【技術(shù)領域】

本發(fā)明涉及推送技術(shù)領域，尤其涉及一種推送推廣信息的方法、裝置、設備和計算機存儲介質(zhì)。

背景技術(shù)：

現(xiàn)有技術(shù)在進行推廣信息的推送時，一般采用如下方式：廣告主購買人群的定向?qū)傩?，例如年齡、性別、興趣等，在進行推廣信息的推送時，將推廣信息向符合廣告主所購買定向?qū)傩缘挠脩暨M行展現(xiàn)。但采用傳統(tǒng)的人群定向?qū)傩再徺I的方式進行推廣信息的推送時具有很大的局限性：根據(jù)用戶的定向?qū)傩韵蛴脩敉扑偷耐茝V信息較為固定，無法靈活地根據(jù)用戶在一定時段內(nèi)的真實需求向用戶推送推廣信息。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明提供了一種推送推廣信息的方法、裝置、設備和計算機存儲介質(zhì)，用于實現(xiàn)根據(jù)用戶的真實需求，靈活地向用戶推送推廣信息。

本發(fā)明為解決技術(shù)問題而采用的技術(shù)方案是提供一種推送推廣信息的方法，所述方法包括：根據(jù)用戶標識，獲取對應該用戶的候選query集合以及第二預設時段內(nèi)的推廣展現(xiàn)日志；基于所述第二預設時段內(nèi)的推廣展現(xiàn)日志，對所述候選query集合中各query的質(zhì)量度進行評估；根據(jù)所述各query質(zhì)量度的評估結(jié)果，向用戶推送推廣信息；其中，用戶的候選query集合是利用第一預設時段內(nèi)用戶的檢索日志和推廣展現(xiàn)日志中至少一種預先訓練得到的。

根據(jù)本發(fā)明一優(yōu)選實施例，所述候選query集合是采用如下方式預先離線訓練得到的：獲取第一預設時段內(nèi)用戶的檢索日志以及推廣展現(xiàn)日志；基于所述第一預設時段內(nèi)的檢索日志，挖掘用戶感興趣的query集合；基于所述第一預設時段內(nèi)的推廣展現(xiàn)日志，對所述用戶感興趣的query集合中的各query進行商業(yè)價值預估；根據(jù)所述各query商業(yè)價值的預估結(jié)果，挑選商業(yè)價值大于預設閾值的query構(gòu)成候選query集合。

根據(jù)本發(fā)明一優(yōu)選實施例，所述推廣展現(xiàn)日志包括：頁面瀏覽日志以及推廣日志；其中，所述頁面瀏覽日志包括檢索query的時間、檢索用戶的標識、檢索返回的推廣數(shù)以及點擊檢索結(jié)果所對應的query中的至少一種；所述推廣日志包括推廣的觸發(fā)方式、query對應的推廣是否被點擊以及推廣出價中的至少一種。

根據(jù)本發(fā)明一優(yōu)選實施例，所述基于所述第一預設時段內(nèi)的推廣展現(xiàn)日志，對所述用戶感興趣的query集合中的各query進行商業(yè)價值預估包括：依據(jù)query在第一預設時段內(nèi)的被檢索狀況以及query所對應推廣的出價狀況，預估所述用戶感興趣的query集合中的各query的商業(yè)價值。

根據(jù)本發(fā)明一優(yōu)選實施例，所述在預估所述用戶感興趣的query集合中的各query的商業(yè)價值時，針對各query分別執(zhí)行：基于所述第一預設時段內(nèi)的推廣展現(xiàn)日志，得到第一預設時段內(nèi)檢索該query時返回推廣的次數(shù)占檢索總次數(shù)的百分比；基于所述第一預設時段內(nèi)的推廣展現(xiàn)日志，獲取第一預設時段內(nèi)該query所對應推廣的平均出價；將檢索該query時返回推廣的次數(shù)占檢索總次數(shù)的百分比以及該query所對應推廣的平均出價的乘積作為該query商業(yè)價值的預估結(jié)果。

根據(jù)本發(fā)明一優(yōu)選實施例，所述第二預設時段為：以當前時間為中心，取預設長度日期區(qū)間中的預設長度時間區(qū)間作為第二預設時段。

根據(jù)本發(fā)明一優(yōu)選實施例，所述基于所述第二預設時段內(nèi)的推廣展現(xiàn)日志，對所述候選query集合中各query的質(zhì)量度進行評估包括：基于所述第二預設時段內(nèi)的推廣展現(xiàn)日志，對所述候選query集合中的各query進行商業(yè)價值預估以及點擊率預估；根據(jù)各query商業(yè)價值的預估結(jié)果以及點擊率的預估結(jié)果，得到所述候選query集合中各query的質(zhì)量度。

根據(jù)本發(fā)明一優(yōu)選實施例，所述在基于所述第二預設時段內(nèi)的推廣展現(xiàn)日志，對所述候選query集合中的各query進行商業(yè)價值預估時，針對各query分別執(zhí)行：基于所述第二預設時段內(nèi)的推廣展現(xiàn)日志，獲取第二預設時段內(nèi)query所對應推廣的平均出價；將第一預設時段內(nèi)檢索該query時返回推廣的次數(shù)占檢索總次數(shù)的百分比與所述第二預設時段內(nèi)該query所對應推廣的平均出價的乘積作為該query商業(yè)價值的預估結(jié)果。

根據(jù)本發(fā)明一優(yōu)選實施例，所述在基于所述第二預設時段內(nèi)的推廣展現(xiàn)日志，對所述候選query集合中的各query進行點擊率預估時，針對各query分別執(zhí)行：提取該query的字面或語義特征中的至少一種作為該query的query特征；基于第二預設時段內(nèi)的推廣展現(xiàn)日志，提取該用戶的行為特征；將所述用戶的行為特征以及所述query特征作為輸入數(shù)據(jù)，輸入到點擊率預估模型中；將點擊率預估模型的輸出值作為該query的點擊率預估結(jié)果；其中，該點擊率預估模型是預先使用歷史query特征以及用戶行為特征訓練得到。

根據(jù)本發(fā)明一優(yōu)選實施例，所述根據(jù)所述各query質(zhì)量度的評估結(jié)果向用戶推送推廣信息包括：根據(jù)所述各query質(zhì)量度的評估結(jié)果，確定目標query；獲取目標query所對應的推廣信息集合，并對所述推廣信息集合中的推廣信息進行排序；根據(jù)所述推廣信息的排序結(jié)果，向用戶推送推廣信息。

根據(jù)本發(fā)明一優(yōu)選實施例，所述根據(jù)所述各query質(zhì)量度的評估結(jié)果，確定目標query包括：將質(zhì)量度大于預設閾值的query作為目標query，或者將質(zhì)量度排在前n個的query作為目標query，所述n為預設的正整數(shù)。

本發(fā)明為解決技術(shù)問題而采用的技術(shù)方案是提供一種推送推廣信息的裝置，所述裝置包括：獲取單元，用于根據(jù)用戶標識，獲取對應該用戶的候選query集合以及第二預設時段內(nèi)的推廣展現(xiàn)日志；評估單元，用于基于所述第二預設時段內(nèi)的推廣展現(xiàn)日志，對所述候選query集合中各query的質(zhì)量度進行評估；推送單元，用于根據(jù)所述各query質(zhì)量度的評估結(jié)果，向用戶推送推廣信息；訓練單元，用于利用第一預設時段內(nèi)用戶的檢索日志和推廣展現(xiàn)日志中至少一種預先訓練得到候選query集合。

根據(jù)本發(fā)明一優(yōu)選實施例，所述訓練單元是采用如下方式預先離線訓練得到候選query集合的：獲取第一預設時段內(nèi)用戶的檢索日志以及推廣展現(xiàn)日志；基于所述第一預設時段內(nèi)的檢索日志，挖掘用戶感興趣的query集合；基于所述第一預設時段內(nèi)的推廣展現(xiàn)日志，對所述用戶感興趣的query集合中的各query進行商業(yè)價值預估；根據(jù)所述各query商業(yè)價值的預估結(jié)果，挑選商業(yè)價值大于預設閾值的query構(gòu)成候選query集合。

根據(jù)本發(fā)明一優(yōu)選實施例，所述推廣展現(xiàn)日志包括：頁面瀏覽日志以及推廣日志；其中，所述頁面瀏覽日志包括檢索query的時間、檢索用戶的標識、檢索返回的推廣數(shù)以及點擊檢索結(jié)果所對應的query中的至少一種；所述推廣日志包括推廣的觸發(fā)方式、query對應的推廣是否被點擊以及推廣出價中的至少一種。

根據(jù)本發(fā)明一優(yōu)選實施例，所述訓練單元在基于所述第一預設時段內(nèi)的推廣展現(xiàn)日志，對所述用戶感興趣的query集合中的各query進行商業(yè)價值預估時，具體執(zhí)行：依據(jù)query在第一預設時段內(nèi)的被檢索狀況以及query所對應推廣的出價狀況，預估所述用戶感興趣的query集合中的各query的商業(yè)價值。

根據(jù)本發(fā)明一優(yōu)選實施例，所述訓練單元在預估所述用戶感興趣的query集合中的各query的商業(yè)價值時，具體執(zhí)行：基于所述第一預設時段內(nèi)的推廣展現(xiàn)日志，得到第一預設時段內(nèi)檢索該query時返回推廣的次數(shù)占檢索總次數(shù)的百分比；基于所述第一預設時段內(nèi)的推廣展現(xiàn)日志，獲取第一預設時段內(nèi)該query所對應推廣的平均出價；將檢索該query時返回推廣的次數(shù)占檢索總次數(shù)的百分比以及該query所對應推廣的平均出價的乘積作為該query商業(yè)價值的預估結(jié)果。

根據(jù)本發(fā)明一優(yōu)選實施例，所述第二預設時段為：以當前時間為中心，取預設長度日期區(qū)間中的預設長度時間區(qū)間作為第二預設時段。

根據(jù)本發(fā)明一優(yōu)選實施例，所述評估單元在基于所述第二預設時段內(nèi)的推廣展現(xiàn)日志，對所述候選query集合中各query的質(zhì)量度進行評估時，具體執(zhí)行：基于所述第二預設時段內(nèi)的推廣展現(xiàn)日志，對所述候選query集合中的各query進行商業(yè)價值預估以及點擊率預估；根據(jù)各query商業(yè)價值的預估結(jié)果以及點擊率的預估結(jié)果，得到所述候選query集合中各query的質(zhì)量度。

根據(jù)本發(fā)明一優(yōu)選實施例，所述評估單元在基于所述第二預設時段內(nèi)的推廣展現(xiàn)日志，對所述候選query集合中的各query進行商業(yè)價值預估時，針對各query分別執(zhí)行：基于所述第二預設時段內(nèi)的推廣展現(xiàn)日志，獲取第二預設時段內(nèi)query所對應推廣的平均出價；將第一預設時段內(nèi)檢索該query時返回推廣的次數(shù)占檢索總次數(shù)的百分比與所述第二預設時段內(nèi)該query所對應推廣的平均出價的乘積作為該query商業(yè)價值的預估結(jié)果。

根據(jù)本發(fā)明一優(yōu)選實施例，所述評估單元在基于所述第二預設時段內(nèi)的推廣展現(xiàn)日志，對所述候選query集合中的各query進行點擊率預估時，針對各query分別執(zhí)行：提取該query的字面或語義特征中的至少一種作為該query的query特征；基于第二預設時段內(nèi)的推廣展現(xiàn)日志，提取該用戶的行為特征；將所述用戶的行為特征以及所述query特征作為輸入數(shù)據(jù)，輸入到點擊率預估模型中；將所述點擊率預估模型的輸出值作為該query的點擊率預估結(jié)果；其中，該點擊率預估模型是預先使用歷史query特征以及用戶行為特征訓練得到。

根據(jù)本發(fā)明一優(yōu)選實施例，所述推送單元在根據(jù)所述各query質(zhì)量度的評估結(jié)果，向用戶推送推廣信息時，具體執(zhí)行：根據(jù)所述各query質(zhì)量度的評估結(jié)果，確定目標query；獲取目標query所對應的推廣信息集合，并對所述推廣信息集合中的推廣信息進行排序；根據(jù)所述推廣信息的排序結(jié)果，向用戶推送推廣信息。

根據(jù)本發(fā)明一優(yōu)選實施例，所述推送單元在根據(jù)所述各query質(zhì)量度的評估結(jié)果確定目標query時，具體執(zhí)行：將質(zhì)量度大于預設閾值的query作為目標query，或者將質(zhì)量度排在前n個的query作為目標query，所述n為預設的正整數(shù)。

由以上技術(shù)方案可以看出，本發(fā)明通過推廣展現(xiàn)日志，對用戶候選query集合中的各query進行質(zhì)量度評估，再根據(jù)query質(zhì)量度的評估結(jié)果向用戶推送推廣信息，從而實現(xiàn)利用用戶實際的搜索狀況以及推廣展現(xiàn)狀況，靈活地向用戶推送推廣信息。

【附圖說明】

圖1為本發(fā)明一實施例提供的推送推廣信息的方法流程圖。

圖2為本發(fā)明一實施例提供的推送推廣信息的示意圖。

圖3為本發(fā)明一實施例提供的推送推廣信息的裝置結(jié)構(gòu)圖。

圖4為本發(fā)明一實施例提供的計算機系統(tǒng)/服務器的框圖。

【具體實施方式】

為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面結(jié)合附圖和具體實施例對本發(fā)明進行詳細描述。

在本發(fā)明實施例中使用的術(shù)語是僅僅出于描述特定實施例的目的，而非旨在限制本發(fā)明。在本發(fā)明實施例和所附權(quán)利要求書中所使用的單數(shù)形式的“一種”、“所述”和“該”也旨在包括多數(shù)形式，除非上下文清楚地表示其他含義。

應當理解，本文中使用的術(shù)語“和/或”僅僅是一種描述關聯(lián)對象的關聯(lián)關系，表示可以存在三種關系，例如，a和/或b，可以表示：單獨存在a，同時存在a和b，單獨存在b這三種情況。另外，本文中字符“/”，一般表示前后關聯(lián)對象是一種“或”的關系。

取決于語境，如在此所使用的詞語“如果”可以被解釋成為“在……時”或“當……時”或“響應于確定”或“響應于檢測”。類似地，取決于語境，短語“如果確定”或“如果檢測(陳述的條件或事件)”可以被解釋成為“當確定時”或“響應于確定”或“當檢測(陳述的條件或事件)時”或“響應于檢測(陳述的條件或事件)”。

傳統(tǒng)的推廣信息推送方法，即按照用戶所屬的標簽，向用戶推送對應該標簽的推廣信息，該種方法存在一定的局限性。因此本發(fā)明提供一種推送推廣信息的方法、裝置、設備和計算機存儲介質(zhì)，用于解決傳統(tǒng)推廣信息推送方法的局限性，通過推廣展現(xiàn)日志，在線評估候選query集合中各query的質(zhì)量度，進而根據(jù)各query的質(zhì)量度向用戶推送對應的推廣信息，從而使得向用戶所推送的推廣信息更加精準豐富，且更能夠符合用戶近期的實際需要。在本發(fā)明中，query的中文含義為“檢索詞”。

其中，推廣展現(xiàn)日志為推廣信息系統(tǒng)在處理推廣信息請求的過程中所保存的相關信息，包括頁面瀏覽日志以及推廣日志。其中，頁面瀏覽日志記錄頁面瀏覽的粒度信息，頁面瀏覽的粒度信息包括檢索query的時間、檢索用戶的標識、檢索返回的推廣數(shù)以及點擊檢索結(jié)果所對應的query中的至少一種。而推廣日志則記錄檢索所返回推廣的粒度信息，檢索所返回推廣的粒度信息包括推廣的觸發(fā)方式、推廣是否被點擊以及推廣出價中的至少一種。

在本發(fā)明中，推廣展現(xiàn)日志分為第一預設時段內(nèi)的推廣展現(xiàn)日志以及第二預設時段內(nèi)的推廣展現(xiàn)日志。為了描述方便，在下文中使用在線推廣展現(xiàn)日志表示第二預設時段內(nèi)的推廣展現(xiàn)日志，使用離線推廣展現(xiàn)日志表示第一預設時段內(nèi)的推廣展現(xiàn)日志。其中，在線推廣展現(xiàn)日志用于在線評估query的質(zhì)量度，其存放在推廣信息系統(tǒng)中的短期存儲服務器中，根據(jù)用戶標識對應不同用戶的近期行為信息(例如幾個星期)；離線推廣展現(xiàn)日志則用于離線訓練候選query集合，其存放在推廣信息系統(tǒng)中的長期存儲服務器中，對應全部用戶的長期行為信息(例如幾年)。

圖1為本發(fā)明一實施例提供的推送推廣信息的方法流程圖，如圖1中所示，所述方法包括：

在101中，根據(jù)用戶標識，獲取對應該用戶的候選query集合以及在線推廣展現(xiàn)日志。

在本步驟中，用戶標識代表用戶的身份信息。可選地，在本實施例的一個具體實現(xiàn)過程中，用戶標識可以為用戶的賬號信息，例如賬號名稱或者uid，也可以為用戶所使用終端的設備號，還可以為用戶的瀏覽器cookie。

在獲取到對應用戶的用戶標識后，根據(jù)該用戶標識，獲取對應該用戶的候選query集合以及在線推廣展現(xiàn)日志，即根據(jù)用戶的身份信息獲取對應該用戶的候選query集合以及在線推廣展現(xiàn)日志。這是由于每個用戶的搜索需求、搜索興趣以及對推廣信息的感興趣程度不同，因此所得到的候選query集合以及在線推廣展現(xiàn)日志也會因人而異，而為了確保向用戶所推送的推廣信息盡可能準確，所以需要根據(jù)用戶標識對候選query集合以及在線推廣展現(xiàn)日志進行區(qū)分，進而根據(jù)用戶標識獲取對應該用戶的候選query集合以及在線推廣展現(xiàn)日志。

其中，在線推廣展現(xiàn)日志是根據(jù)用戶標識訪問推廣信息系統(tǒng)中的短期存儲服務器獲取的在第二預設時段內(nèi)的推廣展現(xiàn)日志。具體地，第二預設時段由當前時間確定。優(yōu)選地，可以以當前時間為中心取預設長度日期區(qū)間中的預設長度時間區(qū)間作為第二預設時段。舉例來說，若當前時間為2017年5月7日上午11點18分，則第二預設時段可以為2017.04.07～2017.05.07的11：00～12:00，也可以為2017.04.07～2017.05.07的11：00～13:00，還可以為2017.03.07～2017.05.07的11：00～12:00。在本發(fā)明的實施例中，第二預設時段優(yōu)選的預設長度日期區(qū)間為1個月，預設長度時間區(qū)間為1個小時。

在本步驟中，根據(jù)用戶標識所獲取的候選query集合是采用離線訓練的方式預先得到的?？梢岳斫獾氖?，在離線訓練得到候選query集合后，將所得到的候選query集合存儲在推廣信息系統(tǒng)的特定服務器或數(shù)據(jù)庫中。當根據(jù)用戶標識獲取對應該用戶的候選query集合時，便能夠通過訪問推廣信息系統(tǒng)中特定服務器或者數(shù)據(jù)庫的方式，根據(jù)用戶標識獲取對應該用戶的候選query集合。

具體地，候選query集合可以采用如下離線訓練方式預先得到：

首先獲取第一預設時段內(nèi)用戶的檢索日志以及推廣展現(xiàn)日志。其中，用戶的檢索日志通過訪問檢索服務器獲取，離線推廣展現(xiàn)日志則通過訪問推廣信息系統(tǒng)的長期存儲服務器獲取。需要說明的是，在第一預設時段內(nèi)所獲取的檢索日志以及推廣展現(xiàn)日志對應全部用戶，根據(jù)所獲取的檢索日志以及推廣展現(xiàn)日志中用戶的身份信息對不同的用戶進行區(qū)分，進而獲取對應每個用戶的候選query集合。

其中，第一預設時段與第二預設時段不同，第二預設時段必須根據(jù)當前時間進行確定，而第一預設時段則是預先設置的。舉例來說，第一預設時段可以預先設置為當前日期之前1個月以內(nèi)的時段，例如當前日期為2017.05.07，則第一預設時段可以為2017.04.07～2017.05.07，也可以設置為當前日期其他值以內(nèi)的時段，例如1個星期、2個星期或幾天等。可以理解的是，由于離線推廣展現(xiàn)日志存儲有用戶長期的行為信息，因此也可以根據(jù)用戶實際需求將第一預設時段設置為任意一段日期，例如2016.05.07～2017.05.07。

基于所獲取的檢索日志，采用機器學習或數(shù)據(jù)挖掘的方式獲取用戶感興趣的query?？蛇x地，用戶感興趣的query可以為用戶進行檢索時所輸入的query，還可以為用戶在檢索過程中點擊的檢索結(jié)果所對應的query。然后將所獲取的用戶感興趣的各條query構(gòu)成用戶感興趣的query集合。

在獲取用戶感興趣的query集合后，基于離線推廣展現(xiàn)日志，對用戶感興趣query集合中的各query進行商業(yè)價值預估，將用戶感興趣的query集合中商業(yè)價值小于預設閾值的query過濾掉，進而挑選出商業(yè)價值滿足一定要求的query構(gòu)成候選query集合。

在對query進行商業(yè)價值預估時，可以依據(jù)query在第一預設時段內(nèi)的被檢索狀況以及該query所對應推廣的出價狀況確定。具體地，首先基于離線推廣展現(xiàn)日志，得到第一預設時段內(nèi)檢索各query時返回推廣的次數(shù)占檢索總次數(shù)的百分比，該百分比表示有推廣展現(xiàn)的檢索query數(shù)量占全部檢索query數(shù)量的比率(為了描述方便，使用pvr1(pageviewrate，頁面瀏覽比率)表示該比率)；然后再基于離線推廣展現(xiàn)日志，獲取第一預設時段內(nèi)各query所對應推廣的平均出價(為了描述方便，使用acb1(averageclickbid，平均點擊出價)表示該平均出價)。將在第一預設時段內(nèi)所得到的各query的pvr1與acb1相乘得到的乘積，作為該query商業(yè)價值的預估結(jié)果。

在得到用戶感興趣query集合中各query商業(yè)價值的預估結(jié)果后，根據(jù)各query所具有的商業(yè)價值，將商業(yè)價值大于預設閾值的query構(gòu)成對應用戶的候選query集合。例如，預設閾值可以為0，則將商業(yè)價值大于0的query構(gòu)成對應用戶的候選query集合，可以理解的是該預設閾值也可以根據(jù)實際需要設置為其他值。因此，使用離線訓練的方式預先得到的候選query集合中的各query滿足既符合用戶的興趣，也具有一定的商業(yè)價值的要求。

舉例來說，若某用戶感興趣query集合中的一條query為“一天中最好的健身時間”，若該條query在第一預設時段內(nèi)沒有返回推廣，則該條query的pvr1為0，進而確定該query的商業(yè)價值為0。若商業(yè)價值的預設閾值為0，而由于該條query的商業(yè)價值為0，則對應該用戶的候選query集合中就不包含該條“一天中最好的健身時間”的query。若該條query在第一預設時段內(nèi)有返回的推廣，則該條query的pvr1不為0，若該條query的acb1也不為0，則確定該條query具有商業(yè)價值。由于該條query具有商業(yè)價值，則對應該用戶的候選query集合中就包含有該條“一天中最好的健身時間”的query。

可以理解的是，在基于檢索日志以及離線推廣日志進行候選query集合的離線訓練時，可以根據(jù)用戶檢索日志中或離線推廣日志中所包含的用戶身份信息，例如用戶的賬號信息、用戶所使用終端的設備號或者用戶的瀏覽器cookie中的至少一種，對離線訓練得到的候選query集合進行區(qū)分，從而使得在進行在線預估時能夠根據(jù)用戶標識獲取對應該用戶的候選query集合。

在102中，基于所述在線推廣展現(xiàn)日志，對所述候選query集合中的各query進行質(zhì)量度評估。

在步驟101中，獲取候選query集合以及在線推廣展現(xiàn)日志后，基于在線推廣展現(xiàn)日志對所得到的候選query集合中各query的質(zhì)量度進行在線評估。在線評估所獲取的候選query集合中各query的質(zhì)量度的意義在于：由于每個query的出價會隨著一天中不同時段的變化而變化，因此為了實現(xiàn)推廣收益的最大化，需要實時地在線評估候選query集合中各query的質(zhì)量度。

在本步驟中，對候選query集合中的各query進行的質(zhì)量度評估包括兩部分：預估候選query集合中各query的商業(yè)價值以及點擊率。進而根據(jù)各query商業(yè)價值的預估結(jié)果以及點擊率的預估結(jié)果，最終得到候選query集合中各query的質(zhì)量度。

其中，基于在線推廣展現(xiàn)日志對候選query集合中各query進行商業(yè)價值預估的具體步驟為：基于在線推廣展現(xiàn)日志，獲取第二預設時段內(nèi)各query所對應推廣的平均出價(為了描述方便，使用acb2表示該平均出價)；然后將第一預設時段內(nèi)所得到的pvr1與第二預設時段內(nèi)所得到的acb2相乘得到的乘積，作為候選query集合中各query商業(yè)價值的預估結(jié)果。第二預設時段已在步驟101中描述，在此不再進行贅述。

基于在線推廣展現(xiàn)日志，對候選query集合中各query進行點擊率預估時，對各query分別執(zhí)行：首先提取該query的字面或語義特征中的至少一種作為該query的query特征；然后基于第二預設時段內(nèi)的推廣展現(xiàn)日志，提取對應該用戶的行為特征，例如用戶會話特征；然后將該用戶的行為特征以及該query的query特征進行組合，將組合后的數(shù)據(jù)作為輸入到點擊率預估模型中的輸入數(shù)據(jù)；將點擊率預估模型根據(jù)輸入數(shù)據(jù)得到的輸出結(jié)果，作為該query的點擊率預估結(jié)果。在本步驟中，該點擊率預估模型是預先使用歷史query特征以及用戶行為特征訓練得到?？梢岳斫獾氖?，還可以進一步提取用戶的屬性特征，例如年齡、性別、興趣等，將該屬性特征與query特征以及用戶行為特征組合輸入到點擊率預估模型，進行對該query的點擊率預估。

其中，在使用歷史query特征以及用戶行為特征訓練得到點擊率預估模型時，具體步驟為：將歷史query的query特征以及用戶的行為特征組合形成輸入數(shù)據(jù)，然后基于歷史推廣展現(xiàn)日志，將歷史query所對應推廣的點擊結(jié)果設置為標簽以作為輸出數(shù)據(jù)，使用預設模型進行訓練，例如邏輯回歸模型，從而確定由輸入數(shù)據(jù)得到輸出數(shù)據(jù)的參數(shù)?？梢岳斫獾氖?，也可以使用深度學習的方式，通過對歷史query特征和用戶行為特征以及歷史query對應推廣的點擊結(jié)果進行學習，得到相應的深度學習模型，在線評估時使用該深度學習模型即可進行query點擊率的預估。

舉例來說，若預設模型為函數(shù)y＝f(x)，其中x為輸入數(shù)據(jù)，包括query特征以及用戶行為特征；y為輸出數(shù)據(jù)，表示某query對應推廣的點擊結(jié)果，例如若點擊則設置為1，未點擊則設置為0。通過對該模型的訓練，確定使得由輸入數(shù)據(jù)得到輸出數(shù)據(jù)的函數(shù)關系。當在線評估時，將由候選query集合中的某條query所得到的query特征以及在線推廣展現(xiàn)日志中所得到的用戶行為特征組合作為輸入數(shù)據(jù)x，輸入到所獲得的函數(shù)f(x)中，將得到的輸出結(jié)果y作為該query的點擊率預估結(jié)果。

在得到候選query集合中各query商業(yè)價值的預估結(jié)果以及點擊率的預估結(jié)果后，按照預設方法將兩者進行融合，例如使用多目標融合的方法進行融合，然后再根據(jù)融合結(jié)果得到候選query集合中各query的質(zhì)量度。

在使用多目標融合的方法對各query商業(yè)價值的預估結(jié)果以及點擊率的預估結(jié)果進行融合時，可以使用如下公式：

q＝α·ctr+β·ecom_value+γ·ctr·ecom_value

在公式中：q為候選query集合中各query的質(zhì)量度，α、β、γ為預設參數(shù)，ctr為query的點擊率預估結(jié)果，ecom_value為query的商業(yè)價值預估結(jié)果。

在103中，根據(jù)所述各query質(zhì)量度的評估結(jié)果，向用戶推送推廣信息。

在本步驟中，首先根據(jù)步驟102所得到的候選query集合中各query的質(zhì)量度，確定目標query。所確定的目標query為向用戶推送的推廣消息所對應的query。在根據(jù)所得到的各query的質(zhì)量度確定目標query時，可以為將質(zhì)量度排在前n個的query作為目標query，也可以為將質(zhì)量度大于預設閾值的query作為目標query。

在確定目標query后，獲取目標query所對應的推廣信息集合，然后使用傳統(tǒng)的推廣信息排序模型，例如使用推廣點擊率與推廣出價相乘的形式，對所得到的推廣信息集合中的推廣信息進行排序，再根據(jù)推廣信息的排序結(jié)果向用戶推送推廣信息。

舉例來說，如圖2中所示，在新聞類app中使用傳統(tǒng)方法進行推廣信息的推送時，若該用戶的標簽為“房地產(chǎn)”，則向用戶推送的推廣信息固定與房地產(chǎn)相關，如圖2中a圖方框中所示“裝修得花多少錢，三秒出預算”的推廣信息。而使用本發(fā)明所提供的技術(shù)方案，若該用戶近期檢索過“人才引進”的相關內(nèi)容，則會在新聞類app中向用戶推送與“人才引進”相關的推廣信息，如圖2中b圖中方框所示的“2017人才引進條件-落戶幫”的推廣信息，從而使得向用戶推送的推廣信息更符合用戶當前時段內(nèi)的興趣。

下面對本發(fā)明實施例提供的裝置結(jié)構(gòu)圖進行詳述。如圖3中所示，所述裝置包括：訓練單元31、獲取單元32、評估單元33以及推送單元34。

訓練單元31，用于利用第一預設時段內(nèi)用戶的檢索日志和推廣展現(xiàn)日志中至少一種預先訓練得到候選query集合。

訓練單元31根據(jù)訓練數(shù)據(jù)，使用離線訓練的方式得到候選query集合。在得到候選query集合后，訓練單元31將所得到的候選query集合存儲在推廣信息系統(tǒng)的特定服務器或數(shù)據(jù)庫中。其中，訓練單元31所使用的訓練數(shù)據(jù)為第一預設時段內(nèi)用戶的檢索日志以及推廣展現(xiàn)日志中的至少一種。

具體地，訓練單元31可以采用如下離線訓練方式得到候選query集合：

首先訓練單元31獲取第一預設時段內(nèi)用戶的檢索日志以及推廣展現(xiàn)日志。其中，用戶的檢索日志通過訪問檢索服務器獲取，離線推廣展現(xiàn)日志則通過訪問推廣信息系統(tǒng)的長期存儲服務器獲取。需要說明的是，訓練單元31在第一預設時段內(nèi)所獲取的檢索日志以及推廣展現(xiàn)日志對應全部用戶，訓練單元31可以根據(jù)所獲取的檢索日志以及推廣展現(xiàn)日志中用戶的身份信息對不同的用戶進行區(qū)分，進而確定對應每個用戶的候選query集合。

其中，第一預設時段是預先設置的。舉例來說，第一預設時段可以預先設置為當前日期之前1個月以內(nèi)的時段，例如當前日期為2017.05.07，則第一預設時段可以為2017.04.07～2017.05.07，也可以設置為當前日期其他值以內(nèi)的時段，例如1個星期、2個星期或幾天等?？梢岳斫獾氖牵捎陔x線推廣展現(xiàn)日志存儲有用戶長期的行為信息，因此也可以根據(jù)用戶實際需求將第一預設時段設置為任意一段日期，例如2016.05.07～2017.05.07。

訓練單元31基于所獲取的檢索日志，采用機器學習或數(shù)據(jù)挖掘的方式獲取用戶感興趣的query。可選地，用戶感興趣的query可以為用戶進行檢索時所輸入的query，還可以為用戶在檢索過程中點擊的檢索結(jié)果所對應的query。然后訓練單元31將所獲取的用戶感興趣的各條query構(gòu)成用戶感興趣的query集合。

訓練單元31在獲取用戶感興趣的query集合后，基于離線推廣展現(xiàn)日志，對用戶感興趣query集合中的各query進行商業(yè)價值預估，將用戶感興趣的query集合中商業(yè)價值小于預設閾值的query過濾掉，進而挑選出具有商業(yè)價值或商業(yè)價值較高的query構(gòu)成候選query集合。

訓練單元31在對query進行商業(yè)價值預估時，可以依據(jù)query在第一預設時段內(nèi)的被檢索狀況以及該query所對應推廣的出價狀況確定。具體地，訓練單元31首先基于離線推廣展現(xiàn)日志，得到第一預設時段內(nèi)檢索各query時返回推廣的次數(shù)占檢索總次數(shù)的百分比，該百分比表示有推廣展現(xiàn)的檢索query數(shù)量占全部檢索query數(shù)量的比率(為了描述方便，使用pvr1(pageviewrate，頁面瀏覽比率)表示該比率)；然后訓練單元31再基于離線推廣展現(xiàn)日志，獲取第一預設時段內(nèi)各query所對應推廣的平均出價(為了描述方便，使用acb1(averageclickbid，平均點擊出價)表示該平均出價)。訓練單元31將在第一預設時段內(nèi)所得到的各query的pvr1與acb1相乘得到的乘積，作為該query商業(yè)價值的預估結(jié)果。

訓練單元31在得到用戶感興趣query集合中各query商業(yè)價值的預估結(jié)果后，根據(jù)各query所具有的商業(yè)價值，將商業(yè)價值大于預設閾值的query構(gòu)成對應用戶的候選query集合。例如，預設閾值可以為0，則將商業(yè)價值大于0的query構(gòu)成對應用戶的候選query集合，該預設閾值也可以根據(jù)實際需要設置為其他值。因此，訓練單元31使用離線訓練的方式預先得到的候選query集合中的各query滿足既符合用戶的興趣，也具有一定的商業(yè)價值的要求。

可以理解的是，訓練單元31在基于檢索日志以及離線推廣日志進行候選query集合的離線訓練時，可以根據(jù)用戶檢索日志中或離線推廣日志中所包含的用戶身份信息，例如用戶的賬號信息、用戶所使用終端的設備號或者用戶的瀏覽器cookie中的至少一種，對離線訓練得到的候選query集合進行區(qū)分，從而使得在進行在線預估時能夠根據(jù)用戶標識獲取對應該用戶的候選query集合。

獲取單元32，用于根據(jù)用戶標識，獲取對應該用戶的候選query集合以及在線推廣展現(xiàn)日志。

獲取單元32所使用的用戶標識代表用戶的身份信息?？蛇x地，在本實施例的一個具體實現(xiàn)過程中，用戶標識可以為用戶的賬號信息，例如賬號名稱或者uid，也可以為用戶所使用終端的設備號，還可以為用戶的瀏覽器cookie。

獲取單元32在得到對應用戶的用戶標識后，根據(jù)用戶標識，獲取對應該用戶的候選query集合以及在線推廣展現(xiàn)日志，即根據(jù)用戶的身份信息獲取對應該用戶的候選query集合以及在線推廣展現(xiàn)日志。這是由于每個用戶的搜索需求、搜索興趣以及對推廣信息的感興趣程度不同，因此所得到的候選query集合以及在線推廣展現(xiàn)日志也會因人而異，而為了確保向用戶所推送的推廣信息盡可能準確，所以需要根據(jù)用戶標識對候選query集合以及在線推廣展現(xiàn)日志進行區(qū)分，進而根據(jù)用戶標識獲取對應該用戶的候選query集合以及在線推廣展現(xiàn)日志。

其中，候選query集合是由訓練單元31預先訓練得到的，獲取單元32根據(jù)用戶標識訪問推廣信息系統(tǒng)的特定服務器進行獲?。辉诰€推廣展現(xiàn)日志是根據(jù)用戶標識訪問推廣信息系統(tǒng)中的短期存儲服務器獲取的在第二預設時段內(nèi)的推廣展現(xiàn)日志。

具體地，第二預設時段與第一預設時段不同，第二預設時段是由當前時間確定的。優(yōu)選地，可以以當前時間為中心取預設長度日期區(qū)間中的預設長度時間區(qū)間作為第二預設時段。舉例來說，若當前時間為2017年5月7日上午11點18分，則第二預設時段可以為2017.04.07～2017.05.07的11：00～12:00，也可以為2017.04.07～2017.05.07的11：00～13:00，還可以為2017.03.07～2017.05.07的11：00～12:00。在本發(fā)明的實施例中，第二預設時段優(yōu)選的預設長度日期區(qū)間為1個月，預設長度時間區(qū)間為1個小時。

評估單元33，用于基于所述在線推廣展現(xiàn)日志，對所述候選query集合中的各query進行質(zhì)量度評估。

獲取單元32在獲取候選query集合以及在線推廣展現(xiàn)日志后，由評估單元33基于在線推廣展現(xiàn)日志對所得到的候選query集合中各query的質(zhì)量度進行在線評估。評估單元33在線評估所獲取的候選query集合中各query的質(zhì)量度的意義在于：由于每個query的出價會隨著一天中不同時段的變化而變化，因此為了實現(xiàn)推廣收益的最大化，需要由評估單元33實時地在線評估候選query集合中各query的質(zhì)量度。

評估單元33對候選query集合中的各query進行的質(zhì)量度評估包括兩部分：預估候選query集合中各query的商業(yè)價值以及點擊率。評估單元33進而根據(jù)各query商業(yè)價值的預估結(jié)果以及點擊率的預估結(jié)果，最終得到候選query集合中各query的質(zhì)量度。

其中，評估單元33基于在線推廣展現(xiàn)日志對候選query集合中各query進行商業(yè)價值的預估時，具體執(zhí)行：評估單元33基于在線推廣展現(xiàn)日志，獲取第二預設時段內(nèi)各query所對應推廣的平均出價(為了描述方便，使用acb2表示該平均出價)；然后評估單元33將第一預設時段內(nèi)所得到的pvr1與第二預設時段內(nèi)所得到的acb2相乘得到的乘積，作為候選query集合中各query商業(yè)價值的預估結(jié)果。

評估單元33基于在線推廣展現(xiàn)日志，對候選query集合中各query進行點擊率預估的具體步驟為：評估單元33首先提取該query的字面或語義特征中的至少一種作為該query的query特征；然后基于第二預設時段內(nèi)的推廣展現(xiàn)日志，評估單元33提取對應該用戶的行為特征，例如用戶會話特征；然后評估單元33將該用戶的行為特征以及該query的query特征進行組合，將組合后的數(shù)據(jù)作為輸入到點擊率預估模型中的輸入數(shù)據(jù)；評估單元33將點擊率預估模型根據(jù)輸入數(shù)據(jù)得到的輸出結(jié)果，作為該query的點擊率預估結(jié)果?？梢岳斫獾氖?，評估單元33還可以進一步使用用戶的屬性特征，例如年齡、性別、興趣等，將該屬性特征與query特征以及用戶行為特征組合輸入到點擊率預估模型，進行對該query的點擊率預估。

評估單元33所使用的點擊率預估模型是預先根據(jù)歷史query特征以及用戶行為特征訓練得到。其中，在使用歷史query特征以及用戶行為特征訓練得到點擊率預估模型時，具體步驟為：將歷史query的query特征以及用戶的行為特征組合形成輸入數(shù)據(jù)，然后基于歷史推廣展現(xiàn)日志，將歷史query所對應推廣的點擊結(jié)果設置為標簽以作為輸出數(shù)據(jù)，使用預設模型進行訓練，例如邏輯回歸模型，從而確定由輸入數(shù)據(jù)得到輸出數(shù)據(jù)的參數(shù)。可以理解的是，也可以使用深度學習的方式，通過對歷史query特征和用戶行為特征以及歷史query對應推廣的點擊結(jié)果進行學習，得到相應的深度學習模型，在線評估時使用該深度學習模型即可進行query點擊率的預估。

在評估單元33得到候選query集合中各query商業(yè)價值的預估結(jié)果以及點擊率的預估結(jié)果后，按照預設方法將兩者進行融合，例如使用多目標融合的方法進行融合，然后再根據(jù)融合結(jié)果得到候選query集合中各query的質(zhì)量度。

在使用多目標融合的方法對各query商業(yè)價值的預估結(jié)果以及點擊率的預估結(jié)果進行融合時，可以使用如下公式：

q＝α·ctr+β·ecom_value+γ·ctr·ecom_value

在公式中：q為候選query集合中各query的質(zhì)量度，α、β、γ為預設參數(shù)，ctr為query的點擊率預估結(jié)果，ecom_value為query的商業(yè)價值預估結(jié)果。

推送單元34，用于根據(jù)所述各query質(zhì)量度的評估結(jié)果，向用戶推送推廣信息。

推送單元34首先根據(jù)評估單元33所得到的候選query集合中各query的質(zhì)量度，確定目標query。推送單元34所確定的目標query為向用戶推送的推廣消息所對應的query。在推送單元34根據(jù)所得到的各query的質(zhì)量度確定目標query時，可以為將質(zhì)量度大于預設閾值的query作為目標query，也可以為將質(zhì)量度排在前n個的query作為目標query，其中n為預設的正整數(shù)。

在確定目標query后，推送單元34獲取目標query所對應的推廣信息集合，然后使用傳統(tǒng)的推廣信息排序模型，例如使用推廣點擊率與推廣出價相乘的形式，對所得到的推廣信息集合中的推廣信息進行排序，再根據(jù)推廣信息的排序結(jié)果向用戶推送推廣信息。

圖4示出了適于用來實現(xiàn)本發(fā)明實施方式的示例性計算機系統(tǒng)/服務器012的框圖。圖4顯示的計算機系統(tǒng)/服務器012僅僅是一個示例，不應對本發(fā)明實施例的功能和使用范圍帶來任何限制。

如圖4所示，計算機系統(tǒng)/服務器012以通用計算設備的形式表現(xiàn)。計算機系統(tǒng)/服務器012的組件可以包括但不限于：一個或者多個處理器或者處理單元016，系統(tǒng)存儲器028，連接不同系統(tǒng)組件(包括系統(tǒng)存儲器028和處理單元016)的總線018。

總線018表示幾類總線結(jié)構(gòu)中的一種或多種，包括存儲器總線或者存儲器控制器，外圍總線，圖形加速端口，處理器或者使用多種總線結(jié)構(gòu)中的任意總線結(jié)構(gòu)的局域總線。舉例來說，這些體系結(jié)構(gòu)包括但不限于工業(yè)標準體系結(jié)構(gòu)(isa)總線，微通道體系結(jié)構(gòu)(mac)總線，增強型isa總線、視頻電子標準協(xié)會(vesa)局域總線以及外圍組件互連(pci)總線。

計算機系統(tǒng)/服務器012典型地包括多種計算機系統(tǒng)可讀介質(zhì)。這些介質(zhì)可以是任何能夠被計算機系統(tǒng)/服務器012訪問的可用介質(zhì)，包括易失性和非易失性介質(zhì)，可移動的和不可移動的介質(zhì)。

系統(tǒng)存儲器028可以包括易失性存儲器形式的計算機系統(tǒng)可讀介質(zhì)，例如隨機存取存儲器(ram)030和/或高速緩存存儲器032。計算機系統(tǒng)/服務器012可以進一步包括其它可移動/不可移動的、易失性/非易失性計算機系統(tǒng)存儲介質(zhì)。僅作為舉例，存儲系統(tǒng)034可以用于讀寫不可移動的、非易失性磁介質(zhì)(圖4未顯示，通常稱為“硬盤驅(qū)動器”)。盡管圖4中未示出，可以提供用于對可移動非易失性磁盤(例如“軟盤”)讀寫的磁盤驅(qū)動器，以及對可移動非易失性光盤(例如cd-rom,dvd-rom或者其它光介質(zhì))讀寫的光盤驅(qū)動器。在這些情況下，每個驅(qū)動器可以通過一個或者多個數(shù)據(jù)介質(zhì)接口與總線018相連。存儲器028可以包括至少一個程序產(chǎn)品，該程序產(chǎn)品具有一組(例如至少一個)程序模塊，這些程序模塊被配置以執(zhí)行本發(fā)明各實施例的功能。

具有一組(至少一個)程序模塊042的程序/實用工具040，可以存儲在例如存儲器028中，這樣的程序模塊042包括——但不限于——操作系統(tǒng)、一個或者多個應用程序、其它程序模塊以及程序數(shù)據(jù)，這些示例中的每一個或某種組合中可能包括網(wǎng)絡環(huán)境的實現(xiàn)。程序模塊042通常執(zhí)行本發(fā)明所描述的實施例中的功能和/或方法。

計算機系統(tǒng)/服務器012也可以與一個或多個外部設備014(例如鍵盤、指向設備、顯示器024等)通信，在本發(fā)明中，計算機系統(tǒng)/服務器012與外部雷達設備進行通信，還可與一個或者多個使得用戶能與該計算機系統(tǒng)/服務器012交互的設備通信，和/或與使得該計算機系統(tǒng)/服務器012能與一個或多個其它計算設備進行通信的任何設備(例如網(wǎng)卡，調(diào)制解調(diào)器等等)通信。這種通信可以通過輸入/輸出(i/o)接口022進行。并且，計算機系統(tǒng)/服務器012還可以通過網(wǎng)絡適配器020與一個或者多個網(wǎng)絡(例如局域網(wǎng)(lan)，廣域網(wǎng)(wan)和/或公共網(wǎng)絡，例如因特網(wǎng))通信。如圖所示，網(wǎng)絡適配器020通過總線018與計算機系統(tǒng)/服務器012的其它模塊通信。應當明白，盡管圖中未示出，可以結(jié)合計算機系統(tǒng)/服務器012使用其它硬件和/或軟件模塊，包括但不限于：微代碼、設備驅(qū)動器、冗余處理單元、外部磁盤驅(qū)動陣列、raid系統(tǒng)、磁帶驅(qū)動器以及數(shù)據(jù)備份存儲系統(tǒng)等。

處理單元016通過運行存儲在系統(tǒng)存儲器028中的程序，從而執(zhí)行各種功能應用以及數(shù)據(jù)處理，例如實現(xiàn)一種推送推廣信息的方法，可以包括：

根據(jù)用戶標識，獲取對應該用戶的候選query集合以及第二預設時段內(nèi)的推廣展現(xiàn)日志；

基于所述第二預設時段內(nèi)的推廣展現(xiàn)日志，對所述候選query集合中各query的質(zhì)量度進行評估；

根據(jù)所述各query質(zhì)量度的評估結(jié)果，向用戶推送推廣信息。

上述的計算機程序可以設置于計算機存儲介質(zhì)中，即該計算機存儲介質(zhì)被編碼有計算機程序，該程序在被一個或多個計算機執(zhí)行時，使得一個或多個計算機執(zhí)行本發(fā)明上述實施例中所示的方法流程和/或裝置操作。例如，被上述一個或多個處理器執(zhí)行的方法流程，可以包括：

根據(jù)用戶標識，獲取對應該用戶的候選query集合以及第二預設時段內(nèi)的推廣展現(xiàn)日志；

基于所述第二預設時段內(nèi)的推廣展現(xiàn)日志，對所述候選query集合中各query的質(zhì)量度進行評估；

根據(jù)所述各query質(zhì)量度的評估結(jié)果，向用戶推送推廣信息。

隨著時間、技術(shù)的發(fā)展，介質(zhì)含義越來越廣泛，計算機程序的傳播途徑不再受限于有形介質(zhì)，還可以直接從網(wǎng)絡下載等。可以采用一個或多個計算機可讀的介質(zhì)的任意組合。計算機可讀介質(zhì)可以是計算機可讀信號介質(zhì)或者計算機可讀存儲介質(zhì)。計算機可讀存儲介質(zhì)例如可以是——但不限于——電、磁、光、電磁、紅外線、或半導體的系統(tǒng)、裝置或器件，或者任意以上的組合。計算機可讀存儲介質(zhì)的更具體的例子(非窮舉的列表)包括：具有一個或多個導線的電連接、便攜式計算機磁盤、硬盤、隨機存取存儲器(ram)、只讀存儲器(rom)、可擦式可編程只讀存儲器(eprom或閃存)、光纖、便攜式緊湊磁盤只讀存儲器(cd-rom)、光存儲器件、磁存儲器件、或者上述的任意合適的組合。在本文件中，計算機可讀存儲介質(zhì)可以是任何包含或存儲程序的有形介質(zhì)，該程序可以被指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用。

計算機可讀的信號介質(zhì)可以包括在基帶中或者作為載波一部分傳播的數(shù)據(jù)信號，其中承載了計算機可讀的程序代碼。這種傳播的數(shù)據(jù)信號可以采用多種形式，包括——但不限于——電磁信號、光信號或上述的任意合適的組合。計算機可讀的信號介質(zhì)還可以是計算機可讀存儲介質(zhì)以外的任何計算機可讀介質(zhì)，該計算機可讀介質(zhì)可以發(fā)送、傳播或者傳輸用于由指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用的程序。

計算機可讀介質(zhì)上包含的程序代碼可以用任何適當?shù)慕橘|(zhì)傳輸，包括——但不限于——無線、電線、光纜、rf等等，或者上述的任意合適的組合?？梢砸砸环N或多種程序設計語言或其組合來編寫用于執(zhí)行本發(fā)明操作的計算機程序代碼，所述程序設計語言包括面向?qū)ο蟮某绦蛟O計語言—諸如java、smalltalk、c++，還包括常規(guī)的過程式程序設計語言—諸如“c”語言或類似的程序設計語言。程序代碼可以完全地在用戶計算機上執(zhí)行、部分地在用戶計算機上執(zhí)行、作為一個獨立的軟件包執(zhí)行、部分在用戶計算機上部分在遠程計算機上執(zhí)行、或者完全在遠程計算機或服務器上執(zhí)行。在涉及遠程計算機的情形中，遠程計算機可以通過任意種類的網(wǎng)絡——包括局域網(wǎng)(lan)或廣域網(wǎng)(wan)連接到用戶計算機，或者，可以連接到外部計算機(例如利用因特網(wǎng)服務提供商來通過因特網(wǎng)連接)。

本發(fā)明所提供的技術(shù)方案，不僅適用于普通推廣信息的推送，而且還適用于目前較為流行的feed流推廣信息的推送，該feed流推廣信息為信息流推廣信息，主要表現(xiàn)為在新聞類app中的瀏覽信息中插入推廣信息或在微信朋友圈中的好友動態(tài)中插入推廣信息。

利用本發(fā)明所提供的技術(shù)方案，通過推廣展現(xiàn)日志，對用戶候選query集合中的各query進行質(zhì)量度評估，再根據(jù)query質(zhì)量度的評估結(jié)果向用戶推送推廣信息，從而實現(xiàn)利用用戶實際的搜索狀況以及推廣展現(xiàn)狀況，靈活地向用戶推送推廣信息。

在本發(fā)明所提供的幾個實施例中，應該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用硬件加軟件功能單元的形式實現(xiàn)。

上述以軟件功能單元的形式實現(xiàn)的集成的單元，可以存儲在一個計算機可讀取存儲介質(zhì)中。上述軟件功能單元存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網(wǎng)絡設備等)或處理器(processor)執(zhí)行本發(fā)明各個實施例所述方法的部分步驟。而前述的存儲介質(zhì)包括：u盤、移動硬盤、只讀存儲器(read-onlymemory，rom)、隨機存取存儲器(randomaccessmemory，ram)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應包含在本發(fā)明保護的范圍之內(nèi)。