CN105530315A - 一种数据处理方法及服务器 - Google Patents

Abstract

本发明公开了一种数据处理方法及服务器，所述方法包括：获取第一数据，所述第一数据用于表征发布信息经X个逻辑单元分别处理时所耗费的第一特征量，所述X为>＝2的正整数；获取第二数据，所述第二数据用于表征所述发布信息经X个逻辑单元分别处理时所能达到的第二特征量；根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子；根据所述第一影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，发送所述综合影响因子给第一终端。

Description

一种数据处理方法及服务器

技术领域

本发明涉及电子技术，尤其涉及一种数据处理方法及服务器。

背景技术

基于互联网的信息发布***是复杂的计算机***，一般会包含检索、粗排和精排等多个阶段，每个阶段又包含多个逻辑单元。某个发布信息在信息发布***的竞争环境中是否胜出，如果胜出则曝光该发布信息，这个过程受大量的因素影响，同时每个因素的影响程度亦有优先级轻重之分，这对发布信息曝光波动的原因排查提出了严峻的挑战。而无论是***开发人员、运营人员还是信息发布主都需要快速定位致使发布信息波动的原因所在，以便进行***改进和发布信息优化。

发明内容

有鉴于此，本发明实施例为解决现有技术中存在的问题而提供一种数据处理方法及服务器。

本发明实施例的技术方案是这样实现的：

本发明实施例提供一种数据处理方法，所述方法包括：

获取第一数据，所述第一数据用于表征发布信息经X个逻辑单元分别处理时所耗费的第一特征量，所述X为>＝2的正整数；

获取第二数据，所述第二数据用于表征所述发布信息经X个逻辑单元分别处理时所能达到的第二特征量；

根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子；

根据所述第一影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，发送所述综合影响因子给第一终端。

上述方案中，根据所述第一影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，包括：

按照第一预定规则基于X个逻辑单元所属***层架构进行建模得到第一数据模型；

按照所述第一数据模型对所述第一影响因子进行归一化处理，得到第一归一化影响因子；

根据所述第一归一化影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子。

上述方案中，所述根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子，包括：

利用所述第一数据和所述第二数据进行建模得到用于计算所述X个逻辑单元中每一个逻辑单元对应影响因子的第二数据模型；

根据所述第二数据模型按照第二预定规则确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子。

上述方案中，所述根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子，包括：

提取经X个逻辑单元分别处理时所耗费的资源占用量，作为所述第一数据；

提取经X个逻辑单元分别处理时所能达到的竞争能力强度，作为所述第二数据；

根据所述资源占用量和所述竞争能力强度确定资源占用权重，将所述资源占用权重作为所述第一影响因子；

根据所述资源占用量和所述竞争能力强度确定竞争能力权重，将所述竞争能力权重作为所述第二影响因子。

上述方案中，所述方法还包括：

获取第三数据，所述第三数据用于表征所述发布信息经X个逻辑单元分别处理时对应竞争失败影响程度的N个第三特征量，所述N为>＝2的正整数；

按照第三预定规则根据所述第三数据确定与所述N个第三特征量对应的N个第三影响因子。

上述方案中，按照所述第一数据模型基于第四预定规则对所述第三影响因子进行归一化处理，得到第三归一化影响因子。

本发明实施例还提供一种服务器，所述服务器包括：

第一获取单元，用于获取第一数据，所述第一数据用于表征发布信息经X个逻辑单元分别处理时所耗费的第一特征量，所述X为>＝2的正整数；

第二获取单元，用于获取第二数据，所述第二数据用于表征所述发布信息经X个逻辑单元分别处理时所能达到的第二特征量；

第一确定单元，用于根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子；

处理单元，用于根据所述第一影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，发送所述综合影响因子给第一终端。

上述方案中，所述处理单元，进一步包括：

第一建模子单元，用于按照第一预定规则基于X个逻辑单元所属***层架构进行建模得到第一数据模型；

第一处理子单元，用于按照所述第一数据模型对所述第一影响因子进行归一化处理，得到第一归一化影响因子；

第二处理子单元，用于根据所述第一归一化影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子。

上述方案中，所述第一确定单元，进一步包括：

第二建模子单元，用于利用所述第一数据和所述第二数据进行建模得到用于计算所述X个逻辑单元中每一个逻辑单元对应影响因子的第二数据模型；

第一确定子单元，用于根据所述第二数据模型按照第二预定规则确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子。

