本發(fā)明涉及互聯(lián)網(wǎng)搜索技術(shù)領(lǐng)域，特別是涉及一種搜索廣告的投放方法及裝置。

背景技術(shù)：

目前搜索廣告的投放方式一般為粗放型推送，即搜索廣告的內(nèi)容若與用戶搜索的關(guān)鍵詞相關(guān)，該搜索廣告均會被投放給用戶。但是隨著搜索引擎廣告樣式的持續(xù)創(chuàng)新以及廣告市場的日益成熟，該粗放型廣告投放方式所帶來的越來越多的搜索問題開始逐漸凸顯出來。首先，對搜索用戶來說，當(dāng)用戶輸入搜索關(guān)鍵詞進(jìn)行搜索后，一些時常出現(xiàn)但與用戶的搜索意圖關(guān)系不大的搜素廣告也會很大篇幅的呈現(xiàn)在搜索結(jié)果頁中，用戶需要從很多不相關(guān)的搜索結(jié)果中查找到與其搜索意圖相關(guān)的搜索結(jié)果，致使搜索效率低，極大的影響了用戶的搜索體驗；同時搜索結(jié)果中與搜索意圖不相關(guān)的搜索結(jié)果，用戶也不會點擊，致使搜索廣告的點擊率不高，進(jìn)而使得搜索廣告的投放效率不高；其次，對廣告主來說，既存在部分目標(biāo)客戶的搜索流量未被關(guān)鍵詞廣告所覆蓋，也存在部分流量由于競爭過于激烈進(jìn)而造成推廣成本快速增加的問題。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明提供的一種搜索廣告的投放方法及裝置，主要目的在于通對不同特征的客戶差異化投放搜索推廣內(nèi)容，最終實現(xiàn)將符合用戶搜索意圖的、合適的廣告投放給特定的用戶，實現(xiàn)搜索廣告的精細(xì)化投放。

為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：

一方面，本發(fā)明提供一種搜索廣告的投放方法，包括：

根據(jù)用戶的搜索查詢詞進(jìn)行搜索，獲取與所述查詢詞相關(guān)的候選廣告集合；

根據(jù)所述用戶的特征信息獲取所述用戶的分類；

根據(jù)所述用戶的分類、所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容以及不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)，從所述候選集合中選擇滿足預(yù)定條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合；

將所述搜索廣告集合中的廣告投放給所述用戶，以便在用戶的搜索結(jié)果頁中展示。

另一方面，本發(fā)明還提供一種搜索廣告的投放裝置，包括：

搜索單元，用于根據(jù)用戶的搜索查詢詞進(jìn)行搜索，獲取與所述查詢詞相關(guān)的候選廣告集合；

獲取單元，用于根據(jù)所述用戶的特征信息獲取所述用戶的分類；

確定單元，用于根據(jù)所述用戶的分類、所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容以及不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)，從所述候選集合中選擇滿足預(yù)定條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合；

投放單元，用于將所述搜索廣告集合中的廣告投放給所述用戶，以便在用戶的搜索結(jié)果頁中展示。

本發(fā)明中提供的搜索廣告的投放方法及裝置，當(dāng)用戶使用查詢詞進(jìn)行相關(guān)內(nèi)容的搜索時，不會將搜索到的與該查詢詞相關(guān)的候選廣告直接全部投放給用戶，而是先根據(jù)用戶的分類、所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容以及不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)，從該候選集合中選擇滿足預(yù)定條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合，之后再將選擇的搜索廣告集合中的廣告投放給所述用戶。由于投放給用戶的搜索廣告是基于用戶的分類以及用戶查詢詞的搜索意圖和候選集合中每個廣告的內(nèi)容等內(nèi)容選取的，其兼顧了用戶的不同和廣告內(nèi)容的不同，故廣告的投放可以實現(xiàn)客戶差異化投放搜索推廣內(nèi)容，最終實現(xiàn)將符合用戶搜索意圖的、合適的廣告投放給特定的用戶，進(jìn)而實現(xiàn)搜索廣告的精細(xì)化投放。

上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實施，并且為了讓本發(fā)明的上述和 其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的具體實施方式。

附圖說明

通過閱讀下文優(yōu)選實施方式的詳細(xì)描述，各種其他的優(yōu)點和益處對于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實施方式的目的，而并不認(rèn)為是對本發(fā)明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：

圖1示出了本發(fā)明實施例提供的搜索廣告的投放方法的流程圖；

圖2示出了本發(fā)明實施例提供的從所述候選集合中選擇滿足預(yù)定條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合的方法的流程圖；

圖3示出了本發(fā)明實施例提供的一種搜索廣告的投放裝置的組成框圖；

圖4示出了本發(fā)明實施例提供的另一種搜索廣告的投放裝置的組成框圖；

圖5示出了本發(fā)明實施例提供的另一種搜索廣告的投放裝置的組成框圖；

圖6示出了本發(fā)明實施例提供的另一種搜索廣告的投放裝置的組成框圖。

具體實施方式

下面將參照附圖更詳細(xì)地描述本公開的示例性實施例。雖然附圖中顯示了本公開的示例性實施例，然而應(yīng)當(dāng)理解，可以以各種形式實現(xiàn)本公開而不應(yīng)被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

本發(fā)明實施例提供一種搜索廣告的投放方法，如圖1所示，該方法包括：

101、根據(jù)用戶的搜索查詢詞進(jìn)行搜索，獲取與所述查詢詞相關(guān)的候選廣告集合。

根據(jù)用戶的搜索查詢詞進(jìn)行搜索，會將搜索廣告系統(tǒng)中所有的與該查詢詞相關(guān)的廣告全部搜索到，該候選廣告集合包含搜索到的所有與該查詢詞相關(guān)的廣告。

102、根據(jù)所述用戶的特征信息獲取所述用戶的分類。

其中，用戶的特征信息可以為但不局限于以下內(nèi)容，該內(nèi)容包括：人口統(tǒng)計學(xué)數(shù)據(jù)、Ip基于瀏覽器的cookie數(shù)據(jù)以及Ip的search-click數(shù)據(jù)。

所述用戶的分類可以按人口統(tǒng)計學(xué)、興趣愛好、行為習(xí)慣、廣告偏好等進(jìn)行，也可以按其他的分類進(jìn)行，具體的本發(fā)明實施例對此不進(jìn)行限制。例如當(dāng)年按人口統(tǒng)計學(xué)進(jìn)行分類時，可以按性別、年齡段、經(jīng)濟(jì)水平等進(jìn)行分類；又例如，當(dāng)按興趣愛好進(jìn)行分類時，可以將經(jīng)常訪問易車網(wǎng)和汽車之家的用戶劃分為汽車發(fā)燒友，經(jīng)常在天涯和CSDN上訪問C++程序分享帖的用戶劃分為C++程序員等；又例如，當(dāng)按照行為習(xí)慣進(jìn)行分類時，可以將每天晚上刷玄幻小說更新的用戶劃分為小說迷等。

103、根據(jù)所述用戶的分類、所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容以及不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)，從所述候選集合中選擇滿足預(yù)定條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合。

其中，所述廣告的內(nèi)容可以為但不局限于以下內(nèi)容，該內(nèi)容包括：廣告推廣內(nèi)容的類別、相關(guān)特征以及推廣潛力。其中，廣告推廣內(nèi)容的類別按照上述內(nèi)容的劃分，可以為但不局限于以下的分類，區(qū)分用戶的人口統(tǒng)計學(xué)特征的分類：如性別、年齡段、經(jīng)濟(jì)水平等的分類；區(qū)分用戶搜索環(huán)境的分類：如時間、地域、搜索渠道等分類；區(qū)分用戶的興趣愛好的分類：如購物達(dá)人、汽車發(fā)燒友等分類；區(qū)分用戶的行為習(xí)慣的分類：如只點擊結(jié)果頁第一位結(jié)果焦慮型用戶、多次點擊耐心翻頁的溫和型用戶的分類；區(qū)分用戶的廣告偏好的分類：如只點擊圖片樣式廣告的用戶的分類。

104、將所述搜索廣告集合中的廣告投放給所述用戶，以便在用戶的搜索結(jié)果頁中展示。

本發(fā)明實施例中，當(dāng)用戶使用查詢詞進(jìn)行相關(guān)內(nèi)容的搜索時，不會將搜索到的與該查詢詞相關(guān)的候選廣告直接全部投放給用戶，而是先根據(jù)用 戶的分類、所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容以及不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)，從該候選集合中選擇滿足預(yù)定條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合，之后再將選擇的搜索廣告集合中的廣告投放給所述用戶。由于投放給用戶的搜索廣告是基于用戶的分類以及用戶查詢詞的搜索意圖和候選集合中每個廣告的內(nèi)容等內(nèi)容選取的，其兼顧了用戶的不同和廣告內(nèi)容的不同，故廣告的投放可以實現(xiàn)客戶差異化投放搜索推廣內(nèi)容，最終實現(xiàn)將符合用戶搜索意圖的、合適的廣告投放給特定的用戶，進(jìn)而實現(xiàn)搜索廣告的精細(xì)化投放。

在執(zhí)行步驟102根據(jù)所述用戶的特征信息獲取所述用戶的分類時，可以采用但不局限于以下的方法實現(xiàn)，該方法為：

1、獲取所述用戶的特征信息。

其中，所述特征信息的相關(guān)描述可以參考步驟102處的相關(guān)描述，本發(fā)明實施例此處將不再贅述。

在獲取用戶的上述特征信息時，可以從不同數(shù)據(jù)源導(dǎo)入并清理搜索用戶相關(guān)數(shù)據(jù)獲取該特征數(shù)據(jù)。

2、將所述特征信息輸入對應(yīng)的用戶分類模型中獲取所述用戶不同的分類。

在獲取了用戶的特征信息后，將所述特征信息輸入對應(yīng)的用戶分類模型中，對用戶進(jìn)行分類，并給用戶打上分類標(biāo)簽user_tag。其中在對用戶進(jìn)行分類時，可以從搜索需求、興趣愛好、行為習(xí)慣、人口統(tǒng)計學(xué)特征等多個維度對用戶進(jìn)行分類。具體的分類如上述步驟103中的相關(guān)內(nèi)容所述，本發(fā)明實施例此處將不再贅述。

其中，所述用戶分類模型以但不局限于以下形式，該用戶分類模型可以為基于用戶cookie數(shù)據(jù)的分類模型，也可以為基于用戶search數(shù)據(jù)的分類模型，也可以是其他的分類模型。

當(dāng)使用基于用戶cookie數(shù)據(jù)的分類模型對用戶進(jìn)行分類時，可以TF/IDF等文本挖掘算法對用戶進(jìn)行分類，也可以使用Episode等挖掘算法對用戶進(jìn)行分類，也可以使用其他的挖掘算法對用戶進(jìn)行分類，在具體實施時本發(fā)明實施例對此不進(jìn)行限制。

當(dāng)使用TF/IDF等文本挖掘算法對用戶進(jìn)行分類時，經(jīng)常關(guān)注同一類內(nèi)容的用戶屬于同一個類別。例如，訪問同一類網(wǎng)站：經(jīng)常訪問易車網(wǎng)和汽車之家–汽車發(fā)燒友；瀏覽內(nèi)容相近的頁面：經(jīng)常在天涯和CSDN上訪問C++程序分享帖–C++程序員。

當(dāng)使用Episode等挖掘算法對用戶進(jìn)行分類時，在不同時間窗下經(jīng)常重復(fù)某一行為的用戶屬于同一個類別。例如，購物：每個周末網(wǎng)購啤酒和零食劃分為宅男；讀書：每天晚上刷玄幻小說更新劃分為小說迷；看視頻：每周日看今晚80后脫口秀劃分為80后；逛貼吧：白天頻繁在李毅吧灌水劃分為高中生；以及其他行為，這里就不再一一舉例。

當(dāng)使用基于用戶search數(shù)據(jù)的分類模型對用戶進(jìn)行分類時，可以采用但不局限于協(xié)同過濾相關(guān)模型、Query-URL二部圖挖掘模型、Query-URL二部圖挖掘模型中的任意種，在具體實施時，本發(fā)明實施例對此不進(jìn)行限制，還可以是其他的模型。

當(dāng)使用協(xié)同過濾相關(guān)模型對用戶進(jìn)行分類時，具體做法為：基于已有user_tag和用戶的搜索點擊歷史構(gòu)建協(xié)同矩陣；具備一定相同特征的搜索用戶，搜索同類query的點擊偏好相近；在某query下點擊行為相似的搜索用戶，具備某些相同的user_tag；如user_tag為購物達(dá)人的用戶子啊搜索商品詞時，通常訪問電商類網(wǎng)站，而非商品詞對應(yīng)的百科等知識。

當(dāng)使用Query-URL二部圖挖掘模型對用戶進(jìn)行分類時，具體做法為：基于用戶的搜索點擊行為，建立Query-URL的二部圖；若query之間語義相近，則用戶搜索后往往訪問相同or相近的url。

當(dāng)使用Query-URL二部圖拓展挖掘模型對用戶進(jìn)行分類時，具體做法為：在Query-URL二部圖基礎(chǔ)上，引入user_tag，使之拓展為(user_tag,Query)-URL二部圖；若query之間的語義相近，則具備某些相同user_tag的用戶搜索后往往訪問相同or相近的url。

進(jìn)一步的，本發(fā)明實施例還提供一種從所述候選集合中選擇滿足預(yù)定條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合的方法，如圖2所示，該方法包括：

201、分別獲取所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi) 容以及不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)。

其中，在獲取所述查詢詞的搜索意圖時，可以采用但不局限于以下的方法實現(xiàn)，該方法包括：

第一種方法，對所述查詢詞的文本進(jìn)行處理，從語義層面上直接判斷獲取所述查詢詞的搜索意圖。

第二種方法，基于二部圖的相似查詢詞聚類方法，從用戶點擊行為層面間接判斷獲取所述查詢詞的搜索意圖。

第三種方法，從搜索的上下文內(nèi)容間接判斷獲取所述查詢詞的搜索意圖。

本實施例中，所述廣告的內(nèi)容可以為但不局限于以下內(nèi)容，具體包括：廣告推廣內(nèi)容的類別、相關(guān)特征以及推廣潛力。

其中，獲取所述廣告推廣內(nèi)容的類別時，可以通過但不局限于以下的方法實現(xiàn)，該方法包括：

第一種，通過所述廣告推廣內(nèi)容關(guān)鍵詞的核心成分獲取所述廣告推廣內(nèi)容的類別。其中，通過所述廣告推廣內(nèi)容關(guān)鍵詞的核心成分獲取所述廣告推廣內(nèi)容的類別時，具體可以采用如下的方法實現(xiàn)給方法包括：

1、通過切詞和核心詞識別算法獲取廣告推廣內(nèi)容關(guān)鍵詞的核心成分。

2、根據(jù)所述關(guān)鍵詞的核心成分獲取所述廣告推廣內(nèi)容的類別。

例如，網(wǎng)絡(luò)游戲排行版–>網(wǎng)絡(luò)游戲。對網(wǎng)絡(luò)游戲排行版這個關(guān)鍵詞進(jìn)行切詞和核心詞識別算法，得到推廣內(nèi)容關(guān)鍵詞的核心成分為網(wǎng)絡(luò)游戲。根據(jù)該核心成分獲取所述廣告推廣內(nèi)容的類別為網(wǎng)絡(luò)游戲類。

第二種，通過所述廣告推廣內(nèi)容創(chuàng)意內(nèi)容的核心文本獲取所述廣告推廣內(nèi)容的類別。例如，“全球最火的網(wǎng)絡(luò)游戲之一…”->網(wǎng)絡(luò)游戲。通過文本挖掘算法對“全球最火的網(wǎng)絡(luò)游戲之一…”進(jìn)行核心文本的挖掘，得到廣告推廣內(nèi)容創(chuàng)意內(nèi)容的核心文本為網(wǎng)絡(luò)游戲。根據(jù)核心文本獲取所述廣告推廣內(nèi)容的類別為網(wǎng)絡(luò)游戲類。

第三種，通過對bidword分類的商品類別進(jìn)行識別獲取所述廣告推廣內(nèi)容的類別。例如，網(wǎng)絡(luò)游戲->網(wǎng)游->游戲；對bidword分類的商品類別進(jìn)行識別，獲取所述廣告推廣內(nèi)容的類別為游戲類別。

第四種，通過對知識圖譜的商品類別進(jìn)行識別獲取所述廣告推廣內(nèi)容的類別。例如，絕代雙驕->網(wǎng)絡(luò)游戲->游戲，對知識圖譜的商品類別進(jìn)行識別獲取所述廣告推廣內(nèi)容的類別為游戲類別。

在獲取廣告推廣內(nèi)容的類型時，除了上述四種方法以外，當(dāng)然也可以使用其他可實現(xiàn)的方法，具體本發(fā)明實施例對此不進(jìn)行限制。

其中，獲取所述廣告推廣內(nèi)容的相關(guān)特征可以采用但不局限于以下的方法實現(xiàn)，該方法包括：

第一種，通過所述廣告推廣內(nèi)容的關(guān)鍵詞的創(chuàng)意內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征。其中，通過所述廣告推廣內(nèi)容的關(guān)鍵詞的創(chuàng)意內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征具體可以采用以下的方法實現(xiàn)，該方法包括：

1、通過切詞和核心詞識別算法獲取廣告推廣內(nèi)容的關(guān)鍵詞。

2、通過文本挖掘算法獲取所述關(guān)鍵詞的創(chuàng)意內(nèi)容。

3、根據(jù)所述創(chuàng)意內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征。

例如，“雅思蘭黛正品特價質(zhì)量保證”->正品、特價、高品質(zhì)；通過所述廣告推廣內(nèi)容的關(guān)鍵詞的創(chuàng)意內(nèi)容獲取廣告推廣內(nèi)容“雅思蘭黛正品特價質(zhì)量保證”的相關(guān)特征為正品、特價、高品質(zhì)。

第二種，通過廣告推廣內(nèi)容的跳轉(zhuǎn)頁內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征。

例如，“交城特級駿棗干500g*2買二贈一優(yōu)惠包郵”->優(yōu)惠商品、包郵。通過廣告推廣內(nèi)容的跳轉(zhuǎn)頁內(nèi)容獲取廣告推廣內(nèi)容“交城特級駿棗干500g*2買二贈一優(yōu)惠包郵”的相關(guān)特征為優(yōu)惠商品、包郵。

在獲取廣告推廣內(nèi)容的相關(guān)特征時，除了上述兩種方法以外，當(dāng)然也可以使用其他可實現(xiàn)的方法，具體本發(fā)明實施例對此不進(jìn)行限制。

其中，影響推廣潛力的因子主要有：廣告主的推廣預(yù)算和歷史消費；廣告本身的歷史消費、競價水平和質(zhì)量度水平；因此，本發(fā)明實施例中獲取所述廣告推廣內(nèi)容的推廣潛力可以采用但不局限于以下的方法，該方法包括：

獲取廣告主的推廣預(yù)算、歷史消費以及廣告本身的歷史消費、競價水 平和質(zhì)量度水平；并根據(jù)所述廣告主的推廣預(yù)算、歷史消費以及廣告本身的歷史消費、競價水平和質(zhì)量度水平進(jìn)行運算，確定所述廣告推廣內(nèi)容的推廣潛力。

202、根據(jù)所述用戶的分類、所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容構(gòu)建回歸模型，所述回歸模型用于預(yù)估所述用戶在搜索所述查詢詞時在搜索結(jié)果頁中展現(xiàn)所述候選集合中每個廣告的點擊概率。

其中，該回歸模型即用戶-查詢詞--廣告的點擊概率預(yù)估模型是差異化推左機(jī)制的核心模型，影響該模型的主要因素包括：用戶的不同類別、查詢詞的具體搜索意圖、廣告的不同內(nèi)容等。因此，本發(fā)明實施例中在構(gòu)建該回歸模型時，是根據(jù)所述用戶的分類、所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容構(gòu)建。本發(fā)明實施例中，關(guān)于用戶的分類、所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容的相關(guān)描述可以參考以上實施例中的相關(guān)描述，本發(fā)明實施例中將不再贅述。

203、使用所述不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)，修正所述用戶在搜索所述查詢詞時在搜索結(jié)果頁中展現(xiàn)所述候選集合中每個廣告的點擊概率。

需要說明的是，該回歸模型的訓(xùn)練數(shù)據(jù)為搜索用戶過往的搜索-點擊數(shù)據(jù)。為了輸出內(nèi)容的準(zhǔn)確性，本發(fā)明實施例會根據(jù)后驗的實際點擊率動態(tài)修正上述回歸模型輸出的廣告的點擊概率。

204、將所述候選集合中點擊概率符合預(yù)設(shè)條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合。

其中，本發(fā)明實施例中的預(yù)設(shè)條件為點擊概率的閾值，其可以根據(jù)經(jīng)驗值設(shè)置，具體本發(fā)明實施例對此不進(jìn)行限制。

本發(fā)明實施例中，可以根據(jù)搜索用戶的不同搜索意圖、不同興趣愛好、不同行為特點等特征來差異化投放不同廣告，也可以根據(jù)廣告的不同內(nèi)容、不同樣式、不同點擊率、不同消費潛力等特征來將廣告投放給合適的用戶。通過從不同維度區(qū)分搜索用戶的特征，并對不同特征的客戶差異化投放左側(cè)區(qū)域的推廣內(nèi)容，最終實現(xiàn)將符合網(wǎng)民搜索意圖的、合適的廣告投放給特定網(wǎng)民的精細(xì)化投放目標(biāo)，進(jìn)一步提升網(wǎng)民的搜索體驗，同時也進(jìn)一步 優(yōu)化商家的搜索營銷效果。

基于上述方法實施例的描述，本發(fā)明實施例還提供一種搜索廣告的投放裝置，如圖3所示，該裝置包括：

搜索單元31，用于根據(jù)用戶的搜索查詢詞進(jìn)行搜索，獲取與所述查詢詞相關(guān)的候選廣告集合。

獲取單元32，用于根據(jù)所述用戶的特征信息獲取所述用戶的分類；用戶的特征信息可以為但不局限于以下內(nèi)容，該內(nèi)容包括：人口統(tǒng)計學(xué)數(shù)據(jù)、Ip基于瀏覽器的cookie數(shù)據(jù)以及Ip的search-click數(shù)據(jù)。

所述用戶的分類可以按人口統(tǒng)計學(xué)、興趣愛好、行為習(xí)慣、廣告偏好等進(jìn)行，也可以按其他的分類進(jìn)行，具體的本發(fā)明實施例對此不進(jìn)行限制。例如當(dāng)年按人口統(tǒng)計學(xué)進(jìn)行分類時，可以按性別、年齡段、經(jīng)濟(jì)水平等進(jìn)行分類；又例如，當(dāng)按興趣愛好進(jìn)行分類時，可以將經(jīng)常訪問易車網(wǎng)和汽車之家的用戶劃分為汽車發(fā)燒友，經(jīng)常在天涯和CSDN上訪問C++程序分享帖的用戶劃分為C++程序員等；又例如，當(dāng)按照行為習(xí)慣進(jìn)行分類時，可以將每天晚上刷玄幻小說更新的用戶劃分為小說迷等。

確定單元33，用于根據(jù)所述用戶的分類、所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容以及不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)，從所述候選集合中選擇滿足預(yù)定條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合；其中，所述廣告的內(nèi)容可以為但不局限于以下內(nèi)容，該內(nèi)容包括：廣告推廣內(nèi)容的類別、相關(guān)特征以及推廣潛力。其中，廣告推廣內(nèi)容的類別按照上述內(nèi)容的劃分，可以為但不局限于以下的分類，區(qū)分用戶的人口統(tǒng)計學(xué)特征的分類：如性別、年齡段、經(jīng)濟(jì)水平等的分類；區(qū)分用戶搜索環(huán)境的分類：如時間、地域、搜索渠道等分類；區(qū)分用戶的興趣愛好的分類：如購物達(dá)人、汽車發(fā)燒友等分類；區(qū)分用戶的行為習(xí)慣的分類：如只點擊結(jié)果頁第一位結(jié)果焦慮型用戶、多次點擊耐心翻頁的溫和型用戶的分類；區(qū)分用戶的廣告偏好的分類：如只點擊圖片樣式廣告的用戶的分類。

投放單元34，用于將所述搜索廣告集合中的廣告投放給所述用戶，以便在用戶的搜索結(jié)果頁中展示。

進(jìn)一步的，如圖4所示，所述獲取單元32包括：

特征信息獲取模塊321，用于獲取所述用戶的特征信息，所述特征信息包括人口統(tǒng)計學(xué)數(shù)據(jù)、Ip段所屬地域數(shù)據(jù)、Ip基于瀏覽器的cookie數(shù)據(jù)以及Ip的search-click數(shù)據(jù)。其中，該特征信息獲取模塊321在獲取用戶的上述特征信息時，可以從不同數(shù)據(jù)源導(dǎo)入并清理搜索用戶相關(guān)數(shù)據(jù)獲取該特征數(shù)據(jù)。

用戶分類獲取模塊322，用于將所述特征信息輸入對應(yīng)的用戶分類模型中獲取所述用戶不同的分類，所述分類可以按人口統(tǒng)計學(xué)、興趣愛好、行為習(xí)慣、廣告偏好進(jìn)行。其中，在獲取了用戶的特征信息后，將所述特征信息輸入對應(yīng)的用戶分類模型中，對用戶進(jìn)行分類，并給用戶打上分類標(biāo)簽user_tag。所述用戶分類模型以但不局限于以下形式，該用戶分類模型可以為基于用戶cookie數(shù)據(jù)的分類模型，也可以為基于用戶search數(shù)據(jù)的分類模型，也可以是其他的分類模型。

需要說明的是，當(dāng)使用基于用戶cookie數(shù)據(jù)的分類模型或者基于用戶search數(shù)據(jù)的分類模型對用戶進(jìn)行分類時的相關(guān)描述，可以參考方法實施例中的對應(yīng)描述，本發(fā)明實施例此處將不再贅述。

進(jìn)一步的，如圖5所示，所述確定單元33包括：

獲取模塊331，用于分別獲取所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容以及不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)。

構(gòu)建模塊332，用于根據(jù)所述用戶的分類、所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容構(gòu)建回歸模型，所述回歸模型用于預(yù)估所述用戶在搜索所述查詢詞時在搜索結(jié)果頁中展現(xiàn)所述候選集合中每個廣告的點擊概率。

修正模塊333，使用所述不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)，修正所述用戶在搜索所述查詢詞時在搜索結(jié)果頁中展現(xiàn)所述候選集合中每個廣告的點擊概率。

確定模塊334，用于將所述候選集合中點擊概率符合預(yù)設(shè)條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合。

進(jìn)一步的，如圖6所示，所述獲取模塊331包括：

第一子獲取模塊3311，用于對所述查詢詞的文本進(jìn)行處理，從語義層面上直接判斷獲取所述查詢詞的搜索意圖。

或者所述第一子獲取模塊3311還用于，基于二部圖的相似查詢詞聚類裝置，從用戶點擊行為層面間接判斷獲取所述查詢詞的搜索意圖；

或者所述第一子獲取3311還用于，從搜索的上下文內(nèi)容間接判斷獲取所述查詢詞的搜索意圖。

進(jìn)一步的基于所述廣告的內(nèi)容包括廣告推廣內(nèi)容的類別、相關(guān)特征以及推廣潛力。所述獲取模塊331還包括：

第二子獲取模塊3312，用于通過所述廣告推廣內(nèi)容關(guān)鍵詞的核心成分獲取所述廣告推廣內(nèi)容的類別；

或者所述第二子獲取模塊3312還用于，通過所述廣告推廣內(nèi)容創(chuàng)意內(nèi)容的核心文本獲取所述廣告推廣內(nèi)容的類別；其中，通過所述廣告推廣內(nèi)容關(guān)鍵詞的核心成分獲取所述廣告推廣內(nèi)容的類別具體可以通過如下的方式顯示，該方式包括：通過切詞和核心詞識別算法獲取廣告推廣內(nèi)容關(guān)鍵詞的核心成分；根據(jù)所述關(guān)鍵詞的核心成分獲取所述廣告推廣內(nèi)容的類別。

或者所述第二子獲取模塊3312還用于，通過對bidword分類的商品類別進(jìn)行識別獲取所述廣告推廣內(nèi)容的類別；

或者所述第二子獲取模塊3312還用于，通過對知識圖譜的商品類別進(jìn)行識別獲取所述廣告推廣內(nèi)容的類別。

所述獲取模塊331還包括：

第三子獲取模塊3313，用于通過所述廣告推廣內(nèi)容的關(guān)鍵詞的創(chuàng)意內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征；其中，通過所述廣告推廣內(nèi)容的關(guān)鍵詞和創(chuàng)意內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征可以通過如下的方式實現(xiàn)，該方式具體為包括：通過切詞和核心詞識別算法獲取廣告推廣內(nèi)容的關(guān)鍵詞；通過文本挖掘算法獲取所述關(guān)鍵詞的創(chuàng)意內(nèi)容；根據(jù)所述創(chuàng)意內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征。

或者所述第三子獲取模塊3313還用于，通過廣告推廣內(nèi)容的跳轉(zhuǎn)頁內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征。

所述獲取模塊331還包括：

第四獲取子模塊3314，用于獲取廣告主的推廣預(yù)算、歷史消費以及廣告本身的歷史消費、競價水平和質(zhì)量度水平；并根據(jù)所述廣告主的推廣預(yù)算、歷史消費以及廣告本身的歷史消費、競價水平和質(zhì)量度水平進(jìn)行運算，確定所述廣告推廣內(nèi)容的推廣潛力。

需要說明的是，本發(fā)明實施例中涉及的各功能單元和模塊的相關(guān)描述，可以參考方法實施例中的具體描述，本發(fā)明實施例在此不進(jìn)行贅述。

本發(fā)明實施例中，可以根據(jù)搜索用戶的不同搜索意圖、不同興趣愛好、不同行為特點等特征來差異化投放不同廣告，也可以根據(jù)廣告的不同內(nèi)容、不同樣式、不同點擊率、不同消費潛力等特征來將廣告投放給合適的用戶。通過從不同維度區(qū)分搜索用戶的特征，并對不同特征的客戶差異化投放左側(cè)區(qū)域的推廣內(nèi)容，最終實現(xiàn)將符合網(wǎng)民搜索意圖的、合適的廣告投放給特定網(wǎng)民的精細(xì)化投放目標(biāo)，進(jìn)一步提升網(wǎng)民的搜索體驗，同時也進(jìn)一步優(yōu)化商家的搜索營銷效果。

本發(fā)明公開了A1、一種搜索廣告的投放方法，包括：

根據(jù)用戶的搜索查詢詞進(jìn)行搜索，獲取與所述查詢詞相關(guān)的候選廣告集合；

根據(jù)所述用戶的特征信息獲取所述用戶的分類；

根據(jù)所述用戶的分類、所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容以及不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)，從所述候選集合中選擇滿足預(yù)定條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合；

將所述搜索廣告集合中的廣告投放給所述用戶，以便在用戶的搜索結(jié)果頁中展示。

A2、如A1所述的方法，根據(jù)所述用戶的特征信息獲取所述用戶的分類包括：

獲取所述用戶的特征信息，所述特征信息包括人口統(tǒng)計學(xué)數(shù)據(jù)、Ip基于瀏覽器的cookie數(shù)據(jù)以及Ip的search-click數(shù)據(jù)；

將所述特征信息輸入對應(yīng)的用戶分類模型中獲取所述用戶不同的分 類，所述分類按人口統(tǒng)計學(xué)、興趣愛好、行為習(xí)慣、廣告偏好進(jìn)行。

A3、如A2所述的方法，所述用戶分類模型包括：

基于用戶cookie數(shù)據(jù)的分類模型、基于用戶search數(shù)據(jù)的分類模型。

A4、如A1-A3中任一項所述的方法，根據(jù)所述用戶的分類、所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容以及不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)，從所述候選集合中選擇滿足預(yù)定條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合包括：

分別獲取所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容以及不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)；

根據(jù)所述用戶的分類、所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容構(gòu)建回歸模型，所述回歸模型用于預(yù)估所述用戶在搜索所述查詢詞時在搜索結(jié)果頁中展現(xiàn)所述候選集合中每個廣告的點擊概率；

使用所述不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)，修正所述用戶在搜索所述查詢詞時在搜索結(jié)果頁中展現(xiàn)所述候選集合中每個廣告的點擊概率；

將所述候選集合中點擊概率符合預(yù)設(shè)條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合。

A5、如A4所述的方法，獲取所述查詢詞的搜索意圖包括：

對所述查詢詞的文本進(jìn)行處理，從語義層面上直接判斷獲取所述查詢詞的搜索意圖；

或者基于二部圖的相似查詢詞聚類方法，從用戶點擊行為層面間接判斷獲取所述查詢詞的搜索意圖；

或者從搜索的上下文內(nèi)容間接判斷獲取所述查詢詞的搜索意圖。

A6、如A4所述的方法，所述廣告的內(nèi)容包括：

廣告推廣內(nèi)容的類別、相關(guān)特征以及推廣潛力。

A7、如A6所述的方法，獲取所述廣告推廣內(nèi)容的類別包括：

通過所述廣告推廣內(nèi)容關(guān)鍵詞的核心成分獲取所述廣告推廣內(nèi)容的類別；

或者通過所述廣告推廣內(nèi)容創(chuàng)意內(nèi)容的核心文本獲取所述廣告推廣內(nèi) 容的類別；

或者通過對bidword分類的商品類別進(jìn)行識別獲取所述廣告推廣內(nèi)容的類別；

或者通過對知識圖譜的商品類別進(jìn)行識別獲取所述廣告推廣內(nèi)容的類別。

A8、如A7所述的方法，通過所述廣告推廣內(nèi)容關(guān)鍵詞的核心成分獲取所述廣告推廣內(nèi)容的類別包括：

通過切詞和核心詞識別算法獲取廣告推廣內(nèi)容關(guān)鍵詞的核心成分；

根據(jù)所述關(guān)鍵詞的核心成分獲取所述廣告推廣內(nèi)容的類別。

A9、如A6所述的方法，獲取所述廣告推廣內(nèi)容的相關(guān)特征包括：

通過所述廣告推廣內(nèi)容的關(guān)鍵詞的創(chuàng)意內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征；

或者通過廣告推廣內(nèi)容的跳轉(zhuǎn)頁內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征。

A10、如A9所述的方法，通過所述廣告推廣內(nèi)容的關(guān)鍵詞的創(chuàng)意內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征包括：

通過切詞和核心詞識別算法獲取廣告推廣內(nèi)容的關(guān)鍵詞；

通過文本挖掘算法獲取所述關(guān)鍵詞的創(chuàng)意內(nèi)容；

根據(jù)所述創(chuàng)意內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征。

A11、如A6所述的方法，獲取所述廣告推廣內(nèi)容的推廣潛力包括：

獲取廣告主的推廣預(yù)算、歷史消費以及廣告本身的歷史消費、競價水平和質(zhì)量度水平；

根據(jù)所述廣告主的推廣預(yù)算、歷史消費以及廣告本身的歷史消費、競價水平和質(zhì)量度水平進(jìn)行運算，確定所述廣告推廣內(nèi)容的推廣潛力。

本發(fā)明公開了B1、一種搜索廣告的投放裝置，包括：

搜索單元，用于根據(jù)用戶的搜索查詢詞進(jìn)行搜索，獲取與所述查詢詞相關(guān)的候選廣告集合；

獲取單元，用于根據(jù)所述用戶的特征信息獲取所述用戶的分類；

確定單元，用于根據(jù)所述用戶的分類、所述查詢詞的搜索意圖、所述 候選集合中每個廣告的內(nèi)容以及不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)，從所述候選集合中選擇滿足預(yù)定條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合；

投放單元，用于將所述搜索廣告集合中的廣告投放給所述用戶，以便在用戶的搜索結(jié)果頁中展示。

B2、如B1所述的裝置，所述獲取單元包括：

特征信息獲取模塊，用于獲取所述用戶的特征信息，所述特征信息包括人口統(tǒng)計學(xué)數(shù)據(jù)、Ip段所屬地域數(shù)據(jù)、Ip基于瀏覽器的cookie數(shù)據(jù)以及Ip的search-click數(shù)據(jù)；

用戶分類獲取模塊，用于將所述特征信息輸入對應(yīng)的用戶分類模型中獲取所述用戶不同的分類，所述分類可以按人口統(tǒng)計學(xué)、興趣愛好、行為習(xí)慣、廣告偏好進(jìn)行。

B3、如B2所述的裝置，所述用戶分類模型包括：

基于用戶cookie數(shù)據(jù)的分類模型、基于用戶search數(shù)據(jù)的分類模型。

B4、如B1-B3中任一項所述的裝置，所述確定單元包括：

獲取模塊，用于分別獲取所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容以及不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)；

構(gòu)建模塊，用于根據(jù)所述用戶的分類、所述查詢詞的搜索意圖、所述候選集合中每個廣告的內(nèi)容構(gòu)建回歸模型，所述回歸模型用于預(yù)估所述用戶在搜索所述查詢詞時在搜索結(jié)果頁中展現(xiàn)所述候選集合中每個廣告的點擊概率；

修正模塊，使用所述不同用戶對不同廣告點擊行為的歷史數(shù)據(jù)，修正所述用戶在搜索所述查詢詞時在搜索結(jié)果頁中展現(xiàn)所述候選集合中每個廣告的點擊概率；

確定模塊，用于將所述候選集合中點擊概率符合預(yù)設(shè)條件的廣告集合作為在所述用戶搜索結(jié)果頁中展示的搜索廣告集合。

B5、如B4所述的裝置，所述獲取模塊包括：

第一子獲取模塊，用于對所述查詢詞的文本進(jìn)行處理，從語義層面上直接判斷獲取所述查詢詞的搜索意圖；

或者所述第一子獲取模塊還用于，基于二部圖的相似查詢詞聚類裝置，從用戶點擊行為層面間接判斷獲取所述查詢詞的搜索意圖；

或者所述第一子獲取模塊還用于，從搜索的上下文內(nèi)容間接判斷獲取所述查詢詞的搜索意圖。

B6、如B4所述的裝置，所述廣告的內(nèi)容包括：

廣告推廣內(nèi)容的類別、相關(guān)特征以及推廣潛力。

B7、如B6所述的裝置，所述獲取模塊還包括：

第二子獲取模塊，用于通過所述廣告推廣內(nèi)容關(guān)鍵詞的核心成分獲取所述廣告推廣內(nèi)容的類別；

或者所述第二子獲取模塊還用于，通過所述廣告推廣內(nèi)容創(chuàng)意內(nèi)容的核心文本獲取所述廣告推廣內(nèi)容的類別；

或者所述第二子獲取模塊還用于，通過對bidword分類的商品類別進(jìn)行識別獲取所述廣告推廣內(nèi)容的類別；

或者所述第二子獲取模塊還用于，通過對知識圖譜的商品類別進(jìn)行識別獲取所述廣告推廣內(nèi)容的類別。

B8、如B7所述的裝置，通過所述廣告推廣內(nèi)容關(guān)鍵詞的核心成分獲取所述廣告推廣內(nèi)容的類別包括：

通過切詞和核心詞識別算法獲取廣告推廣內(nèi)容關(guān)鍵詞的核心成分；

根據(jù)所述關(guān)鍵詞的核心成分獲取所述廣告推廣內(nèi)容的類別。

B9、如B6所述的裝置，所述獲取模塊包括：

第三子獲取模塊，用于通過所述廣告推廣內(nèi)容的關(guān)鍵詞的創(chuàng)意內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征；

或者所述第三子獲取模塊還用于，通過廣告推廣內(nèi)容的跳轉(zhuǎn)頁內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征。

B10、如B9所述的裝置，通過所述廣告推廣內(nèi)容的關(guān)鍵詞和創(chuàng)意內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征包括：

通過切詞和核心詞識別算法獲取廣告推廣內(nèi)容的關(guān)鍵詞；

通過文本挖掘算法獲取所述關(guān)鍵詞的創(chuàng)意內(nèi)容；

根據(jù)所述創(chuàng)意內(nèi)容獲取所述廣告推廣內(nèi)容的相關(guān)特征。

B11、如B6所述的裝置，所述獲取模塊包括：

第四獲取子模塊，用于獲取廣告主的推廣預(yù)算、歷史消費以及廣告本身的歷史消費、競價水平和質(zhì)量度水平；并根據(jù)所述廣告主的推廣預(yù)算、歷史消費以及廣告本身的歷史消費、競價水平和質(zhì)量度水平進(jìn)行運算，確定所述廣告推廣內(nèi)容的推廣潛力。

在上述實施例中，對各個實施例的描述都各有側(cè)重，某個實施例中沒有詳述的部分，可以參見其他實施例的相關(guān)描述。

可以理解的是，上述方法及裝置中的相關(guān)特征可以相互參考。另外，上述實施例中的“第一”、“第二”等是用于區(qū)分各實施例，而并不代表各實施例的優(yōu)劣。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實施例中的對應(yīng)過程，在此不再贅述。

在此提供的算法和顯示不與任何特定計算機(jī)、虛擬系統(tǒng)或者其它設(shè)備固有相關(guān)。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述，構(gòu)造這類系統(tǒng)所要求的結(jié)構(gòu)是顯而易見的。此外，本發(fā)明也不針對任何特定編程語言。應(yīng)當(dāng)明白，可以利用各種編程語言實現(xiàn)在此描述的本發(fā)明的內(nèi)容，并且上面對特定語言所做的描述是為了披露本發(fā)明的最佳實施方式。

在此處所提供的說明書中，說明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實施例可以在沒有這些具體細(xì)節(jié)的情況下實踐。在一些實例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對本說明書的理解。

類似地，應(yīng)當(dāng)理解，為了精簡本公開并幫助理解各個發(fā)明方面中的一個或多個，在上面對本發(fā)明的示例性實施例的描述中，本發(fā)明的各個特征有時被一起分組到單個實施例、圖、或者對其的描述中。然而，并不應(yīng)將該公開的方法解釋成反映如下意圖：即所要求保護(hù)的本發(fā)明要求比在每個權(quán)利要求中所明確記載的特征更多的特征。更確切地說，如下面的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個實施例的所有特征。因此，遵循具體實施方式的權(quán)利要求書由此明確地并入該具體實施方式，其中每個權(quán)利要求本身都作為本發(fā)明的單獨實施例。

本領(lǐng)域那些技術(shù)人員可以理解，可以對實施例中的設(shè)備中的模塊進(jìn)行自適應(yīng)性地改變并且把它們設(shè)置在與該實施例不同的一個或多個設(shè)備中。可以把實施例中的模塊或單元或組件組合成一個模塊或單元或組件，以及此外可以把它們分成多個子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設(shè)備的所有過程或單元進(jìn)行組合。除非另外明確陳述，本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的每個特征可以由提供相同、等同或相似目的的替代特征來代替。

此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實施例包括其它實施例中所包括的某些特征而不是其它特征，但是不同實施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實施例。例如，在下面的權(quán)利要求書中，所要求保護(hù)的實施例的任意之一都可以以任意的組合方式來使用。

本發(fā)明的各個部件實施例可以以硬件實現(xiàn)，或者以在一個或者多個處理器上運行的軟件模塊實現(xiàn)，或者以它們的組合實現(xiàn)。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，可以在實踐中使用微處理器或者數(shù)字信號處理器(DSP)來實現(xiàn)根據(jù)本發(fā)明實施例的發(fā)明名稱(如確定網(wǎng)站內(nèi)鏈接等級的裝置)中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設(shè)備或者裝置程序(例如，計算機(jī)程序和計算機(jī)程序產(chǎn)品)。這樣的實現(xiàn)本發(fā)明的程序可以存儲在計算機(jī)可讀介質(zhì)上，或者可以具有一個或者多個信號的形式。這樣的信號可以從因特網(wǎng)網(wǎng)站上下載得到，或者在載體信號上提供，或者以任何其他形式提供。

應(yīng)該注意的是上述實施例對本發(fā)明進(jìn)行說明而不是對本發(fā)明進(jìn)行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計出替換實施例。在權(quán)利要求中，不應(yīng)將位于括號之間的任何參考符號構(gòu)造成對權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計算機(jī)來實現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個可以是通 過同一個硬件項來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為名稱。