CN106959965A - 一种信息处理方法及服务器 - Google Patents

一种信息处理方法及服务器 Download PDF

Info

Publication number
CN106959965A
CN106959965A CN201610017965.0A CN201610017965A CN106959965A CN 106959965 A CN106959965 A CN 106959965A CN 201610017965 A CN201610017965 A CN 201610017965A CN 106959965 A CN106959965 A CN 106959965A
Authority
CN
China
Prior art keywords
data
tag attributes
orientation
result set
terminal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610017965.0A
Other languages
English (en)
Other versions
CN106959965B (zh
Inventor
习明昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Beijing Co Ltd
Original Assignee
Tencent Technology Beijing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Beijing Co Ltd filed Critical Tencent Technology Beijing Co Ltd
Priority to CN201610017965.0A priority Critical patent/CN106959965B/zh
Publication of CN106959965A publication Critical patent/CN106959965A/zh
Application granted granted Critical
Publication of CN106959965B publication Critical patent/CN106959965B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24564—Applying rules; Deductive queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G06Q30/0256—User search
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明公开了一种信息处理方法及服务器，其中，所述方法包括：获取至少一组第一数据；按照预设规则扫描所述至少一组第一数据以进行预处理，得到第一结果集，所述第一结果集中的数据存储容量小于所述至少一组第一数据的存储容量；根据所述第一结果集生成索引集，所述索引集中包含与每个索引对应的定向标签属性；获取第一终端反馈的信息发送定向需求；解析出所述定向需求中的至少一个定向属性，在所述索引集中匹配出对应的定向标签属性，将所述第一结果集中符合所述定向标签属性的数据进行运算处理，得到用于表征目标用户群的第二结果集，发送信息给登录第二终端的所述目标用户群。

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：
信息分享的方式多种多样，比如用户看到一则很棒的新闻，可以通过微博转发这条新闻，这是一种信息分享；比如用户在浏览网页时除了正在浏览的信息，还可以获取到与所浏览信息相关的信息，然而，推荐分享的该信息是否为用户所需要的信息，取决于推荐分享的信息定向策略是否合理，定向策略通过定向属性生成。
现有技术中，各个定向属性之间的运算是以交集的方式进行组合，且同时配合定制的目标用户群数据包的功能也需要和特定定向属***叉组合，以实现精准地定向推送用户所需要的信息。目前只支持运算以交集的方式进行组合，并不能支持并集和取反等二元运算操作，以用户所需要的信息为广告信息为例，例如：针对定向属性一(如针对18到25岁的男性)和定向属性二(看过欧莱雅广告)从原始数据中筛选出目标用户群，以便为目标用户群定向投放广告信息，通过现有技术无法直接实现，需要进一步配合额外的数据处理机制来根据定向属性运算出最终所需的目标用户群，从而导致计算的过程耗时过久，处理效率低下。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：
获取至少一组第一数据；
按照预设规则扫描所述至少一组第一数据以进行预处理，得到第一结果集，所述第一结果集中的数据存储容量小于所述至少一组第一数据的存储容量；
根据所述第一结果集生成索引集，所述索引集中包含与每个索引对应的定向标签属性；
获取第一终端反馈的信息发送定向需求；
解析出所述定向需求中的至少一个定向属性，在所述索引集中匹配出对应的定向标签属性，将所述第一结果集中符合所述定向标签属性的数据进行运算处理，得到用于表征目标用户群的第二结果集，发送信息给登录第二终端的所述目标用户群。
上述方案中，所述按照预设规则扫描所述至少一组第一数据以进行预处理，得到第一结果集，包括：
扫描所述至少一组第一数据，从所述至少一组第一数据中解析得到至少一个定向维度，对所述至少一个定向维度中的每个定向属性进行预处理得到至少一个定向标签属性，将由所述至少一个定向标签属性构成的数据作为所述第一结果集。
上述方案中，所述根据所述第一结果集生成索引集，包括：
按照所述至少一个定向标签属性分别建立与其对应的索引，由得到的至少一个索引构成所述索引集。
上述方案中，所述定向标签属性为所述第二结果集中目标用户群所能使用的标签属性。
上述方案中，所述对所述至少一个定向维度中的每个定向属性进行预处理得到至少一个定向标签属性，包括：
预先收集历史数据，将所述历史数据按照预定义的分类标签属性进行分类，得到标签属性的分类结果，将所述标签属性的分类结果按照在第二终端进行信 息显示后得到的排序结果进行筛选，以通过预处理得到所述至少一个定向标签属性。
上述方案中，所述方法还包括：
按照社交号码段对所述第二结果集中的目标用户群进行数据拆分后，将信息发送给拆分后得到的各个目标用户群。
本发明实施例的一种服务器，所述服务器包括：
第一获取单元，用于获取至少一组第一数据；
预处理单元，用于按照预设规则扫描所述至少一组第一数据以进行预处理，得到第一结果集，所述第一结果集中的数据存储容量小于所述至少一组第一数据的存储容量；
索引生成单元，用于根据所述第一结果集生成索引集，所述索引集中包含与每个索引对应的定向标签属性；
