CN105678317A - 一种信息处理方法及服务器 - Google Patents

Abstract

本发明公开了一种信息处理方法及服务器，其中，所述信息处理方法包括：从数据源获取第一数据；从所述第一数据中提取出符合预设规则的至少两类特征参数，在所述至少两类特征参数间建立相关性，得到相关性处理结果；检测由第一终端发送的所述第一数据在第二终端是否产生了有效反馈，得到检测结果；根据所述检测结果和所述相关性处理结果生成目标数据；根据所述目标数据生成数据分析模型，根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略，将所述信息定向推荐策略反馈给第一终端。

Description

一种信息处理方法及服务器

技术领域

本发明涉及通讯技术，尤其涉及一种信息处理方法及服务器。

背景技术

本申请发明人在实现本申请实施例技术方案的过程中，至少发现相关技术中存在如下技术问题：

信息发送及接收信息反馈是用户间进行信息交互的常用手段。为了使信息交互能有效的进行下去，形成用于数据分析的信息链条，以便信息发送方和信息接收方都可以得到所需要的有效信息，这就需要信息发送方能针对性的选择信息，并针对性的发送该信息，如此一来，信息接收方得到的该信息才是与自身需求相关的有效信息，而信息接收方通过对该信息的响应反馈形成的反馈信息发送给信息发送方之后，信息发送方针对反馈信息进行分析，以对所发送的该信息是否有效进行评估分析，从而决策出接续如何针对性的选择有效信息并发送。

可见：信息发送方和信息接收方任何一方采取的策略有问题，都会影响到最终的信息交互结果，尤其是出于信息交互主导地位的信息发送方，如果信息发送方在选择信息发送的定向策略上出现问题，则会导致信息接收方接收不到符合自身需求的有效信息，出现信息定向推送不够精准的问题，也更谈不上信息发送方针对信息接收方对该信息的响应反馈得到用于数据分析的有效反馈信息，由于信息互动效果差，因此，会使得最终数据分析的结果也不够精准。然而，相关技术中，对于该问题，尚无有效解决方案。

发明内容

有鉴于此，本发明实施例希望提供一种信息处理方法及服务器，至少解决了现有技术存在的问题。

本发明实施例的技术方案是这样实现的：

本发明实施例的一种信息处理方法，所述方法包括：

从数据源获取第一数据；

从所述第一数据中提取出符合预设规则的至少两类特征参数，在所述至少两类特征参数间建立相关性，得到相关性处理结果；

检测由第一终端发送的所述第一数据在第二终端是否产生了有效反馈，得到检测结果；

根据所述检测结果和所述相关性处理结果生成目标数据；

根据所述目标数据生成数据分析模型，根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略，将所述信息定向推荐策略反馈给第一终端。

上述方案中，所述方法还包括：从数据源获取第一数据后，将所述第一数据转化为自身所支持数据格式的第二数据。

上述方案中，所述从所述第一数据中提取出符合预设规则的至少两类特征参数，在所述至少两类特征参数间建立相关性，得到相关性处理结果，包括：

提取数据分解条件，按照所述数据分解条件从所述第一数据中提取出符合预设规则的第一类特征参数和第二类特征参数；

所述第一类特征参数用于表征X个拆分数据段所标识的定向条件，所述X个拆分数据段源于所述第一数据中每一条数据的内容，所述X为大于2的正整数；

所述第二类特征参数用于表征所述第一数据的每一条数据自身属性所标识的数据分类；

将所述X个拆分数据段所标识的定向条件分别与所述数据分类进行关联，得到X个关联结果，将得到的所述X个关联结果确定为所述相关性处理结果。

上述方案中，所述检测由第一终端发送的所述第一数据在第二终端是否产生了有效反馈，得到检测结果，包括：

当检测到由第一终端发送的所述第一数据在第二终端产生了有效反馈时，将所述检测结果记为通过反馈获取到转化率；

当检测到由第一终端发送的所述第一数据在第二终端未产生有效反馈时，将所述有检测结果记为通过反馈未获取到转化率。

上述方案中，根据所述检测结果和所述相关性处理结果生成具备分类属性的目标数据，包括：

当所述检测结果为通过反馈获取到转化率时，根据所述检测结果从所述相关性处理结果匹配出对应的第一类训练数据；

当所述检测结果为通过反馈未获取到转化率时，根据所述检测结果从所述相关性处理结果匹配出对应的第二类训练数据；

根据所述第一类训练数据和所述第二类训练数据生成所述具备分类属性的目标数据。

上述方案中，所述根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略，将所述信息定向推荐策略反馈给第一终端，包括：

根据所述目标数据和与所述目标数据相关的权重数值，生成用于分析转化率的转化率数据模型，作为所述数据分析模型；

根据所述转化率数据模型预估出至少两个定向条件的排序结果，将所述至少两个定向条件的排序结果封装入所述信息定向推荐策略中，反馈给第一终端。

本发明实施例的一种服务器，所述服务器包括：

获取单元，用于从数据源获取第一数据；

第一处理单元，用于从所述第一数据中提取出符合预设规则的至少两类特征参数，在所述至少两类特征参数间建立相关性，得到相关性处理结果；

检测单元，用于检测由第一终端发送的所述第一数据在第二终端是否产生了有效反馈，得到检测结果；

第二处理单元，用于根据所述检测结果和所述相关性处理结果生成目标数据；

定向推荐单元，用于根据所述目标数据生成数据分析模型，根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略，将所述信息定向推荐策略反馈给第一终端。

上述方案中，所述服务器还包括：

数据转换单元，用于从数据源获取第一数据后，将所述第一数据转化为自身所支持数据格式的第二数据。

上述方案中，所述第一处理单元，进一步用于：

提取数据分解条件，按照所述数据分解条件从所述第一数据中提取出符合预设规则的第一类特征参数和第二类特征参数；

所述第一类特征参数用于表征X个拆分数据段所标识的定向条件，所述X个拆分数据段源于所述第一数据中每一条数据的内容，所述X为大于2的正整数；

所述第二类特征参数用于表征所述第一数据的每一条数据自身属性所标识的数据分类；

将所述X个拆分数据段所标识的定向条件分别与所述数据分类进行关联，得到X个关联结果，将得到的所述X个关联结果确定为所述相关性处理结果。

上述方案中，所述检测单元，进一步用于：

当检测到由第一终端发送的所述第一数据在第二终端产生了有效反馈时，将所述检测结果记为通过反馈获取到转化率；

当检测到由第一终端发送的所述第一数据在第二终端未产生有效反馈时，将所述有检测结果记为通过反馈未获取到转化率。

上述方案中，所述第二处理单元，进一步用于：

当所述检测结果为通过反馈获取到转化率时，根据所述检测结果从所述相关性处理结果匹配出对应的第一类训练数据；

当所述检测结果为通过反馈未获取到转化率时，根据所述检测结果从所述相关性处理结果匹配出对应的第二类训练数据；

根据所述第一类训练数据和所述第二类训练数据生成所述具备分类属性的目标数据。

上述方案中，所述定向推荐单元，进一步用于：

根据所述目标数据和与所述目标数据相关的权重数值，生成用于分析转化率的转化率数据模型，作为所述数据分析模型；

根据所述转化率数据模型预估出至少两个定向条件的排序结果，将所述至少两个定向条件的排序结果封装入所述信息定向推荐策略中，反馈给第一终端。

本发明实施例的信息处理方法包括：从数据源获取第一数据；从所述第一数据中提取出符合预设规则的至少两类特征参数，在所述至少两类特征参数间建立相关性，得到相关性处理结果；检测由第一终端发送的所述第一数据在第二终端是否产生了有效反馈，得到检测结果；根据所述检测结果和所述相关性处理结果生成目标数据；根据所述目标数据生成数据分析模型，根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略，将所述信息定向推荐策略反馈给第一终端。

