本申請涉及計算機處理的
技術(shù)領(lǐng)域：
，特別是涉及一種業(yè)務(wù)對象的展示方法和一種業(yè)務(wù)對象的展示裝置。
背景技術(shù)：
：隨著網(wǎng)絡(luò)科技的快速發(fā)展，各種網(wǎng)絡(luò)平臺集成眾多的產(chǎn)品信息，便于各網(wǎng)站通過該網(wǎng)絡(luò)平臺與其他用戶交流。后端用戶為讓更多的前端用戶獲取自己的產(chǎn)品信息，通常有兩條途徑，一條是通過自然搜索的方式，二是通過競爭推廣的方式。第一種方式競爭比較激烈，優(yōu)化周期較長，因此，很多后端用戶會選擇更加快捷的第二種方式。在競爭推廣中，通常會預(yù)估該產(chǎn)品信息的點擊率進行排序的優(yōu)化。但在實際中，因為點擊事件很稀少，同時也存在不斷出現(xiàn)的新產(chǎn)品，造成點擊率的預(yù)估存在固有的不確定性。鑒于點擊率的預(yù)估固有的一些不確定性，目前會對預(yù)估的點擊率進行調(diào)整，但是，精確度較低，導(dǎo)致排序的效果較差。技術(shù)實現(xiàn)要素：鑒于上述問題，提出了本申請實施例以便提供一種克服上述問題或者至少部分地解決上述問題的一種業(yè)務(wù)對象的展示方法和相應(yīng)的一種業(yè)務(wù)對象的展示裝置。為了解決上述問題，本申請實施例公開了一種業(yè)務(wù)對象的展示方法，包括：根據(jù)第一業(yè)務(wù)對象在第一展示頁面展示時的歷史行為數(shù)據(jù)，訓(xùn)練對點擊率進行修正的修正指數(shù)；當(dāng)接收到搜索關(guān)鍵詞時，查找與所述搜索關(guān)鍵詞匹配的一個或多個第二 業(yè)務(wù)對象，所述搜索關(guān)鍵詞關(guān)聯(lián)第二展示頁面，所述一個或多個第二業(yè)務(wù)對象關(guān)聯(lián)一個或多個預(yù)估點擊率；查找與所述第二展示頁面同類型的第一展示頁面的修正指數(shù)；根據(jù)由所述修正指數(shù)修正的一個或多個預(yù)估點擊率，計算所述一個或多個第二業(yè)務(wù)對象的排序分；以及返回排序分最高的一個或多個第二業(yè)務(wù)對象，以在所述第二展示頁面進行展示。可選地，所述根據(jù)第一業(yè)務(wù)對象在第一展示頁面展示時的歷史行為數(shù)據(jù)，訓(xùn)練對點擊率進行修正的修正指數(shù)的步驟包括：在第一時間段內(nèi)，查找權(quán)限參數(shù)在單位展示次數(shù)內(nèi)的消耗值最高的一個或多個第一業(yè)務(wù)對象；在所述第一時間段之前的第二時間段內(nèi)，計算所述一個或多個第一業(yè)務(wù)對象的排序分的概率分布；計算所述一個或多個第一業(yè)務(wù)對象的單位展示次數(shù)內(nèi)的消耗值的概率分布；計算所述單位展示次數(shù)內(nèi)的消耗值的概率分布與所述排序分的概率分布之間的分布差異；對所述分布差異進行迭代優(yōu)化處理；以及當(dāng)?shù)鷥?yōu)化處理收斂時，將收斂的結(jié)果設(shè)置為修正指數(shù)。可選地，所述計算所述一個或多個第一業(yè)務(wù)對象的單位展示次數(shù)內(nèi)的消耗值的概率分布的步驟包括：計算每個第一業(yè)務(wù)對象的單位展示次數(shù)內(nèi)的消耗值與全部第一業(yè)務(wù)對象的單位展示次數(shù)內(nèi)的消耗值之和的比值，獲得單位展示次數(shù)內(nèi)的消耗值的概率分布?？蛇x地，所述計算所述一個或多個第一業(yè)務(wù)對象的排序分的概率分布的步驟包括：計算每個第一業(yè)務(wù)對象在一個或多個搜索關(guān)鍵詞下的子排序分，所述第一業(yè)務(wù)對象被所述搜索關(guān)鍵詞搜索到并按照所述排序分進行展示；對每個第一業(yè)務(wù)對象的每個子排序分配置排序權(quán)重；對每個第一業(yè)務(wù)對象，計算配置排序權(quán)重之后每個子排序分的和，獲得總排序分；以及分別計算每個第一業(yè)務(wù)對象的總排序分與全部第一業(yè)務(wù)對象的總排序分之和的比值，獲得排序分的概率分布?？蛇x地，所述分別計算每個第一業(yè)務(wù)對象在一個或多個搜索關(guān)鍵詞下的子排序分的步驟包括：計算某個第一業(yè)務(wù)對象在某個搜索關(guān)鍵詞下的預(yù)估點擊率；按照初始的修正指數(shù)對所述預(yù)估點擊率進行修正；以及基于修正之后的預(yù)估點擊率計算所述第一業(yè)務(wù)對象在所述搜索關(guān)鍵詞下的子排序分。可選地，所述排序權(quán)重為某個第一業(yè)務(wù)對象在某個搜索關(guān)鍵詞下的累加的消耗值，與，在所有搜索關(guān)鍵詞下的累加的消耗值之和的比值?？蛇x地，所述計算所述單位展示次數(shù)內(nèi)的消耗值的概率分布與所述排序分的概率分布之間的分布差異的步驟包括：計算所述單位展示次數(shù)內(nèi)的消耗值的概率分布與所述排序分的概率分布之間的KL距離，作為分別差異?？蛇x地，所述計算所述單位展示次數(shù)內(nèi)的消耗值的概率分布與所述排序分的概率分布之間的分布差異的步驟還包括：去除所述KL距離中的常數(shù)項?？蛇x地，所述對所述分布差異進行迭代優(yōu)化處理的步驟包括：在每一次迭代優(yōu)化處理中，計算所述KL距離對所述修正指數(shù)的梯度；以及沿所述梯度的負(fù)方向、以一定的步長修改修正指數(shù)?？蛇x地，所述一個或多個第二業(yè)務(wù)對象還關(guān)聯(lián)有一個或多個權(quán)限參數(shù)；所述根據(jù)由所述修正指數(shù)修正的一個或多個預(yù)估點擊率，計算所述一個或多個第二業(yè)務(wù)對象的排序分的步驟包括：按照所述修正指數(shù)對所述一個或多個預(yù)估點擊率進行修正；以及計算修正之后的一個或多個預(yù)估點擊率與所述一個或多個權(quán)限參數(shù)的乘積，獲得所述一個或多個第二業(yè)務(wù)對象的排序分。