第二获取单元，用于获取第一终端反馈的信息发送定向需求；
发送单元，用于解析出所述定向需求中的至少一个定向属性，在所述索引集中匹配出对应的定向标签属性，将所述第一结果集中符合所述定向标签属性的数据进行运算处理，得到用于表征目标用户群的第二结果集，发送信息给登录第二终端的所述目标用户群。
上述方案中，所述预处理单元，进一步用于：扫描所述至少一组第一数据，从所述至少一组第一数据中解析得到至少一个定向维度，对所述至少一个定向维度中的每个定向属性进行预处理得到至少一个定向标签属性，将由所述至少一个定向标签属性构成的数据作为所述第一结果集。
上述方案中，所述索引生成单元，进一步用于：按照所述至少一个定向标签属性分别建立与其对应的索引，由得到的至少一个索引构成所述索引集。
上述方案中，所述定向标签属性为所述第二结果集中目标用户群所能使用的标签属性。
上述方案中，所述预处理单元，进一步用于：预先收集历史数据，将所述历史数据按照预定义的分类标签属性进行分类，得到标签属性的分类结果，将 所述标签属性的分类结果按照在第二终端进行信息显示后得到的排序结果进行筛选，以通过预处理得到所述至少一个定向标签属性。
上述方案中，所述发送单元，进一步用于：按照社交号码段对所述第二结果集中的目标用户群进行数据拆分后，将所述信息发送给拆分后得到的各个目标用户群。
本发明实施例的信息处理方法包括：获取至少一组第一数据；按照预设规则扫描所述至少一组第一数据以进行预处理，得到第一结果集，所述第一结果集中的数据存储容量小于所述至少一组第一数据的存储容量；根据所述第一结果集生成索引集，所述索引集中包含与每个索引对应的定向标签属性；获取第一终端反馈的信息发送定向需求；解析出所述定向需求中的至少一个定向属性，在所述索引集中匹配出对应的定向标签属性，将所述第一结果集中符合所述定向标签属性的数据进行运算处理，得到用于表征目标用户群的第二结果集，发送信息给登录第二终端的所述目标用户群。
采用本发明实施例，由于可以按照预设规则扫描所述至少一组第一数据以进行预处理，得到第一结果集，所述第一结果集中的数据存储容量小于所述至少一组第一数据的存储容量，因此大大减少了需要处理的数据量，从而提高了数据处理效率。还可以根据所述第一结果集生成索引集，所述索引集中包含与每个索引对应的定向标签属性；获取第一终端反馈的信息发送定向需求；解析出所述定向需求中的至少一个定向属性，在所述索引集中匹配出对应的定向标签属性，将所述第一结果集中符合所述定向标签属性的数据进行运算处理，由于运算处理是各个定向属性之间的各种自由组合，不限于交集的方式进行组合，从而配合定制的目标用户群数据包的功能也通过和特定定向属性的自由组合，能以最快的速度运算得到用于表征目标用户群的第二结果集，最终发送信息给登录第二终端的所述目标用户群，整个处理过程以较少的数据量，较大灵活性的运算逻辑自由组合，从而避免了计算的过程耗时过久的问题，大大提高了数据处理效率。
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为本发明实施例三的一个组成结构示意图；
图5为本发明实施例四的一个硬件组成结构示意图；
图6-9为各个应用场景的示意图。
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)发送的至少一组第一数据(如历史数据和实时更 新的数据)，将所述至少一组第一数据作为原始数据来使用，按照预设规则扫描所述至少一组第一数据以进行预处理，得到第一结果集，所述第一结果集中的数据存储容量小于所述至少一组第一数据的存储容量；根据所述第一结果集生成索引集，所述索引集中包含与每个索引对应的定向标签属性；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)反馈的信息发送定向需求(如用户定制定向属性时得到的定向投放需求，比如广告主通过其所在的第一终端向那些符合该定向属性的目标用户群投放广告信息时所生成的定向投放需求)；解析出所述定向需求中的至少一个定向属性，在所述索引集中匹配出对应的定向标签属性，将所述第一结果集中符合所述定向标签属性的数据进行运算处理，得到用于表征目标用户群的第二结果集，发送信息给登录第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)的所述目标用户群。
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、获取至少一组第一数据。
这里，所述至少一组第一数据为原始数据，可以是服务器从第一终端(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)侧收集的，也可以是从第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)侧收集的，也可以是从第一终端(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)侧共同收集的数据。
步骤102、按照预设规则扫描所述至少一组第一数据以进行预处理，得到第一结果集，所述第一结果集中的数据存储容量小于所述至少一组第一数据的存储容量。
这里，所述预设规则为用于执行步骤102-103所构成预处理过程的数据处理规则，通过所述预设规则进行预处理，可以对数据进行拆分，对拆分后的数据进行处理，由于拆分后能得到更小的数据存储量，即第一结果集中的数据存储容量小于所述至少一组第一数据的存储容量，因此，后续在针对这些数据通过运算策略(不限于交集，并集，取反等运算策略)的自由组合进行运算，也能提高运算速度，降低响应时间。
这里，响应时间是指：广告主通过其所在的第一终端(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)向那些符合其定向属性的目标用户群投放广告信息时生成定向投放需求后，将该定向投放需求发送给服务器，服务器能通过上述运算策略的自由组合，或者在第一终端本地根据定向投放需求进行上述运算策略的自由组合，能尽快得到最终符合定向投放需求的所述目标用户群，这个响应时间越短越好。
步骤103、根据所述第一结果集生成索引集，所述索引集中包含与每个索引对应的定向标签属性。
这里，是按照第一结果集中的定向标签属性数据建立与定向标签数据对应的索引。步骤102与步骤103都属于预处理过程。比如，预先对所有要使用的定向标签属性进行索引，索引后10亿社交号码(如QQ)一个属性-定向属性的纬度占用空间缩小到100M以内，相比原始数据空间占用缩小了很多，通过利用索引将原始数据分成更小的存储单元，并存储于第一结果集中，同样的存储容量不仅可以存储更多的数据，还能确保数据够精简，以便后续进行运算策略的自由组合，如交集，并集或取反处理时，运算速度更加快，响应时间也更加快。
步骤104、获取第一终端反馈的信息发送定向需求。
这里，所述信息发送定向需求，如在针对广告信息进行定向投放时，由第一终端选择定向属性组合时生成该定向需求。
步骤105、解析出所述定向需求中的至少一个定向属性，在所述索引集中匹配出对应的定向标签属性，将所述第一结果集中符合所述定向标签属性的数 据进行运算处理，得到用于表征目标用户群的第二结果集。
这里，本步骤按照定向需求中配置的定向属性组合策略(包括交集，并集和取反在内的运算逻辑)进行自由组合，得到第二结果集，所述第二结果集用于表征最终的目标用户群所在的集合。
采用本发明实施例，支持通过包括交集，并集和取反在内的各种运算逻辑自由组合运算策略，可以根据不同定向属性的自由组合运算策略从至少一组第一数据(即原始数据)中筛选出最终的目标用户群，而且通过将所述至少一组第一数据(即原始数据)进行预处理以得到更小存储容量的第一结果集，根据第一结果集生成索引集(索引集包括多个索引，每个索引与预定义好的该定向标签属性相对应，以便后续根据预定义好的该定向标签属性，进行按需组合，以在最短的响应时间内得到最终的目标用户群)，服务器获取用户定制定向属性时得到的定向投放需求(即向那些符合该定向属性的目标用户群投放广告时)，根据所述索引集得到第二结果集，所述第二结果集为最终的目标用户群。
本实施例分为两个部分，1)数据预处理过程：如步骤101-103所示；2)数据运算过程，如步骤104-105所示，根据用户定向投放需求，自定义多种运算逻辑的自由组合(不限于交集，并集和取反操作)，从而根据多个定向属性的自由运算逻辑的组合从至少一组数据(原始数据)中筛选计算出最终的目标用户群，最终通过步骤106，将第一终端(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)想要推送的信息，如广告信息发送给第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)进行信息展示。
步骤106、发送信息给登录第二终端的所述目标用户群。
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、获取至少一组第一数据。
这里，所述至少一组第一数据为原始数据，可以是服务器从第一终端(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)侧收集的，也可 以是从第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)侧收集的，也可以是从第一终端(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)侧共同收集的数据。
步骤202、扫描所述至少一组第一数据，从所述至少一组第一数据中解析得到至少一个定向维度。
步骤203、对所述至少一个定向维度中的每个定向属性进行预处理得到至少一个定向标签属性，将由所述至少一个定向标签属性构成的数据作为所述第一结果集。
这里，所述第一结果集中的数据存储容量小于所述至少一组第一数据的存储容量。
这里，步骤202-204构成预处理过程，通过预处理过程，可以对数据进行拆分，对拆分后的数据进行处理，由于拆分后能得到更小的数据存储量，即第一结果集中的数据存储容量小于所述至少一组第一数据的存储容量，因此，后续在针对这些数据通过运算策略(不限于交集，并集，取反等运算策略)的自由组合进行运算，也能提高运算速度，降低响应时间。
这里，响应时间是指：广告主通过其所在的第一终端(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)向那些符合其定向属性的目标用户群投放广告信息时生成定向投放需求后，将该定向投放需求发送给服务器，服务器能通过上述运算策略的自由组合，或者在第一终端本地根据定向投放需求进行上述运算策略的自由组合，能尽快得到最终符合定向投放需求的所述目标用户群，这个响应时间越短越好。
步骤204、按照所述第一结果集中至少一个定向标签属性分别建立与其对应的索引，由得到的至少一个索引构成索引集。
这里，所述索引集中包含与每个索引对应的定向标签属性。
这里，是按照第一结果集中的定向标签属性数据建立与定向标签数据对应的索引。步骤202-204都属于预处理过程。比如，预先对所有要使用的定向标 签属性进行索引，索引后10亿社交号码(如QQ)一个属性-定向属性的纬度占用空间缩小到100M以内，相比原始数据空间占用缩小了很多，通过利用索引将原始数据分成更小的存储单元，并存储于第一结果集中，同样的存储容量不仅可以存储更多的数据，还能确保数据够精简，以便后续进行运算策略的自由组合，如交集，并集或取反处理时，运算速度更加快，响应时间也更加快。
步骤205、获取第一终端反馈的信息发送定向需求。
这里，所述信息发送定向需求，如在针对广告信息进行定向投放时，由第一终端选择定向属性组合时生成该定向需求。
步骤206、解析出所述定向需求中的至少一个定向属性，在所述索引集中匹配出对应的定向标签属性，将所述第一结果集中符合所述定向标签属性的数据进行运算处理，得到用于表征目标用户群的第二结果集。
这里，本步骤按照定向需求中配置的定向属性组合策略(包括交集，并集和取反在内的运算逻辑)进行自由组合，得到第二结果集，所述第二结果集用于表征最终的目标用户群所在的集合。
采用本发明实施例，支持通过包括交集，并集和取反在内的各种运算逻辑自由组合运算策略，可以根据不同定向属性的自由组合运算策略从至少一组第一数据(即原始数据)中筛选出最终的目标用户群，而且通过将所述至少一组第一数据(即原始数据)进行预处理以得到更小存储容量的第一结果集，根据第一结果集生成索引集(索引集包括多个索引，每个索引与预定义好的该定向标签属性相对应，以便后续根据预定义好的该定向标签属性，进行按需组合，以在最短的响应时间内得到最终的目标用户群)，服务器获取用户定制定向属性时得到的定向投放需求(即向那些符合该定向属性的目标用户群投放广告时)，根据所述索引集得到第二结果集，所述第二结果集为最终的目标用户群。
本实施例分为两个部分，1)数据预处理过程：如步骤201-204所示；2)数据运算过程，如步骤205-206所示，根据用户定向投放需求，自定义多种运算逻辑的自由组合(不限于交集，并集和取反操作)，从而根据多个定向属性的自由运算逻辑的组合从至少一组数据(原始数据)中筛选计算出最终的目标用 户群，最终通过步骤207，将第一终端(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)想要推送的信息，如广告信息发送给第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)进行信息展示。
步骤207、发送信息给登录第二终端的所述目标用户群。
基于上述实施例一-二，在本发明实施例一实施方式中，所述定向标签属性为所述目标用户群(即用户定制人群包)所能使用的标签属性。
基于上述实施例一-二，在本发明实施例一实施方式中，所述对所述至少一个定向维度中的每个定向属性进行预处理得到至少一个定向标签属性，包括：预先收集历史数据，将所述历史数据按照预定义的分类标签属性进行分类，得到标签属性的分类结果，将所述标签属性的分类结果按照在第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)进行信息显示后得到的排序结果(如曝光量排序结果)进行筛选，以通过预处理得到所述至少一个定向标签属性。
一个实例为：比如，采用本实施方式，可以对历史几个月内的热门品牌，明星，行业分类等按曝光量排序并进行一定的人工干预，筛选出常用的标签属性，并按一定周期(例如：按月)对上述定向标签属性进行更新。
本发明实施例中，对于没有经过预处理过程得到的上述定向标签属性，不支持后续的运算逻辑自由组合的运算，只针对能获取到预处理过程得到上述定向标签属性的数据进行该运算逻辑自由组合的运算。
基于上述实施例一-二，在本发明实施例一实施方式中，所述方法还包括：按照社交号码段(如QQ号码段)对所述第二结果集中的目标用户群进行数据拆分后，将信息推送给拆分后得到的各个目标用户群。
实施例三：
本发明实施例的一种信息交互***，如图4所示，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)，其中，所述服务器包括：第一获取单元411，用于获取至少一组第一数据；预处理单元412，用于按照预设规则扫描所述至少一组第一数据以进行预处理，得到第一结果集，所述第一结果集中的数据存储容量小于所述至少一组第一数据的存储容量；索引生成单元413，用于根据所述第一结果集生成索引集，所述索引集中包含与每个索引对应的定向标签属性；第二获取单元414，用于获取第一终端反馈的信息发送定向需求；发送单元415，用于解析出所述定向需求中的至少一个定向属性，在所述索引集中匹配出对应的定向标签属性，将所述第一结果集中符合所述定向标签属性的数据进行运算处理，得到用于表征目标用户群的第二结果集，发送信息给登录第二终端的所述目标用户群。第一终端42用于发送作为原始数据使用的第一数据给服务器分析，并根据从服务器获取的定向策略或者从服务器获取的定向需求对应投放的目标用户群发送所推荐的信息给对应登录第二终端43的所述目标用户群，第一终端42也可以发送作为原始数据使用的第一数据给第二终端43进行展示后，第二终端将获取的反馈信息也作为所述原始数据使用并发送给服务器进行分析，以便服务器可以根据第一终端和/或第二终端发送的原始数据进行预处理，将不同定向维度中每个定向属性生成定向属性标签后，建立与该定向属性标签对应的索引，基于索引重新分配和存储预处理后得到的数据，在根据定向属性筛选目标用户群的过程中，根据定向属性标签与索引间建立的关系，利用定向属性间的多种运算逻辑(不限于交集，并集和取反)的自由组合，尽快的筛选计算出所述目标用户群。
在本发明实施例一实施方式中，所述至少一组第一数据为原始数据，可以是服务器从第一终端(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)侧收集的，也可以是从第二终端(如普通用户所在的终端，或称为广告展示或曝光的对象)侧收集的，也可以是从第一终端(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)侧共同收集的数据。
在本发明实施例一实施方式中，所述预设规则为预处理单元和索引生成单 元执行相应预处理过程的数据处理规则，通过所述预设规则进行预处理，可以对数据进行拆分，对拆分后的数据进行处理，由于拆分后能得到更小的数据存储量，即第一结果集中的数据存储容量小于所述至少一组第一数据的存储容量，因此，后续在针对这些数据通过运算策略(不限于交集，并集，取反等运算策略)的自由组合进行运算，也能提高运算速度，降低响应时间。
这里，响应时间是指：广告主通过其所在的第一终端(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)向那些符合其定向属性的目标用户群投放广告信息时生成定向投放需求后，将该定向投放需求发送给服务器，服务器能通过上述运算策略的自由组合，或者在第一终端本地根据定向投放需求进行上述运算策略的自由组合，能尽快得到最终符合定向投放需求的所述目标用户群，这个响应时间越短越好。
在本发明实施例一实施方式中，是按照第一结果集中的定向标签属性数据建立与定向标签数据对应的索引。预处理单元和索引生成单元执行的处理过程都属于预处理过程。比如，预先对所有要使用的定向标签属性进行索引，索引后10亿社交号码(如QQ)一个属性-定向属性的纬度占用空间缩小到100M以内，相比原始数据空间占用缩小了很多，通过利用索引将原始数据分成更小的存储单元，并存储于第一结果集中，同样的存储容量不仅可以存储更多的数据，还能确保数据够精简，以便后续进行运算策略的自由组合，如交集，并集或取反处理时，运算速度更加快，响应时间也更加快。
在本发明实施例一实施方式中，按照定向需求中配置的定向属性组合策略(包括交集，并集和取反在内的运算逻辑)进行自由组合，得到第二结果集，所述第二结果集用于表征最终的目标用户群所在的集合。
采用本发明实施例，支持通过包括交集，并集和取反在内的各种运算逻辑自由组合运算策略，可以根据不同定向属性的自由组合运算策略从至少一组第一数据(即原始数据)中筛选出最终的目标用户群，而且通过将所述至少一组第一数据(即原始数据)进行预处理以得到更小存储容量的第一结果集，根据第一结果集生成索引集(索引集包括多个索引，每个索引与预定义好的该定向 标签属性相对应，以便后续根据预定义好的该定向标签属性，进行按需组合，以在最短的响应时间内得到最终的目标用户群)，服务器获取用户定制定向属性时得到的定向投放需求(即向那些符合该定向属性的目标用户群投放广告时)，根据所述索引集得到第二结果集，所述第二结果集为最终的目标用户群。
在本发明实施例一实施方式中，所述预处理单元，进一步用于：扫描所述至少一组第一数据，从所述至少一组第一数据中解析得到至少一个定向维度，对所述至少一个定向维度中的每个定向属性进行预处理得到至少一个定向标签属性，将由所述至少一个定向标签属性构成的数据作为所述第一结果集。
在本发明实施例一实施方式中，所述索引生成单元，进一步用于：按照所述至少一个定向标签属性分别建立与其对应的索引，由得到的至少一个索引构成所述索引集。
在本发明实施例一实施方式中，所述定向标签属性为所述第二结果集中目标用户群所能使用的标签属性。
在本发明实施例一实施方式中，所述预处理单元，进一步用于：预先收集历史数据，将所述历史数据按照预定义的分类标签属性进行分类，得到标签属性的分类结果，将所述标签属性的分类结果按照在第二终端进行信息显示后得到的排序结果进行筛选，以通过预处理得到所述至少一个定向标签属性。
在本发明实施例一实施方式中，所述发送单元，进一步用于：按照社交号码段对所述第二结果集中的目标用户群进行数据拆分后，将所述信息发送给拆分后得到的各个目标用户群。
实施例四：
这里需要指出的是，上述第一终端，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，Central Processing Unit)、数字信号处理器(DSP，Digital Singnal Processor)或可编程逻辑阵列(FPGA，Field－Programmable Gate Array)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5所示。所述装置包括处理器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。
这里需要指出的是：以上涉及第一终端，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。对于本发明终端设端侧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：
由于目前各个定向属性之间的运算是以交集的方式进行组合，同时配合定制的目标用户群数据包的功能可以实现和特定定向属***叉组合，以实现精准地定向推送用户所需要的信息。目前只支持各个定向属性之间的运算以交集的方式进行组合，并不能支持并集和取反等二元运算操作，以用户所需要的信息为广告信息为例，例如：针对定向属性(如需要针对18到25岁的男性)和目标用户群(如看过欧莱雅广告的人)一起定向投放广告信息，则对于该类信息定向推送的需求，通过现有技术无法直接实现，还需要配合通过额外的数据处理机制根据定向推送的需求计算出目标用户群数据包后再进行信息定向推送，从而导致整个数据处理的运算过程耗时过久，处理效率低下。相关技术中，对于该问题，尚无有效解决方案。
本应用场景采用本发明实施例，针对信息为广告信息，数据处理采用分布式文件***(Hadoop，PHadoop Distributed File System)的方式，先对数据进行预处理后，使其数据存储容量比原始数据要小，同样的存储容量可以存储更 多的数据，之后，通过预处理过程中建立的定向属性标签与索引的对应关系，根据定向属性的多种运算逻辑(交集，并集和取反操作)自由组合，快速运算得到最终的目标用户群，以便第一终端可以根据该目标用户群精准的按照定向投放需求进行广告信息的投放。整个处理过程处理时间快，效率高，响应时间短。
针对Hadoop方式而言，是通过对搜索关键字进行内容分类的数据处理机制，例如，如果您要对一个10TB的巨型文件进行搜索分类，会出现什么情况？在传统的***上，这将需要很长的时间。但是，采用Hadoop方式，尤其在设计时就考虑到这些问题，它是一个能够对大量数据进行分布式处理的软件框架，也就是说，Hadoop方式是采用并行执行的机制，提供一种可靠、高效、可伸缩、高容错性、高扩展性的方式进行数据处理，因此能大大提高数据处理效率。就可靠而言，Hadoop方式按位存储，且在设计时假设计算元素和存储会失败，因此，采用Hadoop方式会维护多个工作数据副本，确保能够针对失败的节点重新分布处理；就高效而言，因为Hadoop方式以并行的方式工作，通过并行处理加快处理速度，能够在节点之间动态地移动数据，并保证各个节点的动态平衡，因此处理速度非常快；就可伸缩而言，采用Hadoop方式，能够处理PB级数据；针对高容错性而言，采用Hadoop方式，能够自动保存数据的多个副本，并且能够自动将失败的任务重新分配；就高扩展性而言，采用Hadoop方式，在可用的计算机集簇间分配数据并完成计算任务的，这些集簇可以方便地扩展到数以千计的节点中。
一种针对广告信息基于Hadoop方式的数据处理过程如图6所示，对于曝光落地的数据，使用Hadoop方式扫描原始数据(包含多个定向属性的定向投放需求)，以获得结果集，结果集为包含目标用户群的集合。采用这种方式，由于是集群离线计算的方式，因此运算过程耗时过久。比如，原始曝光落地数据日均20亿条左右，每日的数据总量都在TB级。当用户提出定制需求时，需使用多台机器的Hadoop集群进行MAPREDUCE任务计算得到结果。计算量和耗时较长。这里，所述MAPREDUCE指，用于大规模数据集(大于1TB)的并 行运算。MAP指映射，REDUCE指规约。
本应用场景采用本发明实施例，是一种针对广告信息基于在线DMP方式的数据处理过程，具体为一种在线自定义广告受众人群投放的技术方案，涉及的技术术语包括：1)显示广告：一种图形化的广告技术；2)DMP：数据管理平台；3)精准定向：用户身份识别、用户行为的收集、用户数据的挖掘分析和广告的匹配投放。本应用场景采用本发明实施例的这种基于在线DMP自定义目标用户群(即目标人群数据包)的功能可以提供在线的目标人群数据包组合功能，具有目标人群定向精准、数据处理效率高，响应时间短的优点，可以根据所提供的性别定向，时间定向，地域定向等等单一维度的定向属性的自由运算逻辑组合(不限于交集、并集和取反)的精准定向方式，配合定制目标人群数据包的功能，实现和特定定向属性进行自由组合以实现针对在线DMP自定义目标用户群(即目标人群数据包)进行精准的定向广告信息投放。例如：针对看过欧莱雅广告的18到25岁的男性，精准投放广告信息。
本应用场景采用本发明实施例，其数据处理过程如图7所示，包括：对于曝光落地的数据，先进行预处理过程：如采取每周定时全量计算的策略，具体使用Hadoop方式扫描原始数据(包含多个定向属性的定向投放需求)获得第一结果集，根据第一结果集得到索引集，之后，进行具体的运算过程：如根据广告主提交的定制需求采用在线实时计算的策略，具体是根据具体的定向投放需求进行针对该定向投放需求中多个定向属性的运算策略自由组合，由索引集计算得到第二结果集，第二结果集为包含目标用户群的集合。通过这种预处理的方式，可以预先对所有要使用的定向标签属性进行索引，索引后10亿QQ一个属性纬度占用空间缩小到100M以内，相比原始数据空间占用缩小了很多。那么，在后续实际执行具体运算过程时，针对用户提出定制需求时，可以直接实时的通过索引集计算出结果，计算时间在分钟级。
本应用场景采用本发明实施例，该方案需要对用户定制人群包所能使用的标签属性进行预先定义，具体方法可以是对历史几个月内的热门品牌，明星，行业分类等按曝光量排序并进行一定的人工干预，筛选出常用的标签属性，并 按一定周期(例如：按月)进行更新。对于没有进行预索引的定向标签属性不予支持。
一个具体数据预处理的例子如下所示：
首先利用Hadoop方式离线计算预先对每个定向维度里每个属性计算出结果(用户标识的有序集合)并索引。再利用在线DMP自定义目标用户群(即目标人群数据包)进行精准的定向广告信息投放，具体可以通过并行计算实现在线自定义人群包的功能，支持“交”、“并”、“取反”等位运算符。
1)利用Hadoop方式离线建立索引：
针对所有用户标识(QQ号使用次级列重新进行编码)，大盘总共21亿的QQ号，活跃的大约在10亿左右，而QQ号码有12位以上，使用次级列编码后可以使用一个10亿的BITMAP来表示一个QQ号码包的集合，如表1所示。
QQ号 次级列
XXX67813 0
XXX67890 1
XXX78931 2
XXX89000 3
表1
一个包含XXX67813和XXX78931两个QQ号的可以使用4位如下表2所示：
1 0 1 0
表2
将所有的纬度的属性都按上述方法进行编码，再使用字节对齐混合压缩(WAH)算法对位图(BITMAP)进行压缩。
2)结合表3(定向属性为：男性)，表4(定向属性为18到25岁)，表5
(看过欧莱雅广告的人)，定向属性运算的逻辑为：男性AND18到25岁OR看过欧莱雅广告的人，在线自定义人群包进行并行处理的位运算，得到表6(结果：最终的目标用户群结果)，再和QQ号的次级列字典匹配得到结果QQ 号码包，并行化处理的一个实例如图8所示，并行化处理时，将BITMAP按位拆分，多任务(如WORKER1、WORKER2、WORKER3、WORKER4、….WORKERn，n为大于1的正整数)同时进行，运算结果再进行合并，缩短运算时间。
1 0 1 0 …
表3
0 1 1 0 …
表4
1 0 1 1 …
表5
1 0 1 1 …
表6
3)第一终端的选择定向属性以生成对应的定向需求发送给服务器进行上述(2)的在线自定义人群包进行并行处理的位运算，选择定向属性的操作界面如图9所示，可以按照交集，也可以按照并集来选取多个定向属性的自由组合，那么，服务器侧就可以根据该定向需求，解析出多个定向属性后，根据第一终端请求的自由组合，进行交集或并集的位运算，以尽快得到目标用户群，反馈给第一终端，第一终端根据定向策略及该目标用户群，向对应目标用户群的多个第二终端发送广告信息。定向投放逻辑为：生成以QQ号为索引(KEY)，人群包ID序列的为值(VALUE)的表，其中，就上述提及的索引而言，生成以QQ号为索引(KEY)，就获得目标用户群后，还需要分别投放时，投放时按照人群包ID序列进行分别投放。比如，在线播放的场景中，根据用户标识QQ号，查找索引表获取该用户标识QQ号所附属的人群ID列表，再从订单号-定向人群包配对找查找符合条件的订单，并按权重规则予以播放。由于可以根据用户需求，自定义多种位运算自由组合，并在线(响应时间分钟级)计算出目标用户群，并对接投放***的整个流程，因此，处理效率得到大大提高，响应时间也得到大大缩短。
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-Only Memory)、随机存取存储器(RAM，Random Access Memory)、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：
获取至少一组第一数据；
按照预设规则扫描所述至少一组第一数据以进行预处理，得到第一结果集，所述第一结果集中的数据存储容量小于所述至少一组第一数据的存储容量；
根据所述第一结果集生成索引集，所述索引集中包含与每个索引对应的定向标签属性；
获取第一终端反馈的信息发送定向需求；
解析出所述定向需求中的至少一个定向属性，在所述索引集中匹配出对应的定向标签属性，将所述第一结果集中符合所述定向标签属性的数据进行运算处理，得到用于表征目标用户群的第二结果集，发送信息给登录第二终端的所述目标用户群。
2.根据权利要求1所述的方法，所述按照预设规则扫描所述至少一组第一数据以进行预处理，得到第一结果集，包括：
扫描所述至少一组第一数据，从所述至少一组第一数据中解析得到至少一个定向维度，对所述至少一个定向维度中的每个定向属性进行预处理得到至少一个定向标签属性，将由所述至少一个定向标签属性构成的数据作为所述第一结果集。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一结果集生成索引集，包括：
按照所述至少一个定向标签属性分别建立与其对应的索引，由得到的至少一个索引构成所述索引集。
4.根据权利要求2或3所述的方法，其特征在于，所述定向标签属性为所述第二结果集中目标用户群所能使用的标签属性。
5.根据权利要求2或3所述的方法，其特征在于，所述对所述至少一个定向维度中的每个定向属性进行预处理得到至少一个定向标签属性，包括：
预先收集历史数据，将所述历史数据按照预定义的分类标签属性进行分类，得到标签属性的分类结果，将所述标签属性的分类结果按照在第二终端进行信息显示后得到的排序结果进行筛选，以通过预处理得到所述至少一个定向标签属性。
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：
按照社交号码段对所述第二结果集中的目标用户群进行数据拆分后，将信息发送给拆分后得到的各个目标用户群。
7.一种服务器，其特征在于，所述服务器包括：
第一获取单元，用于获取至少一组第一数据；
预处理单元，用于按照预设规则扫描所述至少一组第一数据以进行预处理，得到第一结果集，所述第一结果集中的数据存储容量小于所述至少一组第一数据的存储容量；
索引生成单元，用于根据所述第一结果集生成索引集，所述索引集中包含与每个索引对应的定向标签属性；
第二获取单元，用于获取第一终端反馈的信息发送定向需求；
发送单元，用于解析出所述定向需求中的至少一个定向属性，在所述索引集中匹配出对应的定向标签属性，将所述第一结果集中符合所述定向标签属性的数据进行运算处理，得到用于表征目标用户群的第二结果集，发送信息给登录第二终端的所述目标用户群。
8.根据权利要求7所述的服务器，所述预处理单元，进一步用于：扫描所述至少一组第一数据，从所述至少一组第一数据中解析得到至少一个定向维度，对所述至少一个定向维度中的每个定向属性进行预处理得到至少一个定向标签属性，将由所述至少一个定向标签属性构成的数据作为所述第一结果集。
9.根据权利要求8所述的服务器，其特征在于，所述索引生成单元，进一步用于：按照所述至少一个定向标签属性分别建立与其对应的索引，由得到的至少一个索引构成所述索引集。
10.根据权利要求8或9所述的服务器，其特征在于，所述定向标签属性为所述第二结果集中目标用户群所能使用的标签属性。
11.根据权利要求8或9所述的服务器，其特征在于，所述预处理单元，进一步用于：预先收集历史数据，将所述历史数据按照预定义的分类标签属性进行分类，得到标签属性的分类结果，将所述标签属性的分类结果按照在第二终端进行信息显示后得到的排序结果进行筛选，以通过预处理得到所述至少一个定向标签属性。
12.根据权利要求11所述的服务器，其特征在于，所述发送单元，进一步用于：按照社交号码段对所述第二结果集中的目标用户群进行数据拆分后，将所述信息发送给拆分后得到的各个目标用户群。
CN201610017965.0A 2016-01-12 2016-01-12 一种信息处理方法及服务器 Active CN106959965B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610017965.0A CN106959965B (zh) 2016-01-12 2016-01-12 一种信息处理方法及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610017965.0A CN106959965B (zh) 2016-01-12 2016-01-12 一种信息处理方法及服务器

Publications (2)

Publication Number Publication Date
CN106959965A true CN106959965A (zh) 2017-07-18
CN106959965B CN106959965B (zh) 2021-02-05

Family

ID=59481406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610017965.0A Active CN106959965B (zh) 2016-01-12 2016-01-12 一种信息处理方法及服务器

Country Status (1)

Country Link
CN (1) CN106959965B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107578278A (zh) * 2017-08-24 2018-01-12 天脉聚源（北京）科技有限公司 一种智能广告投放的方法及装置
CN107818165A (zh) * 2017-10-31 2018-03-20 平安科技（深圳）有限公司 基于标签库的营销客户筛选方法、电子装置及存储介质
CN108038709A (zh) * 2017-11-03 2018-05-15 平安科技（深圳）有限公司 客户抽样试营销方法、电子装置及计算机可读存储介质
CN108053241A (zh) * 2017-12-12 2018-05-18 北京小米移动软件有限公司 数据分析方法、装置及计算机可读存储介质
CN108256054A (zh) * 2018-01-15 2018-07-06 腾讯科技（深圳）有限公司 确定目标号码集合的方法和装置
CN108415978A (zh) * 2018-02-09 2018-08-17 北京腾云天下科技有限公司 用户标签存储方法、用户画像计算方法及计算设备
CN109582873A (zh) * 2018-12-07 2019-04-05 北京字节跳动网络技术有限公司 用于推送信息的方法和装置
CN110197383A (zh) * 2018-02-27 2019-09-03 华为软件技术有限公司 获取客户群的用户集的方法和装置
CN110737662A (zh) * 2019-10-10 2020-01-31 腾讯科技（深圳）有限公司 一种数据分析方法、装置、服务器及计算机存储介质
CN110807696A (zh) * 2019-10-28 2020-02-18 爱钱进(北京)信息科技有限公司 资金与资产的撮合方法、装置以及存储介质
CN111131355A (zh) * 2018-10-31 2020-05-08 北京字节跳动网络技术有限公司 用于处理信息的方法和装置
CN111552715A (zh) * 2020-05-06 2020-08-18 北京易数科技有限公司 用户查询方法和装置
CN111815359A (zh) * 2020-07-09 2020-10-23 北京字节跳动网络技术有限公司 一种目标人群确定方法、装置、电子设备和存储介质
CN111815101A (zh) * 2020-01-15 2020-10-23 北京嘀嘀无限科技发展有限公司 一种信息处理方法、装置、存储介质及电子设备
CN112016798A (zh) * 2020-07-15 2020-12-01 北京淇瑀信息科技有限公司 一种用于提高资源利用率的自动化信息发送方法及装置
CN114298739A (zh) * 2021-12-22 2022-04-08 北京沃东天骏信息技术有限公司 应用于数据管理平台的数据处理方法、装置、设备和介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236867A (zh) * 2011-08-15 2011-11-09 悠易互通（北京）广告有限公司 基于云计算的受众行为分析广告定向***
CN104899755A (zh) * 2014-03-05 2015-09-09 晶赞广告（上海）有限公司 一种多维度复杂条件广告索引方法
CN104933591A (zh) * 2014-03-17 2015-09-23 北京学之途网络科技有限公司 一种基于实时数据实现广告投放的方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236867A (zh) * 2011-08-15 2011-11-09 悠易互通（北京）广告有限公司 基于云计算的受众行为分析广告定向***
CN104899755A (zh) * 2014-03-05 2015-09-09 晶赞广告（上海）有限公司 一种多维度复杂条件广告索引方法
CN104933591A (zh) * 2014-03-17 2015-09-23 北京学之途网络科技有限公司 一种基于实时数据实现广告投放的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马济群: "互联网定向广告和推送技术研究", 《电脑知识与技术》 *

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107578278A (zh) * 2017-08-24 2018-01-12 天脉聚源（北京）科技有限公司 一种智能广告投放的方法及装置
CN107818165A (zh) * 2017-10-31 2018-03-20 平安科技（深圳）有限公司 基于标签库的营销客户筛选方法、电子装置及存储介质
WO2019085343A1 (zh) * 2017-10-31 2019-05-09 平安科技（深圳）有限公司 基于标签库的营销客户筛选方法、电子装置及存储介质
CN108038709A (zh) * 2017-11-03 2018-05-15 平安科技（深圳）有限公司 客户抽样试营销方法、电子装置及计算机可读存储介质
CN108053241A (zh) * 2017-12-12 2018-05-18 北京小米移动软件有限公司 数据分析方法、装置及计算机可读存储介质
CN108053241B (zh) * 2017-12-12 2021-12-28 北京小米移动软件有限公司 数据分析方法、装置及计算机可读存储介质
CN108256054A (zh) * 2018-01-15 2018-07-06 腾讯科技（深圳）有限公司 确定目标号码集合的方法和装置
CN108415978A (zh) * 2018-02-09 2018-08-17 北京腾云天下科技有限公司 用户标签存储方法、用户画像计算方法及计算设备
CN108415978B (zh) * 2018-02-09 2021-04-09 北京腾云天下科技有限公司 用户标签存储方法、用户画像计算方法及计算设备
CN110197383A (zh) * 2018-02-27 2019-09-03 华为软件技术有限公司 获取客户群的用户集的方法和装置
CN111131355B (zh) * 2018-10-31 2022-05-24 北京字节跳动网络技术有限公司 用于处理信息的方法和装置
CN111131355A (zh) * 2018-10-31 2020-05-08 北京字节跳动网络技术有限公司 用于处理信息的方法和装置
CN109582873A (zh) * 2018-12-07 2019-04-05 北京字节跳动网络技术有限公司 用于推送信息的方法和装置
CN110737662A (zh) * 2019-10-10 2020-01-31 腾讯科技（深圳）有限公司 一种数据分析方法、装置、服务器及计算机存储介质
CN110807696A (zh) * 2019-10-28 2020-02-18 爱钱进(北京)信息科技有限公司 资金与资产的撮合方法、装置以及存储介质
CN111815101A (zh) * 2020-01-15 2020-10-23 北京嘀嘀无限科技发展有限公司 一种信息处理方法、装置、存储介质及电子设备
CN111815101B (zh) * 2020-01-15 2024-05-03 北京嘀嘀无限科技发展有限公司 一种信息处理方法、装置、存储介质及电子设备
CN111552715A (zh) * 2020-05-06 2020-08-18 北京易数科技有限公司 用户查询方法和装置
CN111815359A (zh) * 2020-07-09 2020-10-23 北京字节跳动网络技术有限公司 一种目标人群确定方法、装置、电子设备和存储介质
CN111815359B (zh) * 2020-07-09 2024-05-24 北京火山引擎科技有限公司 一种目标人群确定方法、装置、电子设备和存储介质
CN112016798A (zh) * 2020-07-15 2020-12-01 北京淇瑀信息科技有限公司 一种用于提高资源利用率的自动化信息发送方法及装置
CN114298739A (zh) * 2021-12-22 2022-04-08 北京沃东天骏信息技术有限公司 应用于数据管理平台的数据处理方法、装置、设备和介质
CN114298739B (zh) * 2021-12-22 2024-05-21 北京沃东天骏信息技术有限公司 应用于数据管理平台的数据处理方法、装置、设备和介质

Also Published As

Publication number Publication date
CN106959965B (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
CN106959965A (zh) 一种信息处理方法及服务器
CN110162693B (zh) 一种信息推荐的方法以及服务器
CN108153788B (zh) 页面信息个性化处理方法、装置及***
CN106296059B (zh) 派送网点确定方法及设备
CN103886047B (zh) 面向流式数据的分布式在线推荐方法
CN105335409B (zh) 一种目标用户的确定方法、设备和网络服务器
US8732015B1 (en) Social media pricing engine
CN110648185A (zh) 一种目标人群圈选方法、装置及计算机设备
CN105678317B (zh) 一种信息处理方法及服务器
US10621616B2 (en) Systems, methods, and devices for generating metrics associated with advertisement data objects
CN109471978B (zh) 一种电子资源推荐方法及装置
CN109690581B (zh) 用户指导***及方法
US9269057B1 (en) Using specialized workers to improve performance in machine learning
CN112800095A (zh) 一种数据处理方法、装置、设备及存储介质
CN103530304B (zh) 基于自适应分布式计算的在线推荐方法、***和移动终端
CN112258301B (zh) 商品推荐方法、装置、***、可读存储介质及电子设备
CN109447685A (zh) 基于机器学习的产品数据推送方法、装置和计算机设备
CN111159553A (zh) 信息推送方法、装置、计算机设备及存储介质
CN108960293B (zh) 基于fm算法的ctr预估方法及***
CN110019786B (zh) 网络社区的话题发送方法、话题列表排序方法及装置
CN117593053A (zh) 广告投放的大数据分析***
US20170004527A1 (en) Systems, methods, and devices for scalable data processing
CN109075987B (zh) 优化数字组件分析***
CN107005576A (zh) 从服务器日志生成用于链接标识符的桥接匹配标识符
CN105391801A (zh) 用于应用程序的信息推送方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant