KR20180072793A

KR20180072793A - 푸시 정보 대략 선택 정렬 방법, 디바이스 및 컴퓨터 저장 매체

Info

Publication number: KR20180072793A
Application number: KR1020187014532A
Authority: KR
Inventors: 레이 장; 거 천; 례충 장; 레이 류; 둥보 황; 원제 리; 하오 황; 쥔칭 구; 웨이 황; 즈 장; 훙 장; 란 쉬; 쓰위 주; 웨이 진
Original assignee: 텐센트 테크놀로지(센젠) 컴퍼니 리미티드
Priority date: 2016-01-04
Filing date: 2016-12-27
Publication date: 2018-06-29
Also published as: CN106940703B; EP3401798A1; WO2017118328A1; CN106940703A; JP6547070B2; JP2018536937A; US20180129964A1; EP3401798A4; KR102111223B1

Abstract

푸시 정보 대략 선택 방법 및 디바이스, 및 컴퓨터 저장 매체가 개시된다. 이 방법은, 푸시 정보의 이력 푸시 데이터에 따라, 예측 값을 계산하기 위한 특성 및 그에 대응하는 가중치를 결정하는 단계(S110); 특성의 표준 편차를 계산하는 단계(S120); 표준 편차의 변동 확률을 결정하는 단계(S130); 가중치, 표준 편차 및 변동 확률에 기초하여, 예측 값을 계산하는 단계; - 표준 편차 및 변동 확률은 가중치를 보정하기 위한 변동 값을 계산하고 획득하기 위해 사용됨(S140) -; 예측 값에 기초하여, 미리 설정된 조건을 만족하는 푸시 정보를 선택하는 단계(S150)를 포함한다.

Description

푸시 정보 대략 선택 정렬 방법, 디바이스 및 컴퓨터 저장 매체

본 개시내용은 정보 처리 분야에 관한 것이고, 특히 푸시 정보를 대략적으로(coarsely) 선택하고 정렬하는 방법 및 장치와 컴퓨터 저장 매체에 관한 것이다.

정보 기술의 발달과 함께 기존의 기술은 정보 푸시 분야에서 정보 푸시의 효율을 개선하기 위해 정보 푸시의 대상 사용자를 결정하는 문제를 해결하는 것에 항상 전념한다. 정보 푸시는 사용자에게 권장되는 광고 푸시, 및 비디오, 오디오, 및 픽처 및 텍스트 정보 등을 포함한다. 사용자가 관심이 있는 푸시 정보를 사용자에게 전송하고 푸시 정보의 송신 및 자원 유효 이용을 개선하기 위해, 다양한 푸시 정보의 인기도의 정렬이 예측된다. 예측 동안, 예측 값들의 대략 선택 및 정렬과 정확한 선택 및 정렬이 포함된다. 대략 선택 및 정렬 동안, 푸시 정보의 현재 데이터에 따라 수천 개의 푸시 정보로부터 상대적으로 높은 인기도를 갖는 소량의 푸시 정보가 선택되고, 그 다음에 정확한 선택 및 정렬 동안, 대략적으로 선택된 푸시 정보의 인기도 및 보여지거나 클릭될 대략적으로 선택된 푸시 정보에 대한 예측 확률들이 더 정확하게 정렬된다. 그러나, 기존 기술에서는 일반적으로 일부 푸시 정보가 사용자들에게 매우 인기가 있고, 푸시 정보는 짧은 푸시 시간의 문제점을 갖고, 결과적으로, 대략 선택 동안 필터링되어 처리 결과의 낮은 정확도의 문제점을 야기한다는 것이 발견된다.

전술한 것을 고려하여, 본 발명의 실시예들은 푸시 정보를 대략적으로 선택하고 정렬하기 위한 방법 및 장치, 및 컴퓨터 저장 매체를 제공하여, 대략 선택 결과의 낮은 정확도의 문제점을 적어도 부분적으로 해결하기를 기대한다.

실시예들의 기술적 해결책들은 이러한 방식으로 구현된다:

본 발명의 실시예들의 제1 양태는 푸시 정보를 대략적으로 선택하기 위한 방법을 제공하고, 이 방법은 다음을 포함한다:

푸시 정보의 이력 푸시 데이터에 따라 예측 값을 계산하기 위한 피처, 및 피처에 대응하는 가중치를 결정하는 단계;

피처의 표준 편차를 계산하는 단계;

표준 편차의 변동(fluctuation) 확률을 결정하는 단계;

가중치, 표준 편차, 및 변동 확률에 기초하여 예측 값을 계산하는 단계- 표준 편차 및 변동 확률은 가중치를 보정하기 위한 변동 값을 계산하기 위해 사용됨 -; 및

예측 값에 기초하여, 미리 설정된 조건을 만족하는 푸시 정보를 선택하는 단계.

본 발명의 실시예들의 제2 양태는 푸시 정보를 대략적으로 선택하기 위한 장치를 제공하며, 이 장치는 결정 유닛, 계산 유닛 및 선택 유닛을 포함하고,

결정 유닛은 푸시 정보의 이력 푸시 데이터에 따라 예측 값을 계산하기 위한 피처, 및 피처에 대응하는 가중치를 결정하도록 구성되고;

계산 유닛은 피처의 표준 편차를 계산하도록 구성되고;

결정 유닛은 표준 편차의 변동 확률을 결정하도록 추가로 구성되고;

계산 유닛은 가중치, 표준 편차, 및 변동 확률에 기초하여 예측 값을 계산하도록 추가로 구성되고- 표준 편차 및 변동 확률은 가중치를 보정하기 위한 변동 값을 계산하기 위해 사용됨 -; 및

선택 유닛은 예측 값에 기초하여, 미리 설정된 조건을 만족하는 푸시 정보를 선택하도록 구성된다.

본 발명의 실시예들의 제3 양태는 컴퓨터 저장 매체를 제공하며, 이 컴퓨터 저장 매체는 컴퓨터 실행가능 명령어들을 저장하고, 이 컴퓨터 실행가능 명령어들은 푸시 정보를 대략적으로 선택하기 위한 방법을 수행하기 위해 사용된다. 본 발명의 실시예들에서 제공되는 푸시 정보를 대략적으로 선택하기 위한 방법 및 장치 및 컴퓨터 저장 매체에서, 대략 선택에 대한 예측 값이 계산될 때, 피처의 표준 편차가 결정되고, 피처에 대응하는 변동 확률이 결정되고, 표준 편차 및 변동 확률이 피처에 대응하는 가중치를 보정하기 위한 변동 값을 계산하기 위해 사용될 수 있다. 이러한 방식으로, 표준 값이 상대적으로 크게 변동하는 경우, 현재 상대적으로 작은 이력 푸시 데이터를 갖는 푸시 정보는, 대략적으로 선택된 푸시 정보로서, 재선택될 후속하는 정확한 선택을 입력하는 기회를 갖는다. 결과적으로, 양호한 푸시 효과들을 갖는 일부 주문들이 작은 이력 푸시 데이터로 인해 대략 선택 시 필터링되어, 양호한 푸시 효과들을 갖는 푸시 정보가 최종적으로 선택될 수 없는 것을 초래하는 기존 기술에서의 문제점이 해결될 수 있고, 이에 의해 대략 선택의 정확도를 향상시킨다.

도 1은 본 발명의 실시예에 따른 푸시 정보를 대략적으로 선택하는 제1 방법의 개략적인 흐름도이다;
도 2는 본 발명의 실시예에 따른 푸시 정보를 대략적으로 선택하는 제2 방법의 개략적인 흐름도이다;
도 3은 본 발명의 실시예에 따른 푸시 정보를 대략적으로 선택하는 제1 장치의 개략적인 구조도이다;
도 4는 본 발명의 실시예에 따른 푸시 정보를 대략적으로 선택하는 제2 장치의 개략적인 구조도이다; 및
도 5는 본 발명의 실시예에 따라 예측 값을 계산하는 개략적인 흐름도이다.

본 발명의 기술적 해결책들은 본 명세서의 특정 실시예들 및 첨부 도면들을 참조하여 이하 더 상세하게 기술된다. 이하에 설명되는 바람직한 실시예들은 본 개시내용을 기술하고 설명하기 위해서만 사용되며 본 개시내용을 제한하기 위해 사용되지 않는다는 것을 이해해야 한다.

도 1에 도시된 바와 같이, 실시예는 푸시 정보를 대략적으로 선택하는 방법을 제공하고, 이 방법은 다음을 포함한다:

단계 S110: 푸시 정보의 이력 푸시 데이터에 따라 예측 값을 계산하기 위한 피처, 및 피처에 대응하는 가중치를 결정한다.

단계 S120: 피처의 표준 편차를 계산한다.

단계 S130: 표준 편차의 변동 확률을 결정한다.

단계 S140: 가중치, 표준 편차, 및 변동 확률에 기초하여 예측 값을 계산하고, 표준 편차 및 변동 확률은 가중치를 보정하는 변동 값을 계산하기 위해 사용된다.

단계 S150: 예측 값에 기초하여, 미리 설정된 조건을 만족하는 푸시 정보를 선택한다.

이 실시예에서의 푸시 정보는 광고들과 같은 정보를 포함할 수 있다. 본 명세서에서 광고는 소셜(social) 광고와 같은 다양한 유형의 광고를 포함할 수 있다. 이 실시예에서 푸시 정보를 대략적으로 선택하는 방법은 다양한 푸시 정보의 푸시 플랫폼들에 적용될 수 있거나, 정보를 이펙트 푸시(effect push)로서 사용하도록 결정하는 다양한 선택 디바이스들에 사용될 수 있다.

이 실시예에서, 단계 S110은 "푸시 정보의 이력 푸시 데이터에 따른"을 포함한다. 여기서 이력 푸시 데이터는 광고들에 대응하고, 이력 광고 데이터를 포함할 수 있다. 여기서, 이력 광고 데이터는 광고에 의해 기대되는 전환 행동을 실행하거나, 시청하거나, 클릭하는 시드(seed) 사용자, 행동 만료 날짜, 클릭률, 전환율, 광고 배치 위치 및 광고 배치 시간과 같은 푸시 정보에 기초하여 푸시 프로세스에서 형성된 다양한 데이터를 포함할 수 있다. 전환 행동은, 푸시 정보가 사용자가 수행하기를 원하는 동작들, 예컨대 애플리케이션(APP)을 다운로드하는 것 및 대응하는 푸시 정보로 프로모션된 서비스들 및 상품들을 구매하는 것을 포함할 수 있다.

이 실시예에서, 단계 S120에서 계산된 표준 편차는 피처에 대한 표준 편차이다. 여기서 표준 편차는 피처가 특정 값일 때 이력 푸시 데이터에서의 동작 결과의 표준 편차이다. 여기서 동작 결과는 피처가 지정된 사용자가 푸시 데이터에 의해 기대되는 동작을 수행하는지를 표시하는 값을 나타내는 데 사용된다. 예를 들어, 광고 A를 예로서 사용하면, 대응하는 피처는 연령들이다. 4비트가 각각 4개의 상이한 연령 그룹을 나타내는 경우, 사용자 C가 제1 연령 그룹에 속한다고 가정하면, 제1 연령 그룹에 대응하는 제1 비트는 1이고, 다른 비트들은 0이다. 이 경우, 연령들인 피처의 값은 1000이다. 표준 편차가 계산될 때, 연령 피처가 1000인 이력 푸시 데이터의 데이터 행들이 사용되는 경우, 이러한 데이터 행들은 사용자가 광고 A를 클릭하는지의 동작 결과들의 열을 포함한다. 동작 결과들의 열에서 "1"은 광고를 클릭하는 것을 나타내고, "0"은 광고를 클릭하지 않는 것을 나타내는 것으로 가정한다. 예를 들어, 이력 푸시 데이터의 데이터 행들 중 50개의 데이터 행의 연령 피처들의 값들은 1000이고, 결과 열들의 50개의 열들이 샘플 데이터로서 추출되어, 표준 편차를 푼다. 풀린 표준 편차는 제1 연령 그룹에서, 연령 피처의 표준 편차이다. 예측 값이 계산될 때, 푸시 정보를 수신한 사용자들의 집합이 결정되고, 이들 사용자들의 연령 피처들이 추출된다. 예를 들어, 제1 연령 그룹에서의 사용자들 사이에서 푸시된 광고를 클릭하는 것의 확률 값이 계산된다. 다른 예를 들면, 피처의 값은 "성별이 여성인 것"이고, 피처 "성별이 여자인 것"의 표준 편차는 이력 푸시 데이터에서 푸시 정보에 의해 기대되는 전환 동작을, 여성에 의해 실행하는 것의 표준 편차이다. 예를 들어, 표준 편차는 여성이 광고를 클릭한 것의 표준 편차이다.

단계 S130에서, 표준 편차의 변동 확률이 결정되고, 이 실시예에서는, 예를 들어 랜덤 알고리즘을 이용하여 변동 확률이 결정되는 것과 같은, 미리 설정된 알고리즘을 이용하여 변동 확률이 결정될 수 있다. 여기서 랜덤 알고리즘은 가우시안 랜덤 알고리즘을 포함한다.

단계 S140에서, 가중치, 표준 편차 및 변동 확률에 기초하여 예측 값이 계산된다. 여기서 가중치는, 예측 값을 대응하게 계산한 각각의 피처의 가중치이다.

이 실시예에서 예측 값의 계산에 참여하는 피처들은 푸시 정보의 피처들 및 사용자 피처들을 포함할 수 있다. 여기서 푸시 정보는 푸시 위치 및 푸시 식별자를 포함할 수 있다. 여기서 푸시 식별자는 푸시 정보의 시퀀스 번호일 수 있다. 푸시 위치는 푸시 정보가 릴리스되는 릴리스 위치를 포함할 수 있다. 여기서 릴리스 위치는 소셜 애플리케이션 상의 정보 릴리스 위치, 예를 들어, 위챗 모멘트(Wechat moment)들, 애플리케이션 로그인 인터페이스의 첫 번째 페이지, 및 애플리케이션 페이지의 페이지 헤더 부분을 포함할 수 있다. 물론, 여기서 릴리스 위치는 브라우저의 첫 번째 페이지, 브라우저의 사이드 광고 위치, 플로팅 윈도우(floating window) 등을 포함할 수 있다. 사용자 피처들은 푸시 정보를 판독하거나, 푸시 정보를 클릭하거나, 푸시 정보에 의해 기대되는 다른 전환 행동들을 실행하는 사용자들의 피처들을 포함할 수 있다. 이러한 사용자 피처들은 연령들, 성별들, 직업들, 행동 선호도들, 취미들 및 사용자들의 소비 수준들과 같은 사용자 특성들을 나타낼 수 있는 다양한 피처들을 포함할 수 있다.

이 실시예에서, 예측 값은 푸시 정보를 계속 릴리스하는 것과 푸시 정보에 의해 기대되는 전환 행동을 사용자가 실행할 확률을 나타내기 위해 사용될 수 있다. 예를 들어, 광고 A는 일정 기간 동안 릴리스되고, 피처 표준 편차는 광고 A를 릴리스하는 것에 의해 형성된 이력 광고 데이터에 따라 계산된다. 변동 확률은 단계 S130에서 결정되고, 단계 S140에서 표준 편차 및 변동 확률을 사용하는 것에 의해 가중치를 보정하여 보정된 가중치를 획득하고, 그 후 후속하여 광고 A가 클릭될 확률은 보정된 가중치를 사용하는 것에 의해 예측된다.

예측 값은 단계 S140에서 다음 식:

을 사용하는 것에 의해 구체적으로 계산될 수 있다.

전술한 식에서, y는 예측 값이고,

는 피처

의 값이고,

는 피처

의 가중치이고,

는 피처의 표준 편차이다. 예측 값은 이 실시예에서 로지스틱 회귀 알고리즘을 사용하여 계산된다. 구체적인 구현 동안, 예측 값은 베이지안 알고리즘을 사용하여 또한 계산될 수 있다.

는 변동 확률 및 표준 편차에 기초한 계산에 의해 획득된 보정된 가중치이다. 베이지안 알고리즘에서, 원래의 가중치는 보정된 가중치로 대체될 수 있으므로, 이 실시예에서의 예측 값은 또한 계산에 의해 획득된다. 이 실시예에서, 총 I개 피처가 있고, i의 값은 1부터 I까지라는 점을 유의해야 한다. I는 1보다 작지 않은 정수이다.

는 e의 지수이라는 점을 유의해야 한다. e는 자연 상수이다.

구체적인 구현 동안, 다양한 푸시 정보의 예측 값들에 따라 예측 값들이 정렬될 수 있고, 그 후 앞서 랭크된 푸시 정보가 이 시간의 푸시 정보를 대략적으로 선택하는 대략 선택 결과로서 선택되거나; 또는 예측 값이 대략 선택 임계값보다 큰 푸시 정보가 이 시간의 푸시 정보를 대략적으로 선택한 대략 선택 결과로서 사용된다. 결론적으로, 이 실시예의 단계 S140이 수행된 후에, 미리 설정된 조건을 만족하는 푸시 정보가 예측 값에 기초하여 또한 선택될 수 있다. 선택된 푸시 정보는 이펙트 푸시의 푸시 정보로서 사용될 수 있다. 이펙트 푸시는 푸시 효과에 기초하여 지불하는 푸시 동작일 수 있다.

이 실시예에서, 표준 편차 및 변동 확률이 도입되어 가중치를 보정한다. 이러한 방식으로, 현재 상대적으로 짧은 푸시 시간을 갖거나 상대적으로 작은 푸시 양을 갖지만 기대되는 푸시 효과들을 달성하는 푸시 정보가 컨테스트에 참여하는 경우, 상대적으로 작은 푸시 양을 갖는 푸시 정보가 대략 선택 동안 상대적으로 작은 푸시 양으로 인해 누락되는 상황이 경감됨으로써, 양호한 푸시 효과들을 갖는 푸시 정보가 대략 선택 동안 선택되는 상황을 향상시킨다. 예를 들어, 광고들은 주문들에 의해 식별된다. 광고가 일부 주문들을 가질 때, 광고는 광고 플랫폼에 배치될 수 있다. 짧은 배치 시간 또는 작은 배치 양으로 인해, 광고는 이력 광고 데이터가 상대적으로 적다. 기존 기술을 이용하여 주문들이 대략적으로 선택되는 경우, 작은 배치 양을 갖거나 짧은 배치 시간을 갖는 광고가 용이하게 스크리닝될 수 있고, 결과적으로, 대략적으로 선택된 광고들은 최상의 배치 효과들을 갖는 하나 이상의 광고가 아니어서, 대략 선택의 낮은 정확도와 같은 현상을 야기한다. 그러나, 이 실시예에서의 정보 처리 방법에 의해, 변동 확률 및 표준 편차를 도입하는 것에 의해, 작은 이력 푸시 데이터에 의해 야기되는 데이터의 큰 변동 상황 및 양호한 푸시 효과들을 갖는 푸시 정보의 누락이 경감됨으로써, 대략 선택의 정확도를 향상시킨다.

일부 실시예들에서, 이 방법은 다음을 추가로 포함한다:

변동 계수를 결정하는 단계- 변동 계수는 변동 값의 값 범위를 제한하기 위해 사용됨 -.

단계 S140은 가중치, 표준 편차, 변동 확률 및 변동 계수에 기초하여 예측 값을 계산하는 단계를 포함할 수 있다.

변동 계수는 이 실시예의 방법에 또한 도입되고, 여기서 변동 계수는 변동 값의 값 범위를 제한하기 위해 사용된다. 피처의 표준 편차가 과도하게 큰 경우, 전술한 실시예의 방법이 사용되면 변동 값의 값이 과도하게 커질 수 있다. 이 실시예에서는 변동 계수가 도입되고, 변동 확률 및 표준 편차에 기초하여 획득된 결과로 곱셈 연산을 수행하기 위해 변동 계수가 사용되어 변동 값을 획득할 수 있다. 이 실시예에서, 변동 계수는 일반적으로 0보다 크고 1보다 크지 않은 정수이다. 변동 계수의 값이 0인 경우, 이 예에서 변동 값은 0일 수 있다. 이 경우, 가중치는 보정되지 않아서, 이력 푸시 데이터의 작은 데이터 양에 의해 야기되는 표준 편차의 큰 변동 현상이 생략된다. 변동 계수는 미리 설정된 파라미터일 수 있고, 구체적으로는 이력 동작 기록에 따라 획득된 경험적 값 또는 하나 이상의 실험에 의해 실험적 데이터로부터 획득된 실험 값일 수 있고, 결론적으로, 이 실시예의 푸시 정보를 대략적으로 선택하는 방법이 계산될 때 미리 공지될 수 있는 값이 계산된다. 이 실시예에서는, 변동 값을 조정하기 위해 변동 계수가 도입되어, 변동 값이 과도하게 크거나 과도하게 작은 것을 회피하고, 피처 값의 과도하게 큰 변동으로 인해 계산 결과가 충분히 정확하지 않은 상황을 회피함으로써, 대략 선택의 정확도를 추가로 향상시킨다.

도 2는 실시예에 따른 푸시 정보를 대략적으로 선택하는 방법의 다른 개략적인 흐름도이다. 이 방법은 구체적으로 다음을 포함한다: 푸시 정보 피처 및 사용자 피처를 추출하는 단계; 표준 편차들을 계산하는 단계- 표준 편자들을 계산하는 단계는 예측 값들을 계산하기 위한 피처들의 다양한 표준 편차들을 계산하는 단계를 포함함 -; 표준 편차들을 계산하는 동안, 그 전, 또는 그 후에, 변동 계수들을 결정하고, 안전 인자(security factor)를 결정하고, 변동 확률을 결정하는 단계; 그 후, 변동 확률, 표준 편차, 변동 계수, 및 안전 인자에 기초하여 예측 값들을 계산하는 단계; 최종적으로, 예측 값들을 정렬하여 정렬 결과를 형성하는 단계; 및 정렬 결과에 기초하여, 푸시 값이 앞서 랭크된 푸시 정보를 푸싱 결과로서 선택하는 단계.

일부 다른 실시예들에서, 이 방법은 다음을 추가로 포함한다:

단계 S150은 가중치, 표준 편차, 변동 확률 및 변동 계수에 기초하여 예측 값을 계산하는 단계를 포함할 수 있다.

이 방법은 다음을 추가로 포함한다:

안전 인자를 결정하는 단계- 안전 인자는 표준 편차가 특정 값이거나 표준 편차가 획득되지 않을 때 야기되는 변동 값의 이상 해(abnormal solution)를 방지하기 위해 사용됨 -.

단계 S140은 다음을 포함할 수 있다:

가중치, 표준 편차, 변동 확률, 및 안전 인자에 기초하여 예측 값을 계산하는 단계.

이 실시예에서 안전 인자가 도입된다. 표준 편차가 이상 또는 극한 상황을 갖는 경우, 표준 편차가 이상인 것으로 결정하는 방법. 예를 들어, 표준 편차의 값은 특정 값이고, 구체적으로 표준 편차는 0이다. 이 실시예에서는, 표준 편차를 획득하지 않을 경우는 또한 표준 편차 이상이고, 일반적으로, 표준 편차가 획득되지 않으면, 표준 편차는 0으로서 디폴트 설정된다. 표준 편차가 0이면, 그것은 변동 값이 0인 것으로 이어질 수 있다. 이 실시예에서 안전 인자가 도입된다. 안전 인자는 일반적으로 극히 작은 양수이다. 이 실시예에서, 안전 인자는 미리 결정된 값보다 작은 상수이고, 예를 들어, 일반적으로 1000분의 1보다 크지 않은 상수이다. 예를 들어, 안전 인자의 값은 10000분의 1이다.

표준 편차가 정상일 때, 극히 작은 값은 변동 값의 계산에 대해 극히 작은 간섭을 갖기 때문이다. 표준 편차가 이상인 경우, 안전 인자는 극히 작은 양수이어서, 변동 값은 0이 아니지만 일반적으로 변동 값은 극히 작다. 이러한 방식으로, 안전 인자의 도입 때문에, 전자 디바이스는 이상 변동 값에 의해 야기되는 이상 예측 값의 현상을 계산한다.

이 실시예의 추가의 향상으로서, 변동 확률, 표준 편차, 안전 인자 및 변동 계수에 기초한 이용가능한 예가 이하에서 제공된다. 단계 S150은:

다음 식:

을 사용하는 것에 의해 예측 값

를 계산하는 단계를 포함할 수 있고,

는 피처

의 값이고,

는 피처

의 가중치이고,

는 변동 계수이고,

는 안전 인자이고,

는 피처의 표준 편차이다.

명백하게, 이 실시예에서,

는 0일 수 없다.

가 0이면,

가 이상이어서, 변동 값 이상을 야기한다. 이러한 방식으로, 예측 값 계산의 이상이 야기된다. 물론, 구체적인 구현 동안, 푸시 정보의 피처 값의 표준 편차가 0인 상황이 거의 발생하지 않는다.

이 실시예에서, 총 I개 피처가 있고,

의 값은 1부터 I까지라는 점을 유의해야 한다. I는 1보다 작지 않은 정수이다.

전술한 식에 따르면, 푸시 정보를 대략적으로 선택하기 위한 예측 값은 편리하고 정확하게 계산될 수 있고, 계산 프로세스에서 이상 발생 확률이 상대적으로 작고, 변동 값의 값 범위는 제어 범위 내에 있고, 이에 의해 푸시 정보의 대략 선택의 정확도를 크게 향상시킨다.

도 1에 도시된 바와 같이, 이 실시예의 실시예는 푸시 정보를 대략적으로 선택하는 다른 방법을 제공하고, 이 방법은 다음을 포함한다:

단계 S120: 피처의 표준 편차를 계산한다.

단계 S130: 표준 편차의 변동 확률을 결정한다.

먼저, 이 실시예의 푸시 정보를 대략적으로 선택하는 방법은 전술한 실시예들의 임의의 기술적 해결책에 대한 향상이다. 예를 들어, 단계 S140은 실시예 3에서 제공된 식을 사용하여 예측 값을 계산할 수 있다. 이 실시예는 단계 S110이 다음을 포함할 수 있다는 점에서 전술한 실시예와 상이하다:

예측 값을 계산하기 위한 푸시 정보 피처들을 결정하는 단계; 및

예측 값을 계산하기 위한 사용자 피처를 결정하는 단계.

푸시 정보 피처들은 푸시 정보의 릴리스 위치, 릴리스 시간, 푸시 정보의 지속기간, 푸시 정보의 정보 볼륨, 및 푸시 정보의 식별자와 같은 다양한 정보를 포함할 수 있다.

사용자 피처들은 예측 값을 계산하기 위해 사용되고, 여기서 사용자 피처들은 사용자 연령들, 성별들, 피부색들, 국적들 및 직업들과 같은 다양한 피처들을 포함할 수 있다. I의 값은 이 실시예에서 푸시 정보 피처들의 양과 사용자 피처들의 양의 합일 수 있다.

기존 기술에서, 푸시 정보가 대략적으로 선택되는 경우, 푸시 정보는 단지 푸시 정보 피처들에 따라 일반적으로 대략적으로 선택되어, 푸시 정보의 푸시 효과들에 대한 피처 특성들의 영향을 생략하는 결과로 이어져서, 양호한 푸시 효과들을 갖는 푸시 정보가 낮은 예측 값을 갖는 상황을 야기한다. 첫째로, 이 실시예에서는 사용자 피처들이 도입되고, 사용자 피처들은 예측 값을 계산하기 위한 피처들로서 사용된다. 실시예 1 내지 실시예 3에서 제공된 기술적 해결책들을 참조하면,

는 푸시 정보 피처 또는 사용자 피처의 값일 수 있어, 푸시 정보의 대략 선택의 정확도를 추가로 향상시킨다. 둘째로, 이 실시예에서, 사용자 피처들을 결정하는 것에 의해, 모든 사용자 피처가 아닌 사용자의 작은 양의 사용자 피처가 예측 값을 계산하기 위한 사용자 피처들로서 선택된다. 이러한 방식으로, 과도하게 많은 사용자 피처들로 인한 큰 계산 양의 출현을 회피할 수 있다. 예를 들어, 이 실시예에서 지정된 양의 사용자 피처가 예측 값의 계산에 참여하는 것으로 결정된다. 지정된 양은 미리 결정된 값이고, 일반적으로, 지정된 양은 1보다 작지 않고, 바람직하게는 2 이상의 정수이다.

푸시 정보 피처들이 선택될 때 기존 기술을 참조한다. 세부 사항들은 본 명세서에 제공되지 않는다. 사용자 피처들을 스크리닝하는 다수의 방식이 있다. 2개의 선택적 방식이 아래에 제공된다:

선택적 방식 1:

단계 S110에서 예측 값을 계산하기 위한 사용자 피처들을 결정하는 단계는 다음을 포함할 수 있다:

사용자 피처들의 신뢰도를 결정하는 단계; 및

신뢰도에 기초하여 예측 값을 계산하기 위한 사용자 피처들을 선택하는 단계.

이 실시예에서, 신뢰도는 사용자 피처들의 실재성 및 정확성의 확률일 수 있다. 사용자 피처들의 신뢰도는 사용자 피처들을 획득하는 방식에 따른 값 할당에 의해 결정될 수 있다. 예를 들어, 획득하는 방식은 사용자 입력에 기초하여 결정된 피처들 및 전자 디바이스에 의한 정보 처리 및 통합을 자동으로 수행하는 것에 의해 획득된 피처들을 포함할 수 있다. 예를 들어, 사용자는 소셜 네트워크에서 성별, 연령, 대학원 등을 채운다. 전자 디바이스에 의해 통합된 피처들은 사용자 동작에 기초하여 결정되는 사용자 행동 선호도와 같은 피처들을 포함한다. 신뢰도가 결정될 때, 신뢰도는 사용자 피처들의 피처 속성들에 따라 또한 결정될 수 있다. 예를 들어, 전자 디바이스는 사용자가 채운 주제 및 빈도 정보에 주의를 기울이기 위해 사용자가 로그인하는 빈도 정보에 대한 통계를 수집한다. 이 경우, 사용자 피처 속성들 및 정보 소스가 참조될 수 있다. 이 경우, 신뢰도가 결정될 때, 전자 디바이스의 빈도 정보의 통계가 대부분의 경우에 사용자가 채운 빈도 정보보다 더 정확하기 때문에, 신뢰도에 값이 할당될 때, 전자 디바이스가 빈도 정보에 대한 통계를 수집하면 더 높은 값이 할당되고, 빈도 정보가 사용자에 의해 채워지면 더 낮은 값이 할당된다. 다른 예로서, 사용자 성별에 대해, 전자 디바이스는 사용자 행동 특성들을 사용하는 것에 의해, 사용자가 여성 사용자인지 또는 남성 사용자인지를 분석할 수 있다. 그러나, 명백하게, 상대적으로 투명한 소셜 애플리케이션 또는 지인 소셜 이벤트(acquaintance social event)에서, 사용자 또는 친구에 의해 채워지는 사용자 성별은 사용자 행동 특성들에 따라 전자 디바이스에 의해 분석된 것보다 더 정확하다. 이 경우, 2개의 방식, 피처 속성들 및 정보 소스를 참조하여 신뢰도에 값이 할당된다. 구체적인 구현 동안, 사용자 피처들의 신뢰도를 결정하기 위한 다수의 방식이 존재하고, 방식들은 이 실시예들에서 하나씩 예들로서 사용되지 않는다.

일단 신뢰도가 결정되면, 신뢰도에 따라 예측 값을 계산하기 위한 사용자 피처들이 선택된다. 신뢰도들의 오름차순에 따라, 앞서 랭크된 N개의 신뢰도에 대응하는 사용자 피처들이 예측 값을 계산하기 위한 사용자 피처들로서 선택된다. 다른 예의 경우, 신뢰도들이 신뢰도 임계값보다 큰 사용자 피처들이 예측 값의 사용자 피처들로서 선택된다.

선택적 방식 2:

예측 값을 계산하기 위한 사용자 피처들로서 사용자 피처들로부터 하나 이상의 미처리된 사용자 피처를 선택하는 단계.

이 실시예에서, 사용자 피처들은 처리된 피처들과 미처리된 피처들로 분할된다. 처리된 피처들은 다수의 정보의 처리에 기초하여 획득된 피처들이고, 미처리된 피처들은 사용자에 의해 채워지고 2차 정보 통합과 같은 방식으로 결정되지 않는 피처들을 포함할 수 있다. 예를 들어, 신분증을 스캔하여 획득된 연령, 이름, 신분증 번호 및 원래 거주지 주소는 모두 미처리된 피처이다. 다른 예의 경우, 사용자에 의해 애플리케이션 A를 개방하는 기록된 통계 빈도에 따라, 다른 정보와의 2차 적분 처리가 의해서가 아닌 직접적인 통계 연산을 사용하는 것에 의해 획득된 피처가 또한 미처리된 피처일 수 있다. 처리된 피처는 결정된 미처리된 피처들을 제외한 모든 피처일 수 있다. 예를 들어, 사용자에 의한 상품들 및 서비스들의 구매 및 여행을 위한 티켓들의 예약과 같은 방법들에 따라 결정되는 사용자의 소비 수준인 사용자 피처는 사용자 구매 행동, 예약 행동 등과 통합되고, 따라서 처리된 피처이다.

미처리된 피처의 처리되지 않음으로 인해, 즉 결정의 직접성으로 인해, 미처리된 피처가 처리된 피처의 정확도보다 높은 정확도를 갖는다. 따라서, 이 실시예에서, 하나 이상의 미처리된 피처가 예측 값들을 계산하기 위한 사용자 피처들로서 사용된다. 예측 값을 계산하기 위한 사용자 피처들의 양은 정적(static) 미리 설정된 값일 수 있거나 동적으로 결정되는 동적(dynamic) 값일 수 있다. 예를 들어, 이 실시예에서 예측 값을 계산하기 위한 사용자 피처들로서 모든 미처리된 피처들이 사용되는 경우, 이 경우에 예측 값을 계산하기 위한 사용자 피처들의 양은 동적으로 결정된다. 물론, 미리 설정된 값은 미리 결정될 수 있어서, 미처리된 피처들의 미리 설정된 양은 예측 값을 계산하기 위한 사용자 피처들로서 다수의 미처리된 피처들로부터 선택된다. 따라서, 이 경우, 예측 값을 계산하기 위한 사용자 피처들로서 일부 미처리된 피처들을 선택하는 방법이 수반될 수 있다. 예를 들어, 미리 미처리된 피처들에 우선 순위들이 설정될 수 있고, 예측 값을 계산하기 위한 몇몇 사용자 피처들이 우선 순위들에 따라 선택된다.

이 실시예에서, 사용자의 기본 사용자 피처들은 예측 값을 계산하기 위한 사용자 피처들로서 바람직하게 선택될 수 있는데, 예를 들어 연령, 성별, 직업, 지역 및 교육 배경과 같은 사용자의 상대적 기본 정보가 예측 값을 계산하기 위한 사용자 피처들로서 선택된다. 물론, 이러한 기본 정보는 사용자 또는 친구에 의해 채워질 수 있고, 상대적으로 높은 신뢰도들을 갖는 사용자 피처들일 수 있고, 상대적으로 높은 정확도를 갖는 미처리된 피처들이 예측 값을 계산하기 위한 사용자 피처들로서 선택될 수 있다.

이 실시예에서, 우선, 푸시 정보의 대략 선택에 참여하기 위해 사용자 피처들이 도입되어서, 푸시 정보 피처들만이 푸시 정보를 대략 선택하기 위해 사용되는 것으로부터 기인한 낮은 정확도의 상황이 경감된다. 또한, 사용자 피처들의 선택에 의해, 일부 사용자 피처들만이 계산을 위해 선택되어, 정보 양을 감소시키고, 대략 선택의 효율성에서의 감소를 방지한다. 최종적으로, 사용자 피처들이 선택될 때, 신뢰도에 따라 사용자 피처들이 선택되거나, 미처리된 피처들이 계산에 참여하도록 선택될 수 있다. 계산의 정확도는 사용자 피처들이 선택된 방식에 관계없이 다시 향상될 수 있다.

도 3에 도시된 바와 같이, 실시예는 푸시 정보를 대략적으로 선택하기 위한 장치를 제공하고, 이 장치는 결정 유닛(110), 계산 유닛(120) 및 선택 유닛(130)을 포함하고,

결정 유닛(110)은 푸시 정보의 이력 푸시 데이터에 따라 예측 값을 계산하기 위한 피처 및 피처에 대응하는 가중치를 결정하도록 구성되고;

계산 유닛(120)은 피처의 표준 편차를 계산하도록 구성되고;

결정 유닛(130)은 표준 편차의 변동 확률을 결정하도록 추가로 구성되고;

계산 유닛(120)은 가중치, 표준 편차 및 변동 확률에 기초하여 예측 값을 계산하도록 추가로 구성되고, 표준 편차 및 변동 확률은 가중치를 보정하는 변동 값을 계산하기 위해 사용되고;

선택 유닛(130)은 예측 값에 기초하여, 미리 설정된 조건을 만족하는 푸시 정보를 선택하도록 구성된다.

결정 유닛(110) 및 선택 유닛(130)의 구체적인 구조체들은 프로세서 또는 처리 회로에 대응할 수 있다. 프로세서는 애플리케이션 프로세서, 중앙 처리 유닛, 마이크로 프로세서, 디지털 신호 프로세서 또는 프로그램가능 어레이와 같은 처리 구조체를 포함할 수 있다. 처리 회로는 전용 집적 회로를 포함할 수 있다.

결정 유닛(110) 및 선택 유닛(130)은 상이한 프로세서들 또는 처리 회로들에 개별적으로 대응할 수 있거나 동일한 프로세서 또는 처리 회로에 대응하도록 통합될 수 있다. 결정 유닛(110)과 선택 유닛(130)이 동일한 프로세서 또는 처리 회로에 대응하도록 통합된 경우, 프로세서 또는 처리 회로는 시간 분할 멀티플렉싱 또는 스레드(thread) 동시성에 의해 결정 유닛(110) 및 선택 유닛(130)의 기능들을 개별적으로 구현할 수 있다.

이 실시예에서의 계산 유닛(120)의 구체적인 구조체는 계산 기능을 갖는 계산기 또는 프로세서의 구조체에 대응할 수 있다. 계산 유닛(120)은 먼저 표준 편차를 계산하고, 그 후 표준 편차 및 변동 확률을 사용하여 변동 값을 계산하고, 변동 값 및 가중치를 사용하여 보정된 가중치를 계산하고, 최종적으로 보정된 가중치와 피처의 값에 기초하여 예측 값을 계산하기 위해 사용된다.

도 4에 도시된 바와 같이, 실시예는 프로세서(220), 저장 매체(240), 디스플레이(250) 및 적어도 하나의 외부 통신 인터페이스(210)를 포함하는, 푸시 정보를 대략적으로 선택하는 장치를 제공한다. 프로세서(220), 저장 매체(240) 및 외부 통신 인터페이스(210)는 모두 버스(230)를 사용하여 접속된다. 프로세서(220)는 마이크로 프로세서, 중앙 처리 유닛, 디지털 신호 프로세서, 또는 프로그램가능 논리 어레이와 같은 처리 기능을 갖는 전자 부품 및 컴포넌트일 수 있다. 컴퓨터 실행가능 명령어들은 저장 매체(240) 상에 저장된다. 프로세서(220)는 저장 매체(240)에 저장되는 컴퓨터 실행가능 명령어들을 실행하여 전술한 방법들 중 임의의 하나, 구체적으로, 예를 들어 푸시 정보의 이력 푸시 데이터에 따라 예측 값을 계산하기 위한 피처, 및 피처에 대응하는 가중치를 결정하는 단계; 피처의 표준 편차를 계산하는 단계; 표준 편차의 변동 확률을 결정하는 단계; 가중치, 표준 편차, 및 변동 확률에 기초하여 예측 값을 계산하는 단계- 표준 편차 및 변동 확률은 가중치를 보정하기 위한 변동 값을 계산하기 위해 사용됨 -; 및 예측 값에 기초하여, 미리 설정된 조건을 만족하는 푸시 정보를 선택하는 단계를 수행한다.

이 실시예에서, 표준 편차, 변동 확률 및 예측 값의 관련 설명들에 대한 대응하는 실시예들을 참조한다. 세부 사항들은 본 명세서에 제공되지 않는다. 예를 들어, 변동 확률은 랜덤 확률일 수 있다. 예를 들어, 변동 확률은 가우시안 랜덤 확률 값과 동일하다.

이 실시예에서 푸시 정보를 대략적으로 선택하는 장치는 푸시 정보를 대략적으로 선택하기 위한 하나 이상의 서버로 구성되는 구조체일 수 있다. 서버는 광고들과 같은 푸시 정보의 플랫폼에 위치된 디바이스일 수 있다. 결론적으로, 이 실시예에서의 푸시 정보를 대략적으로 선택하는 장치는 푸시 정보를 대략적으로 선택하는 전술한 방법에 구현 하드웨어를 제공하고, 푸시 정보의 대략 선택의 높은 정확도의 피처를 갖는다.

실시예에서, 결정 유닛(110)은 변동 계수를 결정하도록 추가로 구성되고, 변동 계수는 변동 값의 값 범위를 제한하기 위해 사용되고;

계산 유닛(120)은 가중치, 표준 편차, 변동 확률 및 변동 계수에 기초하여 예측 값을 계산하도록 구성된다.

이 실시예에서, 결정 유닛(110)은 인간-머신 상호작용 인터페이스에 대응할 수 있고, 작업 스태프에 의해 입력된 변동 계수는 인간-머신 상호작용 인터페이스를 사용하여 수신될 수 있다. 물론, 결정 유닛(110)은 또한 프로세서 또는 처리 회로에 대응하고, 컴퓨터 저장 매체에 미리 저장되는 변동 계수를 판독할 수 있거나, 통신 인터페이스에 대응할 수 있어서, 다른 전자 디바이스들이 변동 계수를 찾고 수신하게 한다.

이 실시예에서, 계산 유닛(120)은 가중치, 표준 편차, 변동 확률 및 변동 계수에 따라 예측 값을 구체적으로 계산한다. 변동 계수, 표준 편차 또는 변동 확률은 변동 값을 계산하기 위한 파라미터이다. 특정 계산 함수 관계 또는 방법에 대해서는 전술한 실시예들을 참조한다. 특정 계산 함수 관계 또는 방법은 이러한 실시예에서 반복되지 않는다.

결론적으로, 이 실시예에 변동 계수를 도입하는 것에 의해, 과도하게 큰 표준 편차로 인해 예측 값이 이상적인 상황이 경감되어, 계산의 정확도를 향상시킨다.

다른 실시예에서, 결정 유닛(110)은 변동 계수를 결정하도록 추가로 구성되고, 변동 계수는 변동 값의 값 범위를 제한하기 위해 사용되고;

실시예에서, 결정 유닛(110)은 안전 인자를 결정하도록 구성되고, 안전 인자는 표준 편차가 특정 값이거나 표준 편차가 획득되지 않을 때 야기되는 변동 값의 이상 해를 방지하기 위해 사용되고;

계산 유닛(120)은 가중치, 표준 편차, 변동 확률 및 안전 인자에 기초하여 예측 값을 계산하도록 구성된다.

안전 인자는 이러한 실시예에 도입된다. 안전 인자는 1000분의 1보다 작은 상수와 같이 극히 작은 값일 수 있다. 이러한 실시예에서, 결정 유닛(110)에 대응하는 하드웨어 구조체에 대한 전술한 실시예들에서의 변동 계수의 결정된 하드웨어 구조체를 참조한다. 그러나, 이 실시예에서 결정된 안전 인자에 차이가 있다. 여기서 표준 편차 이상은, 표준 편차가 미리 결정된 이상 값이거나, 이상 값을 획득하지 않을 수 있는 것, 또는 이상 조건을 만족하는 다른 표준 편차 획득 상황들을 포함할 수 있다.

물론, 변동 계수, 표준 편차 및 변동 확률과 동일한, 이 실시예의 실시예들에서의 안전 인자는 변동 값의 계산에 참여하는 종속 변수이다.

이 실시예에서, 계산 유닛(120)은 안전 인자에 기초하여 변동 값을 계산하여, 변동 값 이상이 예측 값 이상을 야기하는 것을 방지하고, 계산 프로세스에서의 이상 상황의 발생을 감소시킨다.

예측 값을 계산하기 위한 다수의 함수 관계가 존재한다. 이 실시예에서, 계산 유닛(120)은 다음 식:

을 사용하는 것에 의해 예측 값

를 계산하기 위해 사용되고,

는 피처

의 값이고,

는 피처

의 가중치이고,

는 변동 계수이고,

는 안전 인자이고,

는 피처의 표준 편차이다.

물론, 계산 유닛은 베이지안 알고리즘 또는 로지스틱 회귀 알고리즘을 사용하여 예측 값을 계산할 수 있다. 알고리즘들은 전술한 알고리즘들에 제한되지 않는다.

결론적으로, 이 실시예는 예측 값을 구체적으로 계산하는 장치를 제공한다. 이 장치는 예측 값에 따라 푸시 정보를 대략적으로 선택하는 높은 정확도의 특성을 갖고, 또한 간단한 구조체 및 구현하기에 편리한 것의 특성들을 갖는다.

일부 실시예들에서, 결정 유닛(110)은: 예측 값을 계산하기 위한 푸시 정보 피처들을 결정하고; 예측 값을 계산하기 위한 사용자 피처들을 결정하도록 구성된다.

이 실시예에서의 결정 유닛(110)의 하드웨어 구조체는 전술한 실시예에서 제공된 결정 유닛의 하드웨어 구조체와 유사하다. 이 실시예에서 결정 유닛(110)에 의해 결정되는 예측 값을 계산하기 위해 사용되는 피처들은 푸시 정보 피처들 및 사용자 피처들을 포함한다는 점을 유의해야 한다. 푸시 정보 피처들은 푸시 위치 및 푸시 시간과 같은 다양한 푸시 정보를 포함할 수 있고, 사용자 피처들은 사용자의 다양한 형태들의 피처들을 포함할 수 있다.

이러한 방식으로, 이 실시예의 푸시 정보를 대략적으로 선택하는 장치는, 예측 값을 계산할 때 푸시 정보 피처들뿐만 아니라 사용자 피처들에 주의를 기울이고, 인식될 때 사용자 피처들과 푸시 정보 피처들을 분리하지 않고, 예측 값이 계산될 때 푸시 효과들에 대한 사용자 피처들의 영향이 생략되는 것을 방지하여, 푸시 정보의 대략 선택의 정확도를 다시 향상시킨다.

결정 유닛(110)에 대응하는 다수의 선택적인 구조체가 존재한다. 2개의 선택적 구조체가 아래에 제공된다:

선택적 구조체 1:

결정 유닛(110)은 사용자 피처들의 신뢰도를 결정하고; 신뢰도에 기초하여 예측 값을 계산하기 위한 사용자 피처들을 선택하도록 구성된다. 이 경우, 결정 유닛(110)은 또한 프로세서 또는 처리 회로에 대응할 수 있거나 또는 비교기에 대응할 수 있다. 예를 들어, 비교기에 의한 비교에 의해, 신뢰도들이 신뢰도 임계값보다 큰 사용자 피처들이 예측 값을 계산하기 위한 사용자 피처들로서 선택된다.

선택적 구조체 2:

결정 유닛(110)은 예측 값을 계산하기 위한 사용자 피처들로서 사용자 피처들로부터 하나 이상의 미처리된 사용자 피처를 선택하도록 구체적으로 구성된다. 이 실시예에서, 결정 유닛(110)에 대응하는 하드웨어 구조체는 프로세서 또는 처리 회로를 또한 포함할 수 있다. 사용자 피처들을 미처리된 피처들 및 처리된 피처들로 분할하는 것에 의해, 하나 이상의 미처리된 피처가 예측 값을 계산하기 위한 사용자 피처들로서 선택된다.

결론적으로, 우선, 이 실시예의 푸시 정보를 대략적으로 선택하는 장치에서, 사용자 피처들이 도입되어 예측 값을 계산하고, 예측 값에 기초하여 푸시 정보를 대략적으로 선택한 결과는 높은 정확도의 특성을 갖는다. 둘째, 사용자 피처들을 계산에 도입하는 것에 의해 야기된 큰 계산 양의 문제는 사용자 피처들을 스크리닝하는 것에 의해 방지될 수 있다. 셋째, 미처리된 피처들과 같은 사용자 특성들을 정확하게 나타낼 수 있는 높은 신뢰도들 또는 사용자 피처들을 갖는 사용자 피처들이 계산에 참여하도록 선택됨으로써, 대략 선택 결과의 정확도를 다시 향상시킨다.

구체적인 예가 아래에 제공된다:

이 예에서의 푸시 정보는 광고들일 수 있고, 이 예는 전술한 실시예들에서 기록된 임의의 기술적 해결책에 기초하여 광고들을 대략적으로 선택하는 방법을 제공한다. 이 실시예에서,

이 예에서, 광고의 예측 값

는 다음 식

을 사용하는 것에 의해 계산되고, 예측 값은 광고가 클릭되는 확률일 수 있다.

는 피처

의 값이고,

는 피처

의 가중치이고,

는 변동 계수이고,

는 안전 인자이고,

는 피처의 표준 편차이다.

은 가우시안 랜덤 분포에 따르는 것에 의해 결정되는 랜덤 확률이다.

는 변동 값의 변동 계수이다.

가 0일 때, 변동 값은 작용하지 않는다.

는 극히 작은 상수이고 일반적으로 10000분의 1일 수 있다.

는 피처

가 지정된 값의 값을 갖는 처리될(to-be-processed) 데이터의 표준 편차이다. 일례로서 다음 표를 사용하는 것에 의해 표준 편차의 해가 설명된다. 이 예에서, 먼저 이력 광고 데이터에 따라 분류 모델이 결정될 수 있고, 그 후, 분류 모델을 이용하는 것에 의해 데이터베이스 내의 배치될(to-be-placed) 광고의 광고 정보 및 테스트될(to-be-tested) 사용자 데이터가 처리되어, 사용자가 광고를 클릭할 확률을 결정한다. 광고 정보는 테스트될 사용자 데이터, 즉 처리될 데이터이다.

전술한 표에서, 중간의 열 5은 피처 열로서 지칭되고, 제1 열은 행 시퀀스 번호 열, 제7 열은 카테고리 태그 열이다. i는 피처 열의 시퀀스 번호이다. 표 1에서의 피처 열에서의 1은 논리 값이 "예"임을 나타내고 0은 논리 값이 "아니오"임을 나타낸다. 예를 들어, 제2 열에서 "1"은 남성인 것을 나타내고 "0"은 남성이 아닌 것을 나타낸다.

제2 열에 대해서, 남성의 4개의 레코드가 있고, 4개의 레코드는 행 시퀀스 번호가 1, 4, 5 및 6인 피처 행들에 각각 있고, 4개의 행에 대응하는 카테고리 태그들은 각각 1, 0, 0, 및 0이다. 따라서,

의 계산은 (1, 0, 0, 0)의 표준 편차의 계산이다. 물론, 표준 편차를 풀기 위한 하나보다 많은 특정 방식이 있고, 여기서 하나의 구체적인 예가 제공된다.

전체 광고 시스템의 생태적 건강을 보장하고 개별 주문들이 대부분의 노출을 차지하는 것을 방지하기 위해, 작은 크기의 그리고 중간 크기의 광고들의 예측 값들은 변동 값을 도입하는 것에 의해 일부 변동을 가져서, 이들 주문들이 콘테스트에 참여하는 기회를 갖게 한다.

또한, 전술한 식을 사용하는 것에 의해, 예측 값이 계산될 때, 사용자 피처들, 예를 들어, 연령 및 성별과 같은 사용자의 기본 정보와 같은 사용자 피처들 및 광고 위치 및 주문 ID와 같은 주문 정보는 피처들로서 대략 선택 시퀀스에 직접 도입된다. 주문 정보는 실질적으로 전술한 실시예들에서 언급된 푸시 정보 피처들의 구성 부분이다.

도 5는 예측 값을 계산하는 도면이고, 훈련 데이터의 훈련을 도시한다. 훈련 데이터는 전술한 이력 푸시 데이터에 대응한다. 이 실시예에서, 01은 사용자 피처들 및 광고 피처들을 이산화하기 위해 사용된다. 예를 들어, 도 5에서 2개의 시퀀스, 0100과 1000은 사용자의 상이한 연령들 또는 상이한 연령 그룹들에 대응한다. 10 및 01은 상이한 광고들에 대응한다. 연령*광고는 연령들에 대응하는 피처 열과 광고들에 대응하는 피처 열의 데카르트 곱(Cartesian product)을 나타낸다. 도 5에 도시된 X*x는 다른 도시되지 않은 사용자 피처들 또는 광고 피처들을 나타낸다. 광고의 예측 값이 계산될 때, 광고 열만이 일반적으로 나타나고, 0과 1은 대응하는 사용자들이 광고를 보는지 또는 광고를 클릭하는지를 각각 나타내기 위해 사용된다.

훈련 데이터에서의 카테고리 태그들은 이력 광고 데이터에서의 사용자가 광고를 클릭하는 것과 같은 전환 동작을 실행하는지를 나타내기 위해 사용된다. 예를 들어, 훈련 데이터는 사용자 A가 광고 B를 클릭한 기록을 포함한다. 따라서, 도 5에서, 사용자 A가 위치되는 훈련 데이터 열에는, 사용자 A의 연령과 사용자 A가 시청하는 광고들이 기록되고, 사용자 A가 위치되는 훈련 데이터 열에서의 대응하는 카테고리 태그는 "1"을 사용하여 사용자 A가 광고를 시청한다는 것을 나타낸다.

훈련 데이터는 w 및

에 기초하여 훈련 모델을 획득하도록 훈련된다. w는 가중치를 나타내고,

는 표준 편차를 나타낸다. 예측 값

가 계산된다. 도면에서 0.02는 예에서 계산된 예측 값

가 0.02인 것을 나타낸다. 예측 값에 대응하는 데이터 열에서의 카테고리 태그의 값은 예측 값을 나타내고, 예측 값은 이력 광고에 기초하여 획득된 훈련 모델이 클릭되도록 푸시하기로 결정한 광고에 대한 확률이다.

본 발명의 실시예는 컴퓨터 저장 매체를 추가로 제공하고, 컴퓨터 저장 매체는 컴퓨터 실행가능 명령어들을 저장하고, 컴퓨터 실행가능 명령어들은 전술한 실시예들의 푸시 정보를 대략적으로 선택하는 방법들 중 적어도 하나를 수행, 예를 들어, 도 1 및/또는 도 2에 도시된 방법을 수행하기 위해 사용된다.

컴퓨터 저장 매체는 랜덤 저장 매체 RAM, 판독 전용 저장 매체 ROM, 플래시 메모리 Flash, 자기 테이프 또는 광 디스크일 수 있고, 선택적으로 비일시적인 저장 매체일 수 있다.

본 출원에 제공된 몇몇 실시예에서, 개시된 디바이스 및 방법은 다른 방식들로 구현될 수 있다는 점을 이해해야 한다. 전술한 디바이스 실시예들은 단지 개략적이다. 예를 들어, 유닛들의 분할은 단지 논리 기능들의 분할이며 실제 구현 동안 다른 분할 방식일 수 있다. 예를 들어, 다수의 유닛 또는 컴포넌트가 조합되거나 다른 시스템에 통합되거나, 일부 피처들이 생략되거나 실행되지 않을 수 있다. 또한, 디스플레이되거나 논의된 구성 부분들 사이의 상호 결합, 직접 결합 또는 통신 접속은 일부 인터페이스들, 디바이스들, 또는 유닛들에 의한 간접 결합 또는 통신 접속일 수 있으며 전기적, 기계적 또는 다른 형태일 수 있다.

별도의 컴포넌트들로서 설명된 전술한 유닛들은 물리적으로 분리될 수 있거나 그렇지 않을 수도 있다. 유닛들로서 표시되는 컴포넌트들은 물리적 유닛들일 수 있거나 그렇지 않을 수도 있으며, 하나의 위치에 배치될 수 있거나 다수의 네트워크 유닛들 상에 분산될 수 있다. 이 실시예의 해결책들의 목적은 실제 요구들에 따라 유닛들의 일부 또는 전부를 선택하는 것에 의해 구현될 수 있다.

또한, 본 발명의 실시예들에서 기능 모듈들은 하나의 처리 유닛으로 통합될 수 있거나, 유닛들 각각이 유닛 단독으로서 사용될 수 있거나, 2개 이상의 유닛이 하나의 유닛으로 통합될 수 있다. 통합되는 유닛들은 하드웨어의 형태로 구현될 수 있거나, 또는 하드웨어 및 소프트웨어 기능 유닛의 형태로 구현될 수 있다.

본 기술분야의 통상의 기술자라면, 전술한 방법 실시예들의 단계들의 전부 또는 일부는 프로그램 명령어에 관련된 하드웨어를 사용하는 것에 의해 구현될 수 있다는 것을 이해할 수 있다. 이 프로그램은 컴퓨터 판독가능 저장 매체에 저장될 수 있다. 실행될 때, 프로그램은 전술한 방법 실시예들의 단계들을 실행한다. 저장 매체는 모바일 저장 디바이스, 판독 전용 메모리(ROM, Read-Only Memory), 랜덤 액세스 메모리(RAM, Random Access Memory), 자기 디스크 또는 광 디스크와 같은 프로그램 코드를 저장할 수 있는 다양한 매체를 포함한다.

전술한 설명들은 본 발명의 단지 특정 구현예들이지만, 본 개시내용의 보호 범위를 제한하려 의도되지 않는다. 본 개시내용에 개시된 기술적 범위 내에서 본 기술분야의 통상의 기술자에 의해 용이하게 이해되는 임의의 변형 또는 대체는 본 개시내용의 보호 범위 내에 속할 것이다. 그러므로, 본 개시내용의 보호 범위는 청구범위의 보호 범위에 종속되어야 한다.

Claims

푸시 정보를 대략적으로 선택하는 방법으로서,
상기 푸시 정보의 이력 푸시 데이터에 따라 예측 값을 계산하기 위한 피처, 및 상기 피처에 대응하는 가중치를 결정하는 단계;
상기 피처의 표준 편차를 계산하는 단계;
상기 표준 편차의 변동(fluctuation) 확률을 결정하는 단계;
상기 가중치, 상기 표준 편차, 및 상기 변동 확률에 기초하여 상기 예측 값을 계산하는 단계- 상기 표준 편차 및 상기 변동 확률은 상기 가중치를 보정하기 위한 변동 값을 계산하기 위해 사용됨 -; 및
상기 예측 값에 기초하여, 미리 설정된 조건을 만족하는 푸시 정보를 선택하는 단계
를 포함하는, 방법.
제1항에 있어서,
상기 방법은,
변동 계수를 결정하는 단계- 상기 변동 계수는 상기 변동 값의 값 범위를 제한하기 위해 사용됨 -를 추가로 포함하고;
상기 가중치, 상기 표준 편차 및 상기 변동 확률에 기초하여 상기 예측 값을 계산하는 상기 단계는,
상기 가중치, 상기 표준 편차, 상기 변동 확률, 및 상기 변동 계수에 기초하여 상기 예측 값을 계산하는 단계를 포함하는, 방법.
제2항에 있어서,
상기 방법은,
안전 인자(security factor)를 결정하는 단계- 상기 안전 인자는 상기 표준 편차가 특정 값이거나 상기 표준 편차가 획득되지 않을 때 야기되는 상기 변동 값의 이상 해(abnormal solution)를 방지하기 위해 사용됨 -를 추가로 포함하고;
상기 가중치, 상기 표준 편차 및 상기 변동 확률에 기초하여 상기 예측 값을 계산하는 상기 단계는,
상기 가중치, 상기 표준 편차, 상기 변동 확률, 및 상기 안전 인자에 기초하여 상기 예측 값을 계산하는 단계를 포함하는, 방법.
제3항에 있어서,
상기 가중치, 상기 표준 편차, 상기 변동 확률 및 상기 안전 인자에 기초하여 상기 예측 값을 계산하는 상기 단계는,
다음 식:

을 사용하는 것에 의해 상기 예측 값
를 계산하는 단계를 포함하고,

는 피처
의 값이고,
는 피처
의 가중치이고,
는 상기 변동 계수이고,
는 상기 안전 인자이고,
는 상기 피처의 표준 편차인, 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 푸시 정보의 이력 푸시 데이터에 따라 예측 값을 계산하기 위한 피처 및 상기 피처에 대응하는 가중치를 결정하는 상기 단계는,
상기 예측 값을 계산하기 위한 푸시 정보 피처들을 결정하는 단계; 및
상기 예측 값을 계산하기 위한 사용자 피처들을 결정하는 단계를 포함하는, 방법.
제5항에 있어서,
상기 예측 값을 계산하기 위한 사용자 피처들을 결정하는 상기 단계는,
상기 사용자 피처들의 신뢰도를 결정하는 단계; 및
상기 신뢰도에 기초하여 상기 예측 값을 계산하기 위한 상기 사용자 피처들을 선택하는 단계를 포함하는, 방법.
제5항에 있어서,
상기 예측 값을 계산하기 위한 사용자 피처들을 결정하는 상기 단계는,
상기 예측 값을 계산하기 위한 상기 사용자 피처들로서 상기 사용자 피처들로부터 하나 이상의 미처리된 사용자 피처를 선택하는 단계를 포함하는, 방법.
푸시 정보를 대략적으로 선택하는 장치로서,
상기 장치는 결정 유닛, 계산 유닛 및 선택 유닛을 포함하고,
상기 결정 유닛은 상기 푸시 정보의 이력 푸시 데이터에 따라 예측 값을 계산하기 위한 피처, 및 상기 피처에 대응하는 가중치를 결정하도록 구성되고;
상기 계산 유닛은 상기 피처의 표준 편차를 계산하도록 구성되고;
상기 결정 유닛은 상기 표준 편차의 변동 확률을 결정하도록 추가로 구성되고;
상기 계산 유닛은 상기 가중치, 상기 표준 편차, 및 상기 변동 확률에 기초하여 상기 예측 값을 계산하도록 추가로 구성되고- 상기 표준 편차 및 상기 변동 확률은 상기 가중치를 보정하기 위한 변동 값을 계산하기 위해 사용됨 -;
상기 선택 유닛은 상기 예측 값에 기초하여, 미리 설정된 조건을 만족하는 푸시 정보를 선택하도록 구성되는, 장치.
제8항에 있어서,
상기 결정 유닛은 변동 계수를 결정하도록 추가로 구성되고, 상기 변동 계수는 상기 변동 값의 값 범위를 제한하기 위해 사용되고;
상기 계산 유닛은 상기 가중치, 상기 표준 편차, 상기 변동 확률 및 상기 변동 계수에 기초하여 상기 예측 값을 계산하도록 구성되는, 장치.
제9항에 있어서,
상기 결정 유닛은 안전 인자를 결정하도록 구성되고, 상기 안전 인자는 상기 표준 편차가 특정 값이거나 상기 표준 편차가 획득되지 않을 때 야기되는 상기 변동 값의 이상 해를 방지하기 위해 사용되고;
상기 계산 유닛은 상기 가중치, 상기 표준 편차, 상기 변동 확률 및 상기 안전 인자에 기초하여 상기 예측 값을 계산하도록 구성되는, 장치.
제10항에 있어서,
상기 계산 유닛은 다음 식:

을 사용하는 것에 의해 상기 예측 값 y를 계산하도록 구성되고,

는 피처
의 값이고,
는 피처
의 가중치이고,
는 상기 변동 계수이고,
는 상기 안전 인자이고,
는 상기 피처의 표준 편차인, 장치.
제8항 내지 제11항 중 어느 한 항에 있어서,
상기 결정 유닛은: 상기 예측 값을 계산하기 위한 푸시 정보 피처들을 결정하고; 상기 예측 값을 계산하기 위한 사용자 피처들을 결정하도록 구성되는, 장치.
제12항에 있어서,
상기 결정 유닛은: 상기 사용자 피처들의 신뢰도를 결정하고; 상기 신뢰도에 기초하여 상기 예측 값을 계산하기 위한 상기 사용자 피처들을 선택하도록 구성되는, 장치.
제12항에 있어서,
상기 결정 유닛은 상기 예측 값을 계산하기 위한 상기 사용자 피처들로서 상기 사용자 피처들로부터 하나 이상의 미처리된 사용자 피처를 선택하도록 구성되는, 장치.
컴퓨터 저장 매체로서,
상기 컴퓨터 저장 매체는 컴퓨터 실행가능 명령어들을 저장하고, 상기 컴퓨터 실행가능 명령어들은 제1항 내지 제7항에 따른 푸시 정보를 대략적으로 선택하는 방법들 중 적어도 하나를 수행하기 위해 사용되는, 컴퓨터 저장 매체.