采用本发明实施例，通过在所述至少两类特征参数间建立相关性，得到相关性处理结果；检测由第一终端发送的所述第一数据在第二终端是否产生了有效反馈，得到检测结果；根据所述检测结果和所述相关性处理结果生成目标数据；根据所述目标数据生成数据分析模型，根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略，使得信息发送方在选择信息发送的定向策略是非常精准的，一方面，确保信息接收方能接收到符合自身需求的有效信息，达到信息定向推送精准的效果，另一方面，信息接收方能接收到符合自身需求的有效信息，那么针对该有效信息的反馈也是有效反馈响应，从而信息发送方针对信息接收方对该信息的该有效反馈响应得到用于数据分析的有效反馈信息，也会使得最终数据分析的结果足够精准。

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为本发明实施例一的一个实现流程示意图；

图3为本发明实施例二的一个实现流程示意图；

图4为本发明实施例四的一个***组成结构示意图；

图5-图8为为应用本发明实施例的多个用户界面场景图；

图9为本发明实施例六的终端与服务器侧的信息交互流程图；

图10为本发明实施例七的一个硬件组成结构示意图；

图11为应用本发明实施例一应用场景的训练数据实例示意图；

图12为应用本发明实施例一应用场景的建模示意图。

具体实施方式

下面结合附图对技术方案的实施作进一步的详细描述。

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，通过上网浏览页面的用户等等。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，浏览器应用等等)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)和/或第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)发送的第一数据(如历史数据和实时更新的数据)，在服务器检测由第一终端(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)发送的所述第一数据(如历史数据和实时更新的数据)在第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)是否产生了有效反馈，得到检测结果；根据所述检测结果和所述相关性处理结果生成具备分类属性的目标数据，如根据是否有有效的反馈响应得到的正例数据(得到有效的反馈响应，得到有效的反馈响应可以简称成“正反馈”)或负例数据(未得到有效的反馈响应-未得到有效的反馈响应可以简称成“负反馈”)，由正例数据和负例数据构成的训练数据可以作为所述训练数据；根据所述目标数据(如训练数据)生成数据分析模型(如用于分析转化率的转化率数据模型)，根据所述数据分析模型(如用于分析转化率的转化率数据模型)生成包含至少两个定向条件排序结果的信息定向推荐策略，使得由第一终端(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)作为信息发送方时，在选择信息发送的定向策略能够确保定位精准，如此一来，由第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)作为信息接收方时，信息接收方就能接收到符合自身需求的有效信息，信息发送方针对信息接收方对该信息的该有效反馈响应得到用于数据分析的有效反馈信息，也会使得最终数据分析的结果足够精准，从而可以进一步对数据分析模型(如用于分析转化率的转化率数据模型)和信息发送的定向策略进行优化。

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：

本发明实施例的一种信息处理方法，如图2所示，所述方法包括：

步骤101、服务器从数据源获取第一数据。

步骤102、服务器从所述第一数据中提取出符合预设规则的至少两类特征参数，在所述至少两类特征参数间建立相关性，得到相关性处理结果。

上述步骤101中获取的第一数据至少包括历史数据，不限于历史数据，也可以是由历史数据和实时更新数据构成的数据集合。数据源至少来自于第一终端(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)和/或第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)。

本步骤102中的至少两类特征参数包括但不限于定向条件和数据分类，以广告信息为例，第一类特征参数为选择广告信息推送给目标信息接收群体的定向推送条件，第二类特征参数为广告信息所属的信息分类(或称为信息领域或范畴)。在所述至少两类特征参数间建立相关性，得到相关性处理结果，所要达到的技术效果为：以广告信息为例，在选择广告信息推送给目标信息接收群体的定向推送条件及广告信息所属的信息分类(或称为信息领域或范畴)之间进行信息交叉处理，让二者有交集，这样信息交叉组合后的结果会更有利于准确描述步骤106中的定向推荐策略。另一个实例为：不限于信息产生交集，信息产生并集也可以，总之，需要这两类信息构成的综合信息。

步骤103、服务器检测由第一终端发送的所述第一数据在第二终端是否产生了有效反馈，得到检测结果。

这里，第一终端(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)作为信息发送方，需要确保其在选择信息发送的定向策略能够确保定位精准，由第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)作为信息接收方，需要确保其产生有效的反馈，当然产生无效的反馈也要收集，因为后续生成所述数据分析模型(如用于分析转化率的转化率数据模型)，以最终运算得到定向推荐策略，在数据分析中，需要收集正例数据(得到有效的反馈响应，如产生转化率)和负例数据(未得到有效的反馈响应，如不产生转化率)这两方面的数据，正例数据针对正向反馈(有效反馈)而言，负例数据针对反向反馈(无效反馈)而言，这样，全面综合考虑两方面的因素，最终的分析结果才会精准，才能确保通过步骤106得到的定向推荐策略足够精准。

步骤104、服务器根据所述检测结果和所述相关性处理结果生成目标数据，根据所述目标数据生成数据分析模型，根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略，将所述信息定向推荐策略反馈给第一终端。

这里，通过步骤103得到检测结果：如正例数据针对正向反馈(有效反馈)及负例数据针对反向反馈(无效反馈)的两方面结果，结合步骤102得到的数据：由至少两类特征参数进行关联(或称信息交叉)或至少两类特征参数(如定向条件和数据分类)并集处理得到的综合数据，之后，可以生成由正例数据和负例数据构成的训练数据可以作为所述训练数据，作为所述目标数据，根据所述目标数据生成数据分析模型(如用于分析转化率的转化率数据模型)，根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略会足够精准，从而确保反馈给第一终端(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)的定向推荐策略会足够准确，那么，第一终端(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)根据该定向推荐策略推送信息(如广告信息)给第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)也会定位准确，信息推送精准。

举例来说，第一终端(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)根据该定向推荐策略推送信息(如广告信息)给第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)，可以为第一终端解析出该信息定向推荐策略中的多个定向条件的排序结果，在多个定向条件的排序结果中选择最适合的目标定向条件(如选择排序靠前的第一个定向和/或第二个定向条件)，会定位准确，使得信息推送精准。

步骤105、在第一终端触发针对信息发送的定向功能的选取操作，分析得到信息分类结果。

步骤106、针对根据该信息分类结果从该定向推荐策略中匹配出符合自身分类的定向条件的排序结果，根据该定向条件的排序结果来进行信息(如广告信息)的推送。

通过上述步骤101-106，通过收集历史数据，及从历史数据中分析生成到最够用于分析的训练数据(由正例和负例构成训练数据)后，根据训练数据(由正例和负例构成训练数据)和与所述训练数据(由正例和负例构成训练数据)相关的权重数值，可以生成用于分析转化率的转化率数据模型，根据所述转化率数据模型预估出至少两个定向条件的排序结果，将所述至少两个定向条件的排序结果封装入所述信息定向推荐策略中，反馈给第一终端。第一终端按照所述信息定向推荐策略在所述至少两个定向条件的排序结果中选择与自身需求对应的目标定向条件，使得通过第一终端推送给第二终端(或称为信息接收群体)的该信息有针对性，符合第二终端(或称为信息接收群体)的需求，不仅定位精准，而且可以通过第二终端(或称为信息接收群体)的反馈，如通过第二终端(或称为信息接收群体)的用户行为形成转化率，来进一步对该定向推荐策略进行优化，对该定向推荐策略进行优化可以在第一终端进行，也可以由第一终端提供给服务器(如第三方的广告分析处理平台)后，由服务器(如第三方的广告分析处理平台)该定向推荐策略进行优化。

举例来说，以广告信息为例，服务器可以根据历史数据中各个广告信息中的定向条件(如18岁，北京地区，女的)以及广告分类(如游戏，3C产品，日化产品)等来生成训练数据，且针对转化率需要对训练数据分成正例数据和负例数据两种；根据训练数据及其权重生成转化率数据模型；基于转化率数据模型预估推荐给用户选择的定向条件排序结果，将定向条件排序结果封装入定向推荐策略中，服务器推送给定向推荐策略给第一终端(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)使用。

实施例二：

本发明实施例的一种信息处理方法，如图3所示，所述方法包括：

步骤201、服务器从数据源获取第一数据，将所述第一数据转化为自身所支持数据格式的第二数据。

步骤202、服务器从所述第二数据中提取出符合预设规则的至少两类特征参数，在所述至少两类特征参数间建立相关性，得到相关性处理结果。

上述步骤201中获取的第一数据至少包括历史数据，不限于历史数据，也可以是由历史数据和实时更新数据构成的数据集合。数据源至少来自于第一终端(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)和/或第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)。

上述步骤201中，第一数据作为原始数据，对于不同的广告分析处理平台而言，可能存在数据不兼容，或者数据不适用的问题，还可能存在数据本身有冗余的问题，因此，需要将第一数据转换为第二数据的数据格式，第二数据的数据格式为当前广告分析处理平台所能支持分析处理的数据格式。

本步骤202中的至少两类特征参数包括但不限于定向条件和数据分类，以广告信息为例，第一类特征参数为选择广告信息推送给目标信息接收群体的定向推送条件，第二类特征参数为广告信息所属的信息分类(或称为信息领域或范畴)。在所述至少两类特征参数间建立相关性，得到相关性处理结果，所要达到的技术效果为：以广告信息为例，在选择广告信息推送给目标信息接收群体的定向推送条件及广告信息所属的信息分类(或称为信息领域或范畴)之间进行信息交叉处理，让二者有交集，这样信息交叉组合后的结果会更有利于准确描述步骤206中的定向推荐策略。另一个实例为：不限于信息产生交集，信息产生并集也可以，总之，需要这两类信息构成的综合信息。

步骤203、服务器检测由第一终端发送的所述第一数据在第二终端是否产生了有效反馈，得到检测结果。

这里，第一终端(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)作为信息发送方，需要确保其在选择信息发送的定向策略能够确保定位精准，由第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)作为信息接收方，需要确保其产生有效的反馈，当然产生无效的反馈也要收集，因为后续生成所述数据分析模型(如用于分析转化率的转化率数据模型)，以最终运算得到定向推荐策略，在数据分析中，需要收集正例数据(得到有效的反馈响应，如产生转化率)和负例数据(未得到有效的反馈响应，如不产生转化率)这两方面的数据，正例数据针对正向反馈(有效反馈)而言，负例数据针对反向反馈(无效反馈)而言，这样，全面综合考虑两方面的因素，最终的分析结果才会精准，才能确保通过步骤206得到的定向推荐策略足够精准。

步骤204、服务器根据所述检测结果和所述相关性处理结果生成具备分类属性的目标数据，根据所述目标数据生成数据分析模型，根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略，将所述信息定向推荐策略反馈给第一终端。

这里，通过步骤203得到检测结果：如正例数据针对正向反馈(有效反馈)及负例数据针对反向反馈(无效反馈)的两方面结果，结合步骤202得到的数据：由至少两类特征参数进行关联(或称信息交叉)或至少两类特征参数(如定向条件和数据分类)并集处理得到的综合数据，之后，可以生成由正例数据和负例数据构成的训练数据可以作为所述训练数据，作为所述目标数据，根据所述目标数据生成数据分析模型(如用于分析转化率的转化率数据模型)，根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略会足够精准，从而确保反馈给第一终端(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)的定向推荐策略会足够准确，那么，第一终端(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)根据该定向推荐策略推送信息(如广告信息)给第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)也会定位准确，信息推送精准。

举例来说，第一终端(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)根据该定向推荐策略推送信息(如广告信息)给第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)，可以为第一终端解析出该信息定向推荐策略中的多个定向条件的排序结果，在多个定向条件的排序结果中选择最适合的目标定向条件(如选择排序靠前的第一个定向和/或第二个定向条件)，会定位准确，使得信息推送精准。

步骤205、在第一终端触发针对信息发送的定向功能的选取操作，分析得到信息分类结果。

步骤206、针对根据该信息分类结果从该定向推荐策略中匹配出符合自身分类的定向条件的排序结果，根据该定向条件的排序结果来进行信息(如广告信息)的推送。

通过上述步骤201-206，通过收集历史数据，及从历史数据中分析生成到最够用于分析的训练数据(由正例和负例构成训练数据)后，根据训练数据(由正例和负例构成训练数据)和与所述训练数据(由正例和负例构成训练数据)相关的权重数值，可以生成用于分析转化率的转化率数据模型，根据所述转化率数据模型预估出至少两个定向条件的排序结果，将所述至少两个定向条件的排序结果封装入所述信息定向推荐策略中，反馈给第一终端。第一终端按照所述信息定向推荐策略在所述至少两个定向条件的排序结果中选择与自身需求对应的目标定向条件，使得通过第一终端推送给第二终端(或称为信息接收群体)的该信息有针对性，符合第二终端(或称为信息接收群体)的需求，不仅定位精准，而且可以通过第二终端(或称为信息接收群体)的反馈，如通过第二终端(或称为信息接收群体)的用户行为形成转化率，来进一步对该定向推荐策略进行优化，对该定向推荐策略进行优化可以在第一终端进行，也可以由第一终端提供给服务器(如第三方的广告分析处理平台)后，由服务器(如第三方的广告分析处理平台)该定向推荐策略进行优化。

举例来说，以广告信息为例，服务器可以根据历史数据中各个广告信息中的定向条件(如18岁，北京地区，女的)以及广告分类(如游戏，3C产品，日化产品)等来生成训练数据，且针对转化率需要对训练数据分成正例数据和负例数据两种；根据训练数据及其权重生成转化率数据模型；基于转化率数据模型预估推荐给用户选择的定向条件排序结果，将定向条件排序结果封装入定向推荐策略中，服务器推送给定向推荐策略给第一终端(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)使用。

实施例三：

基于上述实施例一-二，本发明实施例的信息处理方法中，从所述第一数据中提取出符合预设规则的至少两类特征参数，在所述至少两类特征参数间建立相关性，得到相关性处理结果，包括：提取数据分解条件，按照所述数据分解条件从所述第一数据中提取出符合预设规则的第一类特征参数和第二类特征参数；所述第一类特征参数用于表征X个拆分数据段所标识的定向条件，所述X个拆分数据段源于所述第一数据中每一条数据的内容，所述X为大于2的正整数；所述第二类特征参数用于表征所述第一数据的每一条数据自身属性所标识的数据分类；将所述X个拆分数据段所标识的定向条件分别与所述数据分类进行关联，得到X个关联结果，将得到的所述X个关联结果确定为所述相关性处理结果。

本发明实施例的信息处理方法的一个实际应用中，检测由第一终端发送的所述第一数据在第二终端是否产生了有效反馈，得到检测结果，包括：当检测到由第一终端发送的所述第一数据在第二终端产生了有效反馈时，将所述检测结果记为通过反馈获取到转化率；当检测到由第一终端发送的所述第一数据在第二终端未产生有效反馈时，将所述有检测结果记为通过反馈未获取到转化率。

本发明实施例的信息处理方法的一个实际应用中，根据所述检测结果和所述相关性处理结果生成具备分类属性的目标数据，包括两种情况，1)：当所述检测结果为通过反馈获取到转化率时，根据所述检测结果从所述相关性处理结果匹配出对应的第一类训练数据(如正例数据)；2)当所述检测结果为通过反馈未获取到转化率时，根据所述检测结果从所述相关性处理结果匹配出对应的第二类训练数据(如负例数据)。后续，可以根据所述第一类训练数据和所述第二类训练数据生成所述具备分类属性的目标数据。

本发明实施例的信息处理方法的一个实际应用中，根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略，将所述信息定向推荐策略反馈给第一终端，包括：根据所述目标数据和与所述目标数据相关的权重数值，生成用于分析转化率的转化率数据模型，作为所述数据分析模型；根据所述转化率数据模型预估出至少两个定向条件的排序结果，将所述至少两个定向条件的排序结果封装入所述信息定向推荐策略中，反馈给第一终端，使第一终端能按照所述信息定向推荐策略在所述至少两个定向条件的排序结果中选择与自身需求对应的目标定向条件。

实施例四：

本发明实施例的信息交互***，如图4所示，包括：服务器41(如图1中的服务器11-1n)、第一终端42(如图1中的31-3n)、第二终端43(如图1中的终端21-24)，如图4所示，其中，服务器41包括：获取单元411，用于从数据源获取第一数据；及第一处理单元412，用于从所述第一数据中提取出符合预设规则的至少两类特征参数，在所述至少两类特征参数间建立相关性，得到相关性处理结果；及检测单元413，用于检测由第一终端发送的所述第一数据在第二终端是否产生了有效反馈，得到检测结果；及第二处理单元414，用于根据所述检测结果和所述相关性处理结果生成目标数据；及定向推荐单元415，用于根据所述目标数据生成数据分析模型，根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略，将所述信息定向推荐策略反馈给第一终端。

第一终端42包括：分析单元421，用于在第一终端触发针对信息发送的定向功能的选取操作，分析得到信息分类结果；及信息推送单元422，用于针对根据该信息分类结果从该定向推荐策略中匹配出符合自身分类的定向条件的排序结果，根据该定向条件的排序结果来进行信息(如广告信息)的推送。

第二终端43包括：显示单元431，用于从第一终端接收其根据该定向条件的排序结果推送的信息(如广告信息)，显示该信息(如广告信息)；及反馈响应单元432，用于显示该信息(如广告信息)后，根据该信息(如广告信息)执行用户操作，比如购买广告信息中推荐的商品等等，将执行用户操作后的反馈响应结果返回第一终端42和/或服务器41(如当前的广告分析处理平台)处理。

在应用本发明实施例的一个实际应用中，获取的第一数据至少包括历史数据，不限于历史数据，也可以是由历史数据和实时更新数据构成的数据集合。数据源至少来自于第一终端(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)和/或第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)。

在应用本发明实施例的一个实际应用中，至少两类特征参数包括但不限于定向条件和数据分类，以广告信息为例，第一类特征参数为选择广告信息推送给目标信息接收群体的定向推送条件，第二类特征参数为广告信息所属的信息分类(或称为信息领域或范畴)。在所述至少两类特征参数间建立相关性，得到相关性处理结果，所要达到的技术效果为：以广告信息为例，在选择广告信息推送给目标信息接收群体的定向推送条件及广告信息所属的信息分类(或称为信息领域或范畴)之间进行信息交叉处理，让二者有交集，这样信息交叉组合后的结果会更有利于准确描述定向推荐单元中生成的定向推荐策略。另一个实例为：不限于信息产生交集，信息产生并集也可以，总之，需要这两类信息构成的综合信息。

在应用本发明实施例的一个实际应用中，第一终端(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)作为信息发送方，需要确保其在选择信息发送的定向策略能够确保定位精准，由第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)作为信息接收方，需要确保其产生有效的反馈，当然产生无效的反馈也要收集，因为后续生成所述数据分析模型(如用于分析转化率的转化率数据模型)，以最终运算得到定向推荐策略，在数据分析中，需要收集正例数据(得到有效的反馈响应，如产生转化率)和负例数据(未得到有效的反馈响应，如不产生转化率)这两方面的数据，正例数据针对正向反馈(有效反馈)而言，负例数据针对反向反馈(无效反馈)而言，这样，全面综合考虑两方面的因素，最终的分析结果才会精准，才能确保通过定向推荐单元中生成的定向推荐策略足够精准。

在应用本发明实施例的一个实际应用中，如正例数据针对正向反馈(有效反馈)及负例数据针对反向反馈(无效反馈)的两方面结果，结合步骤102得到的数据：由至少两类特征参数进行关联(或称信息交叉)或至少两类特征参数(如定向条件和数据分类)并集处理得到的综合数据，之后，可以生成由正例数据和负例数据构成的训练数据可以作为所述训练数据，作为所述目标数据，根据所述目标数据生成数据分析模型(如用于分析转化率的转化率数据模型)，根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略会足够精准，从而确保反馈给第一终端(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)的定向推荐策略会足够准确，那么，第一终端(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)根据该定向推荐策略推送信息(如广告信息)给第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)也会定位准确，信息推送精准。

举例来说，第一终端(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)根据该定向推荐策略推送信息(如广告信息)给第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)，可以为第一终端解析出该信息定向推荐策略中的多个定向条件的排序结果，在多个定向条件的排序结果中选择最适合的目标定向条件(如选择排序靠前的第一个定向和/或第二个定向条件)，会定位准确，使得信息推送精准。

应用本发明实施例的信息交互***，通过收集历史数据，及从历史数据中分析生成到最够用于分析的训练数据(由正例和负例构成训练数据)后，根据训练数据(由正例和负例构成训练数据)和与所述训练数据(由正例和负例构成训练数据)相关的权重数值，可以生成用于分析转化率的转化率数据模型，根据所述转化率数据模型预估出至少两个定向条件的排序结果，将所述至少两个定向条件的排序结果封装入所述信息定向推荐策略中，反馈给第一终端。第一终端按照所述信息定向推荐策略在所述至少两个定向条件的排序结果中选择与自身需求对应的目标定向条件，使得通过第一终端推送给第二终端(或称为信息接收群体)的该信息有针对性，符合第二终端(或称为信息接收群体)的需求，不仅定位精准，而且可以通过第二终端(或称为信息接收群体)的反馈，如通过第二终端(或称为信息接收群体)的用户行为形成转化率，来进一步对该定向推荐策略进行优化，对该定向推荐策略进行优化可以在第一终端进行，也可以由第一终端提供给服务器(如第三方的广告分析处理平台)后，由服务器(如第三方的广告分析处理平台)该定向推荐策略进行优化。

举例来说，以广告信息为例，服务器可以根据历史数据中各个广告信息中的定向条件(如18岁，北京地区，女的)以及广告分类(如游戏，3C产品，日化产品)等来生成训练数据，且针对转化率需要对训练数据分成正例数据和负例数据两种；根据训练数据及其权重生成转化率数据模型；基于转化率数据模型预估推荐给用户选择的定向条件排序结果，将定向条件排序结果封装入定向推荐策略中，服务器推送给定向推荐策略给第一终端(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)使用。

在应用本发明实施例的一个实际应用中，所述服务器还包括：数据转换单元，用于从数据源获取第一数据后，将所述第一数据转化为自身所支持数据格式的第二数据。以及，第一处理单元，进一步用于：提取数据分解条件，按照所述数据分解条件从所述第一数据中提取出符合预设规则的第一类特征参数和第二类特征参数；所述第一类特征参数用于表征X个拆分数据段所标识的定向条件，所述X个拆分数据段源于所述第一数据中每一条数据的内容，所述X为大于2的正整数；所述第二类特征参数用于表征所述第一数据的每一条数据自身属性所标识的数据分类；将所述X个拆分数据段所标识的定向条件分别与所述数据分类进行关联，得到X个关联结果，将得到的所述X个关联结果确定为所述相关性处理结果。以及，所述检测单元，进一步用于：当检测到由第一终端发送的所述第一数据在第二终端产生了有效反馈时，将所述检测结果记为通过反馈获取到转化率；当检测到由第一终端发送的所述第一数据在第二终端未产生有效反馈时，将所述有检测结果记为通过反馈未获取到转化率。

在应用本发明实施例的一个实际应用中，所述第二处理单元，进一步用于：当所述检测结果为通过反馈获取到转化率时，根据所述检测结果从所述相关性处理结果匹配出对应的第一类训练数据；或则，当所述检测结果为通过反馈未获取到转化率时，根据所述检测结果从所述相关性处理结果匹配出对应的第二类训练数据；还可以根据所述第一类训练数据和所述第二类训练数据生成所述具备分类属性的目标数据。及所述定向推荐单元，进一步用于：根据所述目标数据和与所述目标数据相关的权重数值，生成用于分析转化率的转化率数据模型，作为所述数据分析模型；根据所述转化率数据模型预估出至少两个定向条件的排序结果，将所述至少两个定向条件的排序结果封装入所述信息定向推荐策略中，反馈给第一终端，使第一终端能按照所述信息定向推荐策略在所述至少两个定向条件的排序结果中选择与自身需求对应的目标定向条件。

实施例五：

本发明实施例的一种信息处理方法，所述方法包括：第一终端接收第一操作(比如，在第一终端的终端用户界面选取信息发送的定向功能)，响应第一操作，可以先使用分类器对第一终端(如广告主所在的终端)进行分类，得到第一终端用户(如广告主)的信息分类属于哪个领域或范畴，比如，电商、游戏或女装等，进一步对电商、游戏或女装等领域或范畴进行类型细分，如女装-连衣裙，电商-3C-phone等等。之后，将信息分类(如包括女装-连衣裙，电商-3C-phone的广告信息分类)结果输出给操作第一终端的第一终端用户(如广告主)，如图5所示的右上部的图例：为用户在第一终端的终端用户界面选取信息发送的定向功能，以触发选取操作，其中A11用于标识第一终端的终端用户界面，a1用于标识第一终端的终端用户界面中信息发送的定向功能选项。如图5所示的右下部的图例：为触发选取操作后，使用分类器对第一终端(如广告主所在的终端)进行分类，得到第一终端用户(如广告主)的信息分类属于哪个领域或范畴的示意图，其中，A11用于标识第一终端的终端用户界面，b1-b3分别用于标识第一终端的终端用户界面中信息分类属于某个具体领域或范畴的选项，如电商、游戏或女装，进一步，女装还可以进一步细分，如用b31标识的女装下属的连衣裙领域或范畴的选项等等。

操作第一终端的第一终端用户(如广告主)在终端用户界面看到显示的信息分类(如包括女装-连衣裙，电商-3C-phone的广告信息分类)结果后，根据自己对信息(如广告信息)发送的考虑和/或根据服务器推送的定向推荐策略选择信息发送的定向条件。信息发送的定向条件包含在由服务器生成并推送给第一终端的信息定向推荐策略中，该信息定向推荐策略包含至少两个定向条件的排序结果(如女装-连衣裙和电商-3C-phone分别对应的排序结果)。

在第一终端对从服务器接收到的定向推荐策略进行图形化处理，生成图形化界面，如图6所示，在第一终端的终端用户界面上显示该图形化界面，从图6中可以看出：第一终端的终端用户界面(该界面用A11进行标识)存在多个定向条件的排序结果，包含定向条件11-16多个排序结果的序列。还可以在每个定向条件之前包含一个复选框，以便用于通过该复选框，用户可以选中多个排序结果的序列中某一个定向条件，图6所示是用户选中排序结果为位于第一优先级的“定向条件11”。

这里需要指出的是，1)服务器会把定向推荐策略中所有的定向条件的排序结果发送给第一终端，针对此种情况，还需要在第一终端按照上述信息分类(如包括女装-连衣裙，电商-3C-phone的广告信息分类)结果进行定向推荐策略中多个定向条件的过滤，以便根据该信息分类结果从定向推荐策略匹配出符合自身分类的定向条件的排序结果，记为定向排序结果A，则仅仅将定向排序结果A进行图形化处理，将得到的该图形化界面显示于第一终端的终端用户界面上，如图7所示，定向排序结果A中包括定向条件21、定向条件22、定向条件23、定向条件24、定向条件25。2)服务器会先把定向推荐策略中的所有的定向条件的排序结果按照不同第一终端进行分类匹配后，得到符合当前第一终端的指定定向条件的排序结果，记为定向排序结果B，将定向排序结果A发送给对应的该当前第一终端，当前第一终端在将定向排序结果B进行图形化处理，将得到的该图形化界面显示于第一终端的终端用户界面上，如图8所示，定向排序结果B中包括定向条件31、定向条件32、定向条件33。其中，该服务器通过主动收集或者获取不同第一终端上报的上述信息分类(如包括女装-连衣裙，电商-3C-phone的广告信息分类)结果，对定向推荐策略中多个定向条件进行过滤，以便根据该信息分类结果从定向推荐策略匹配出符合自身分类的定向条件的排序结果，从而实现了把定向推荐策略中的所有的定向条件的排序结果按照不同第一终端进行分类匹配，之后，在第一终端侧，1)第一终端用户根据在终端用户的界面图形化界面中的定向条件排序结果中进行选取操作，可以从定向条件排序结果中选择一个最接近的定向条件，如图7所示，上面打一个黑色的复选框选项，根据该选取的一个定向条件来发送信息给与定向条件相匹配的信息接收群体(如游戏用户群体，购物用户群体，视频用户群体等等)，这个选取操作是单一的选择操作；2)还可以第一终端用户根据在终端用户的界面图形化界面中的定向条件排序结果中进行选取时，从定向条件排序结果中选择多个最接近的定向条件，如图8所示，上面打多个黑色的复选框选项，根据该选取的多个定向条件来发送信息给与定向条件相匹配的信息接收群体(如游戏用户群体，购物用户群体，视频用户群体等等)，这个选取操作是多级的选择操作，定向精确度更高。

在本发明一实施方式中，在第一终端侧，第一终端用户根据在终端用户的界面图形化界面中的定向条件排序结果中进行单一或多级别的各种选取操作，从定向条件排序结果中选择出最符合自身需求的定向条件后，还可以在此选择定向条件的基础上，对信息接收群体进行调整推荐范围，比如第一终端用户(广告主)可以在此定向条件的基础上选择增加精准度或者增加覆盖人群，通过选择增加精准度，则会选出排名更加靠前的特征，以用于精准的信息定位推送；而通过增加覆盖人群，则会选出更多的特征，也可以用于精准的信息定位推送。

实施例六：

如图9所示为终端侧与服务器侧进行信息交互的示意图，(如步骤401-409所示)：服务器从数据源获取第一数据，服务器从所述第一数据中提取出符合预设规则的至少两类特征参数，在所述至少两类特征参数间建立相关性，得到相关性处理结果；服务器检测由第一终端发送的所述第一数据在第二终端是否产生了有效反馈，如广告信息在第二终端用户(如购物用户群体)展示曝光后，购物用户群体基于该广告信息产生了指定的用户行为(如购买行为)，那么通过该购买行为就可以将第一终端用户(广告主)推荐的该广告信息进行转化，即：转换为包含广告主收益的转化率，从而得到检测结果；服务器根据所述检测结果和所述相关性处理结果生成具备分类属性的目标数据(如由第一类训练数据和第二类训练数据构成的数据可以称为目标数据)；服务器根据所述目标数据生成数据分析模型(如用于分析转化率的转化率数据模型)，服务器根据所述数据分析模型(如用于分析转化率的转化率数据模型)生成包含至少两个定向条件排序结果的信息定向推荐策略，将所述信息定向推荐策略反馈给第一终端。第一终端收到服务器推送的该定向推荐策略，或者第一终端向服务器发起请求以获得该定向推荐策略，之后，获取第一终端用户选取信息发送的定向推荐功能所触发的选取操作，对该选取操作进行响应后，第一终端先使用分类器对本第一终端(如广告主所在的终端)进行信息分类，得到第一终端用户(如广告主)的信息分类属于哪个领域或范畴，比如，电商、游戏或女装等，进一步对电商、游戏或女装等领域或范畴进行类型细分，如女装-连衣裙，电商-3C-phone等等，以得到信息分类结果；根据该信息分类结果从定向推荐策略匹配出符合自身分类的定向条件的排序结果，记为定向排序结果C，针对第一终端用户(如广告主)对定向排序结果C中一个定向条件的一次点击选取操作、或者，针对第一终端用户(如广告主)对定向排序结果C中多个定向条件的多次点击选取操作，得到最终的目标定向条件(如最符合用户自身需求的定向条件)，利用该目标定向条件(如最符合用户自身需求的定向条件)对指定的信息接收群体(如游戏用户群体，购物用户群体，视频用户群体等等)发送信息。

由于第一终端能按照信息定向推荐策略在多个定向条件的排序结果中选择最适合的目标定向条件(最符合自身需求的目标定向条件)，比如是根据选取的目标定向条件(如最符合用户自身需求的定向条件)来发送信息给与定向条件相匹配的信息接收群体(如游戏用户群体，购物用户群体，视频用户群体等等)，因此，操作第一终端的终端用户可以选择排序靠前的第一个定向条件和/或第二个定向条件来发送信息，那么会提高信息发送的精度。

在本发明实施例一实施方式中，在服务器侧，可以根据提取数据分解条件，按照所述数据分解条件从第一数据(如历史数据)中提取出符合预设规则的第一类特征参数(如定向条件)和第二类特征参数(如信息分类中的广告信息分类)；所述第一类特征参数用于表征X个拆分数据段所标识的定向条件，所述X个拆分数据段源于所述第一数据中每一条数据的内容，所述X为大于2的正整数；所述第二类特征参数用于表征所述第一数据的每一条数据自身属性所标识的数据分类(或称为信息分类，比如，电商、游戏或女装等，进一步对电商、游戏或女装等领域或范畴进行类型细分，如女装-连衣裙，电商-3C-phone等等)；将所述X个拆分数据段所标识的定向条件分别与所述数据分类进行关联，得到X个关联结果，将得到的所述X个关联结果确定为所述相关性处理结果。这里，以一条广告信息“在北京地区新推出适合18岁的女生的手机，与某年某月在中关村某商厦的手机品牌专柜有用户购买或体验活动或者某电商平台在某年某月促销期限有用户购买或体验活动”为例，基于从该条广告信息中拆分得到的多个定向条件(如北京区域，18岁，女生，某年某月，中关村，某商厦的手机品牌专柜，某电商平台，购买手机)和该条广告信息对应的信息分类(手机属于3C商品)得到多个关联结果(北京区域+3C商品，18岁+3C商品，女生+3C商品，某年某月+3C商品，.......,某电商平台+3C商品)后，由于通过这条广告信息该女生最终的购买行为确定为成功购买，那么，就通过这条广告产生了转化率，从而，购买行为确定为成功购买的这条广告信息中的上述关联结果可以作为训练数据中的正例，如果通过这条广告信息该女生最终的购买行为确定为未成功购买，则购买行为确定为未成功购买的这条广告信息中的上述关联结果可以作为训练数据中的负例。可见：通过收集历史数据，及从历史数据中分析生成到最够用于分析的训练数据(由正例和负例构成训练数据)后，根据训练数据(由正例和负例构成训练数据)和与所述训练数据(由正例和负例构成训练数据)相关的权重数值，可以生成用于分析转化率的转化率数据模型，根据所述转化率数据模型预估出至少两个定向条件的排序结果，将所述至少两个定向条件的排序结果封装入所述信息定向推荐策略中，反馈给第一终端，使第一终端能按照所述信息定向推荐策略在所述至少两个定向条件的排序结果中选择与自身需求对应的目标定向条件。在第一终端侧，由于获取的所述定向推荐策略在最初运算分析中是基于第一类特征参数(如定向条件)和第二类特征参数(如信息分类中的广告信息分类)的，因此，由于多个第一终端的差异性需求(每个第一终端面向的是不同的广告主，不同的广告主有不同的广告投放需求)，那么，在第一终端侧，在获知信息分类结果后，会针对根据该信息分类结果从该定向推荐策略匹配出符合自身分类的定向条件的排序结果，以便根据该定向条件的排序结果来进行信息(如广告信息)的推送，使得推送给信息接收群体的该信息有针对性，符合信息接收群体的需求，不仅定位精准，而且可以通过信息接收群体的反馈(如通过信息接收群体的用户行为形成转化率)进一步对该定向推荐策略进行优化，对该定向推荐策略进行优化可以在第一终端进行，也可以由第一终端提供给服务器(如第三方的广告分析处理平台)后，由服务器(如第三方的广告分析处理平台)该定向推荐策略进行优化。

实施例七：

这里需要指出的是，上述终端设备(如第一终端、第二终端)可以为PC这种电子设备，还可以为如PAD，平板电脑，手提电脑这种便携电子设备、还可以为如手机这种智能移动终端，不限于这里的描述；所述服务器可以是通过集群***构成的，为实现各单元功能而合并为一或各单元功能分体设置的电子设备，客户端和服务器都至少包括用于存储数据的数据库和用于数据处理的处理器，或者包括设置于服务器内的存储介质或独立设置的存储介质。

其中，对于用于数据处理的处理器而言，在执行处理时，可以采用微处理器、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；对于存储介质来说，包含操作指令，该操作指令可以为计算机可执行代码，通过所述操作指令来实现上述本发明实施例信息处理方法流程中的各个步骤。

该终端设备(如第一终端、第二终端)和该服务器作为硬件实体S11的一个示例如图10所示。所述装置包括处理器61、存储介质62以及至少一个外部通信接口63；所述处理器61、存储介质62以及外部通信接口63均通过总线64连接。

这里需要指出的是：以上涉及终端设备(如第一终端、第二终端)和服务器项的描述，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。对于本发明客户端和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。

以一个现实应用场景为例对本发明实施例阐述如下：

本应用场景为：信息为广告信息的情况，不限于游戏广告，娱乐广告，购物广告、日化广告等等，本应用场景应用本实施例，具体为一种基于转化率预估模型的广告定向推荐技术方案。对本文涉及的技术语进行描述：1)广告定向指：每个广告都会表标记多个标签，例如：“男性”、“25-30岁”等等，这些标签会作为广告的定向条件，在广告投放***中将广告检索出来。例如：“男性&北京地区”，含义则是广告投放到“北京地区&男性”的人群。2)转化率预估指：通过历史数据训练转化率模型，用于线上流量的转化率预估。3)pCVR指：预估的转化率。4)pCVRpipeline指：生成训练数据的通道。5)投放端指：广告主投放广告的前端。

对于上述应用场景，在相关技术中，在广告分析处理***中，广告主在投放广告时，会选择定向条件，如深圳、20岁～30岁、女等，这些条件组合非常多，这会产生两个问题：新广告主看到这么多定向条件会无从选择；广告主的先验知识并不一定非常精准，数据背后的深层含义可能更加具有意义。总之，就是第一终端侧的广告主无从选择定向条件，或者选择的定向条件并不精准。对于这个问题，分析发现，有很大一部分广告主在广告投放初期都是非常迷茫的，他们并不清楚自己的广告应该投放在那些人群身上，在这种情况下，广告主需要经过很长时间的尝试，经过多次调整，才能得到稳定的效果，而这些尝试和调整浪费了广告主不少的预算，是非常不合理的。所以我们需要提供给广告主提供一种推荐定向的方法。在广告成本一定的情况下，相对于广告的其他指标，广告主更在意自己的投放效果，也就是转化率，转化率高，则说明第二终端对第一终端侧广告主所定向推送的广告信息是符合其自身需求的，那么也能说明第一终端侧的广告主选取的定向条件是精准的，因此，本应用场景采用本发明实施例，可以基于转化率模型来预估信息推送的定向条件。

本应用场景采用本发明实施例，共分为如下在线和离线两个部分。具体分如下的运算逻辑:

一、离线模块：采用离线模块，用于训练出pCVR，即预估的转化率模型，用于供投放端使用，该模型可以给出各个特征的权重值。

a)收集广告分析处理平台上的历史数据(日志)，比如使用了历史14天的数据。

b)通过pCVRpipeline，即生成训练数据的通道，用于生成训练数据，所述pCVRpipeline用于进行本发明实施例的第一数据至第二数据的转换，以便得到广告分析处理平台支持数据格式的第二数据。其中，训练数据包含所以定向条件和广告分类交叉的所有特征，训练数据的正例为广告发生了转化行为(例如APP的激活行为)，负例为广告没有发生转化行为；训练数据的格式为：“label(1标识正例，0标识负例)特征1特征2特征3…”。

例如：某条广告场景如下：在凌晨1点的时候，有一个18岁的男性用户浏览了一条卖手机的广告，并且产生了购买行为；广告***会把这条数据记录下来，通过pCVRpipeline生成如下的训练数据：

1gender(male)*EC(3c_phone)age(18)*EC(3c_phone)time(1)*EC(3c_phone)

具体的，生成训练数据的过程如下：

由于该数据的广告信息是手机广告，手机广告属于电商类型(EC)的3C类产品，所以广告分类为EC(3c_phone)，将该场景内的所有能用作定向的信息和广告分类进行交叉后，抽取出来，如图11所示：

c)使用训练器(LR，FM算法等)训练转化率模型，模型中包含特征值和特征权重，如表1所示。

从训练数据抽取得到的特征	特征对应的权重值
		gender(male)*EC(3c_phone)	0.478
age(18)*EC(3c_phone)	0.112
		time(1)*EC(3c_phone)	-0.564
gender(male)*APP(game_casual)	0.221
		……	……

表1

二、广告投放端：在广告投放端，在该广告投放端上增加给广告主智能推荐定向条件的功能。

a)广告主分类：在新广告主选择推荐定向功能时，首先会使用分类器对广告主进行分类。

使用工具：***中现有的分类器，使用部门内部的分类体系，例如电商-女装-连衣裙，电商-3C-phone；分类器的输入为广告标题，广告描述等，输出为广告的分类。

b)选择定向条件：过滤出模型中所有带该分类的特征，例如该广告的分类为EC(3c_phone)，则过滤出模型中标识为所有定向条件*EC(3c_phone)的特征，并且按照模型中特征的权重大小进行排序，默认选出权重前50％的特征，这些特征即为选出的定向条件。

c)调整推荐范围：广告主可以在此基础上选择增加精准度或者增加覆盖人群，选择增加精准度则会选出排名更加靠前的特征，增加覆盖人群则会选出更多的特征。

如图12所示为基于转化率预估模型的广告定向推荐模型的一个实例，包括：广告投放端、pCVRpipeline，训练数据生成器，模型生成器(Model)，排序结果生成器(Mixer)。其中，所述广告投放端位于第一终端侧，可以作为数据源，以便服务器侧(如广告分析处理平台)从数据源中得到第一数据，以进行分析；所述pCVRpipeline为生成训练数据的通道，还可以将从历史数据(历史数据可以以日志的形式存储)中得到的第一数据进行数据转换，变成服务器侧(如广告分析处理平台)所支持数据格式的第二数据；根据第二数据和训练数据生成器生成训练数据，将训练数据输入模型生成器(Model)，如pCVR模型生成器以基于预估的转化率模型得到信息发送的定向推荐策略，定向推荐策略包括至少一个定向条件，还可以将至少一个定向条件通过排序结果生成器(Mixer)显示出来。

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，即可以位于一个地方，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一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(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、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)

1.一种信息处理方法，其特征在于，所述方法包括：

从数据源获取第一数据；

从所述第一数据中提取出符合预设规则的至少两类特征参数，在所述至少两类特征参数间建立相关性，得到相关性处理结果；

检测由第一终端发送的所述第一数据在第二终端是否产生了有效反馈，得到检测结果；

根据所述检测结果和所述相关性处理结果生成目标数据；

根据所述目标数据生成数据分析模型，根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略，将所述信息定向推荐策略反馈给第一终端。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：从数据源获取第一数据后，将所述第一数据转化为自身所支持数据格式的第二数据。

3.根据权利要求1所述的方法，其特征在于，所述从所述第一数据中提取出符合预设规则的至少两类特征参数，在所述至少两类特征参数间建立相关性，得到相关性处理结果，包括：

提取数据分解条件，按照所述数据分解条件从所述第一数据中提取出符合预设规则的第一类特征参数和第二类特征参数；

所述第一类特征参数用于表征X个拆分数据段所标识的定向条件，所述X个拆分数据段源于所述第一数据中每一条数据的内容，所述X为大于2的正整数；

所述第二类特征参数用于表征所述第一数据的每一条数据自身属性所标识的数据分类；

将所述X个拆分数据段所标识的定向条件分别与所述数据分类进行关联，得到X个关联结果，将得到的所述X个关联结果确定为所述相关性处理结果。

4.根据权利要求3所述的方法，其特征在于，所述检测由第一终端发送的所述第一数据在第二终端是否产生了有效反馈，得到检测结果，包括：

当检测到由第一终端发送的所述第一数据在第二终端产生了有效反馈时，将所述检测结果记为通过反馈获取到转化率；

当检测到由第一终端发送的所述第一数据在第二终端未产生有效反馈时，将所述有检测结果记为通过反馈未获取到转化率。

5.根据权利要求4所述的方法，其特征在于，根据所述检测结果和所述相关性处理结果生成具备分类属性的目标数据，包括：

当所述检测结果为通过反馈获取到转化率时，根据所述检测结果从所述相关性处理结果匹配出对应的第一类训练数据；

当所述检测结果为通过反馈未获取到转化率时，根据所述检测结果从所述相关性处理结果匹配出对应的第二类训练数据；

根据所述第一类训练数据和所述第二类训练数据生成所述具备分类属性的目标数据。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略，将所述信息定向推荐策略反馈给第一终端，包括：

根据所述目标数据和与所述目标数据相关的权重数值，生成用于分析转化率的转化率数据模型，作为所述数据分析模型；

根据所述转化率数据模型预估出至少两个定向条件的排序结果，将所述至少两个定向条件的排序结果封装入所述信息定向推荐策略中，反馈给第一终端。

7.一种服务器，其特征在于，所述服务器包括：

获取单元，用于从数据源获取第一数据；

第一处理单元，用于从所述第一数据中提取出符合预设规则的至少两类特征参数，在所述至少两类特征参数间建立相关性，得到相关性处理结果；

检测单元，用于检测由第一终端发送的所述第一数据在第二终端是否产生了有效反馈，得到检测结果；

第二处理单元，用于根据所述检测结果和所述相关性处理结果生成目标数据；

定向推荐单元，用于根据所述目标数据生成数据分析模型，根据所述数据分析模型生成包含至少两个定向条件排序结果的信息定向推荐策略，将所述信息定向推荐策略反馈给第一终端。

8.根据权利要求7所述的服务器，其特征在于，所述服务器还包括：

数据转换单元，用于从数据源获取第一数据后，将所述第一数据转化为自身所支持数据格式的第二数据。

9.根据权利要求7所述的服务器，其特征在于，所述第一处理单元，进一步用于：

提取数据分解条件，按照所述数据分解条件从所述第一数据中提取出符合预设规则的第一类特征参数和第二类特征参数；

所述第一类特征参数用于表征X个拆分数据段所标识的定向条件，所述X个拆分数据段源于所述第一数据中每一条数据的内容，所述X为大于2的正整数；

所述第二类特征参数用于表征所述第一数据的每一条数据自身属性所标识的数据分类；

将所述X个拆分数据段所标识的定向条件分别与所述数据分类进行关联，得到X个关联结果，将得到的所述X个关联结果确定为所述相关性处理结果。

10.根据权利要求9所述的服务器，其特征在于，所述检测单元，进一步用于：

当检测到由第一终端发送的所述第一数据在第二终端产生了有效反馈时，将所述检测结果记为通过反馈获取到转化率；

当检测到由第一终端发送的所述第一数据在第二终端未产生有效反馈时，将所述有检测结果记为通过反馈未获取到转化率。

11.根据权利要求10所述的服务器，其特征在于，所述第二处理单元，进一步用于：

当所述检测结果为通过反馈获取到转化率时，根据所述检测结果从所述相关性处理结果匹配出对应的第一类训练数据；

当所述检测结果为通过反馈未获取到转化率时，根据所述检测结果从所述相关性处理结果匹配出对应的第二类训练数据；

根据所述第一类训练数据和所述第二类训练数据生成所述具备分类属性的目标数据。

12.根据权利要求7至11任一项所述的服务器，其特征在于，所述定向推荐单元，进一步用于：

根据所述目标数据和与所述目标数据相关的权重数值，生成用于分析转化率的转化率数据模型，作为所述数据分析模型；

根据所述转化率数据模型预估出至少两个定向条件的排序结果，将所述至少两个定向条件的排序结果封装入所述信息定向推荐策略中，反馈给第一终端。