本申請實施例還公開了一種業(yè)務(wù)對象的展示裝置，包括：修正指數(shù)訓(xùn)練模塊，用于根據(jù)第一業(yè)務(wù)對象在第一展示頁面展示時的歷史行為數(shù)據(jù)，訓(xùn)練對點擊率進行修正的修正指數(shù)；業(yè)務(wù)對象匹配模塊，用于在接收到搜索關(guān)鍵詞時，查找與所述搜索關(guān)鍵詞匹配的一個或多個第二業(yè)務(wù)對象，所述搜索關(guān)鍵詞關(guān)聯(lián)第二展示頁面，所述一個或多個第二業(yè)務(wù)對象關(guān)聯(lián)一個或多個預(yù)估點擊率；修正指數(shù)查找模塊，用于查找與所述第二展示頁面同類型的第一展示頁面的修正指數(shù)；排序分計算模塊，用于根據(jù)由所述修正指數(shù)修正的一個或多個預(yù)估點擊率，計算所述一個或多個第二業(yè)務(wù)對象的排序分；以及業(yè)務(wù)對象返回模塊，用于返回排序分最高的一個或多個第二業(yè)務(wù)對象，以在所述第二展示頁面進行展示?？蛇x地，所述修正指數(shù)訓(xùn)練模塊包括：業(yè)務(wù)對象查找子模塊，用于在第一時間段內(nèi)，查找權(quán)限參數(shù)的單位展示次數(shù)內(nèi)的消耗值最高的一個或多個第一業(yè)務(wù)對象；排序分布計算子模塊，用于在所述第一時間段之前的第二時間段內(nèi)，計算所述一個或多個第一業(yè)務(wù)對象的排序分的概率分布；消耗分布計算子模塊，用于計算所述一個或多個第一業(yè)務(wù)對象的單位展示次數(shù)內(nèi)的消耗值的概率分布；分布差異計算子模塊，用于計算所述單位展示次數(shù)內(nèi)的消耗值的概率分布與所述排序分的概率分布之間的分布差異；迭代優(yōu)化子模塊，用于對所述分布差異進行迭代優(yōu)化處理；以及修正指數(shù)設(shè)置子模塊，用于在迭代優(yōu)化處理收斂時，將收斂的結(jié)果設(shè)置為修正指數(shù)。可選地，所述消耗值為針對某個第一業(yè)務(wù)對象扣減的權(quán)限參數(shù)。可選地，所述消耗分布計算子模塊包括：消耗比值計算單元，用于計算每個第一業(yè)務(wù)對象的單位展示次數(shù)內(nèi)的消耗值與全部第一業(yè)務(wù)對象的單位展示次數(shù)內(nèi)的消耗值之和的比值，獲得單位展示次數(shù)內(nèi)的消耗值的概率分布。可選地，所述排序分布計算子模塊包括：子排序分計算單元，用于計算每個第一業(yè)務(wù)對象在一個或多個搜索關(guān)鍵詞下的子排序分，所述第一業(yè)務(wù)對象被所述搜索關(guān)鍵詞搜索到并按照所述排序分進行展示；排序權(quán)重配置單元，用于對每個第一業(yè)務(wù)對象的每個子排序分配置排序權(quán)重；總排序分計算單元，用于對每個第一業(yè)務(wù)對象，計算配置排序權(quán)重之后每個子排序分的和，獲得總排序分；以及排序分比值計算單元，用于分別計算每個第一業(yè)務(wù)對象的總排序分與全部第一業(yè)務(wù)對象的總排序分之和的比值，獲得排序分的概率分布?？蛇x地，所述子排序分計算單元包括：預(yù)估點擊率計算子單元，用于計算某個第一業(yè)務(wù)對象在某個搜索關(guān)鍵詞下的預(yù)估點擊率；預(yù)估點擊率修正子單元，用于按照初始的修正指數(shù)對所述預(yù)估點擊率進行修正；以及修正子排序分計算子單元，用于基于修正之后的預(yù)估點擊率計算所述第一業(yè)務(wù)對象在所述搜索關(guān)鍵詞下的子排序分?？蛇x地，所述排序權(quán)重為某個第一業(yè)務(wù)對象在某個搜索關(guān)鍵詞下的累加的消耗值，與，在所有搜索關(guān)鍵詞下的累加的消耗值之和的比值?？蛇x地，所述分布差異計算子模塊包括：KL距離計算單元，用于計算所述單位展示次數(shù)內(nèi)的消耗值的概率分布與所述排序分的概率分布之間的KL距離，作為分別差異?？蛇x地，所述分布差異計算子模塊還包括：常數(shù)項去除單元，用于去除所述KL距離中的常數(shù)項?？蛇x地，所述迭代優(yōu)化子模塊包括：梯度計算單元，用于在每一次迭代優(yōu)化處理中，計算所述KL距離對所述修正指數(shù)的梯度；以及梯度修正單元，用于沿所述梯度的負(fù)方向、以一定的步長修改修正指數(shù)?？蛇x地，所述一個或多個第二業(yè)務(wù)對象還關(guān)聯(lián)有一個或多個權(quán)限參數(shù)；所述排序分計算模塊包括：預(yù)估點擊率修正子模塊，用于按照所述修正指數(shù)對所述一個或多個預(yù)估點擊率進行修正；以及乘積計算子模塊，用于計算修正之后的一個或多個預(yù)估點擊率與所述一個或多個權(quán)限參數(shù)的乘積，獲得所述一個或多個第二業(yè)務(wù)對象的排序分。本申請實施例包括以下優(yōu)點：本申請實施例基于機器學(xué)習(xí)的方法，通過實際的第一業(yè)務(wù)對象在第一展示頁面展示時的歷史行為數(shù)據(jù)作為訓(xùn)練的樣本，學(xué)習(xí)出修正指數(shù)，相對于人工估算，通過機器學(xué)習(xí)，提高了修正指數(shù)的精確度，大大提高了學(xué)習(xí)的效率、大大下降學(xué)習(xí)的了成本，并且，適應(yīng)了不同的場景，大大提高了擴展性，并進一步提高了修正指數(shù)的精確度。進而，按照較高精確度的修正指數(shù)修正預(yù)估點擊率，并計算排序分對第二業(yè)務(wù)對象進行排序，提高了排序的準(zhǔn)確率，提高了用戶需求的業(yè)務(wù)對象的展示幾率，降低了當(dāng)前平臺服務(wù)器、客戶端的資源占用與浪費，避免用戶多次翻頁操作或者去其他平臺進行搜索，提高了操作的簡便性，減少用戶時間的耗費，也減少了其他平臺服務(wù)器和客戶端的資源消耗。附圖說明圖1是本申請的一種業(yè)務(wù)對象的展示方法實施例的步驟流程圖；圖2是本申請實施例的一種修正指數(shù)的學(xué)習(xí)示例圖；圖3是本申請的一種業(yè)務(wù)對象的展示裝置實施例的結(jié)構(gòu)框圖。具體實施方式為使本申請的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實施方式對本申請作進一步詳細的說明。