实现本申请实施例所提供的任一种虚拟展示资源处理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
其中，根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述图3或者图5的各种可选实现方式中提供的虚拟展示资源处理方法。
以上对本申请实施例所提供的一种虚拟展示资源处理方法、装置、存储介质及系统进行了详细介绍，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 (10)

1.一种虚拟展示资源处理方法，其特征在于，包括：
获取虚拟展示资源订单数据与虚拟展示资源库存数据，所述虚拟展示资源库存数据为可用于投放虚拟展示资源的投放资源数据；
确定关于虚拟展示资源投放概率的优化函数，所述优化函数的优化目标为优化虚拟展示资源库存资源分配；
从所述订单数据与所述库存数据中提取所述优化函数的约束条件；
根据所述约束条件计算所述优化函数的局部最优解，所述局部最优解为所述优化函数在满足所述约束条件下的特解；
根据所述局部最优解确定所述虚拟展示资源投放概率，并根据所述虚拟展示资源投放概率对虚拟展示资源进行投放。
2.根据权利要求1所述的处理方法，其特征在于，所述约束条件包括需求约束、供给约束以及频次约束，所述根据所述约束条件计算所述优化函数的局部最优解，包括：
将所述优化函数转化为对偶函数；
确定所述需求约束对应的第一对偶变量、所述供给约束对应的第二对偶变量以及所述频次约束对应的第三对偶变量；
基于所述对偶函数和KKT条件，确定虚拟展示资源投放概率关于所述第一对偶变量、所述第二对偶变量以及所述第三对偶变量的目标函数；
获取所述第一对偶变量对应的第一解、所述第二对偶变量对应的第二解以及所述第三对偶变量对应的第三解；
基于所述第一解、所述第二解、所述第三解以及所述目标函数计算得到所述优化函数的局部最优解。
3.根据权利要求2所述的处理方法，其特征在于，所述获取所述第一对偶变量对应的第一解、所述第二对偶变量对应的第二解以及所述第三对偶变量对应的第三解，包括：
根据所述第二对偶变量的初始值以及所述第三对偶变量的初始值确定所述第一对偶变量对应的第一解；
根据所述第一对偶变量的初始值以及所述第三对偶变量的初始值确定所述第二对偶变量对应的第二解；
根据所述第一对偶变量的初始值以及所述第二对偶变量的初始值确定所述第三对偶变量对应的第三解。
4.根据权利要求1所述的处理方法，其特征在于，所述根据所述虚拟展示资源投放概率对虚拟展示资源进行投放，包括：
验证所述虚拟展示资源投放概率是否满足预设的虚拟展示资源库存优化条件；
若所述虚拟展示资源投放概率满足预设的虚拟展示资源库存优化条件，则根据所述虚拟展示资源投放概率对虚拟展示资源进行投放。
5.根据权利要求4所述的处理方法，其特征在于，所述验证所述虚拟展示资源投放概率是否满足预设的虚拟展示资源库存优化条件，包括：
基于所述虚拟展示资源投放概率确定目标虚拟展示资源的投放总量；
验证所述投放总量是否与所述目标虚拟展示资源的订单总量一致；
所述若所述虚拟展示资源投放概率满足预设的虚拟展示资源库存优化条件，则根据所述虚拟展示资源投放概率对虚拟展示资源进行投放，包括：
当所述投放总量与所述目标虚拟展示资源的订单总量一致时，根据所述虚拟展示资源投放概率对所述目标虚拟展示资源进行投放。
6.根据权利要求1所述的处理方法，其特征在于，所述获取虚拟展示资源订单数据和虚拟展示资源库存数据，包括：
获取目标投放时间数据；
从虚拟展示资源订单数据库中获取与所述目标投放时间数据对应的虚拟展示资源订单数据，从虚拟展示资源库存数据库中获取与所述目标投放时间数据对应的虚拟展示资源库存数据。
7.根据权利要求1所述的处理方法，其特征在于，所述根据所述虚拟展示资源投放概率对虚拟展示资源进行投放，包括：
根据所述虚拟展示资源投放概率确定目标虚拟展示资源订单在每一虚拟展示资源库存上的投放概率；
确定所述目标虚拟展示资源订单投放概率最高时对应的虚拟展示资源库存为目标虚拟展示资源库存；
将所述目标虚拟展示资源订单对应的展示内容投放至所述目标虚拟展示资源库存对应的展示区域。
8.一种虚拟展示资源处理装置，其特征在于，包括：
获取单元，用于获取虚拟展示资源订单数据与虚拟展示资源库存数据，所述虚拟展示资源库存数据为可用于投放虚拟展示资源的投放资源数据；
确定单元，用于确定关于虚拟展示资源投放概率的优化函数，所述优化函数的优化目标为优化虚拟展示资源库存资源分配；
提取单元，用于从所述订单数据与所述库存数据中提取所述优化函数的约束条件；
计算单元，用于根据所述约束条件计算所述优化函数的局部最优解，所述局部最优解为所述优化函数在满足所述约束条件下的特解；
投放单元，用于根据所述局部最优解确定所述虚拟展示资源投放概率，并根据所述虚拟展示资源投放概率对虚拟展示资源进行投放。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储至少一条指令，所述至少一条指令由所述处理器加载并执行，以实现权利要求1至7任一项所述的虚拟展示资源处理方法。
10.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至8中任意一项所述的虚拟展示资源处理方法中的步骤。
CN202011118103.XA 2020-10-19 2020-10-19 虚拟展示资源处理方法、装置、计算机设备及存储介质 Pending CN112232878A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011118103.XA CN112232878A (zh) 2020-10-19 2020-10-19 虚拟展示资源处理方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011118103.XA CN112232878A (zh) 2020-10-19 2020-10-19 虚拟展示资源处理方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN112232878A true CN112232878A (zh) 2021-01-15