上述方案中，所述第一确定单元，进一步包括：

第一提取子单元，用于提取经X个逻辑单元分别处理时所耗费的资源占用量，作为所述第一数据；

第二提取子单元，用于提取经X个逻辑单元分别处理时所能达到的竞争能力强度，作为所述第二数据；

第二确定子单元，用于根据所述资源占用量和所述竞争能力强度确定资源占用权重，将所述资源占用权重作为所述第一影响因子；

第三确定子单元，用于根据所述资源占用量和所述竞争能力强度确定竞争能力权重，将所述竞争能力权重作为所述第二影响因子。

上述方案中，所述服务器还包括：

第三获取单元，用于获取第三数据，所述第三数据用于表征所述发布信息经X个逻辑单元分别处理时对应竞争失败影响程度的N个第三特征量，所述N为>＝2的正整数；

第二确定单元，用于按照第三预定规则根据所述第三数据确定与所述N个第三特征量对应的N个第三影响因子。

上述方案中，所述第一处理子单元，进一步用于按照所述第一数据模型基于第四预定规则对所述第三影响因子进行归一化处理，得到第三归一化影响因子。

本发明实施例中，获取第一数据，所述第一数据用于表征发布信息经X个逻辑单元分别处理时所耗费的第一特征量，所述X为>＝2的正整数；获取第二数据，所述第二数据用于表征所述发布信息经X个逻辑单元分别处理时所能达到的第二特征量；根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子；根据所述第一影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，发送所述综合影响因子给第一终端。如此，本发明实施例通过相关计算准确分析发布信息曝光量波动的多个影响因子，并根据这些影响因子确定出综合影响因子，使得信息发布***的各个使用方均能够根据所述综合影响因子快速定位发布信息曝光波动的原因所在，以便进行***改进和发布信息优化。

附图说明

图1为本发明实施例中进行信息交互的各方硬件实体的示意图；

图2为本发明实施例一数据处理方法的实现流程示意图；

图3为本发明实施例一确定综合影响因子的实现流程示意图；

图4为本发明实施例一的终端与服务器交互的一个示意图；

图5为本发明实施例一第一数据模型的组成结构示意图；

图6为本发明实施例二数据处理方法的实现流程示意图；

图7为本发明实施例二的终端与服务器交互的一个示意图；

图8为本发明实施例二第二数据模型的组成结构示意图；

图9本发明实施例三数据处理方法的实现流程示意图；

图10为本发明实施例四的终端与服务器交互的一个示意图；

图11为本发明实施例四采用流式数据处理工具进行实时数据采集的流程示意图；

图12为本发明服务器实施例的一个组成结构示意图；

图13为本发明服务器作为硬件实体的一个示例图。

具体实施方式

下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。

图1为本发明实施例中进行信息交互的各方硬件实体的示意图，图1中包括：服务器11……1n、终端设备21-24，终端设备21-24通过有线网络或者无线网络与服务器进行信息交互，终端设备包括手机、台式机、PC机、一体机等类型，一个示例中，服务器11……1n还可以通过网络与第一类终端(如广告主所在的终端，或称为提供广告素材和内容推广的对象)进行交互，第一类终端(如广告主所在的终端，或称为提供广告素材和内容推广的对象)将想要投放的广告提交后，被存储在服务器集群中，可以配备管理员对第一类终端(如广告主所在的终端，或称为提供广告素材和内容推广的对象)投放的广告进行审核等一系列处理。其中，相对于第一类终端(如广告主所在的终端，或称为提供广告素材和内容推广的对象)而言，终端设备21-24可以称为第二类终端(如普通用户所在的终端，或称为广告展示或曝光的对象)，可以为通过视频应用看视频的用户，通过游戏应用打游戏的用户等等。其中，终端设备中安装的所有应用或者指定的应用(如游戏应用，视频应用，导航应用等等)都可以添加广告以展示给用户更多的推荐信息。采用本发明实施例，基于上述图1所示的***，服务器获取第一数据，所述第一数据用于表征发布信息经X个逻辑单元分别处理时所耗费的第一特征量，所述X为>＝2的正整数；获取第二数据，所述第二数据用于表征所述发布信息经X个逻辑单元分别处理时所能达到的第二特征量；根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子；根据所述第一影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，发送所述综合影响因子给第一终端(如广告主或用户侧)，使得信息发布***的各个使用方均能够根据所述综合影响因子快速定位发布信息曝光波动的原因所在，以便进行***改进和发布信息优化。

上述图1的例子只是实现本发明实施例的一个***架构实例，本发明实施例并不限于上述图1所述的***结构，基于该***架构，提出本发明各个实施例。

实施例一

图2为本发明实施例数据处理方法流程示意图，如图2所示，本发明实施例数据处理方法包括：

步骤201，获取第一数据，所述第一数据用于表征发布信息经X个逻辑单元分别处理时所耗费的第一特征量，所述X为>＝2的正整数；

步骤202，获取第二数据，所述第二数据用于表征所述发布信息经X个逻辑单元分别处理时所能达到的第二特征量；

步骤203，根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子；

步骤204，根据所述第一影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，发送所述综合影响因子给第一终端。

采用本发明实施例，通过步骤201-204，服务器通过获取的第一数据和第二数据确定出所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子，再根据所确定的第一影响因子和第二影响因子得到影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子。这样，当服务器将得到的综合影响因子发送给第一终端(发布信息的发起端)后，所述第一终端便可以根据所述综合影响因子将所述发布信息推送至第二终端(发布信息的接收端)进行信息发布；从而通过相关计算准确分析发布信息曝光量波动的多个影响因子，并根据这些影响因子确定出综合影响因子，使得信息发布***的各个使用方均能够根据所述综合影响因子快速定位发布信息曝光波动的原因所在，以便进行***改进和发布信息优化。

本发明实施例一实施方式中，步骤203根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子，包括：提取经X个逻辑单元分别处理时所耗费的资源占用量，作为所述第一数据；提取经X个逻辑单元分别处理时所能达到的竞争能力强度，作为所述第二数据；根据所述资源占用量和所述竞争能力强度确定资源占用权重，将所述资源占用权重作为所述第一影响因子；根据所述资源占用量和所述竞争能力强度确定竞争能力权重，将所述竞争能力权重作为所述第二影响因子。

这里，所述第一影响因子和所述第二影响因子分别为与资源占用和竞争能力相对应的影响权重。

本发明实施例一实施方式中，如图3所示，步骤204具体包括：

步骤2041：按照第一预定规则基于X个逻辑单元所属***层架构进行建模得到第一数据模型；

步骤2042：按照所述第一数据模型对所述第一影响因子进行归一化处理，得到第一归一化影响因子；

步骤2043：根据所述第一归一化影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子。

如图4所示为对应第一终端与服务器交互的示意图，图4中服务器中装载有用于计算第一归一化影响因子的第一数据模型。第一终端基于该第一数据模型和第二影响因子得到综合影响因子的处理流程包括：

步骤a1，服务器按照第一预定规则基于X个逻辑单元所属***层架构进行建模得到第一数据模型，如图5所示。

具体地，基于X个逻辑单元所属***层架构一般由检索、粗排、精排等部分组成，每个部分中又会包含逻辑单元，这些不同部分的逻辑单元之间通过层次树级联的方式加以抽象，得到如图5所示的第一数据模型。所述第一数据模型中，包括对应各个逻辑单元的一级波动原因和二级波动原因。

当然，在实际应用中，也可以基于X个逻辑单元所属***层架构采用其他方式加以抽象，如层次不止两层或者采用并联串联的方式建模。

步骤a2，服务器按照所述第一数据模型对所述第一影响因子进行归一化处理，得到第一归一化影响因子；

这里，基于如图5所示的第一数据模型，这些逻辑单元各自通过耦合分解算法得到的第一影响因子，对应图5中的一级波动原因A、B、C、D等，通过级联相乘归一化得到第一归一化影响因子；其中，

这里，根据如图5所示的层次树模型，每一层的一级波动原因权重，即第一影响因子之和为1；

weight_A+weight_B+weight_C＝1

一级波动原因下面的二级波动原因权重之和亦为1；

weight_α+weight_β+weight_γ＝1

进一步地，当前层第一归一化影响因子为第一影响因子乘以上层对应的第一归一化影响因子：

normalized_weight_C＝wegiht_C×normalized_weight_D

在对二级波动原因权重进行归一化处理时，将二级波动原因权重乘以当前层第一归一化影响因子：

normalized_weight_α＝weight_α×normalized_wegiht_C

normalized_weight_β＝weight_β×normalized_wegiht_C

normalized_weight_γ＝weight_γ×normalized_wegiht_C

这里，所述服务器执行步骤a1～a2的处理过程时，可以采用中央处理器(CPU，CentralProcessingUnit)、数字信号处理器(DSP，DigitalSingnalProcessor)或可编程逻辑阵列(FPGA，Field－ProgrammableGateArray)实现。

步骤a3，服务器根据所述第一归一化影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，并输出到第一终端，以由第一终端根据所述综合影响因子将所述发布信息推送至第二终端(发布信息的接收端)进行信息发布。

本发明实施例中，服务器通过获取的第一数据和第二数据确定出所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子的基础上，通过步骤2041～2043，按照第三预定规则基于X个逻辑单元所属***层架构进行建模得到第二数据模型；按照所述第二数据模型对所述第一影响因子进行归一化处理，得到第一归一化影响因子；根据所述第一归一化影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子。这样，当服务器将得到的综合影响因子发送给第一终端(发布信息的发起端)后，所述第一终端便可以根据所述综合影响因子将所述发布信息推送至第二终端(发布信息的接收端)进行信息发布。

实施例二

图6为本发明实施例数据处理方法流程示意图，如图6所示，本发明实施例数据处理方法包括：

步骤201，获取第一数据，所述第一数据用于表征发布信息经X个逻辑单元分别处理时所耗费的第一特征量，所述X为>＝2的正整数；

步骤202，获取第二数据，所述第二数据用于表征所述发布信息经X个逻辑单元分别处理时所能达到的第二特征量；

步骤2031，利用所述第一数据和所述第二数据进行建模得到用于计算所述X个逻辑单元中每一个逻辑单元对应影响因子的第二数据模型；

步骤2032，根据所述第二数据模型按照第二预定规则确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子；

步骤204，根据所述第一影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，发送所述综合影响因子给第一终端。

如图7所示为对应第一终端与服务器交互的示意图，图7中服务器中装载有用于计算所述X个逻辑单元中每一个逻辑单元对应影响因子的第二数据模型，比如计算与资源占用相对应的第一影响因子，与竞争能力相对应的第二影响因子，及综合影响因子的第二数据模型。第一终端基于该第二数据模型得到综合影响因子的处理流程包括：

步骤b1，服务器利用所述第一数据和所述第二数据进行建模得到用于计算所述X个逻辑单元中每一个逻辑单元对应影响因子的第二数据模型；

具体地，提取经X个逻辑单元分别处理时所耗费的资源占用量res_y和res_t作为第一数据，其中，res_y表示某发布信息(如广告)在y时间段进入逻辑单元的流量资源，res_t表示t时间的流量资源；提取经X个逻辑单元分别处理时所能达到的竞争能力强度pro_y和pro_t作为第二数据，其中，pro_y表示y时间某发布信息(如广告)通过该逻辑单元的竞争能力强度，pro_t表示t时间某发布信息的竞争能力强度；之后，根据所述第一数据和所述第二数据进行建模得到第二数据模型如图8所示。

步骤b2，服务器根据所述第二数据模型按照第二预定规则确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子；

这里，基于如图8所示的第二数据模型，可以得知，y时刻通过逻辑单元的流量资源flow_y＝res_y×pro_y，t时刻通过逻辑单元的流量资源flow_t＝res_t×pro_t，那么t时刻与y时刻的输出波动量flow＝flow_t-flow_y＝A₁+A₂+A₃，其中：

A₁＝res_y×(pro_t-pro_y)，

A₂＝pro_y×(res_t-res_y)，

A₃＝(pro_t-pro_y)×(res_t-res_y)；

服务器根据如图8所示的第二数据模型按照耦合分解算法确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子weight_res和第二影响因子weight_pro，其计算如下：

1)当A₁与A₂符号相同时，

weight_res＝A₂+(A₂/(A₁+A₂))×A₃，weight_pro＝A₁+(A₁/(A₁+A₂))×A₃；

2)当A₁与A₃符号相同时，

weight_res＝A₁+A₃，weight_pro＝A₂；

3)当A₂与A₃符号相同时，

weight_res＝A₁，weight_pro＝A₂+A₃。

这里，所述服务器执行步骤b1和b2的处理过程时，可以采用中央处理器、数字信号处理器或可编程逻辑阵列实现。

步骤b3，服务器根据所述第一影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，并输出到第一终端，以由第一终端根据所述综合影响因子将所述发布信息推送至第二终端(发布信息的接收端)进行信息发布。

这里，在步骤b3中，服务器可以通过所述第二数据模型对所述第一影响因子和所述第二影响因子进行加权平均计算，以确定出影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子。当然，本发明实施例通过加权平均计算来确定综合影响因子的方式仅为一示例性描述，并非用于限定本发明用于确定综合影响因子的方式。

实施例三

图9为本发明实施例数据处理方法流程示意图，如图9所示，本发明实施例数据处理方法包括：

步骤201，获取第一数据，所述第一数据用于表征发布信息经X个逻辑单元分别处理时所耗费的第一特征量，所述X为>＝2的正整数；

步骤202，获取第二数据，所述第二数据用于表征所述发布信息经X个逻辑单元分别处理时所能达到的第二特征量；

步骤203，根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子；

步骤204，根据所述第一影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，发送所述综合影响因子给第一终端；

步骤901，获取第三数据，所述第三数据用于表征所述发布信息经X个逻辑单元分别处理时对应竞争失败影响程度的N个第三特征量，所述N为>＝2的正整数；

步骤902，按照第三预定规则根据所述第三数据确定与所述N个第三特征量对应的N个第三影响因子。

在本发明实施例三实施方式中，结合步骤901～902，以N取值3为例，提取所述发布信息经X个逻辑单元分别处理时对应竞争失败影响程度的N个第三特征量预估概率pctr、出价bid及发布信息质量quality，作为第三数据；在一以发布信息的期望最大收益ecpm＝pctr*bid*quality为例，在每一次发布信息请求的排序队列中，ecpm得分高的发布信息将会曝光。其中，所述发布信息的期望最大收益ecpm是指每一次信息发布可以获得的收益；所述预估概率pcrt是指发布信息发布之后可能被用户侧所点击的概率；所述出价bid是指发布信息每被点击一次的出价或开销；所述发布信息质量quality是指发布信息***对发布信息相关素材、内容等进行综合评价后的打分情况。

这里，将得到曝光的发布信息中ecpm最小的作为胜出发布信息，则竞争失败的发布信息总有1～3个影响因子绝对值小于胜出发布信息。记bigger_pctr_i、bigger_bid_i、bigger_quality_i分别作为某发布信息在第i次排序竞争失败时三个第三特征量pctr、bid、quality的影响权重；其中，

1)若所述第三特征量pctr、bid、quality均小于胜出发布信息，则

bigger_pctr_i＝1/3，bigger_bid_i＝1/3，bigger_quality_i＝1/3；

2)若所述第三特征量pctr、bid小于胜出发布信息，quality不小于胜出发布信息，则

bigger_pctr_i＝1/2，bigger_bid_i＝1/2，bigger_quality_i＝0；

3)若所述第三特征量pctr小于胜出发布信息，bid、quality不小于胜出发布信息，则

bigger_pctr_i＝1，bigger_bid_i＝0，bigger_quality_i＝0；

基于上述三种情况确定出的bigger_pctr_i，bigger_bid_i，bigger_quality_i，可以最终确定分别对应于所述第三特征量pctr、bid、quality的第三影响因子的取值为：

$\mathrm{\α}=\frac{\underset{1}{\overset{N}{\Σ}}bigger\_{\mathrm{pctr}}_i}{N},\mathrm{\β}=\frac{\underset{1}{\overset{N}{\Σ}}bigger\_{\mathrm{bid}}_i}{N},\mathrm{\γ}=\frac{\underset{1}{\overset{N}{\Σ}}bigger\_{\mathrm{quality}}_i}{N};$

$N=\underset{1}{\overset{N}{\Σ}}bigger\_{\mathrm{pctr}}_i+\underset{1}{\overset{N}{\Σ}}bigger\_{\mathrm{bid}}_i+\underset{1}{\overset{N}{\Σ}}bigger\_{\mathrm{quality}}_i$

这里，N为某发布信息经X个逻辑单元分别处理时对应竞争失败的次数。

采用本发明实施例三，在确定第一影响因子和第二影响因子的基础上，通过获取的第三数据来确定所述N个第三特征量对应的N个第三影响因子；这样，当服务器将得到的综合影响因子发送给第一终端(发布信息的发起端)后，所述第一终端便可以根据所述综合影响因子将所述发布信息推送至第二终端(发布信息的接收端)进行信息发布，使得信息发布***的各个使用方均能够根据所述综合影响因子快速定位发布信息曝光波动的原因所在的基础上，服务器还可以根据所述第三影响因子来进行信息发布***的改进及发布信息的优化等。

实施例四

在本发明实施例一至三的基础上，本发明实施例还包括：按照所述第一数据模型基于第四预定规则对所述第三影响因子进行归一化处理，得到第三归一化影响因子。

如图10所示为对应第一终端与服务器交互的示意图，图10中服务器中装载有用于计算第一归一化影响因子和第三归一化影响因子的第一数据模型；还装载有计算所述X个逻辑单元中每一个逻辑单元对应影响因子的第一数据模型，比如计算与资源占用相对应的第一影响因子，与竞争能力相对应的第二影响因子，第三影响因子，及综合影响因子的第二数据模型；第一终端基于该第一数据模型和第二影响因子得到综合影响因子的处理流程包括：

步骤c1，服务器获取第一数据、第二数据和第三数据；

具体地，服务器在获取第一数据、第二数据及第三数据的过程中，为了保证波动分析的准确性，需要通过服务器实时采集所述第一数据、第二数据及第三数据。基于此，信息发布***使用Storm等流式数据处理工具实现实时回流有关发布信息的检索和排序数据，以协助服务器快速分析发布信息曝光波动的原因。这里，本发明实施例使用Storm等流式数据处理工具进行实时数据处理流程如图11所示。

步骤c2，服务器利用所述第一数据和所述第二数据进行建模得到用于计算所述X个逻辑单元中每一个逻辑单元对应影响因子的第二数据模型；

具体地，提取经X个逻辑单元分别处理时所耗费的资源占用量res_y和res_t作为第一数据，其中，res_y表示某发布信息(如广告)在y时间段进入逻辑单元的流量资源，res_t表示t时间的流量资源；提取经X个逻辑单元分别处理时所能达到的竞争能力强度pro_y和pro_t作为第二数据，其中，pro_y表示y时间某发布信息(如广告)通过该逻辑单元的竞争能力强度，pro_t表示t时间某发布信息的竞争能力强度；之后，根据所述第一数据和所述第二数据进行建模得到第二数据模型如图8所示。

步骤c3，服务器根据所述第二数据模型按照第二预定规则确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子；

这里，基于如图8所示的第二数据模型，可以得知，y时刻通过逻辑单元的流量资源flow_y＝res_y×pro_y，t时刻通过逻辑单元的流量资源flow_t＝res_t×pro_t，那么t时刻与y时刻的输出波动量flow＝flow_t-flow_y＝A₁+A₂+A₃，其中：

A₁＝res_y×(pro_t-pro_y)，

A₂＝pro_y×(res_t-res_y)，

A₃＝(pro_t-pro_y)×(res_t-res_y)；

服务器根据如图8所示的第二数据模型按照耦合分解算法确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子weight_res和第二影响因子weight_pro，其计算如下：

1)当A₁与A₂符号相同时，

weight_res＝A₂+(A₂/(A₁+A₂))×A₃，weight_pro＝A₁+(A₁/(A₁+A₂))×A₃；

2)当A₁与A₃符号相同时，

weight_res＝A₁+A₃，weight_pro＝A₂；

3)当A₂与A₃符号相同时，

weight_res＝A₁，weight_pro＝A₂+A₃。

步骤c4，服务器按照第一预定规则基于X个逻辑单元所属***层架构进行建模得到第一数据模型，如图5所示。

具体地，基于X个逻辑单元所属***层架构一般由检索、粗排、精排等部分组成，每个部分中又会包含逻辑单元，这些不同部分的逻辑单元之间通过层次树级联的方式加以抽象，得到如图5所示的第一数据模型。所述第一数据模型中，包括对应各个逻辑单元的一级波动原因和二级波动原因。

当然，在实际应用中，也可以基于X个逻辑单元所属***层架构采用其他方式加以抽象，如层次不止两层或者采用并联串联的方式建模。

步骤c5，服务器按照所述第一数据模型对所述第一影响因子进行归一化处理，得到第一归一化影响因子；

步骤c6，服务器按照第三预定规则根据获取的第三数据确定与所述N个第三特征量对应的N个第三影响因子，按照所述第一数据模型基于第四预定规则对所述第三影响因子进行归一化处理，得到第三归一化影响因子。

这里，基于如图5所示的第一数据模型，这些逻辑单元各自通过耦合分解算法得到的第一影响因子weight_res，对应图5中的一级波动原因A、B、C、D等，通过级联相乘归一化得到第一归一化影响因子；其中，

这里，根据如图5所示的层次树模型，每一层的一级波动原因权重，即第一影响因子之和为1；

weight_A+weight_B+weight_C＝1

一级波动原因下面的二级波动原因权重，即第三影响因子之和亦为1；

weight_α+weight_β+weight_γ＝1

进一步地，当前层第一归一化影响因子为第一影响因子乘以上层对应的第一归一化影响因子：

normalized_weight_C＝wegiht_C×normalized_weight_D

第三归一化影响因子为第三影响因子乘以当前层第一归一化影响因子：

normalized_weight_α＝weight_α×normalized_wegiht_C

normalized_weight_β＝weight_β×normalized_wegiht_C

normalized_weight_γ＝weight_γ×normalized_wegiht_C

这里，所述服务器执行步骤c1～c6的处理过程时，可以采用中央处理器、数字信号处理器或可编程逻辑阵列等实现。

步骤c7，服务器根据所述第一归一化影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，并输出到第一终端，以由第一终端根据所述综合影响因子将所述发布信息推送至第二终端(发布信息的接收端)进行信息发布。

这里，对本发明实施例涉及的缩略语和关键术语定义举例说明如下：

1)流量资源：发布信息位请求量、进入粗***排的次数等；

2)竞争能力：发布信息本身的出价、行业特征、质量度等。

这里需要指出的是：以下服务器项的描述，与上述方法描述是类似的，同方法的有益效果描述，不做赘述。对于本发明服务器实施例中未披露的技术细节，请参照本发明方法实施例的描述。

实施例五：

图12为本发明实施例服务器的组成结构示意图，如图12所示，本发明实施例服务器包括：

第一获取单元110，用于获取第一数据，所述第一数据用于表征发布信息经X个逻辑单元分别处理时所耗费的第一特征量，所述X为>＝2的正整数；

第二获取单元120，用于获取第二数据，所述第二数据用于表征所述发布信息经X个逻辑单元分别处理时所能达到的第二特征量；

第一确定单元130，用于根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子；

处理单元140，用于根据所述第一影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，发送所述综合影响因子给第一终端。

在本发明实施例实施方式中，所述处理单元，进一步包括：

第一建模子单元，用于按照第一预定规则基于X个逻辑单元所属***层架构进行建模得到第一数据模型；

第一处理子单元，用于按照所述第一数据模型对所述第一影响因子进行归一化处理，得到第一归一化影响因子；

第二处理子单元，用于根据所述第一归一化影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子。

在本发明实施例实施方式中，所述第一确定单元，进一步包括：

第二建模子单元，用于利用所述第一数据和所述第二数据进行建模得到用于计算所述X个逻辑单元中每一个逻辑单元对应影响因子的第二数据模型；

第三确定子单元，用于根据所述第二数据模型按照第二预定规则确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子。

在本发明实施例实施方式中，所述第一确定单元，进一步包括：

第一提取子单元，用于提取经X个逻辑单元分别处理时所耗费的资源占用量，作为所述第一数据；

第二提取子单元，用于提取经X个逻辑单元分别处理时所能达到的竞争能力强度，作为所述第二数据；

第二确定子单元，用于根据所述资源占用量和所述竞争能力强度确定资源占用权重，将所述资源占用权重作为所述第一影响因子；

第三确定子单元，用于根据所述资源占用量和所述竞争能力强度确定竞争能力权重，将所述竞争能力权重作为所述第二影响因子。

在本发明实施例实施方式中，所述服务器还包括：

第三获取单元，用于获取第三数据，所述第三数据用于表征所述发布信息经X个逻辑单元分别处理时对应竞争失败影响程度的N个第三特征量，所述N为>＝2的正整数；

第二确定单元，用于按照第三预定规则根据所述第三数据确定与所述N个第三特征量对应的N个第三影响因子。

在本发明实施例实施方式中，所述第一处理子单元，进一步用于按照所述第一数据模型基于第四预定规则对所述第三影响因子进行归一化处理，得到第三归一化影响因子。

上述服务器作为硬件实体S50的一个示例如图13所示。所述服务器包括处理器51、存储介质52以及至少一个外部通信接口53；所述处理器51、存储介质52以及外部通信接口53均通过总线54连接。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种数据处理方法，其特征在于，所述方法包括：

获取第一数据，所述第一数据用于表征发布信息经X个逻辑单元分别处理时所耗费的第一特征量，所述X为>＝2的正整数；

获取第二数据，所述第二数据用于表征所述发布信息经X个逻辑单元分别处理时所能达到的第二特征量；

根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子；

根据所述第一影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，发送所述综合影响因子给第一终端。

2.根据权利要求1所述的方法，其特征在于，根据所述第一影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，包括：

按照第一预定规则基于X个逻辑单元所属***层架构进行建模得到第一数据模型；

按照所述第一数据模型对所述第一影响因子进行归一化处理，得到第一归一化影响因子；

根据所述第一归一化影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子，包括：

利用所述第一数据和所述第二数据进行建模得到用于计算所述X个逻辑单元中每一个逻辑单元对应影响因子的第二数据模型；

根据所述第二数据模型按照第二预定规则确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子，包括：

提取经X个逻辑单元分别处理时所耗费的资源占用量，作为所述第一数据；

提取经X个逻辑单元分别处理时所能达到的竞争能力强度，作为所述第二数据；

根据所述资源占用量和所述竞争能力强度确定资源占用权重，将所述资源占用权重作为所述第一影响因子；

根据所述资源占用量和所述竞争能力强度确定竞争能力权重，将所述竞争能力权重作为所述第二影响因子。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：

获取第三数据，所述第三数据用于表征所述发布信息经X个逻辑单元分别处理时对应竞争失败影响程度的N个第三特征量，所述N为>＝2的正整数；

按照第三预定规则根据所述第三数据确定与所述N个第三特征量对应的N个第三影响因子。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

按照所述第一数据模型基于第四预定规则对所述第三影响因子进行归一化处理，得到第三归一化影响因子。

7.一种服务器，其特征在于，所述服务器包括：

第一获取单元，用于获取第一数据，所述第一数据用于表征发布信息经X个逻辑单元分别处理时所耗费的第一特征量，所述X为>＝2的正整数；

第二获取单元，用于获取第二数据，所述第二数据用于表征所述发布信息经X个逻辑单元分别处理时所能达到的第二特征量；

第一确定单元，用于根据所述第一数据和所述第二数据确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子；

处理单元，用于根据所述第一影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，发送所述综合影响因子给第一终端。

8.根据权利要求7所述的服务器，其特征在于，所述处理单元，进一步包括：

第一建模子单元，用于按照第一预定规则基于X个逻辑单元所属***层架构进行建模得到第一数据模型；

第一处理子单元，用于按照所述第一数据模型对所述第一影响因子进行归一化处理，得到第一归一化影响因子；

第二处理子单元，用于根据所述第一归一化影响因子和所述第二影响因子确定影响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子。

9.根据权利要求7所述的服务器，其特征在于，所述第一确定单元，进一步包括：

第二建模子单元，用于利用所述第一数据和所述第二数据进行建模得到用于计算所述X个逻辑单元中每一个逻辑单元对应影响因子的第二数据模型；

第一确定子单元，用于根据所述第二数据模型按照第二预定规则确定所述X个逻辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子。

10.根据权利要求7所述的服务器，其特征在于，所述第一确定单元，进一步包括：

第一提取子单元，用于提取经X个逻辑单元分别处理时所耗费的资源占用量，作为所述第一数据；

第二提取子单元，用于提取经X个逻辑单元分别处理时所能达到的竞争能力强度，作为所述第二数据；

第二确定子单元，用于根据所述资源占用量和所述竞争能力强度确定资源占用权重，将所述资源占用权重作为所述第一影响因子；

第三确定子单元，用于根据所述资源占用量和所述竞争能力强度确定竞争能力权重，将所述竞争能力权重作为所述第二影响因子。

11.根据权利要求7至10任一项所述的服务器，其特征在于，所述服务器还包括：

第三获取单元，用于获取第三数据，所述第三数据用于表征所述发布信息经X个逻辑单元分别处理时对应竞争失败影响程度的N个第三特征量，所述N为>＝2的正整数；

第二确定单元，用于按照第三预定规则根据所述第三数据确定与所述N个第三特征量对应的N个第三影响因子。

12.根据权利要求11所述的服务器，其特征在于，

所述第一处理子单元，进一步用于按照所述第一数据模型基于第四预定规则对所述第三影响因子进行归一化处理，得到第三归一化影响因子。