在實際應(yīng)用中，鑒于點擊率的預(yù)估固有的一些不確定性，目前會對預(yù)估的點擊率進行調(diào)整，大多是將預(yù)估的點擊率配置某個指數(shù)，降低預(yù)估的點擊率在最終排序中的權(quán)重。但是，這個指數(shù)往往是通過人工嘗試多次調(diào)優(yōu)，進行線上對比測試才能猜出一個相對較好的值。其一，依賴人工經(jīng)驗得到的指數(shù)精確度較低；其二，這種指數(shù)一般是針對全部產(chǎn)品信息的，形式單一，擴展性差，導(dǎo)致指數(shù)精確度低；其三，由于產(chǎn)品不同變化，這個指數(shù)的最優(yōu)值也會隨著時間的變化而變化，導(dǎo)致需要繁重的重復(fù)人工試驗，效率很低，成本很高?？傊?，通過人工經(jīng)驗得到的指數(shù)精確度較低，導(dǎo)致排序的效果較差，會使得用戶需求的產(chǎn)品信息的排序很低，使得其展示的位置靠后，甚至無法展示。一方面，這些不匹配用戶需求的產(chǎn)品信息不僅占用了平臺服務(wù)器的資源，而且還占用了客戶端的資源，造成不必要的資源占用與浪費。另一方面，用戶需要獲取自己感興趣的產(chǎn)品信息，可能需要進行多次翻頁操作，甚至再次去其他平臺進行搜索，再次進行海量信息的搜索、對比、篩選等獲取相關(guān)的產(chǎn)品信息，操作更加繁瑣，耗費用戶的時間，而且，將大大增加其他平臺服務(wù)器和客戶端的資源消耗。參照圖1，示出了本申請的一種業(yè)務(wù)對象的展示方法實施例的步驟流程圖，該方法100具體可以包括如下步驟：步驟101，根據(jù)第一業(yè)務(wù)對象在第一展示頁面展示時的歷史行為數(shù)據(jù)，訓(xùn)練對點擊率進行修正的修正指數(shù)；需要說明的是，本申請實施例可以應(yīng)用于網(wǎng)絡(luò)平臺，其本質(zhì)可以為獨立 的服務(wù)器或服務(wù)器集群，如分布式系統(tǒng)，其存儲了海量的不同領(lǐng)域的業(yè)務(wù)對象。在不同的領(lǐng)域中可以具有不同的業(yè)務(wù)對象(如第一業(yè)務(wù)對象、第二業(yè)務(wù)對象)，即體現(xiàn)該領(lǐng)域特性的數(shù)據(jù)。例如，在通信領(lǐng)域中，業(yè)務(wù)對象可以為通信數(shù)據(jù)；在新聞媒體領(lǐng)域中，業(yè)務(wù)對象可以為新聞數(shù)據(jù)；在搜索領(lǐng)域中，業(yè)務(wù)對象可以為網(wǎng)頁；在電子商務(wù)(ElectronicCommerce，EC)領(lǐng)域中，業(yè)務(wù)對象可以為廣告數(shù)據(jù)，等等。在不同的領(lǐng)域中，雖然業(yè)務(wù)對象承載領(lǐng)域特性而有所不同，但其本質(zhì)都是數(shù)據(jù)，例如，文本數(shù)據(jù)、圖像數(shù)據(jù)、音頻數(shù)據(jù)、視頻數(shù)據(jù)等等，相對地，對業(yè)務(wù)對象的處理，本質(zhì)都是對數(shù)據(jù)的處理。為使本領(lǐng)域技術(shù)人員更好地理解本申請實施例，在本申請實施例中，將廣告數(shù)據(jù)作為業(yè)務(wù)對象的一種示例進行說明。在實際應(yīng)用中，用戶可以通過客戶端(如瀏覽器)提交搜索關(guān)鍵詞，則網(wǎng)絡(luò)平臺依據(jù)該搜索關(guān)鍵詞進行搜索，如搜索綁定該搜索關(guān)鍵詞的一個或多個第一業(yè)務(wù)對象，至少基于預(yù)估點擊率對該第一業(yè)務(wù)對象計算排序分，并展示排序分最高的前N(N為正整數(shù))個第一業(yè)務(wù)對象。上述歷史行為數(shù)據(jù)可以記錄在網(wǎng)絡(luò)平臺的日志數(shù)據(jù)中，例如，搜索、瀏覽、點擊、收藏等等，也記錄了業(yè)務(wù)對象的信息，例如，廣告的展示、被點擊、出價、扣費等等。電子商務(wù)網(wǎng)站的日志數(shù)據(jù)的示例如下表所示：序號名稱說明1Query搜索關(guān)鍵詞2Offer_ID標(biāo)識Offer(廣告數(shù)據(jù))的ID3Company_IDOffer(廣告數(shù)據(jù))所屬公司的ID5RankOffer的展示區(qū)域6Is_ClickOffer是否被點擊………………在應(yīng)用日志數(shù)據(jù)之前，通?？梢赃M行預(yù)處理，去除噪聲數(shù)據(jù)，如諸如欺詐數(shù)據(jù)、爬蟲數(shù)據(jù)等，以及，去除無效的數(shù)據(jù)，如在非指定的位置之外的操作等，以提高日志數(shù)據(jù)的準(zhǔn)確度。本申請實施例中，提出了通過機器學(xué)習(xí)的方法來自動學(xué)習(xí)預(yù)估點擊率的修正指數(shù)，基于實際樣本，學(xué)習(xí)出最優(yōu)的修正指數(shù)。而對于一個網(wǎng)絡(luò)平臺，尤其是電商平臺而言，業(yè)務(wù)對象(如廣告數(shù)據(jù))往往遍布在各個地方，而且業(yè)務(wù)對象(如廣告數(shù)據(jù))的形式也是多種多樣。使得各個位置對預(yù)估點擊率的修正指數(shù)的取值往往是不同的：在某個位置或某種業(yè)務(wù)對象(如廣告數(shù)據(jù))的可取得較好效果的預(yù)估點擊率的修正指數(shù)取值，如果直接用于其他的位置或者形式上，可能獲得更差的效果。因此，本申請實施例進一步按照具體的情景學(xué)習(xí)預(yù)估點擊率的修正指數(shù)，針對單個場景學(xué)習(xí)一個最優(yōu)的預(yù)估點擊率的修正指數(shù)。如，在電子商務(wù)網(wǎng)站的主頁面、電子商務(wù)網(wǎng)站的商品推薦頁面、搜索引擎的搜索結(jié)果頁面等等，均可以作為一個獨立的場景。這個最優(yōu)的預(yù)估點擊率的修正指數(shù)會應(yīng)用到這個場景的業(yè)務(wù)對象的展示，作用于該場景每次展示的所有待排序的業(yè)務(wù)對象(如廣告數(shù)據(jù))，也就是說，對于單個特定的場景，每個業(yè)務(wù)對象(如廣告數(shù)據(jù))的預(yù)估點擊率的修正指數(shù)是相同的。在本申請的一種實施例中，步驟101可以包括如下子步驟：子步驟S11，在第一時間段內(nèi)，查找權(quán)限參數(shù)的單位展示次數(shù)內(nèi)的消耗值最高的一個或多個第一業(yè)務(wù)對象；在具體實現(xiàn)中，該權(quán)限參數(shù)可以用于對業(yè)務(wù)對象的展示操作進行約束，如業(yè)務(wù)對象在展示后被用戶點擊，則按照一定的參數(shù)值進行扣減，當(dāng)該權(quán)限參數(shù)的數(shù)值小于一定的參數(shù)值時，禁止業(yè)務(wù)對象的展示。進一步而言，消耗值可以為針對某個第一業(yè)務(wù)對象扣減的權(quán)限參數(shù)。例如，在電子商務(wù)領(lǐng)域中，該權(quán)限參數(shù)可以為廣告主的預(yù)存款，該消耗值可以為扣費，即為網(wǎng)絡(luò)平臺帶來的收益，單位展示次數(shù)內(nèi)的消耗值可以為RPM，即廣告數(shù)據(jù)每千次展現(xiàn)帶來的收益。具體而言，廣告主在推廣產(chǎn)品的時候會對網(wǎng)絡(luò)平臺的一些搜索關(guān)鍵詞設(shè)置競價BidPrice，一般的收費模式為CPC(按點擊扣費)，即若該廣告主通過購買的搜索關(guān)鍵詞展示廣告數(shù)據(jù)，并被用戶點擊時，按照競價BidPrice來產(chǎn)生扣費，實際的扣費一般小于或等于該競價。實際的單位展示次數(shù)內(nèi)的消耗值(如RPM)的分布一般近似呈現(xiàn)周期性變動，因此，可以選擇單位展示次數(shù)內(nèi)的消耗值周期性變動的時間段的第一時間段。例如，對于電子商務(wù)領(lǐng)域的廣告數(shù)據(jù)，該周期性時間通常表現(xiàn)為一周，因此，本示例中可以選擇前一周作為目標(biāo)窗口的第一時間段。子步驟S12，在所述第一時間段之前的第二時間段內(nèi)，計算所述一個或多個第一業(yè)務(wù)對象的排序分的概率分布；機器學(xué)習(xí)的目的是進行預(yù)測，因此，采用的訓(xùn)練樣本，一般在第一時間段之前。在一個示例中，可以選擇第一時間段(如當(dāng)前一周)之前的一個月作為第二時間段，因為一個月的數(shù)據(jù)量基本可以滿足本申請實施例中機器學(xué)習(xí)樣本量的要求，比較可信。例如，對某個廣告數(shù)據(jù)的應(yīng)用場景，如網(wǎng)站主搜頁面，取最近一周RPM最大的K(K為正整數(shù))個廣告數(shù)據(jù)，如超過該場景總RPM50％的前K個廣告數(shù)據(jù)。則其排序分的概率分布為：(q1,q2,...,qk)在本申請的一種實施例中，子步驟S12進一步可以包括如下子步驟：子步驟S121，計算每個第一業(yè)務(wù)對象在一個或多個搜索關(guān)鍵詞下的子排序分；其中，第一業(yè)務(wù)對象在先被該搜索關(guān)鍵詞搜索到，并按照子排序分進行展示，如展示排序分最高的一個或多個第一業(yè)務(wù)對象。在本申請實施例的一種示例中，子步驟S121進一步可以包括如下子步驟：子步驟S1211，計算某個第一業(yè)務(wù)對象在某個搜索關(guān)鍵詞下的預(yù)估點擊率；在日志數(shù)據(jù)中，記錄有業(yè)務(wù)對象(如廣告數(shù)據(jù))本身的信息，則可以通過該信息預(yù)估點擊率(estimatedCTR，eCTR)，即基于模型估算得到的業(yè)務(wù)對象的點擊率。需要說明的是，本申請實施例將流量細分到搜索關(guān)鍵詞query上，預(yù)估點擊率的計算按照搜索關(guān)鍵詞query細分，即可以從總的展現(xiàn)數(shù)據(jù)和點擊數(shù)據(jù)中提取出單搜索關(guān)鍵詞下的展現(xiàn)數(shù)據(jù)和點擊數(shù)據(jù)，從而得到廣告商品在不同搜索關(guān)鍵詞query下的預(yù)估點擊率。子步驟S1212，按照初始的修正指數(shù)對所述預(yù)估點擊率進行修正；以及子步驟S1213，基于修正之后的預(yù)估點擊率計算所述第一業(yè)務(wù)對象在所述搜索關(guān)鍵詞下的子排序分。在一種子排序分的計算方式中，第一業(yè)務(wù)對象具有關(guān)聯(lián)的權(quán)限參數(shù)，如廣告主對廣告數(shù)據(jù)的競價的平均值，修正之后的預(yù)估點擊率與該權(quán)限參數(shù)的乘積為子排序分。即，假設(shè)廣告數(shù)據(jù)i在X(X為正整數(shù))個搜索關(guān)鍵詞query下被展示過，在第j個搜索關(guān)鍵詞query下的平均競價為BidPriceij，在第j個搜索關(guān)鍵詞query下的預(yù)估點擊率為CTRij，這兩個數(shù)據(jù)可以直接得到。則，對某個初始化的修正指數(shù)α(如1)，在第j個搜索關(guān)鍵詞query下的子排序分為當(dāng)然，除了上述計算方式外，還可以采用其他計算方式，例如，以修正之后的預(yù)估點擊率與權(quán)限參數(shù)、質(zhì)量分(用于衡量搜索關(guān)鍵詞與業(yè)務(wù)對象的匹配度)的乘積為子排序分，等等，本申請實施例對此不加以限制。子步驟S122，對每個第一業(yè)務(wù)對象的每個子排序分配置排序權(quán)重；在實際應(yīng)用中，該排序權(quán)重可以為某個第一業(yè)務(wù)對象在某個搜索關(guān)鍵詞下的累加的消耗值，與，在搜索關(guān)鍵詞下的累加的消耗值之和的比值。需要說明的是，累加的消耗值為真實的消耗值，并非限定單位展示次數(shù)。則針對上述示例，第j個搜索關(guān)鍵詞query的排序權(quán)重如下：子步驟S123，對每個第一業(yè)務(wù)對象，計算配置排序權(quán)重之后每個子排序分的和，獲得總排序分；以及在本申請實施例中，對所有加權(quán)后的子排序分求和，獲得這個業(yè)務(wù)對象的行排序分如下：子步驟S124，分別計算每個第一業(yè)務(wù)對象的總排序分與全部第一業(yè)務(wù)對象的總排序分之和的比值，獲得排序分的概率分布。對于排序分的概率分布(q1,q2,...,qk)，qi表示在K個第一業(yè)務(wù)對象中第i個第一業(yè)務(wù)對象的總排序分，i為正整數(shù)。子步驟S13，計算所述一個或多個第一業(yè)務(wù)對象的單位展示次數(shù)內(nèi)的消耗值的概率分布；在具體實現(xiàn)中，可以計算每個第一業(yè)務(wù)對象的單位展示次數(shù)內(nèi)的消耗值與全部第一業(yè)務(wù)對象的單位展示次數(shù)內(nèi)的消耗值之和的比值，獲得單位展示次數(shù)內(nèi)的消耗值的概率分布。例如，對某個廣告數(shù)據(jù)的應(yīng)用場景，如網(wǎng)站主搜頁面，取最近一周RPM最大的K(K為正整數(shù))個廣告數(shù)據(jù)，如超過該場景總RPM50％的前K個廣告數(shù)據(jù)。則其單位展示次數(shù)內(nèi)的消耗值的概率分布為：(p1,p2,...,pk)其中，ri表示在K個第一業(yè)務(wù)對象中單位展示次數(shù)內(nèi)的消耗值第i大的第一業(yè)務(wù)對象的單位展示次數(shù)內(nèi)的消耗值，i為正整數(shù)。進一步地，在電子商務(wù)領(lǐng)域中，ri又稱廣告數(shù)據(jù)的展示RPM。子步驟S14，計算所述單位展示次數(shù)內(nèi)的消耗值的概率分布與所述排序分的概率分布之間的分布差異；單位展示次數(shù)內(nèi)的消耗值的概率分布與排序分的概率分布之間的差異越小，兩者的情況也就越相似。在一種計算方式中，可以計算單位展示次數(shù)內(nèi)的消耗值的概率分布與排序分的概率分布之間的KL距離，作為分別差異。KL距離，是Kullback-Leibler差異(Kullback-LeiblerDivergence)的簡稱，也叫做相對熵(RelativeEntropy)，它衡量的是相同事件空間里的兩個概率分布的差異情況。其物理意義是：在相同事件空間里，概率分布P(x)的事件空間，若用概率分布Q(x)編碼時，平均每個基本事件(符號)編碼長度增加了多少比特。若以D(P||Q)表示KL距離，計算公式如下：則在本申請實施例中，KL距離如下所示：進一步地，對上述KL距離進行如下變形：由于單位展示次數(shù)內(nèi)的消耗值的概率分布(p1,p2,...,pk)是通過日志數(shù)據(jù)計算出來的，是常數(shù)值，因此，也是常數(shù)項(const)。在本申請實施例中，優(yōu)化的參數(shù)為修正指數(shù)α，去除KL距離中的常數(shù)項，可以減少迭代優(yōu)化處理中不必要的計算，提升效率。去除常數(shù)項的KL距離如下所示：當(dāng)然，除了KL距離之外，還可以采用其他方式計算分布差異，如余弦 值等等，本申請實施例對此不加以限制。子步驟S15，對所述分布差異進行迭代優(yōu)化處理；以及子步驟S16，當(dāng)?shù)鷥?yōu)化處理收斂時，將收斂的結(jié)果設(shè)置為修正指數(shù)。在本申請實施例中，迭代優(yōu)化處理的目標(biāo)是使分布差異能取得最小值。如圖2所示，若排序分的概率分(q1,q2,...,qk)以直方圖表示，-單位展示次數(shù)內(nèi)的消耗值的概率分布(p1,p2,...,pk)以曲線表示，迭代優(yōu)化處理的目標(biāo)是調(diào)整修正指數(shù)α，改變直方圖的形狀(如高度)，使得直方圖最貼近曲線。在一種優(yōu)化方式中，可以應(yīng)用SGD(stochasticgradientdescent，隨機梯度下降)。具體而言，在每一次迭代優(yōu)化處理中，將KL距離對修正指數(shù)求偏導(dǎo)，計算KL距離對修正指數(shù)的梯度；由于是要最小化KL距離，因此，可以沿該梯度的負(fù)方向、以一定的步長修改修正指數(shù)。其表示如下：其中，si′為si對修正指數(shù)α的導(dǎo)數(shù)，將應(yīng)用SGD的KL距離迭代至收斂，則可得到最優(yōu)的修正指數(shù)α。當(dāng)然，除了SGD之外，還可以應(yīng)用其他迭代優(yōu)化處理，如GD(梯度下降)、共軛梯度法等其他一階優(yōu)化方式，二階優(yōu)化方式(如牛頓法等)等等，本申請實施例對此不加以限制。需要說明的是，不同類型的第一展示頁面的修正指數(shù)可以在離線時訓(xùn)練并存儲，也可以在線訓(xùn)練，本申請實施例對此不加以限制。步驟102，當(dāng)接收到搜索關(guān)鍵詞時，查找與所述搜索關(guān)鍵詞匹配的一個或多個第二業(yè)務(wù)對象；在實際應(yīng)用中，用戶可以通過客戶端(如瀏覽器)向網(wǎng)絡(luò)平臺發(fā)出搜索關(guān)鍵詞。例如，用戶可以在網(wǎng)絡(luò)平臺的頁面搜索某個搜索關(guān)鍵詞，也可以在搜索引擎中搜索某個搜索關(guān)鍵詞等等。若網(wǎng)絡(luò)平臺接收到搜索關(guān)鍵詞，則可以查找與該搜索關(guān)鍵詞匹配的業(yè)務(wù)對象。在電子商務(wù)領(lǐng)域中，網(wǎng)絡(luò)平臺可以通過該搜索關(guān)鍵詞與第二業(yè)務(wù)對象預(yù)先綁定的文本信息(如廣告數(shù)據(jù)的競價詞)進行匹配，若匹配上該文本信息，可以認(rèn)為該搜索關(guān)鍵詞與該業(yè)務(wù)對象匹配。針對不同的情景，搜索關(guān)鍵詞關(guān)聯(lián)不同的第二展示頁面，如，在網(wǎng)絡(luò)平臺的頁面搜索某個搜索關(guān)鍵詞，則網(wǎng)絡(luò)平臺的主頁面為第二展示頁面，又如，在搜索引擎中搜索某個搜索關(guān)鍵詞，則搜索引擎的主頁面為第二展示頁面，等等。步驟103，查找與所述第二展示頁面同類型的第一展示頁面的修正指數(shù)；若已訓(xùn)練好各個類型的第一展示頁面的修正指數(shù)，則可以通過第二展示頁面與第一展示頁面的類型匹配，查找出當(dāng)前情景所需的修正指數(shù)。步驟104，根據(jù)由所述修正指數(shù)修正的一個或多個預(yù)估點擊率，計算所述一個或多個第二業(yè)務(wù)對象的排序分；在本申請實施例的一種示例中，該一個或多個第二業(yè)務(wù)對象關(guān)聯(lián)一個或多個預(yù)估點擊率，則在本示例中，可以按照所述修正指數(shù)對一個或多個預(yù)估點擊率進行修正，計算修正之后的一個或多個預(yù)估點擊率與一個或多個權(quán)限參數(shù)的乘積，獲得一個或多個第二業(yè)務(wù)對象的排序分。則排序分可以如下表示：RankScore＝BidPrice*eCTRα其中，RankScore為排序分，BidPrice為權(quán)限參數(shù)，eCTR為預(yù)估點擊率。當(dāng)然，除了上述計算方式外，還可以采用其他計算方式，例如，以修正之后的預(yù)估點擊率與權(quán)限參數(shù)、質(zhì)量分的乘積為子排序分，等等，本申請實施例對此不加以限制。步驟105，返回排序分最高的一個或多個第二業(yè)務(wù)對象，以在所述第二展示頁面進行展示。在具體實現(xiàn)中，網(wǎng)絡(luò)平臺可以對客戶端的搜索關(guān)鍵詞進行響應(yīng)，將排序分最高的一個或多個第二業(yè)務(wù)對象推送至客戶端，由客戶端在第二展示頁面進行加載，展示給用戶。若在分布式系統(tǒng)等計算機集群中，應(yīng)用服務(wù)器接收到搜索關(guān)鍵詞，確定排序分最高的一個或多個第二業(yè)務(wù)對象，根據(jù)該第二業(yè)務(wù)對象的ID從資源服務(wù)器請求該第二業(yè)務(wù)對象的數(shù)據(jù)，然后連同第二展示頁面返回客戶端進行展示。本申請實施例基于機器學(xué)習(xí)的方法，通過實際的第一業(yè)務(wù)對象在第一展示頁面展示時的歷史行為數(shù)據(jù)作為訓(xùn)練的樣本，學(xué)習(xí)出修正指數(shù)，相對于人工估算，通過機器學(xué)習(xí)，提高了修正指數(shù)的精確度，大大提高了學(xué)習(xí)的效率、大大下降學(xué)習(xí)的了成本，并且，適應(yīng)了不同的場景，大大提高了擴展性，并進一步提高了修正指數(shù)的精確度。進而，按照較高精確度的修正指數(shù)修正預(yù)估點擊率，并計算排序分對第二業(yè)務(wù)對象進行排序，提高了排序的準(zhǔn)確率，提高了用戶需求的業(yè)務(wù)對象的展示幾率，降低了當(dāng)前平臺服務(wù)器、客戶端的資源占用與浪費，避免用戶多次翻頁操作或者去其他平臺進行搜索，提高了操作的簡便性，減少用戶時間的耗費，也減少了其他平臺服務(wù)器和客戶端的資源消耗。目前電子商務(wù)發(fā)展迅速，而廣告數(shù)據(jù)作為電商的收益方式之一，也得到了非常好的發(fā)展。無論是搜索廣告數(shù)據(jù)還是展示廣告數(shù)據(jù)而言，大多都涉及到廣告數(shù)據(jù)的排序工作，即針對展示位置將業(yè)務(wù)效果最好的若干個廣告數(shù)據(jù)進行展示。當(dāng)前業(yè)界通用的廣告數(shù)據(jù)的排序方法，大多是基于廣告數(shù)據(jù)的競價BidPrice乘以預(yù)估的點擊率，即RankSocre＝BidPrice*eCTR。實際中，因為點擊事件很稀少，同時也存在不斷出現(xiàn)的新廣告數(shù)據(jù)，造成CTR的預(yù)估存在固有的不確定性。另外，展示的廣告數(shù)據(jù)通常不是直接根據(jù)競價BidPrice扣費，而是采用的是廣義第二價格扣費GSP(GeneralSecondPrice)進行計價，即 pricei＝BidPricei+1×(eCTRi+1÷eCTRi)，i為廣告數(shù)據(jù)的排序。根據(jù)GSP的計費原理，廣告數(shù)據(jù)的實際扣費一般小于其競價BidPrice，防止了廣告主頻繁調(diào)價帶來的價格波動?；谶@兩個因素，在實際應(yīng)用中，按RankSocre＝BidPrice*eCTR排序往往得不到最優(yōu)的RPM。那么，為了得到更優(yōu)的RPM，就需要去調(diào)整這種排序方案(RankSocre＝BidPrice*eCTR)。鑒于eCTR固有的一些不精準(zhǔn)性，業(yè)界的做法基本是在eCTR上做調(diào)整例如，比較簡單的做法，直接將eCTR加上某個常數(shù)，即排序方案調(diào)整為RankSocre＝BidPrice*(eCTR+beta)，beta是某個常數(shù)，用來減少eCTR產(chǎn)生的差距，即降低eCTR在最終排序中的權(quán)重。這種方案的問題在于，一是beta值很難確定確定，一般只能人工多次嘗試取相對較好的值，二是也很難證明取某個beta能得到最優(yōu)RPM，甚至不一定能帶來收益的提升。因此，業(yè)界的常規(guī)做法，基本上是集中在eCTR的指數(shù)選取上，即RankSocre＝BidPrice*eCTR中，eCTR的指數(shù)即是1。在先已論證，在eCTR的指數(shù)在不是1的情況下，可以取得更高的RPM。而且，在實際生產(chǎn)的嘗試中，確實驗證出在eCTR的指數(shù)取得特定值時，能得到更高的RPM，給電商網(wǎng)站帶來更多的收益。但問題在于，RankSocre＝BidPrice*eCTRα中的修正指數(shù)α如何確定。當(dāng)前業(yè)界還沒出現(xiàn)通用的解決方案，往往通過人工嘗試多次調(diào)整修正指數(shù)，基于進行線上對比測試才能猜出一個相對較好的值?；蛘撸捎貌扇↑c擊率分布假設(shè)計算修正指數(shù)。而本申請實施例提出一種基于機器學(xué)習(xí)的方法，基于實際的樣本，即歷史廣告數(shù)據(jù)的RPM的概率分布和排序分的概率分布，學(xué)習(xí)出最優(yōu)的修正指數(shù)α，進而按照RankSocre＝BidPrice*eCTRα計算排序分并對廣告數(shù)據(jù)進行排序，可以得到更優(yōu)的RPM，給電商網(wǎng)站帶來最大廣告收益。1、針對點擊率加常數(shù)的方案。該方案需要人工估算最優(yōu)的常數(shù)項，也沒有理論保證，工作量大的同時，甚至不一定好于原排序方式。本申請實施例是為了優(yōu)化點擊率的修正指數(shù)，業(yè)界已論證其合理性，而且機器學(xué)習(xí)的方式效率高，又精準(zhǔn)，進而能夠得到更優(yōu)的PRM。2、對于優(yōu)化點擊率的修正指數(shù)，采取人工多次估算修正指數(shù)的方案。該方案一是沒有理論保證，二是場景適應(yīng)性低，三是隨時間變化，最優(yōu)的修正指數(shù)也會變化，導(dǎo)致需要繁重的重復(fù)人工試驗。本申請實施例基于機器學(xué)習(xí)進行修正指數(shù)的優(yōu)化，可以得到理論上可靠的優(yōu)化值，適應(yīng)了不同的場景，擴展性強，而且機器訓(xùn)練相對人工來說，大大提高了學(xué)習(xí)的效率、大大下降學(xué)習(xí)的了成本。3、對于優(yōu)化點擊率的修正指數(shù)，采取點擊率分布假設(shè)的方案。雖然該方案對點擊分布有較強的假設(shè)，但是，假設(shè)中存在一些超參，求解困難，往往需要再做一些其他假設(shè)以簡化問題，這樣也會使最終結(jié)果再一次有偏，很難滿足實際應(yīng)用需求。本申請實施例不需要對點擊分布做任何假設(shè)，基于實際線上行為的概率分布進行優(yōu)化，而且優(yōu)化算法實現(xiàn)起來復(fù)雜度低，能得到精確的修正指數(shù)，滿足實際應(yīng)用需求。需要說明的是，對于方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本申請實施例并不受所描述的動作順序的限制，因為依據(jù)本申請實施例，某些步驟可以采用其他順序或者同時進行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知悉，說明書中所描述的實施例均屬于優(yōu)選實施例，所涉及的動作并不一定是本申請實施例所必須的。參照圖3，示出了本申請的一種業(yè)務(wù)對象的展示裝置實施例的結(jié)構(gòu)框圖，該裝置300具體可以包括如下模塊：修正指數(shù)訓(xùn)練模塊301，用于根據(jù)第一業(yè)務(wù)對象在第一展示頁面展示時的歷史行為數(shù)據(jù)，訓(xùn)練對點擊率進行修正的修正指數(shù)；業(yè)務(wù)對象匹配模塊302，用于在接收到搜索關(guān)鍵詞時，查找與所述搜索關(guān)鍵詞匹配的一個或多個第二業(yè)務(wù)對象，所述搜索關(guān)鍵詞關(guān)聯(lián)第二展示頁面，所述一個或多個第二業(yè)務(wù)對象關(guān)聯(lián)一個或多個預(yù)估點擊率；修正指數(shù)查找模塊303，用于查找與所述第二展示頁面同類型的第一展示頁面的修正指數(shù)；排序分計算模塊304，用于根據(jù)由所述修正指數(shù)修正的一個或多個預(yù)估點擊率，計算所述一個或多個第二業(yè)務(wù)對象的排序分；以及業(yè)務(wù)對象返回模塊305，用于返回排序分最高的一個或多個第二業(yè)務(wù)對象，以在所述第二展示頁面進行展示。在本申請的一種實施例中，所述修正指數(shù)訓(xùn)練模塊301可以包括如下子模塊：業(yè)務(wù)對象查找子模塊，用于在第一時間段內(nèi)，查找權(quán)限參數(shù)的單位展示次數(shù)內(nèi)的消耗值最高的一個或多個第一業(yè)務(wù)對象；排序分布計算子模塊，用于在所述第一時間段之前的第二時間段內(nèi)，計算所述一個或多個第一業(yè)務(wù)對象的排序分的概率分布；消耗分布計算子模塊，用于計算所述一個或多個第一業(yè)務(wù)對象的單位展示次數(shù)內(nèi)的消耗值的概率分布；分布差異計算子模塊，用于計算所述單位展示次數(shù)內(nèi)的消耗值的概率分布與所述排序分的概率分布之間的分布差異；迭代優(yōu)化子模塊，用于對所述分布差異進行迭代優(yōu)化處理；以及修正指數(shù)設(shè)置子模塊，用于在迭代優(yōu)化處理收斂時，將收斂的結(jié)果設(shè)置為修正指數(shù)。在具體實現(xiàn)中，所述消耗值可以為針對某個第一業(yè)務(wù)對象扣減的權(quán)限參數(shù)。在本申請的一種實施例中，所述消耗分布計算子模塊可以包括如下單元：消耗比值計算單元，用于計算每個第一業(yè)務(wù)對象的單位展示次數(shù)內(nèi)的消耗值與全部第一業(yè)務(wù)對象的單位展示次數(shù)內(nèi)的消耗值之和的比值，獲得單位 展示次數(shù)內(nèi)的消耗值的概率分布。在本申請的一種實施例中，所述排序分布計算子模塊可以包括如下單元：子排序分計算單元，用于計算每個第一業(yè)務(wù)對象在一個或多個搜索關(guān)鍵詞下的子排序分，所述第一業(yè)務(wù)對象被所述搜索關(guān)鍵詞搜索到并按照所述排序分進行展示；排序權(quán)重配置單元，用于對每個第一業(yè)務(wù)對象的每個子排序分配置排序權(quán)重；總排序分計算單元，用于對每個第一業(yè)務(wù)對象，計算配置排序權(quán)重之后每個子排序分的和，獲得總排序分；以及排序分比值計算單元，用于分別計算每個第一業(yè)務(wù)對象的總排序分與全部第一業(yè)務(wù)對象的總排序分之和的比值，獲得排序分的概率分布。在本申請的一種實施例中，所述子排序分計算單元可以包括如下子單元：預(yù)估點擊率計算子單元，用于計算某個第一業(yè)務(wù)對象在某個搜索關(guān)鍵詞下的預(yù)估點擊率；預(yù)估點擊率修正子單元，用于按照初始的修正指數(shù)對所述預(yù)估點擊率進行修正；以及修正子排序分計算子單元，用于基于修正之后的預(yù)估點擊率計算所述第一業(yè)務(wù)對象在所述搜索關(guān)鍵詞下的子排序分。在實際應(yīng)用中，所述排序權(quán)重可以為某個第一業(yè)務(wù)對象在某個搜索關(guān)鍵詞下的累加的消耗值，與，在所有搜索關(guān)鍵詞下的累加的消耗值之和的比值。在本申請的一種實施例中，所述分布差異計算子模塊可以包括如下單元：KL距離計算單元，用于計算所述單位展示次數(shù)內(nèi)的消耗值的概率分布與所述排序分的概率分布之間的KL距離，作為分別差異。在本申請的一種實施例中，所述分布差異計算子模塊還可以包括如下單元：常數(shù)項去除單元，用于去除所述KL距離中的常數(shù)項。在本申請的一種實施例中，所述迭代優(yōu)化子模塊可以包括如下單元：梯度計算單元，用于在每一次迭代優(yōu)化處理中，計算所述KL距離對所述修正指數(shù)的梯度；以及梯度修正單元，用于沿所述梯度的負(fù)方向、以一定的步長修改修正指數(shù)。在本申請的一種實施例中，所述一個或多個第二業(yè)務(wù)對象還關(guān)聯(lián)有一個或多個權(quán)限參數(shù)；所述排序分計算模塊304可以包括如下子模塊：預(yù)估點擊率修正子模塊，用于按照所述修正指數(shù)對所述一個或多個預(yù)估點擊率進行修正；以及乘積計算子模塊，用于計算修正之后的一個或多個預(yù)估點擊率與所述一個或多個權(quán)限參數(shù)的乘積，獲得所述一個或多個第二業(yè)務(wù)對象的排序分。對于裝置實施例而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關(guān)之處參見方法實施例的部分說明即可。本說明書中的各個實施例均采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本申請實施例的實施例可提供為方法、裝置、或計算機程序產(chǎn)品。因此，本申請實施例可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本申請實施例可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、CD-ROM、光學(xué)存儲器等)上實施的計算機程序產(chǎn)品的形式。在一個典型的配置中，所述計算機設(shè)備包括一個或多個處理器(CPU)、輸入/輸出接口、網(wǎng)絡(luò)接口和內(nèi)存。內(nèi)存可能包括計算機可讀介質(zhì)中的非永久性存儲器，隨機存取存儲器(RAM)和/或非易失性內(nèi)存等形 式，如只讀存儲器(ROM)或閃存(flashRAM)。內(nèi)存是計算機可讀介質(zhì)的示例。計算機可讀介質(zhì)包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術(shù)來實現(xiàn)信息存儲。信息可以是計算機可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序的模塊或其他數(shù)據(jù)。計算機的存儲介質(zhì)的例子包括，但不限于相變內(nèi)存(PRAM)、靜態(tài)隨機存取存儲器(SRAM)、動態(tài)隨機存取存儲器(DRAM)、其他類型的隨機存取存儲器(RAM)、只讀存儲器(ROM)、電可擦除可編程只讀存儲器(EEPROM)、快閃記憶體或其他內(nèi)存技術(shù)、只讀光盤只讀存儲器(CD-ROM)、數(shù)字多功能光盤(DVD)或其他光學(xué)存儲、磁盒式磁帶，磁帶磁磁盤存儲或其他磁性存儲設(shè)備或任何其他非傳輸介質(zhì)，可用于存儲可以被計算設(shè)備訪問的信息。按照本文中的界定，計算機可讀介質(zhì)不包括非持續(xù)性的電腦可讀媒體(transitorymedia)，如調(diào)制的數(shù)據(jù)信號和載波。本申請實施例是參照根據(jù)本申請實施例的方法、終端設(shè)備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合。可提供這些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理終端設(shè)備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理終端設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。這些計算機程序指令也可存儲在能引導(dǎo)計算機或其他可編程數(shù)據(jù)處理終端設(shè)備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理終端設(shè)備上，使得在計算機或其他可編程終端設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程終端設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中 指定的功能的步驟。盡管已描述了本申請實施例的優(yōu)選實施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例做出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實施例以及落入本申請實施例范圍的所有變更和修改。最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者終端設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者終端設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者終端設(shè)備中還存在另外的相同要素。以上對本申請所提供的一種業(yè)務(wù)對象的展示方法和一種業(yè)務(wù)對象的展示裝置，進行了詳細介紹，本文中應(yīng)用了具體個例對本申請的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本申請的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本申請的思想，在具體實施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本申請的限制。當(dāng)前第1頁1 2 3