Family

ID=74117441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011118103.XA Pending CN112232878A (zh) 2020-10-19 2020-10-19 虚拟展示资源处理方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN112232878A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113723867A (zh) * 2021-05-21 2021-11-30 深圳市海柔创新科技有限公司 资源分配的方法、装置、设备、存储介质及程序产品

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060031444A1 (en) * 2004-05-28 2006-02-09 Drew Julie W Method for assigning network resources to applications for optimizing performance goals
CN104299151A (zh) * 2014-09-28 2015-01-21 新浪网技术(中国)有限公司 网络广告流量分配系统和方法
WO2018149371A1 (zh) * 2017-02-15 2018-08-23 腾讯科技（深圳）有限公司 推送信息订单的流量、服务分配方法、装置及存储介质
CN108510299A (zh) * 2017-02-28 2018-09-07 腾讯科技（北京）有限公司 确定多媒体资源投放策略的方法及装置
CN108601087A (zh) * 2018-04-27 2018-09-28 哈尔滨工业大学深圳研究生院 一种基于网络切片的无线通信资源分配算法
CN111464337A (zh) * 2020-03-13 2020-07-28 北京三快在线科技有限公司 资源配置方法、装置、电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060031444A1 (en) * 2004-05-28 2006-02-09 Drew Julie W Method for assigning network resources to applications for optimizing performance goals
CN104299151A (zh) * 2014-09-28 2015-01-21 新浪网技术(中国)有限公司 网络广告流量分配系统和方法
WO2018149371A1 (zh) * 2017-02-15 2018-08-23 腾讯科技（深圳）有限公司 推送信息订单的流量、服务分配方法、装置及存储介质
CN108510299A (zh) * 2017-02-28 2018-09-07 腾讯科技（北京）有限公司 确定多媒体资源投放策略的方法及装置
CN108601087A (zh) * 2018-04-27 2018-09-28 哈尔滨工业大学深圳研究生院 一种基于网络切片的无线通信资源分配算法
CN111464337A (zh) * 2020-03-13 2020-07-28 北京三快在线科技有限公司 资源配置方法、装置、电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113723867A (zh) * 2021-05-21 2021-11-30 深圳市海柔创新科技有限公司 资源分配的方法、装置、设备、存储介质及程序产品
CN113723867B (zh) * 2021-05-21 2024-04-26 深圳市海柔创新科技有限公司 资源分配的方法、装置、设备、存储介质及程序产品

Similar Documents

Publication Publication Date Title
CN108960694B (zh) 配送区域确定方法和装置
CN107767164B (zh) 推送信息订单的信息处理方法、分配方法及装置
CN111523939B (zh) 一种推广内容的投放方法、装置、存储介质和电子设备
WO2018161940A1 (zh) 媒体文件的推送方法及装置、存储介质以及电子装置
US10678594B2 (en) System and method for optimizing resource allocation using GPU
Boysen et al. Scheduling aircraft landings to balance workload of ground staff
CN108428144A (zh) 推送信息订单的流量分配方法、服务分配方法及装置
WO2021139386A1 (zh) 资源配置方法、装置、设备和存储介质
WO2023050779A1 (zh) 预约服务的数量分析方法、装置、设备及存储介质
CN109697637A (zh) 对象类别确定方法、装置、电子设备及计算机存储介质
CN109493138B (zh) 信息推荐方法、装置、服务器及存储介质
Muraña et al. Simulation and evaluation of multicriteria planning heuristics for demand response in datacenters
CN112232878A (zh) 虚拟展示资源处理方法、装置、计算机设备及存储介质
CN114663015A (zh) 补货方法和装置
CN107507023B (zh) 一种信息投放方法及装置
CN114298728A (zh) 一种数据处理方法及相关装置
CN112053184B (zh) 推广信息投放方法、装置、电子设备以及存储介质
US8257091B2 (en) Matching learning objects with a user profile using top-level concept complexity
CN112581184A (zh) 一种空铁联运票价制定方法、系统、设备及可读存储介质
CN112348590A (zh) 一种物品价值确定方法、装置、电子设备和存储介质
CN108959324B (zh) 多媒体展示资源库存量的预估方法、装置及存储介质
CN113034188B (zh) 一种多媒体内容投放方法、装置及电子设备
CN114648309A (zh) 项目节点控制方法、装置、设备、存储介质及程序产品
CN115033580A (zh) 资源投放处理方法、装置、设备和存储介质
US10917310B2 (en) Modeling distribution of digital components over a network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40037435

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination