CN112288506A - 信息推送方法、装置、电子设备及存储介质 - Google Patents
信息推送方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112288506A CN112288506A CN201910662525.4A CN201910662525A CN112288506A CN 112288506 A CN112288506 A CN 112288506A CN 201910662525 A CN201910662525 A CN 201910662525A CN 112288506 A CN112288506 A CN 112288506A
- Authority
- CN
- China
- Prior art keywords
- order
- candidate
- pushing
- pushed
- strategy
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 45
- 239000002699 waste material Substances 0.000 abstract description 22
- 230000008901 benefit Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000008570 general process Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本公开提供了一种信息推送方法、装置、电子设备及存储介质,所述方法包括:获取对于每个订单对应的最大应推送量,多个候选推送策略中每个候选推送策略的承担值;将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户;如果候选推送策略针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,停止运行该候选推送策略;当各候选推送策略的停止运行状况达到预定条件时,确定各候选推送策略的订单满足精准度;开启运行所述订单满足精准度满足预定精准度条件的候选推送策略。本公开实施例能够减小信息推送过程中资源的浪费。
Description
技术领域
本公开涉及数据处理领域,具体涉及一种信息推送方法、装置、电子设备及存储介质。
背景技术
在互联网技术遍及生活各个角落的今天,人们每天都在网络上接收、浏览各种信息,这一过程很大程度上依赖着服务器对于信息的推送。由于服务器资源以及用户资源是有限的,信息的推送本质上就是对这两种资源的分配,在这一过程中,不可避免地会造成资源的浪费。因此在进行信息推送时,如何减小资源的浪费有着重要的意义。
发明内容
本公开的一个目的在于提出一种信息推送方法、装置、电子设备及存储介质,能够减小信息推送过程中的资源浪费。
根据本公开实施例的一方面,公开了一种信息推送方法,包括:
获取对于每个订单对应的最大应推送量,多个候选推送策略中每个候选推送策略的承担值;
将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户;
如果候选推送策略针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,停止运行该候选推送策略;
当各候选推送策略的停止运行状况达到预定条件时,根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度;
开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以从所述待推送信息库中选择待推送信息推送给用户。
根据本公开实施例的一方面,公开了一种信息推送的装置,包括:
获取模块,用于获取对于每个订单对应的最大应推送量,多个候选推送策略中每个候选推送策略的承担值;
提供模块,用于将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户;
监测模块,用于如果候选推送策略针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,停止运行该候选推送策略;
确定模块,用于当各候选推送策略的停止运行状况达到预定条件时,根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度;
运行模块,用于开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以从所述待推送信息库中选择待推送信息推送给用户。
本公开实施例确定对于每个订单对应的最大应推送量,每个候选推送策略的承担值。在试运行候选推送策略期间,若检测到一推送策略针对预定数量的订单,推送的待推送信息已超过该订单对应的最大应推送量该候选推送策略的承担值,停止运行该候选推送策略,从而保证试运行期间,对于每个订单,各推送策略已推送的信息总量超出该订单对应的最大应推送量的可能性以及量在可控范围内;且预定数量越小,超出的可能性以及量就会越小,从而减小了试运行期间资源的浪费。当各候选推送策略的停止运行状况达到预定条件时,停止试运行这一过程,并根据对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度。最终运行订单精准度满足预定精准度条件的候选推送策略进行信息推送,从而使得该信息推送过程在能够满足订单的同时,减少了资源的浪费。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
通过参考附图详细描述其示例实施例,本公开的上述和其它目标、特征及优点将变得更加显而易见。
图1A-1B示出了根据本公开一个实施例的信息推送方法的两种体系构架图。
图2A-2F示出了根据本公开一个实施例的信息推送服务器的显示界面图,这些界面图展示了信息推送的大体过程。
图3示出了传统的信息推送过程中,候选推送策略将信息推送给用户的大致过程。
图4示出了根据本公开一个实施例的信息推送的流程图。
图5示出了根据本公开一个实施例的信息推送的流程图。
图6示出了根据本公开一个实施例的信息推送的流程图。
图7示出了根据本公开一个实施例的信息推送的流程图。
图8示出了根据本公开一个实施例的信息推送的流程图。
图9示出了根据本公开一个实施例的数据处理侧的模块图。
图10示出了根据本公开一个实施例的实时数据采集的流程图。
图11示出了根据本公开一个实施例的信息推送的终端的模块图。
图12示出了根据本公开一个实施例的信息推送的终端的硬件结构图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些示例实施方式使得本公开的描述将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的示例实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、步骤等。在其它情况下,不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本公开的各方面变得模糊。
附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
下面首先参考图1A-1B描述本公开实施例应用的两种体系构架。
图1A示出本公开实施例应用的一种体系构架:信息推送服务器20作为本公开实施例的执行主体,连接着待推送信息库10、以及各用户端30,其中,信息推送服务器20中存储着多个候选推送策略。进行信息推送时,信息推送服务器20从待推送信息库10中获取未推送的待推送信息,通过运行候选推送策略将待推送信息推送到用户端30。
图1B示出本公开实施例应用的另一种体系构架:信息推送服务器20作为本公开实施例的执行主体,连接着待推送信息库10、各用户端30、以及实时数据接入平台40,其中,信息推送服务器20中存储着多个候选推送策略,实时数据接入平台40对各用户端30的活动所产生的实时数据进行存储,同时可以将这些实时数据提供给信息推送服务器20。进行信息推送时,信息推送服务器20从待推送信息库10中获取未推送的待推送信息,通过运行候选推送策略将待推送信息推送到用户端30;同时,根据从实时数据接入平台40获取的实时数据,对信息推送进行相应的控制,例如:停止运行部分进行信息推送的候选推送策略。
下面参考图2A-2F描述本公开实施例中信息推送服务器20的显示界面图,以展示出信息推送的大体过程。
信息推送服务器20连接到待推送信息库,获取到未推送的待推送信息,如图2A所示。
信息推送服务器20启动多个候选推送策略,开始对获取到的未推送的待推送信息进行推送,如图2B所示。
推送开始后,信息推送服务器20对多个候选推送策略推送信息的状况进行监测。监测过程中,显示出每个候选推送策略的当前运行状态(“运行中”或者“已停止”)、以及已推送每个订单所指定的待推送信息的数量,如图2C-2E所示。
信息推送服务器20检测到每个候选推送策略均已停止推送信息后,确定每个候选推送策略的订单满足精准度,将未推送的待推送信息提供给订单满足精准度最高的候选推送策略,使得该候选推送策略对未推送到待推送信息进行推送,如图2F所示。
需要说明的是,图2A-2F只是示例性的展示,不应对本公开的功能及范围造成限制。
图3示出了传统的信息推送过程中,候选推送策略将信息推送给用户的大致过程。首先要说明的是,用户对于信息的接收是有一定的接受限度的,即在信息推送过程中,用户这一资源是有限的,而且推送信息也是需要占用带宽、算力这些有限的服务器资源的,因此,尽量减少资源的浪费是有着重要意义的。
在传统的信息推送过程中,通过一致性HASH算法为每个用户分配唯一的标识,以将用户区分开来,得到:用户A、用户B、用户C......以此类推。为每一个用户分配对应的候选推送策略,开始对候选推送策略进行试运行:每一候选推送策略同时向其所对应的用户推送信息,直到试运行这一过程持续预定时间段。然后根据每一候选推送策略推送信息的表现,选择出表现满足预期的候选推送策略用于向所有用户进行信息推送。
而由于候选推送策略之间对不同信息的推送倾向不同,这就造成在传统的信息推送过程的试运行期间,对某些信息实际推送的次数会超出该信息的最大应推送的次数。例如:信息“2020年5月17日深圳的天气预报”最大应推送20000次,但在试运行期间,所有候选推送策略推送该信息的次数总和就超过了20000次,超出的次数无疑造成了资源的浪费。因此,本公开提出了一种信息推送方法,能够减小信息推送过程中的资源浪费。
下面对本公开实施例的具体过程进行描述。
如图4所示,根据本公开一个实施例,提供了一种信息推送方法,实施主体为信息推送服务器,所述方法包括:
步骤210、获取对于每个订单对应的最大应推送量,多个候选推送策略中每个候选推送策略的承担值;
步骤220、将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户;
步骤230、如果候选推送策略针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,停止运行该候选推送策略;
步骤240、当各候选推送策略的停止运行状况达到预定条件时,根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度;
步骤250、开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以从所述待推送信息库中选择待推送信息推送给用户。
订单是指指定了待推送信息的具体内容以及所应推送的数量的凭证。
例如:订单A指定了要推送1000次天气预报的信息;订单B指定了要推送1500次体育新闻的信息。
在一实施例中,订单指定的待推送信息为合约广告。
例如:订单C指定了要推送1000次汽车品牌C的广告。
在一实施例中,订单还指定了推送待推送信息时所应满足的定向条件、时间限制,其中,定向条件可以是定向人群,也可以是定向区域。
例如:订单D指定了要在当天、向白领人群推送1200次汽车品牌D的广告;订单E指定了要在当天、向北京地区人群推送2000次汽车品牌E的广告。
需要说明的是,该实施例只是示例性的说明,不应对本公开的功能及范围造成限制。
订单对应的最大应推送量描述了各候选推送策略在进行信息推送时,对该订单所指定的待推送信息所应推送的最大量。若各候选推送策略进行信息推送时,对该订单所指定的待推送信息的实际推送量超过了该订单对应的最大应推送量,则说明造成了资源浪费。其中,最大应推送量可以由技术人员事先确定,可以与订单所指定的所应推送待推送信息的数量不一致。
例如:订单C指定了要推送1000次汽车品牌C的广告,其对应的最大应推送量为1200。候选推送策略甲推送了500次汽车品牌C的广告,候选推送策略乙推送了400次汽车品牌C的广告,候选推送策略丙推送了400次汽车品牌C的广告,则各候选推送策略对订单C的实际推送量为1300,超过了订单C对应的最大应推送量1200,超出的那100次即为浪费的资源。
对于每个订单对应的最大应推送量,候选推送策略的承担值描述了该候选推送策略推送该订单所指定的待推送信息时所应推送的最大量。
例如:订单C指定了要推送1000次汽车品牌C的广告,其对应的最大应推送量为1200。对于订单C对应的最大应推送量1200,候选推送策略甲的承担值为300,则说明候选推送策略甲最多只能推送300次汽车品牌C的广告。
本公开实施例中,设置对于每个订单对应的最大应推送量,候选推送策略的承担值的目的在于控制各候选推送策略推送订单所指定的待推送信息的总量,使得总量不超过该订单对应的最大应推送量。因此,对于每个订单对应的最大应推送量,各候选推送策略的承担值之和不超过该订单对应的最大应推送量。
例如:订单B指定了要推送1500次体育新闻的信息,其对应的最大应推送量为2000;订单C指定了要推送1000次汽车品牌C的广告,其对应的最大应推送量为1200。一共有三个候选推送策略,分别为候选推送策略甲、候选推送策略乙、候选推送策略丙。其中,对于订单B对应的最大应推送量2000,候选推送策略甲的承担值为500,候选推送策略乙的承担值为500,候选推送策略丙的承担值为1000;对于订单C对应的最大应推送量1200,候选推送策略甲的承担值为300,候选推送策略乙的承担值为300,候选推送策略丙的承担值为600。可见,对于订单B对应的最大应推送量,各候选推送策略的承担值之和不超过订单B对应的最大应推送量;对于订单C对应的最大应推送量,各候选推送策略的承担值之和不超过订单C对应的最大应推送量。
在一实施例中,订单对应的最大应推送量与该订单所指定的推送数量一致。例如:订单C指定了要推送1000次汽车品牌C的广告,其对应的最大应推送量为1000。
在一实施例中,订单对应的最大应推送量为该订单所指定的推送数量乘以预设的最大应推送量比例,其中最大应推送量比例大于1。例如:预设的最大应推送量比例为1.2,订单C指定了要推送1000次汽车品牌C的广告,其对应的最大应推送量为1000*1.2=1200。
该实施例的优点在于,通过设置大于1的最大应推送量比例,使得订单对应的最大应推送量在一定可控范围大于该订单所指定的推送数量,从而提高候选推送策略在实际的信息推送过程中的灵活度。
待推送信息库是指存储着各订单所指定的待推送信息的数据库,以供候选推送策略从中选择待推送信息推送给用户。
例如:一共有3个订单,分别是订单A、订单B、订单C。其中,订单A指定了要推送1000次天气预报的信息;订单B指定了要推送1500次体育新闻的信息;订单C指定了要推送1000次汽车品牌C的广告。则,待推送信息库中存储着该天气预报的信息、该体育新闻的信息、该汽车品牌C的广告这些待推送信息。
订单满足精准度描述了对应的候选推送策略在进行信息推送时,在满足订单的同时,所能减小资源的浪费的程度。订单满足精度度越高,说明对应的候选推送策略在进行信息推送时,在满足订单的同时,减小资源的浪费的程度越大,节约的资源越多。
下面描述获取对于每个订单对应的最大应推送量,每个候选推送策略的承担值的具体过程。
在步骤210中,获取对于每个订单对应的最大应推送量,多个候选推送策略中每个候选推送策略的承担值。
在一实施例中,所述获取对于每个订单对应的最大应推送量,多个候选推送策略中每个候选推送策略的承担值,包括:
从订单播控信息库,查找每个订单对应的最大应推送量;
获取各候选推送策略的负载比例值;
将每个订单对应的最大应推送量与所述负载比例值的积,作为对于每个订单对应的最大应推送量,各候选推送策略的承担值。
订单播控信息库是指存储着每个订单的播控信息的数据库,播控信息包括了对应订单的最大应推送量。
在一实施例中,技术人员事先对各候选推送策略设置对应的负载比例值。在试运行各候选推送策略之前,信息推送服务器先从订单播控信息库中查到每个订单的播控信息,进而确定每个订单对应的最大应推送量。对每一候选推送策略,将每个订单对应的最大应推送量与其负载比例值的积,作为对于每个订单对应的最大应推送量,该候选推送策略的承担值。
例如:一共有3个候选推送策略,分别为候选推送策略甲、候选推送策略乙、候选推送策略丙。事先对候选推送策略甲设置对应的负载比例为25%,对候选推送策略乙设置对应的负载比例为25%,对候选推送策略甲设置对应的负载比例为50%。
从订单播控信息库中,信息推送服务器查找到订单B的播控信息,进而确定了订单B对应的最大应推送量为2000。则对于订单B对应的最大应推送量,候选推送策略甲的承担值为2000*25%=500,候选推送策略乙的承担值为2000*25%=500,候选推送策略丙的承担值为2000*50%=1000。
该实施例的优点在于,通过预设各候选推送策略的负载比例值,使得各候选推送策略推送的信息量会被限制在一定范围内,从而能够进一步对资源的浪费进行控制。
下面描述试运行各候选推送策略的具体过程。
其中,试运行各候选推送策略指的是从“将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户”到“当各候选推送策略的停止运行状况达到预定条件时”这一期间的过程。
本公开实施例中,在确定对于每个订单对应的最大应推送量,每个候选推送策略的承担值之后,需要对各候选推送策略进行试运行,从而根据候选推送策略试运行的表现来确定候选推送策略的订单满足精准度。在试运行候选推送策略的过程中,将待推送信息库提供给各候选推送策略,由每个候选推送策略将待推送信息库中的待推送信息推送给用户。
在步骤220中,将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户。
在一实施例中,所述将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户,包括:
将待推送信息库提供给多个候选推送策略,对每一单位时间,按照对每一候选推送策略预设的次序选择一候选推送策略,使用该候选推送策略于该单位时间内对待推送信息进行推送。
该实施例中,对每一候选推送策略预设对应的次序。试运行候选推送策略时,将待推送信息库开放给各候选推送策略,每一单位时间,按照预设的次序选择一候选推送策略,由该候选推送策略负责在待单位时间内对待推送信息库中所有待推送信息进行推送。
例如:一共有3个候选推送策略,分别为候选推送策略甲、候选推送策略乙、候选推送策略丙,预设的次序为候选推送策略甲在候选推送策略乙之前,候选推送策略乙在候选推送策略丙之前。试运行候选推送策略时,将待推送信息库开放给各候选推送策略。在第1个单位时间内,由候选推送策略甲负责对待推送信息库中所有待推送信息进行推送;在第2个单位时间内,由候选推送策略乙负责对待推送信息库中所有待推送信息进行推送;在第3个单位时间内,由候选推送策略丙负责对待推送信息库中所有待推送信息进行推送;在第4个单位时间内,由候选推送策略甲负责对待推送信息库中所有待推送信息进行推送,以此类推。
该实施例的优点在于,通过在时间上的划分、隔离,减小了各候选推送策略推送信息之间的影响。
在一实施例中,所述将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户,还包括:
将待推送信息库提供给多个候选推送策略,对每一候选推送策略分别设置对应的进程同时对待推送信息进行推送。
该实施例中,试运行候选推送策略时,将待推送信息库开放给各候选推送策略,对每一候选推送策略分布设置对应的单独的进程,使得各个进程同时对待推送信息库中的待推送信息进行推送。
该实施例的优点在于,通过多线程提高了候选推送策略推送信息的效率。
下面描述试运行候选推送策略的过程中,对各候选推送策略进行监测的具体过程。
在步骤230中,如果候选推送策略针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,停止运行该候选推送策略。
本公开实施例中,为了保证试运行候选推送策略的过程中资源的浪费在一定可控范围内,期间对候选推送策略推送待推送信息的情况进行监测。对于任一候选推送策略,若该候选推送策略针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,停止运行该候选推送策略。
例如:预定数量为2;一共有3个订单,分别为订单A、订单B、订单C;一共有3个候选推送策略,分别为候选推送策略甲、候选推送策略乙、候选推送策略丙。其中,订单A对应的最大应推送量为1200,订单B对应的最大应推送量为2000,订单C对应的最大应推送量为1200;候选推送策略甲对于订单A对应的最大应推送量的承担量为300,对于订单B对应的最大应推送量的承担量为500,对于订单C对应的最大应推送量的承担量为300。
试运行候选推送策略期间,若检测到候选推送策略甲针对2个订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,例如:候选推送策略甲推送订单A的待推送信息数量已超过300,同时推送订单B的待推送信息数量已超过500;或者候选推送策略甲推送订单A的待推送信息数量已超过300,同时推送订单C的待推送信息数量已超过300......停止运行候选推送策略甲。
该实施例的优点在于,预定数量越大,候选推送策略的运行时间越长,后续确定各候选推送策略的订单满足精准度更精准;预定数量越小,候选推送策略对资源的浪费就越小。通过对预定数量的控制,使得能够在控制确定各候选推送策略的订单满足精准度的精准度、与控制资源的浪费之间取得相应的平衡。
在一实施例中,优选的,预定数量为1。即对于任一候选推送策略,若该候选推送策略针对任一订单,推送到待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,停止运行该候选推送策略。
例如:一共有3个订单,分别为订单A、订单B、订单C;一共有3个候选推送策略,分别为候选推送策略甲、候选推送策略乙、候选推送策略丙。其中,订单A对应的最大应推送量为1200,订单B对应的最大应推送量为2000,订单C对应的最大应推送量为1200;候选推送策略甲对于订单A对应的最大应推送量的承担量为300,对于订单B对应的最大应推送量的承担量为500,对于订单C对应的最大应推送量的承担量为300。
试运行候选推送策略期间,若检测到候选推送策略甲针对任一订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,例如:候选推送策略甲推送订单A的待推送信息数量已超过300;或者候选推送策略甲推送订单B的待推送信息数量已超过500;或者候选推送策略甲推送订单C的待推送信息数量已超过300......停止运行候选推送策略甲。
该实施例的优点在于,通过将预定数量设为1,能够将资源的浪费控制到最低程度。
在一实施例中,试运行候选推送策略期间,不间断地对各候选推送策略推送待推送信息的情况进行监测。
该实施例的优点在于,能够及时检测到候选推送策略针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值。
在一实施例中,试运行候选推送策略期间,每过单位时间对各候选推送策略推送待推送信息的情况进行监测。
该实施例的优点在于,减小了监测耗费的资源。
下面描述经过试运行候选推送策略后,对候选推送策略的筛选过程。
在步骤240中,当各候选推送策略的停止运行状况达到预定条件时,根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度。
本公开实施例中,在试运行候选推送策略期间,根据各候选推送策略的停止运行状况是否达到预定条件,来决定何时终止这一试运行过程。终止这一试运行过程后,根据每个候选推送策略在试运行期间推送待推送信息的表现,确定出每个候选推送策略的订单满足精准度。
在一实施例中,所述预定条件包括以下中的至少一个:
各候选推送策略都停止运行;
预定比例的候选推送策略停止运行;
至少一个候选推送策略停止运行,且从将待推送信息库提供给多个候选推送策略开始过去预定时间段。
在一实施例中,预定条件为各候选推送策略都停止运行。则只有当所有候选推送策略都停止运行时,才会终止这一试运行过程,进而根据每个候选推送策略在试运行期间推送待推送信息的表现,确定出每个候选推送策略的订单满足精准度。
在一实施例中,预定条件为预定比例的候选推送策略停止运行。则只有当预定比例的候选推送策略停止运行时,才会终止这一试运行过程,进而根据每个候选推送策略在试运行期间推送待推送信息的表现,确定出每个候选推送策略的订单满足精准度。
例如:预定比例为50%。只有当50%的候选推送策略停止运行时,才会终止这一试运行过程,进而根据每个候选推送策略在试运行期间推送待推送信息的表现,确定出每个候选推送策略的订单满足精准度。
在一实施例中,预定条件为至少一个候选推送策略停止运行,且从将待推送信息库提供给多个候选推送策略开始过去预定时间段。则当至少一个候选推送策略停止运行,且这一试运行过程已持续预定时间段时,才会终止这一试运行过程,进而根据每个候选推送策略在试运行期间推送待推送信息的表现,确定出每个候选推送策略的订单满足精准度。
例如:预定时间段为24小时。当至少一个候选推送策略停止运行,且这一试运行过程已持续24小时时,才会终止这一试运行过程,进而根据每个候选推送策略在试运行期间推送待推送信息的表现,确定出每个候选推送策略的订单满足精准度。
该实施例的优点在于,避免了各候选推送策略推送效率低,从而将试运行过程拖得过长的情形。
下面描述确定候选推送策略的订单满足精准度的具体过程。
在一实施例中,如图5所示,所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度,包括:
步骤240’、根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度;
所述开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以从所述待推送信息库中选择待推送信息推送给用户,包括:
步骤2501’、确定该待推送信息库中未推送的待推送信息对应的订单;
步骤2502’、将待推送信息库中未推送的待推送信息提供给针对所确定的订单所述订单满足精准度满足预定精准度条件的候选推送策略。
该实施例中,确定每个候选推送策略针对每个订单的订单满足精准度,进而将还有未推送的待推送信息的订单,提供给对于该订单的订单满足精准度满足预定精准度条件的候选推送策略,由该候选推送策略负责继续对该订单指定的待推送信息进行推送。
例如:一共有3个订单,分别是订单A,订单B,订单C;一共有3个候选推送策略,分别是候选推送策略甲,候选推送策略乙,候选推送策略丙。
当各候选推送策略的停止运行状况达到预定条件时,根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定候选推送策略甲针对订单A的订单满足精准度、针对订单B的订单满足精准度、针对订单C的订单满足精准度;候选推送策略乙针对订单A的订单满足精准度、针对订单B的订单满足精准度、针对订单C的订单满足精准度;候选推送策略丙针对订单A的订单满足精准度、针对订单B的订单满足精准度、针对订单C的订单满足精准度。
若待推送信息库中未推送到待推送信息对应的订单有:订单A,订单B,订单C;候选推送策略甲针对订单A的订单满足精准度满足预定精准度条件;候选推送策略乙针对订单A的订单满足精准度满足预定精准度条件,针对订单B的订单满足精准度满足预定精准度条件;候选推送策略并针对订单C的订单满足精准度满足预定精准度条件。
则将未推送的订单A的待推送信息提供给候选推送策略甲、候选推送策略乙;将未推送的订单B的待推送信息提供给候选推送策略乙;将未推送的订单C的待推送信息提供给候选推送策略丙。
该实施例的优点在于,使得候选推送策略的信息推送对于订单更有针对性。
在另一实施例中,如图6所示,所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度,包括:
步骤2401”、根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度;
步骤2042”、对于每个候选推送策略,将针对每个订单的该候选推送策略的订单满足精准度平均,得到该候选推送策略的订单满足精准度。
该实施例中,确定每个候选推送策略针对每个订单的订单满足精准度,进而将该候选推送策略针对每个订单的订单满足精准度平均,得到该候选推送策略针对所有订单的订单满足精准度,即该候选推送策略的订单满足精准度。将待推送信息库中所有未推送的待推送信息提供给订单满足精准度达到预定精准度条件的候选推送策略。
例如:一共有3个订单,分别是订单A,订单B,订单C;一共有3个候选推送策略,分别是候选推送策略甲,候选推送策略乙,候选推送策略丙。
当各候选推送策略的停止运行状况达到预定条件时,根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定候选推送策略甲针对订单A的订单满足精准度、针对订单B的订单满足精准度、针对订单C的订单满足精准度;候选推送策略乙针对订单A的订单满足精准度、针对订单B的订单满足精准度、针对订单C的订单满足精准度;候选推送策略丙针对订单A的订单满足精准度、针对订单B的订单满足精准度、针对订单C的订单满足精准度。
将候选推送策略甲针对订单A的订单满足精准度、针对订单B的订单满足精准度、针对订单C的订单满足精准度平均,得到候选推送策略甲的订单满足精准度;将候选推送策略乙针对订单A的订单满足精准度、针对订单B的订单满足精准度、针对订单C的订单满足精准度平均,得到候选推送策略乙的订单满足精准度;将候选推送策略丙针对订单A的订单满足精准度、针对订单B的订单满足精准度、针对订单C的订单满足精准度平均,得到候选推送策略丙的订单满足精准度。
若只有候选推送策略甲的订单满足精准度、以及候选推送策略乙的订单满足精准度满足预定精准度条件,则将待推送信息库中所有未推送的待推送信息提供给候选推送策略甲与候选推送策略乙。
该实施例的优点在于,候选推送策略的信息推送对于所有订单更具有普适性。
下面描述确定针对每个订单的候选推送策略的订单满足精准度的具体过程。
在一实施例中,如图7、图8所示,在所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度之前,还包括:
步骤235、获取对于每个订单对应的保底量,多个候选推送策略中每个候选推送策略的承担值;
所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度,包括:
步骤240”’或者步骤2401””、根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值、对于每个订单对应的保底量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度。
订单对应的保底量描述了各候选推送策略在进行信息推送时,对该订单所指定的待推送信息所应推送的最小量。若各候选推送策略进行信息推送时,对该订单所指定的待推送信息的实际推送量未达到该订单对应的保底量,则说明各候选推送策略未满足订单的需求。其中,保底量一般与订单所指定的待推送信息所应推送到数量保持一致。
例如:订单C指定了要推送1000次汽车品牌C的广告,其对应的保底量为1000。候选推送策略甲推送了200次汽车品牌C的广告,候选推送策略乙推送了200次汽车品牌C的广告,候选推送策略丙推送了300次汽车品牌C的广告,则各候选推送策略对订单C的实际推送量为700,未达到订单C对应的保底量1000,说明各候选推送策略未满足订单C的需求。
对于每个订单对应的保底量,候选推送策略的承担值描述了该候选推送策略推送该订单所指定的待推送信息时所应推送的最小量。
例如:订单C指定了要推送1000次汽车品牌C的广告,其对应的保底量为1000。对于订单C对应的保底量1200,候选推送策略甲的承担值为100,则说明候选推送策略甲最少也要推送100次汽车品牌C的广告。
本公开实施例中,设置对于每个订单对应的保底量,候选推送策略的承担值的目的在于确定候选推送策略的订单满足精准度。候选推送策略要满足订单的需求的话,首先要满足的就是订单对应的保底量。因此,对于每个订单对应的保底量,各候选推送策略的承担值之后应该超过该订单对应的保底量。但由于试运行期间,为了减小资源浪费,并不是基于各候选推送策略对于每个订单对应的保底量的承担值,对候选推送策略进行停止控制的。因此,当试运行这一过程终止时,一般会出现部分候选推送策略推送到待推送信息的数量,未达到对于部分订单对应的保底量该候选推送策略的承担值,这就说明,该候选推送策略对于这部分订单的订单满足精准度较低。因此,在确定各候选推送策略的订单满足精准度时,还可以将对于每个订单对应的保底量各候选推送策略的承担值纳入考量,以更精确地衡量各候选推送策略的订单满足精准度。
在一实施例中,所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值、对于每个订单对应的保底量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度,包括:
针对每个订单的每个候选推送策略,确定第一精准度,其中,如果该候选推送策略针对该订单已推送信息数小于对于该订单对应的最大应推送量该候选推送策略的承担值,所述第一精准度为第一预定值;如果该候选推送策略针对该订单已推送信息数不小于对于该订单对应的最大应推送量该候选推送策略的承担值,所述第一精准度为在所述第一预定值的基础上减去该候选推送策略针对该订单已推送信息数超出对于该订单对应的最大应推送量该候选推送策略的承担值的差值与第一比例系数的乘积;
针对每个订单的每个候选推送策略,确定第二精准度,其中,如果该候选推送策略针对该订单已推送信息数大于对于该订单对应的保底量该候选推送策略的承担值,所述第二精准度为第二预定值;如果该候选推送策略针对该订单已推送信息数不大于对于该订单对应的保底量该候选推送策略的承担值,所述第二精准度为在所述第二预定值的基础上减去该订单对应的保底量该候选推送策略的承担值超出该候选推送策略针对该订单已推送信息数的差值与第二比例系数的乘积;
针对每个订单,基于各候选推送策略的第一精准度和第二精准度,确定针对该订单的各候选推送策略的订单满足精准度。
在一实施例中,确定针对每个订单的每个候选推送策略的订单满足精准度时,根据对于该订单对应的最大应推送量该候选推送策略的承担值,确定对于该订单该候选推送策略的第一精准度;根据对于该订单对应的保底量该候选推送策略的承担值,确定对于该订单该候选推送策略的第二精准度;最终基于第一精准度、第二精准度,确定针对该订单的该候选推送策略的订单满足度。
确定第一精准度时,由于只要针对该订单已推送信息数只要小于该订单对应的最大应推送量该候选推送策略的承担值,就是满足控制资源浪费的要求的,因此此时将其第一精准度确定为第一预定值;针对该订单已推送信息数超出对于该订单对应的最大应推送量该候选推送策略的承担值越多,说明越偏离控制资源浪费的要求,因此根据其超出量的大小,在第一预定值得基础上进行相应的消减,得到其第一精准度。
例如:第一预定值为100,第一比例系数为100。订单C对应的最大推送量为1200,候选推送策略甲对应订单C对应的最大应推送量的承担量为300。若试运行这一过程终止后,候选推送策略甲已推送订单C指定的待推送信息数为280,则针对订单C候选推送策略甲的第一精准度为100;若试运行这一过程终止后,候选推送策略甲已推送订单C指定的待推送信息数为360,则针对订单C候选推送策略甲的第一精准度为100-100*(360-300)/300=80。
确定第二精准度时,由于只要针对该订单已推送信息数只要大于该订单对应的保底量该候选推送策略的承担值,就是满足对应订单的保底要求的,因此此时将其第二精准度确定为第二预定值;针对该订单已推送信息数未达到对于该订单对应的保底量该候选推送策略的承担值越多,说明越偏离对应订单的保底要求,因此根据其未达到量的大小,在第二预定值得基础上进行相应的消减,得到其第二精准度。
例如:第二预定值为100,第二比例系数为100。订单C对应的保底量为1000,候选推送策略甲对应订单C对应的保底量的承担量为100。若试运行这一过程终止后,候选推送策略甲已推送订单C指定的待推送信息数为120,则针对订单C候选推送策略甲的第二精准度为100;若试运行这一过程终止后,候选推送策略甲已推送订单C指定的待推送信息数为70,则针对订单C候选推送策略甲的第二精准度为100-100*(100-70)/100=70。
该实施例的优点在于,使得确定出的订单满足精准度能够准确反映出候选推送策略在进行信息推送时,满足订单的同时对资源的浪费程度。
在一实施例中,所述针对每个订单,基于各候选推送策略的第一精准度和第二精准度,确定针对该订单的各候选推送策略的订单满足精准度,包括:
针对每个订单,将各候选推送策略的第一精准度和第二精准度的加权和,作为针对该订单的各候选推送策略的订单满足精准度。
该实施例中,预先对第一精准度和第二精准度设置相应的权重,从而针对每个订单,将各候选推送策略的第一精准度和第二精准度的加权和,作为针对该订单的各候选推送策略的订单满足精准度。
例如:预先对第一精准度设置的权重为0.4,对第二精准度设置的权重为0.6。针对订单C候选推送策略甲的第一精准度为100,第二精准度为70,则针对订单C候选推送策略甲的订单满足精准度为100*0.4+70*0.6=82。
在一实施例中,在根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值、对于每个订单对应的保底量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度之前,所述方法还包括:
获取针对每个订单的各候选推送策略的已推送信息中被用户查看的信息数与已推送信息数的比值,作为用户查看率;
所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值、对于每个订单对应的保底量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度,包括:
根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值、对于每个订单对应的保底量各候选推送策略的承担值、以及所述用户查看率,确定针对每个订单的各候选推送策略的订单满足精准度。
本公开实施例中,由于推送信息的最终目的在于令用户查看到推送的信息,用户查看率反馈着实际推送的效果。因此,在确定各候选推送策略的订单满足精准度时,除了以对于每个订单对应的最大应推送量各候选推送策略的承担值、对于每个订单对应的保底量各候选推送策略的承担值为根据外,还可以将用户查看率纳入考量,以更精确地衡量各候选推送策略的订单满足精准度。
在一实施例中,获取针对每个订单的每个候选推送策略的已推送信息中被用户查看的信息数,将该被用户查看的信息数与该已推送信息数的比值,确定为用户查看率。
例如:针对订单C候选推送策略甲的已推送信息数为120,其中被用户查看的信息数为60,则针对订单C候选推送策略甲的用户查看率为60/120=50%。
在一实施例中,所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值、对于每个订单对应的保底量各候选推送策略的承担值、以及所述用户查看率,确定针对每个订单的各候选推送策略的订单满足精准度,包括:
针对每个订单的每个候选推送策略,确定第一精准度,其中,如果该候选推送策略针对该订单已推送信息数小于对于该订单对应的最大应推送量该候选推送策略的承担值,所述第一精准度为第一预定值;如果该候选推送策略针对该订单已推送信息数不小于对于该订单对应的最大应推送量该候选推送策略的承担值,所述第一精准度为在所述第一预定值的基础上减去该候选推送策略针对该订单已推送信息数超出对于该订单对应的最大应推送量该候选推送策略的承担值的差值与第一比例系数的乘积;
针对每个订单的每个候选推送策略,确定第二精准度,其中,如果该候选推送策略针对该订单已推送信息数大于对于该订单对应的保底量该候选推送策略的承担值,所述第二精准度为第二预定值;如果该候选推送策略针对该订单已推送信息数不大于对于该订单对应的保底量该候选推送策略的承担值,所述第二精准度为在所述第二预定值的基础上减去该订单对应的保底量该候选推送策略的承担值超出该候选推送策略针对该订单已推送信息数的差值与第二比例系数的乘积;
对每个订单的每个候选推送策略,确定第三精准度,所述第三精准度与所述用户查看率成正比;
针对每个订单,基于各候选推送策略的第一精准度、第二精准度、第三精准度,确定针对该订单的各候选推送策略的订单满足精准度。
在一实施例中,确定针对每个订单的每个候选推送策略的订单满足精准度时,根据对于该订单对应的最大应推送量该候选推送策略的承担值,确定对于该订单该候选推送策略的第一精准度;根据对于该订单对应的保底量该候选推送策略的承担值,确定对于该订单该候选推送策略的第二精准度;根据对于该订单已推送信息的用户查看率,确定对于该订单该候选推送策略的第三精准度;最终基于第一精准度、第二精准度、第三精准度,确定针对该订单的该候选推送策略的订单满足度。
若用户查看率为50%,由于第三精准度与用户查看率成正比,因此将第三精准度确定为50。
该实施例的优点在于,使得确定出的订单满足精准度能够更加全面、准确反映出候选推送策略在进行信息推送时,满足订单的同时对资源的浪费程度。
在一实施例中,所述针对每个订单,基于各候选推送策略的第一精准度、第二精准度、第三精准度,确定针对该订单的各候选推送策略的订单满足精准度,包括:
针对每个订单,将各候选推送策略的第一精准度、第二精准度和第三精准度的加权和,作为针对该订单的各候选推送策略的订单满足精准度。
该实施例中,预先对第一精准度、第二精准度和第三精准度设置相应的权重,从而针对每个订单,将各候选推送策略的第一精准度、第二精准度和第三精准度的加权和,作为针对该订单的各候选推送策略的订单满足精准度。
例如:预先对第一精准度设置的权重为0.2,对第二精准度设置的权重为0.4,对第三精准度设置的权重为0.4。针对订单C候选推送策略甲的第一精准度为100,第二精准度为70,第三精准度为50,则针对订单C候选推送策略甲的订单满足精准度为100*0.2+70*0.4+50*0.4=68。
在步骤250中,开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以从所述待推送信息库中选择待推送信息推送给用户。
由上述描述确定候选推送策略的订单满足精准度的具体过程可知,开启运行所述订单满足精准度满足预定精准度条件的候选推送策略有两种方式:1、根据针对每个订单的各候选推送策略的订单满足精准度,将该订单的未推送的待推送信息,提供给针对该订单、订单满足精准度满足预定精准度条件的候选推送策略;2、首先确定针对每个订单的各候选推送策略的订单满足精准度,进而确定针对所有订单的每个候选推送策略订单满足精准度。根据针对所有订单的每个候选推送策略订单满足精准度,将所有订单的未推送到待推送信息,提供给订单满足精准度满足预定精准度条件的候选推送策略。
在一实施例中,所述预定精准度条件包括以下中的一个:
订单满足精准度最高;
订单满足精准度在从高到低前预定名次;
订单满足精准度大于预定精准度阈值。
在一实施例中,预定精准度条件为订单满足精准度最高。若开启运行所述订单满足精准度满足预定精准度条件的候选推送策略时,是根据针对每个订单的各候选推送策略的订单满足精准度,将该订单的未推送的待推送信息,提供给针对该订单、订单满足精准度满足预定精准度条件的候选推送策略。则针对每一订单,将该订单的未推送的待推送信息,提供给针对该订单、订单满足精准度最高的候选推送策略。
例如:若针对订单A候选推送策略甲的订单满足精准度为50,针对订单B候选推送策略甲的订单满足精准度为62,针对订单C候选推送策略甲的订单满足精准度为68;针对订单A候选推送策略乙的订单满足精准度为59,针对订单B候选推送策略乙的订单满足精准度为70,针对订单C候选推送策略丙的订单满足精准度为46;针对订单A候选推送策略丙的订单满足精准度为30,针对订单B候选推送策略丙的订单满足精准度为74,针对订单C候选推送策略丙的订单满足精准度为48。
则将订单A的未推送的待推送信息提供给候选推送策略乙,将订单B的未推送的待推送信息提供给候选推送策略丙,将订单C的未推送的待推送信息提供给候选推送策略甲。
若开启运行所述订单满足精准度满足预定精准度条件的候选推送策略时,是根据针对所有订单的每个候选推送策略订单满足精准度,将所有订单的未推送到待推送信息,提供给订单满足精准度满足预定精准度条件的候选推送策略。则将所有订单的未推送的待推送信息,提供给订单满足精准度最高的候选推送策略。
例如:若针对所有订单候选推送策略甲的订单满足精准度为(50+62+68)/3=60.0,针对所有订单候选推送策略乙的订单满足精准度为(59+70+46)/3=58.3,针对所有订单候选推送策略丙的订单满足精准度为(30+74+48)/3=50.7。则将所有订单的未推送的待推送信息提供给候选推送策略甲。
在一实施例中,所述获取对于每个订单对应的最大应推送量,多个候选推送策略中每个候选推送策略的承担值,包括:获取对于每个订单对应的单个推送周期内最大应推送量,多个候选推送策略中每个候选推送策略的单个推送周期内承担值;
所述将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户,在当前推送周期的开始执行;
所述如果候选推送策略针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,停止运行该候选推送策略,包括:如果候选推送策略在当前推送周期内针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的单个推送周期内最大应推送量该候选推送策略的承担值,停止运行该候选推送策略;
所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度,包括:根据各候选推送策略在当前推送周期内针对每个订单已推送信息数、对于每个订单对应的单个推送周期内最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度;
所述开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以从所述待推送信息库中选择待推送信息推送给用户,包括:开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以在当前推送周期结束之前,从所述待推送信息库中选择待推送信息推送给用户。
本公开实施例中,信息推送可以分周期进行。例如:将每7天作为一个推送周期。
在当前推送周期的起点,获取对于每个订单对应的单个推送周期内最大应推送量,多个候选推送策略中每个候选推送策略的单个推送周期内承担值;并将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户。如果候选推送策略在当前推送周期内针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的单个推送周期内最大应推送量该候选推送策略的承担值,停止运行该候选推送策略;根据各候选推送策略在当前推送周期内针对每个订单已推送信息数、对于每个订单对应的单个推送周期内最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以在当前推送周期结束之前,从所述待推送信息库中选择待推送信息推送给用户。
其中,当前推送周期结束后,可以对当前推送周期内各候选推送策略推送信息的表现进行衡量,剔除掉表现不佳的候选推送策略(例如:剔除掉订单满足精准度最低的3个候选推送策略)。在下一个推送周期开始时,新加入其它的候选推送策略用于信息推送。通过周期性的运行,使得每经过一个推送周期,剔除掉表现不佳的候选推送策略后,剩下的候选推送策略的订单满足精准度都会较前一个推送周期有一定的提升,最终使得剩下的候选推送策略均能保持较高的订单满足精准度,从而达到了使用这些候选推送策略进行信息推送时,在满足订单的需求的同时减小资源的浪费的目的。
下面对本公开一实施例的数据处理侧的模块进行描述。
在一实施例中,如图9所示:经过实时数据采集,得到订单原始信息、订单播控信息、订单已播信息、订单库存信息、候选推送策略流程配比。其中,订单原始信息包括但不限于订单的价格、推送优先级、定向的时间范围;订单播控信息包括但不限于订单对应的最大应推送量、保底量;订单已播信息描述了订单已被各候选推送策略推送的量;订单库存信息描述了订单在各个时间段的推送概率;候选推送策略流程配比描述了对各候选推送策略预设的、用于计算对于该订单最大应推送量的承担值的比例。其中,订单原始信息、订单播控信息、及订单库存信息可用来供候选推送策略进行信息推送时调用。具体地候选推送策略进行信息推送时如何调用这些信息,并不是本公开目的解决的问题,故在此不再赘述。
接着,根据得到的这些信息,进行候选推送策略参数计算,得到候选推送策略参数,例如:前述第一精准度、前述第二精准度、前述用户查看率、前述订单满足精准度。进而根据候选推送策略参数,将待推送信息库中未推送到待推送信息,提供给针对所确定的订单所述订单满足精准度满足预定精准度条件的候选推送策略。
在一实施例中,如图10所示:进行实时数据采集时,接入TDBank(TDBank:一种万亿级实时数据接入系统),基于Strom(Strom:一种分布式流式计算系统)的Spout(Spout:Strom的数据来源)建立recv_queue接收队列,经过transformer thread转换线程,得到send_queue发送队列,再经过send thread发送线程,将实时数据写入redis数据库(redis数据库:一种开源的key-value结构的数据库)中,从而将采集到的实时数据进行整理、存储。
根据本公开实施例,如图11所示,还提供了一种信息推送装置,所述装置包括:
获取模块310,用于获取对于每个订单对应的最大应推送量,多个候选推送策略中每个候选推送策略的承担值;
提供模块320,用于将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户;
监测模块330,用于如果候选推送策略针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,停止运行该候选推送策略;
确定模块340,用于当各候选推送策略的停止运行状况达到预定条件时,根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度;
运行模块350,用于开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以从所述待推送信息库中选择待推送信息推送给用户。
在本公开一实施例中,所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度,包括:
根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度;
所述开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以从所述待推送信息库中选择待推送信息推送给用户,包括:
确定该待推送信息库中未推送的待推送信息对应的订单;
将待推送信息库中未推送的待推送信息,提供给针对所确定的订单、所述订单满足精准度满足预定精准度条件的候选推送策略。
在本公开一实施例中,所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度,包括:
根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度;
对于每个候选推送策略,将针对每个订单的该候选推送策略的订单满足精准度平均,得到该候选推送策略的订单满足精准度。
在本公开一实施例中,在所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度之前,所述方法还包括:
获取对于每个订单对应的保底量,多个候选推送策略中每个候选推送策略的承担值;
所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度,包括:
根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值、对于每个订单对应的保底量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度。
在本公开一实施例中,所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值、对于每个订单对应的保底量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度,包括:
针对每个订单的每个候选推送策略,确定第一精准度,其中,如果该候选推送策略针对该订单已推送信息数小于对于该订单对应的最大应推送量该候选推送策略的承担值,所述第一精准度为第一预定值;如果该候选推送策略针对该订单已推送信息数不小于对于该订单对应的最大应推送量该候选推送策略的承担值,所述第一精准度为在所述第一预定值的基础上减去该候选推送策略针对该订单已推送信息数超出对于该订单对应的最大应推送量该候选推送策略的承担值的差值与第一比例系数的乘积;
针对每个订单的每个候选推送策略,确定第二精准度,其中,如果该候选推送策略针对该订单已推送信息数大于对于该订单对应的保底量该候选推送策略的承担值,所述第二精准度为第二预定值;如果该候选推送策略针对该订单已推送信息数不大于对于该订单对应的保底量该候选推送策略的承担值,所述第二精准度为在所述第二预定值的基础上减去该订单对应的保底量该候选推送策略的承担值超出该候选推送策略针对该订单已推送信息数的差值与第二比例系数的乘积;
针对每个订单,基于各候选推送策略的第一精准度和第二精准度,确定针对该订单的各候选推送策略的订单满足精准度。
在本公开一实施例中,所述获取对于每个订单对应的最大应推送量,多个候选推送策略中每个候选推送策略的承担值,包括:
从订单播控信息库,查找每个订单对应的最大应推送量;
获取各候选推送策略的负载比例值;
将每个订单对应的最大应推送量与所述负载比例值的积,作为对于每个订单对应的最大应推送量,各候选推送策略的承担值。
在本公开一实施例中,所述预定数量为1。
在本公开一实施例中,所述预定条件包括以下中的一个:
各候选推送策略都停止运行;
预定比例的候选推送策略停止运行;
至少一个候选推送策略停止运行,且从将待推送信息库提供给多个候选推送策略开始过去预定时间段。
在本公开一实施例中,所述获取对于每个订单对应的最大应推送量,多个候选推送策略中每个候选推送策略的承担值,包括:
获取对于每个订单对应的单个推送周期内最大应推送量,多个候选推送策略中每个候选推送策略的单个推送周期内承担值;
所述将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户,在当前推送周期的开始执行;
所述如果候选推送策略针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,停止运行该候选推送策略,包括:如果候选推送策略在当前推送周期内针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的单个推送周期内最大应推送量该候选推送策略的承担值,停止运行该候选推送策略;
所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度,包括:根据各候选推送策略在当前推送周期内针对每个订单已推送信息数、对于每个订单对应的单个推送周期内最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度;
所述开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以从所述待推送信息库中选择待推送信息推送给用户,包括:开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以在当前推送周期结束之前,从所述待推送信息库中选择待推送信息推送给用户。
本公开实施例的信息推送方法可以由图1A-1B所示的信息推送服务器20实现。下面参考图12来描述根据本公开实施例的信息推送服务器20。图12显示的信息推送服务器20仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图12所示,信息推送服务器20以通用计算设备的形式表现。信息推送服务器20的组件可以包括但不限于:上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述示例性方法的描述部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元510可以执行如图4中所示的各个步骤。
存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204,这样的程序模块5205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
信息推送服务器20也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该信息推送服务器20交互的设备通信,和/或与使得该信息推送服务器20能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且,信息推送服务器20还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器560通过总线530与信息推送服务器20的其它模块通信。应当明白,尽管图中未示出,可以结合信息推送服务器20使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机程序介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行上述方法实施例部分描述的方法。
根据本公开的一个实施例,还提供了一种用于实现上述方法实施例中的方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RGM)、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。
计算机可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
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、有线、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的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如JGvG、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(KGN)或广域网(WGN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
Claims (10)
1.一种信息推送方法,其特征在于,所述方法包括:
获取对于每个订单对应的最大应推送量,多个候选推送策略中每个候选推送策略的承担值;
将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户;
如果候选推送策略针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,停止运行该候选推送策略;
当各候选推送策略的停止运行状况达到预定条件时,根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度;
开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以从所述待推送信息库中选择待推送信息推送给用户。
2.根据权利要求1所述的方法,其特征在于,所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度,包括:
根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度;
所述开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以从所述待推送信息库中选择待推送信息推送给用户,包括:
确定该待推送信息库中未推送的待推送信息对应的订单;
将待推送信息库中未推送的待推送信息,提供给针对所确定的订单、所述订单满足精准度满足预定精准度条件的候选推送策略。
3.根据权利要求1所述的方法,其特征在于,所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度,包括:
根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度;
对于每个候选推送策略,将针对每个订单的该候选推送策略的订单满足精准度平均,得到该候选推送策略的订单满足精准度。
4.根据权利要求2或3所述的方法,其特征在于,在所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度之前,所述方法还包括:
获取对于每个订单对应的保底量,多个候选推送策略中每个候选推送策略的承担值;
所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度,包括:
根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值、对于每个订单对应的保底量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度。
5.根据权利要求4所述的方法,其特征在于,所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值、对于每个订单对应的保底量各候选推送策略的承担值,确定针对每个订单的各候选推送策略的订单满足精准度,包括:
针对每个订单的每个候选推送策略,确定第一精准度,其中,如果该候选推送策略针对该订单已推送信息数小于对于该订单对应的最大应推送量该候选推送策略的承担值,所述第一精准度为第一预定值;如果该候选推送策略针对该订单已推送信息数不小于对于该订单对应的最大应推送量该候选推送策略的承担值,所述第一精准度为在所述第一预定值的基础上减去该候选推送策略针对该订单已推送信息数超出对于该订单对应的最大应推送量该候选推送策略的承担值的差值与第一比例系数的乘积;
针对每个订单的每个候选推送策略,确定第二精准度,其中,如果该候选推送策略针对该订单已推送信息数大于对于该订单对应的保底量该候选推送策略的承担值,所述第二精准度为第二预定值;如果该候选推送策略针对该订单已推送信息数不大于对于该订单对应的保底量该候选推送策略的承担值,所述第二精准度为在所述第二预定值的基础上减去该订单对应的保底量该候选推送策略的承担值超出该候选推送策略针对该订单已推送信息数的差值与第二比例系数的乘积;
针对每个订单,基于各候选推送策略的第一精准度和第二精准度,确定针对该订单的各候选推送策略的订单满足精准度。
6.根据权利要求1所述的方法,其特征在于,所述获取对于每个订单对应的最大应推送量,多个候选推送策略中每个候选推送策略的承担值,包括:
从订单播控信息库,查找每个订单对应的最大应推送量;
获取各候选推送策略的负载比例值;
将每个订单对应的最大应推送量与所述负载比例值的积,作为对于每个订单对应的最大应推送量,各候选推送策略的承担值。
7.根据权利要求1所述的方法,其特征在于,所述预定数量为1。
8.根据权利要求1所述的方法,其特征在于,所述预定条件包括以下中的一个:
各候选推送策略都停止运行;
预定比例的候选推送策略停止运行;
至少一个候选推送策略停止运行,且从将待推送信息库提供给多个候选推送策略开始过去预定时间段。
9.根据权利要求1所述的方法,其特征在于,所述获取对于每个订单对应的最大应推送量,多个候选推送策略中每个候选推送策略的承担值,包括:
获取对于每个订单对应的单个推送周期内最大应推送量,多个候选推送策略中每个候选推送策略的单个推送周期内承担值;
所述将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户,在当前推送周期的开始执行;
所述如果候选推送策略针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,停止运行该候选推送策略,包括:如果候选推送策略在当前推送周期内针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的单个推送周期内最大应推送量该候选推送策略的承担值,停止运行该候选推送策略;
所述根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度,包括:根据各候选推送策略在当前推送周期内针对每个订单已推送信息数、对于每个订单对应的单个推送周期内最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度;
所述开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以从所述待推送信息库中选择待推送信息推送给用户,包括:开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以在当前推送周期结束之前,从所述待推送信息库中选择待推送信息推送给用户。
10.一种信息推送装置,其特征在于,所述装置包括:
获取模块,用于获取对于每个订单对应的最大应推送量,多个候选推送策略中每个候选推送策略的承担值;
提供模块,用于将待推送信息库提供给多个候选推送策略,由每个候选推送策略从所述待推送信息库中选择待推送信息推送给用户;
监测模块,用于如果候选推送策略针对预定数量的订单,推送的待推送信息数量已超过对于该订单对应的最大应推送量该候选推送策略的承担值,停止运行该候选推送策略;
确定模块,用于当各候选推送策略的停止运行状况达到预定条件时,根据各候选推送策略针对每个订单已推送信息数、对于每个订单对应的最大应推送量各候选推送策略的承担值,确定各候选推送策略的订单满足精准度;
运行模块,用于开启运行所述订单满足精准度满足预定精准度条件的候选推送策略,以从所述待推送信息库中选择待推送信息推送给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910662525.4A CN112288506B (zh) | 2019-07-22 | 2019-07-22 | 信息推送方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910662525.4A CN112288506B (zh) | 2019-07-22 | 2019-07-22 | 信息推送方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112288506A true CN112288506A (zh) | 2021-01-29 |
CN112288506B CN112288506B (zh) | 2024-05-03 |
Family
ID=74419110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910662525.4A Active CN112288506B (zh) | 2019-07-22 | 2019-07-22 | 信息推送方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288506B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169077A (zh) * | 2017-05-10 | 2017-09-15 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN107332910A (zh) * | 2017-07-03 | 2017-11-07 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN107370780A (zh) * | 2016-05-12 | 2017-11-21 | 腾讯科技(北京)有限公司 | 基于互联网的媒体推送方法、装置和系统 |
CN107767236A (zh) * | 2017-11-14 | 2018-03-06 | 北京小度信息科技有限公司 | 一种订单推送方法、装置、服务器和计算机可读存储介质 |
CN109889430A (zh) * | 2019-01-23 | 2019-06-14 | 平安科技(深圳)有限公司 | 消息推送方法、装置、计算机设备及存储介质 |
-
2019
- 2019-07-22 CN CN201910662525.4A patent/CN112288506B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107370780A (zh) * | 2016-05-12 | 2017-11-21 | 腾讯科技(北京)有限公司 | 基于互联网的媒体推送方法、装置和系统 |
CN107169077A (zh) * | 2017-05-10 | 2017-09-15 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN107332910A (zh) * | 2017-07-03 | 2017-11-07 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN107767236A (zh) * | 2017-11-14 | 2018-03-06 | 北京小度信息科技有限公司 | 一种订单推送方法、装置、服务器和计算机可读存储介质 |
CN109889430A (zh) * | 2019-01-23 | 2019-06-14 | 平安科技(深圳)有限公司 | 消息推送方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112288506B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7189997B2 (ja) | 仮想コンピュータリソースのスケジューリングのためのローリングリソースクレジット | |
US9571347B2 (en) | Reactive auto-scaling of capacity | |
US20200403930A1 (en) | Dynamic allocation of resources while considering resource reservations | |
US8782189B2 (en) | Dynamic service level agreement for cloud computing services | |
US20190050046A1 (en) | Reducing Power Consumption in a Server Cluster | |
US9755988B2 (en) | Method and system for arbitraging computer resources in a cloud computing environment | |
US9043798B2 (en) | Remediating gaps between usage allocation of hardware resource and capacity allocation of hardware resource | |
US8954487B2 (en) | Management server and method for providing cloud computing service | |
US10037501B2 (en) | Energy management costs for a data center | |
US9294236B1 (en) | Automated cloud resource trading system | |
US10367719B2 (en) | Optimized consumption of third-party web services in a composite service | |
RU2697700C2 (ru) | Равноправное разделение системных ресурсов в исполнении рабочего процесса | |
CN106557369A (zh) | 一种多线程的管理方法及系统 | |
CN112988390A (zh) | 一种算力资源分配方法及装置 | |
US20200380422A1 (en) | Dynamic modification of interruptibility settings for network-accessible resources | |
US10608436B2 (en) | System and method for optimal aggregation of small-scale energy storage | |
CN117829324A (zh) | 车辆的预约换电方法、装置、存储介质及电子设备 | |
CN112288506A (zh) | 信息推送方法、装置、电子设备及存储介质 | |
US10163152B1 (en) | Notification of computing capacity status | |
CN110990219B (zh) | 一种基于预测模型的计算机监控方法 | |
CN109600415B (zh) | 从多个源服务器获取目标数据的方法、装置和计算机设备 | |
US20200356398A1 (en) | Method for controlling performance in virtualized environment and information processing device for the same | |
US20130085862A1 (en) | System and method for distributing advertisements on a network in accordance with a tiered periodic delivery goal | |
US11681353B1 (en) | Power capping in a composable computing system | |
CN115982130A (zh) | 数据库的性能优化方法、存储介质与计算机设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |