CN109886736B - 用于dsp平台的预算数据处理方法及装置、存储介质、终端 - Google Patents

Abstract

一种用于DSP平台的预算数据处理方法及装置、存储介质、终端，所述方法包括：采集历史流量的记录信息，并统计所述历史流量按照时间的分布数据；根据所述分布数据，预测当前时刻的有效流量；根据历史上信息推送的推送效果数据，预测当前时刻的推送效果数据；根据所述当前时刻的有效流量和推送效果数据、预设时段内的累计花费预算比以及前一时刻的花费预算比，确定分配给当前时刻的预算，所述前一时刻和当前时刻包含于所述预设时段。通过本发明提供的方案能够实现预算的平滑分配，从而在获得高质量的流量的同时，兼顾预算的消耗情况和信息的推送效果。

Description

用于DSP平台的预算数据处理方法及装置、存储介质、终端

技术领域

本发明涉及信息发布技术领域，具体地涉及一种用于DSP平台的预算数据处理方法及装置、存储介质、终端。

背景技术

随着互联网技术的发展，人们足不出户即可上网浏览世界各地的最新资讯和信息，信息发布方也可以以互联网为平台向外发布信息。

需求方平台(Demand Side Platform，简称DSP)作为信息发布方的代理，需要为信息发布方制定最合理的信息发布策略，使得信息发布方的待发布信息能够以合理的花费被有效发布出去，并最终转化为点击量。

在DSP平台构建的信息发布***中，DSP的目标一般是在给定的预算下，最大化信息发布方(如广告主)的目标，如最大化点击数(click)、每次行动成本(Cost Per Action，简称CPA)等。通常，信息发布方需要让信息的投放时间尽可能的长(如一整天)，以便让更多的人看到，从而获取潜在的推送效果。然而，一天中各个时间段的流量大小不一，而且后续的转化等推送效果数据很少且需要很长时间才能得到，对于代表信息发布方利益的DSP平台，很难在确保预算被消耗完的同时实现推送效果的最优化。

发明内容

本发明解决的技术问题是如何在获得高质量的流量的同时，兼顾预算的消耗情况和信息的推送效果。

为解决上述技术问题，本发明实施例提供一种用于DSP平台的预算数据处理方法，包括：采集历史流量的记录信息，并统计所述历史流量按照时间的分布数据；根据所述分布数据，预测当前时刻的有效流量；根据历史上信息推送的推送效果数据，预测当前时刻的推送效果数据；根据所述当前时刻的有效流量和推送效果数据、预设时段内的累计花费预算比以及前一时刻的花费预算比，确定分配给当前时刻的预算，所述前一时刻和当前时刻包含于所述预设时段。

可选的，所述根据所述当前时刻的有效流量和推送效果数据、预设时段内的累计花费预算比以及前一时刻的花费预算比，确定分配给当前时刻的预算包括：根据所述预设时段内的累计花费预算比以及前一时刻的花费预算比，确定当前时刻的第一权重和第二权重，其中，所述第一权重用于描述所述当前时刻的有效流量对所述当前时刻的预算的影响，所述第二权重用于描述所述当前时刻的推送效果数据对所述当前时刻的预算的影响，且所述第一权重和第二权重的加和为1；根据所述第一权重、第二权重、当前时刻的有效流量以及推送效果数据，确定当前时刻的预算分配比例；根据所述当前时刻的预算分配比例、所述预设时段的总预算以及所述预设时段内的实际花费确定所述分配给当前时刻的预算。

可选的，所述根据所述预设时段内的累计花费预算比以及前一时刻的花费预算比，确定当前时刻的第一权重和第二权重包括：根据所述预设时段内的累计花费预算比以及所述前一时刻的花费预算比所处的数值确定当前时刻的推送状态；根据所述当前时刻的推送状态确定所述当前时刻的第一权重和第二权重。

可选的，所述根据所述预设时段内的累计花费预算比以及所述前一时刻的花费预算比所处的数值确定当前时刻的推送状态包括：当所述预设时段内的累计花费预算比大于等于第一预设阈值，且所述前一时刻的花费预算比大于等于第二预设阈值时，确定所述当前时刻的推送状态为安全状态；或者，当所述预设时段内的累计花费预算比大于等于第一预设阈值，且所述前一时刻的花费预算比小于第二预设阈值时，确定所述当前时刻的推送状态为临界状态；或者，当所述预设时段内的累计花费预算比小于第一预设阈值，且所述前一时刻的花费预算比大于等于第二预设阈值时，确定所述当前时刻的推送状态为严重状态；或者，当所述预设时段内的累计花费预算比小于第一预设阈值，且所述前一时刻的花费预算比小于第二预设阈值时，确定所述当前时刻的推送状态为危险状态。

可选的，所述根据所述当前时刻的推送状态确定所述当前时刻的第一权重和第二权重包括：当所述当前时刻的推送状态为安全状态时，减小前一时刻的第一权重，并同比例增大前一时刻的第二权重，以得到所述当前时刻的第一权重和第二权重；当所述当前时刻的推送状态为临界状态时，按随机概率减小或维持前一时刻的第一权重，并在减小所述前一时刻的第一权重的同时同比例增大前一时刻的第二权重，以得到所述当前时刻的第一权重和第二权重；当所述当前时刻的推送状态为危险状态和严重状态时，增大前一时刻的第一权重，并同比例减小前一时刻的第二权重，以得到所述当前时刻的第一权重和第二权重。

可选的，基于如下公式减小前一时刻的第一权重，以得到当前时刻的第一权重：α_t＝α_t-1*(1-δ)；其中，α_t为当前时刻的第一权重，α_t-1为前一时刻的第一权重，δ为预设的缩放因子。

可选的，基于如下公式增大前一时刻的第一权重，以得到当前时刻的第一权重：α_t＝α_t-1*(1+δ)；其中，α_t为当前时刻的第一权重，α_t-1为前一时刻的第一权重，δ为预设的缩放因子。

可选的，基于如下公式按随机概率减小前一时刻的第一权重，并同比例增大前一时刻的第二权重，以得到当前时刻的第一权重和第二权重：α_t＝α_t-1*(1-δ*I(rand(x)<0.2))；其中，α_t为当前时刻的第一权重，α_t-1为前一时刻的第一权重，δ为预设的缩放因子，I为指示函数，当所述指示函数的条件满足时返回1，否则返回0，rand()为随机函数，rand(x)为0至1之间的随机数。

可选的，基于如下公式确定当前时刻的预算分配比例：br_t＝α_t*ePV_rate_t+(1-α_t)*KPI_rate_t；其中，br_t为当前时刻的预算分配比例，α_t为当前时刻的第一权重，1-α_t为当前时刻的第二权重，ePV_rate_t为当前时刻的有效流量的归一化结果，KPI_rate_t为当前时刻的推送效果数据的归一化结果。

可选的，基于如下公式计算得到所述当前时刻的有效流量的归一化结果：

其中，ePV_final为基于最近至少一个时刻的平均有效流量对所述当前流量的修正结果，T为所述预设时段的时长，ePV_t为当前时刻的有效流量，基于如下公式对所述当前流量进行修正：ePV_final＝β*ePV_t+(1-β)*ePV_online；其中，β为影响因子，ePV_online为最近至少一个时刻的平均有效流量。

可选的，基于如下公式计算得到所述当前时刻的推送效果数据的归一化结果：

其中，KPI_t为当前时刻的推送效果数据，T为所述预设时段的时长。

可选的，基于如下公式确定所述分配给当前时刻的预算：

其中，b_t为分配给当前时刻的预算，B为所述预设时段的总预算，c_m为第m时刻的实际花费，br_t为当前时刻的预算分配比例，br_i为第i时刻的预算分配比例。

可选的，所述分布数据包括至少一个时段的平均流量以及竞价成功率，所述根据所述分布数据，预测当前时刻的有效流量包括：对于每一时段，根据所述平均流量以及竞价成功率确定所述时段的有效流量；根据统计得到的至少一个时段的有效流量预测当前时刻的有效流量。

可选的，所述根据所述平均流量以及竞价成功率确定所述时段的有效流量包括：将所述时段的平均流量以及所述竞价成功率的乘积确定为所述时段的有效流量。

可选的，所述根据统计得到的至少一个时段的有效流量预测当前时刻的有效流量包括：基于回归算法或插值算法对所述至少一个时段的有效流量进行拟合处理；根据拟合处理的结果确定所述当前时刻的有效流量。

可选的，所述根据历史上信息推送的推送效果数据，预测当前时刻的推送效果数据包括：获取历史上信息推送的推送效果数据；按预设间隔对所述推送效果数据进行统计，以得到至少一个时段的平均推送效果数据；根据所述至少一个时段的平均推送效果数据预测当前时刻的推送效果数据。

可选的，所述根据所述至少一个时段的平均推送效果数据预测当前时刻的推送效果数据包括：基于插值算法对所述至少一个时段的平均推送效果数据进行拟合处理；根据拟合处理的结果确定所述当前时刻的推送效果数据。

为解决上述技术问题，本发明实施例还提供一种用于DSP平台的预算数据处理装置，包括：采集模块，用于采集历史流量的记录信息，并统计所述历史流量按照时间的分布数据；第一预测模块，用于根据所述分布数据，预测当前时刻的有效流量；第二预测模块，用于根据历史上信息推送的推送效果数据，预测当前时刻的推送效果数据；预算分配模块，用于根据所述当前时刻的有效流量和推送效果数据、预设时段内的累计花费预算比以及前一时刻的花费预算比，确定分配给当前时刻的预算，所述前一时刻和当前时刻包含于所述预设时段。

为解决上述技术问题，本发明实施例还提供一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述方法的步骤。

为解决上述技术问题，本发明实施例还提供一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述方法的步骤。

与现有技术相比，本发明实施例的技术方案具有以下有益效果：

本发明实施例提供一种用于DSP平台的预算数据处理方法，包括：采集历史流量的记录信息，并统计所述历史流量按照时间的分布数据；根据所述分布数据，预测当前时刻的有效流量；根据历史上信息推送的推送效果数据，预测当前时刻的推送效果数据；根据所述当前时刻的有效流量和推送效果数据、预设时段内的累计花费预算比以及前一时刻的花费预算比，确定分配给当前时刻的预算，所述前一时刻和当前时刻包含于所述预设时段。采用本实施例的方案，能够实现预算的平滑分配，从而在获得高质量的流量的同时，兼顾预算的消耗情况和信息的推送效果。具体而言，较之现有仅基于流量预测或推送效果进行预算数据处理的技术方案，本实施例的方案在针对当前时刻的预算数据进行处理时，能够同时考虑有效流量以及推送效果数据这两个衡量指标，并根据预设时段内历史上对预算数据的处理效果确定有效流量和推送效果数据对当前时刻的预算数据处理结果的影响程度，从而实现根据历史预算数据的处理结果动态地反馈调节当前时刻的预算数据处理。其中，所述对预算数据进行处理可以包括将预算分配得到当前时刻，也即，计算应当被分配到当前时刻的预算的具体数值。

进一步，根据所述预设时段内的累计花费预算比以及前一时刻的花费预算比，确定当前时刻的第一权重和第二权重，其中，所述第一权重用于描述所述当前时刻的有效流量对所述当前时刻的预算的影响，所述第二权重用于描述所述当前时刻的推送效果数据对所述当前时刻的预算的影响，且所述第一权重和第二权重的加和为1；根据所述第一权重、第二权重、当前时刻的有效流量以及推送效果数据，确定当前时刻的预算分配比例；根据所述当前时刻的预算分配比例、所述预设时段的总预算以及所述预设时段内的实际花费确定所述分配给当前时刻的预算。由此，能够预设时段内的历史花费进度实时更新第一权重和第二权重，以即使调节当前时刻的推送效果数据和有效流量对当前时刻的预算的影响程度，使得确定的当前时刻的预算能够兼顾有效流量和推送效果。

附图说明

图1是本发明实施例的一种用于DSP平台的预算数据处理方法的流程图；

图2是图1中步骤S102的一个具体实施方式的流程图；

图3是图1中步骤S103的一个具体实施方式的流程图；

图4是图1中步骤S104的一个具体实施方式的流程图；

图5是图4中步骤S1041的一个具体实施方式的流程图；

图6是本发明实施例的一种用于DSP平台的预算数据处理装置的结构示意图。

具体实施方式

如背景技术所言，现有的DSP平台很难在确保预算被消耗完的同时实现推送效果的最优化。

具体而言，现有较通用的预算数据处理方法主要包括如下几种：

第一种：平均分配方法，即把预算平均分配到一天各个相等的时间段。这种分配方式虽然能够确保预算不会过早花掉，但是没有考虑到流量分布，往往导致预算用不完且信息的推送效果很差。

第二种：按照人群定向后的流量分布分配方法，这种分配策略需要预测流量的分布，并以此作为预算分配的依据。这种预算分配方式的预算消耗依赖于流量预测的准确程度，不一定能保证实际花费和推送效果，且容易受流量波动的影响。

第三种：按照推送效果切分流量，所述推送效果可以包括CPA、单次点击成本(CostPer Click，简称CPC)、点击通过率(Click-Through-Rate，简称CTR)、单个访客的获取成本(Cost per Unique Visitor，简称CPUV)等，该策略会在一天里面流量效果较好的时刻多分配预算，但是这也可能导致预算不能够花完，最终不能完成信息发布方的目标。

可见，现有的预算数据处理方案仅将流量预测和推送效果中的一个作为衡量指标进行预算分配，这样基于单一指标的预算数据处理方案显然无法同时满足信息发布方对推送效果和预算消耗的要求。

另一方面，现有的预算数据处理策略通常将预算分配到小时这一单位级别，而对于信息发布策略而言，按小时的预算分配过于粗放，平滑度低，无法实现对预算分配的精确调节。

为解决上述技术问题，本发明实施例提供一种用于DSP平台的预算数据处理方法，包括：采集历史流量的记录信息，并统计所述历史流量按照时间的分布数据；根据所述分布数据，预测当前时刻的有效流量；根据历史上信息推送的推送效果数据，预测当前时刻的推送效果数据；根据所述当前时刻的有效流量和推送效果数据、预设时段内的累计花费预算比以及前一时刻的花费预算比，确定分配给当前时刻的预算，所述前一时刻和当前时刻包含于所述预设时段。

采用本实施例的方案，能够实现预算的平滑分配，从而在获得高质量的流量的同时，兼顾预算的消耗情况和信息的推送效果。具体而言，较之现有仅基于流量预测或推送效果进行预算数据处理的技术方案，本实施例的方案在针对当前时刻的预算数据进行处理时，能够同时考虑有效流量以及推送效果数据这两个衡量指标，并根据预设时段内历史上对预算数据的处理效果确定有效流量和推送效果数据对当前时刻的预算数据处理结果的影响程度，从而实现根据历史预算数据的处理结果动态地反馈调节当前时刻的预算数据处理。其中，所述对预算数据进行处理可以包括将预算分配得到当前时刻，也即，计算应当被分配到当前时刻的预算的具体数值。

为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

图1是本发明实施例的一种用于DSP平台的预算数据处理方法的流程图。其中，所述预算可以供DSP平台进行信息发布；所述信息发布的主体可以是单个待发布信息，也可以是待发布信息组中的任一待发布信息；所述待发布信息发布组中包括的待发布信息可以由同一信息发布方提供，例如，针对信息发布方的一次信息发布活动(campaign)，所述信息发布方可以提供一批待发布信息，这批待发布信息可以作为所述待发布信息组。

具体地，在本实施例中，所述预算数据处理方法可以包括如下步骤：

步骤S101，采集历史流量的记录信息，并统计所述历史流量按照时间的分布数据；

步骤S102，根据所述分布数据，预测当前时刻的有效流量；

步骤S103，根据历史上信息推送的推送效果数据，预测当前时刻的推送效果数据；

步骤S104，根据所述当前时刻的有效流量和推送效果数据、预设时段内的累计花费预算比以及前一时刻的花费预算比，确定分配给当前时刻的预算，所述前一时刻和当前时刻包含于所述预设时段。

更为具体地，所述记录信息可以包括所述信息发布活动开始至今采集得到的流量数据。所述流量数据可以包括至少一个流量以及各流量的竞价结果。其中，所述流量可以用于描述某人在某一时刻浏览了某一网站而产生的信息发布机会(如广告位)；所述竞价结果可以指对该流量的竞价是竞价成功还是竞价失败。

在一个实施例中，所述步骤S101可以包括：按照预设间隔对所述分布数据进行统计，以得到至少一个时段的平均流量以及竞价成功率(wining_rate，简称WR)。例如，根据所述信息发布活动历史的投放数据，可以统计历史3天内的历史流量的记录信息，并以半小时为单位统计所述历史流量在这3天内的分布数据，以得到这3天内每半小时的平均流量以及竞价成功率。

例如，所述竞价成功率可以基于公式win_num/bid_num计算获得，其中，win_num为竞价成功的次数，bid_num为竞价次数。

在一个实施例中，参考图2，所述步骤S102可以包括如下步骤：

步骤S1021，对于每一时段，根据所述平均流量以及竞价成功率确定所述时段的有效流量(也可称为有效页面浏览量effective Page View，简称ePV)；

步骤S1022，根据所述至少一个时段的有效流量预测当前时刻的有效流量。

具体地，第t时段的有效流量可以基于公式ePV_t＝PV_t*WR_t计算得到，其中，ePV_t为第t时段的有效流量，PV_t为第t时段的平均流量，WR_t为第t时段的竞价成功率。

例如，假设按照一小时的时间间隔统计历史流量在一天内的分布数据，可以得到平均流量集合PV＝{pv₁,pv₂,…,pv₂₄}，对应竞价成功率集合WR＝{wr₁,wr₂,…,wr₂₄}。基于公式ePV_t＝PV_t*WR_t，可以计算得到对应的有效流量集合ePV＝{epv₁,epv₂,…,epv₂₄}。

在一个实施例中，所述步骤S1022可以包括步骤：基于回归算法或插值算法对所述至少一个时段的有效流量进行拟合处理；根据拟合处理的结果确定所述当前时刻的有效流量。

具体而言，由于时段的划分间隔越细，对有效流量的分布刻画的越精确，因而，在现有以小时为单位的分布统计结果的基础上，本实施例的方案可以使用回归算法拟合统计得到的有效流量的数据分布规律，或采用插值算法得到更小颗粒度的有效流量的拟合结果。

以采用回归算法进行拟合处理为例，在统计得到的包含有24个数值的有效流量集合ePV＝{epv₁,epv₂,…,epv₂₄}的基础上，可以建立回归模型，将所述有效流量集合输入所述回归模型以拟合得到回归函数曲线，然后使用拟合得到的回归函数曲线对分钟进行采样。由此，可以以较少的统计工作量得到更小颗粒度的预测结果。例如，根据前一天的每小时的统计结果，可以拟合得到全天的有效流量分布曲线，进而可以预测出当天任意分钟级别的有效流量。

在一个实施例中，参考图3，所述步骤S103可以包括如下步骤：

步骤S1031，获取历史上信息推送的推送效果数据；

步骤S1032，按预设间隔对所述推送效果数据进行统计，以得到至少一个时段的平均推送效果数据；

步骤S1033，根据所述至少一个时段的平均推送效果数据预测当前时刻的推送效果数据。

具体地，所述推送效果数据可以是关键绩效指标(Key Performance Indicator，简称KPI)数据。例如，所述推送效果数据可以选自：点击量、CTR、CPA、转化率(ConversionRate，简称CVR)以及1/CPC。在实际应用中，所述推送效果数据可以由信息发布方预先确定。

进一步地，所述步骤S1033可以包括步骤：基于插值算法对所述至少一个时段的平均推送效果数据进行拟合处理；根据拟合处理的结果确定所述当前时刻的推送效果数据。

例如，假设所述推送效果数据为CPA可以获取距今一周内的信息推送的推送效果数据，并按每小时(或更长的时间间隔)对所述推送效果数据进行统计，然后通过插值的方法得到每分钟的推送效果数据，即推送效果数据集合KPI＝{kpi₁,kpi₂,…,kpi_t}，t≤1440。其中，所述kpi_t为指第t时刻的推送效果数据，当t＝1440时，所述推送效果数据集合包括根据历史数据统计和插值预测得到的24小时内每一分钟的推送效果数据。

在一个实施例中，参考图4，所述步骤S104可以包括如下步骤：

步骤S1041，根据所述预设时段内的累计花费预算比(Total Cost Budget rate，简称TCB rate)以及前一时刻的花费预算比，确定当前时刻的第一权重和第二权重，其中，所述第一权重用于描述所述当前时刻的有效流量对所述当前时刻的预算的影响，所述第二权重用于描述所述当前时刻的推送效果数据对所述当前时刻的预算的影响，且所述第一权重和第二权重的加和为1；

步骤S1042，根据所述第一权重、第二权重、当前时刻的有效流量以及推送效果数据，确定当前时刻的预算分配比例；

步骤S1043，根据所述当前时刻的预算分配比例、所述预设时段的总预算以及所述预设时段内的实际花费确定所述分配给当前时刻的预算。

由此，能够预设时段内的历史花费进度实时更新第一权重和第二权重，以即使调节当前时刻的推送效果数据和有效流量对当前时刻的预算的影响程度，使得确定的当前时刻的预算能够兼顾有效流量和推送效果。

具体地，在本实施例中，可以根据所述信息发布活动当前的推送效果数据以及线上流量分布来及时调控预算分配比例。其中，可以从第一权重和当前时刻的有效流量两个角度着手进行调控，以使当前时刻分配到的预算更加符合信息发布方希望的推送效果，且能够在预设时段结束时能够正好把预算画完。

需要指出的是，由于第一权重和第二权重的加和为1，因而只需调整其中任一权重即可隐含的调控另一权重，本实施例以调控第一权重为例进行具体阐述，在实际应用中，也可以选择调控所述第二权重。

进一步地，通过调节所述第一权重和第二权重的数值大小，能够控制所述当前时刻的有效流量以及推送效果数据对最终确定的预算分配比例的影响程度。

例如，当所述第一权重和第二权重均为0.5时，表明当前时刻的有效流量以及推送效果数据对预算分配比例的影响程度是相同的。

又例如，当所述第一权重大于第二权重时，表明所述当前时刻的有效流量对预算分配比例的影响较大。

再例如，当所述第一权重小于第二权重时，表明所述当前时刻的推送效果数据对所述预算分配比例的影响较大。

进一步地，所述预设时段可以是所述信息发布活动内的任意长度的时间段，所述当前时刻和前一时刻均属于所述预设时段之内。

在一个实施例中，在所述信息发布互动进行期间，可以监控所述预设时段内截止所述前一时刻的实际花费，并基于如下公式计算得到所述预设时段内的累计花费预算比：

其中，TCB rate_t为第t时刻的累计花费预算比，c_k为第k时刻的实际花费，br_k为第k时刻的预算分配比例，B为所述预设时段的总预算。具体而言，可以将上述公式的分母理解为所述预设时段内截止t-1时刻理论上应该花费的预算，可以将上述公式的分子理解为所述预设时段内截止t-1时刻实际的总花费。

进一步地，还可以基于如下公式计算得到所述前一时刻的花费预算比：

CCB rate_t＝(c_t-1*B)/(br_t-1*B)；

其中，CCB rate_t为所述前一时刻的花费预算比，c_t-1为所述前一时刻的实际花费，br_t-1为所述前一时刻的预算分配比例，B为所述预设时段的总预算。

具体地，所述前一时刻的花费预算比也可以成为当前花费预算比(Current CostBudget rate，简称CCB rate)。

通过监控所述预设时段内的累计花费预算比以及前一时刻的花费预算比这两个指标，可以得出线上实时预算分配的合理程度，并且根据这两个指标对所述第一权重做出相应的调整。

在一个实施例中，参考图5，所述步骤S1041可以包括如下步骤：

步骤S10411，根据所述预设时段内的累计花费预算比以及所述前一时刻的花费预算比所处的数值确定当前时刻的推送状态；

步骤S10412，根据所述当前时刻的推送状态确定所述当前时刻的第一权重和第二权重。

具体地，所述推送状态可以用于描述预算和花费的关系。

在一个典型的应用场景中，当所述预设时段内的累计花费预算比大于等于第一预设阈值，且所述前一时刻的花费预算比大于等于第二预设阈值时，可以确定所述当前时刻的推送状态为安全状态。此时，花费能够跟得上预算。

因而，在预算能够被完全消耗的前提下，可以开始考虑优化推送效果，也即，可以减小前一时刻的第一权重，并同比例增大前一时刻的第二权重，以得到所述当前时刻的第一权重和第二权重，从而增大推送效果数据对当前时刻的预算分配比例的影响程度。

例如，可以基于如下公式减小前一时刻的第一权重，以得到当前时刻的第一权重：

α_t＝α_t-1*(1-δ)；

其中，α_t为当前时刻的第一权重，α_t-1为前一时刻的第一权重，δ为预设的缩放因子。

优选地，所述预设的缩放因子δ可以为0.1。

在另一个典型的应用场景中，当所述预设时段内的累计花费预算比大于等于第一预设阈值，且所述前一时刻的花费预算比小于第二预设阈值时，可以确定所述当前时刻的推送状态为临界状态。此时，花费勉强能够跟得上预算。

因而，可以以随机试探的方式调节所述第一权重和第二权重，以为下一时刻的预算分配提供参考依据，也即，可以按随机概率减小或维持前一时刻的第一权重，并在减小所述前一时刻的第一权重的同时同比例增大前一时刻的第二权重，以得到所述当前时刻的第一权重和第二权重。

例如，可以基于如下公式按随机概率减小前一时刻的第一权重，并同比例增大前一时刻的第二权重，以得到当前时刻的第一权重和第二权重：

α_t＝α_t-1*(1-δ*I(rand(x)<0.2))；

其中，α_t为当前时刻的第一权重，α_t-1为前一时刻的第一权重，δ为预设的缩放因子，I为指示函数，当所述指示函数的条件满足时返回1，否则返回0，rand()为随机函数，rand(x)为0至1之间的随机数。

在又一个典型的应用场景中，当所述预设时段内的累计花费预算比小于第一预设阈值，且所述前一时刻的花费预算比大于等于第二预设阈值时，可以确定所述当前时刻的推送状态为严重状态。此时，预算已开始呈现无法在对应时刻被消耗完的情况。

或者，当所述预设时段内的累计花费预算比小于第一预设阈值，且所述前一时刻的花费预算比小于第二预设阈值时，可以确定所述当前时刻的推送状态为危险状态。此时，预算完全无法被消耗完。

因而，当第0至第t-1时刻的预算还没有被完全花完时，首要需要确保预算被用完，即所述有效流量要被用完，也即，当确定所述当前时刻的推送状态为危险状态和严重状态时，可以增大前一时刻的第一权重，并同比例减小前一时刻的第二权重，以得到所述当前时刻的第一权重和第二权重。

例如，可以基于如下公式增大前一时刻的第一权重，以得到当前时刻的第一权重：

α_t＝α_t-1*(1+δ)；

其中，α_t为当前时刻的第一权重，α_t-1为前一时刻的第一权重，δ为预设的缩放因子。

进一步地，当处于所述危险状态时，所述公式可以被进一步更新为α_t＝α_t-1*(1+2δ)，以在短时间内显著增大所述第一权重。极端情况下，所述第一权重可以为1，第二权重可以为0，以优先确保预算花完。

优选地，所述第一预设阈值与所述第二预设阈值可以相等且均为0.8。在实际应用中，本领域技术人员也可以根据需要调整这两个阈值的具体数值，如可以分别在0.6-0.9范围内自由选取。

在一个实施例中，在所述步骤S1042中，可以基于如下公式确定当前时刻的预算分配比例：

br_t＝α_t*ePV_rate_t+(1-α_t)*KPI_rate_t；

其中，br_t为当前时刻的预算分配比例，α_t为当前时刻的第一权重，1-α_t为当前时刻的第二权重，ePV_rate_t为当前时刻的有效流量的归一化结果，KPI_rate_t为当前时刻的推送效果数据的归一化结果。

具体地，所述当前时刻的有效流量的归一化结果可以基于如下公式计算获得：

其中，ePV_final为基于最近至少一个时刻的平均有效流量对所述当前流量的修正结果，T为所述预设时段的时长，ePV_t为当前时刻的有效流量。

进一步地，所述对所述当前流量的修正结果可以基于如下公式计算获得：

ePV_final＝β*ePV_t+(1-β)*ePV_online；

其中，β为影响因子，ePV_online为最近至少一个时刻的平均有效流量。

例如，在所述预设时段内，通过监控最近半小时(对应30个时刻)的流量以及所述30个时刻的竞价成功率，可以计算得到所述30个时刻内最近的有效流量分布，从而得到最近30个时刻内的平均有效流量ePV_online。考虑到实时流量的波动，可以使用上述公式修正当前时刻的有效流量ePV_t，以得到所述修正结果ePV_final。

具体地，所述影响因子β可以理解为影响数据新旧的因子，所述β的数值越大，表明越信任之前的历史数据。离当前时刻越近，越能反映当前时刻的真实情况。

优选地，所述β可以为0.8。

进一步地，所述当前时刻的推送效果数据的归一化结果可以基于如下公式计算获得：

其中，KPI_t为当前时刻的推送效果数据，T为所述预设时段的时长。

在一个实施例中，在所述步骤S1043中，可以基于如下公式确定所述分配给当前时刻的预算：

其中，b_t为分配给当前时刻的预算，B为所述预设时段的总预算，c_m为第m时刻的实际花费，br_t为当前时刻的预算分配比例，br_i为第i时刻的预算分配比例。

在一个典型的应用场景中，初始情况下，如在所述预设时段的开始阶段，可以假设所述第一权重和第二权重均为0.5。然后，随着信息发布活动的进行，可以根据对所述预设时段内的累计花费预算比以及前一时刻的花费预算比动态调节所述第一权重和第二权重的数值，以根据预设时段内的信息发布效果调节推送效果数据和有效流量对预算的影响比重。

由此，采用本实施例的方案，能够实现预算的平滑分配，从而在获得高质量的流量的同时，兼顾预算的消耗情况和信息的推送效果。

具体而言，较之现有仅基于流量预测或推送效果进行预算数据处理的技术方案，本实施例的方案在针对当前时刻的预算数据进行处理时，能够同时考虑有效流量以及推送效果数据这两个衡量指标，并根据预设时段内历史上对预算数据的处理效果确定有效流量和推送效果数据对当前时刻的预算数据处理结果的影响程度，从而实现根据历史预算数据的处理结果动态地反馈调节当前时刻的预算数据处理。其中，所述对预算数据进行处理可以包括将预算分配得到当前时刻，也即，计算应当被分配到当前时刻的预算的具体数值。

图6是本发明实施例的一种用于DSP平台的预算数据处理装置的结构示意图。本领域技术人员理解，本实施例所述用于DSP平台的预算数据处理装置8(以下简称为预算数据处理装置8)可以用于实施上述图1至图5所示实施例中所述的方法技术方案。

具体地，参考图6，本实施例所述预算数据处理装置8可以包括：采集模块81，用于采集历史流量的记录信息，并统计所述历史流量按照时间的分布数据；第一预测模块82，用于根据所述分布数据，预测当前时刻的有效流量；第二预测模块83，用于根据历史上信息推送的推送效果数据，预测当前时刻的推送效果数据；预算分配模块84，用于根据所述当前时刻的有效流量和推送效果数据、预设时段内的累计花费预算比以及前一时刻的花费预算比，确定分配给当前时刻的预算，所述前一时刻和当前时刻包含于所述预设时段。

在一个实施例中，所述预算分配模块84可以包括：权重确定子模块841，用于根据所述预设时段内的累计花费预算比以及前一时刻的花费预算比，确定当前时刻的第一权重和第二权重，其中，所述第一权重用于描述所述当前时刻的有效流量对所述当前时刻的预算的影响，所述第二权重用于描述所述当前时刻的推送效果数据对所述当前时刻的预算的影响，且所述第一权重和第二权重的加和为1；预算分配比例确定子模块842，用于根据所述第一权重、第二权重、当前时刻的有效流量以及推送效果数据，确定当前时刻的预算分配比例；预算分配子模块843，用于根据所述当前时刻的预算分配比例、所述预设时段的总预算以及所述预设时段内的实际花费确定所述分配给当前时刻的预算。

在一个实施例中，所述权重确定子模块841可以包括：推送状态确定单元8411，用于根据所述预设时段内的累计花费预算比以及所述前一时刻的花费预算比所处的数值确定当前时刻的推送状态；第一权重确定单元8412，用于根据所述当前时刻的推送状态确定所述当前时刻的第一权重和第二权重。

在一个实施例中，所述推送状态确定单元8411可以包括：安全状态确定单元84111，当所述预设时段内的累计花费预算比大于等于第一预设阈值，且所述前一时刻的花费预算比大于等于第二预设阈值时，确定所述当前时刻的推送状态为安全状态；临界状态确定单元84112，当所述预设时段内的累计花费预算比大于等于第一预设阈值，且所述前一时刻的花费预算比小于第二预设阈值时，确定所述当前时刻的推送状态为临界状态；严重状态确定单元84113，当所述预设时段内的累计花费预算比小于第一预设阈值，且所述前一时刻的花费预算比大于等于第二预设阈值时，确定所述当前时刻的推送状态为严重状态；危险状态确定单元84114，当所述预设时段内的累计花费预算比小于第一预设阈值，且所述前一时刻的花费预算比小于第二预设阈值时，确定所述当前时刻的推送状态为危险状态。

在一个实施例中，所述第一权重确定单元8412可以包括：第二权重确定单元84121，当所述当前时刻的推送状态为安全状态时，减小前一时刻的第一权重，并同比例增大前一时刻的第二权重，以得到所述当前时刻的第一权重和第二权重；第三权重确定单元84122，当所述当前时刻的推送状态为临界状态时，按随机概率减小或维持前一时刻的第一权重，并在减小所述前一时刻的第一权重的同时同比例增大前一时刻的第二权重，以得到所述当前时刻的第一权重和第二权重；第四权重确定单元84123，当所述当前时刻的推送状态为危险状态和严重状态时，增大前一时刻的第一权重，并同比例减小前一时刻的第二权重，以得到所述当前时刻的第一权重和第二权重。

在一个实施例中，所述第二权重确定单元84121可以基于如下公式减小前一时刻的第一权重，以得到当前时刻的第一权重：α_t＝α_t-1*(1-δ)；其中，α_t为当前时刻的第一权重，α_t-1为前一时刻的第一权重，δ为预设的缩放因子。

在一个实施例中，所述第四权重确定单元84123可以基于如下公式增大前一时刻的第一权重，以得到当前时刻的第一权重：α_t＝α_t-1*(1+δ)；其中，α_t为当前时刻的第一权重，α_t-1为前一时刻的第一权重，δ为预设的缩放因子。

在一个实施例中，所述第三权重确定单元84122可以基于如下公式按随机概率减小前一时刻的第一权重，并同比例增大前一时刻的第二权重，以得到当前时刻的第一权重和第二权重：α_t＝α_t-1*(1-δ*I(rand(x)<0.2))；其中，α_t为当前时刻的第一权重，α_t-1为前一时刻的第一权重，δ为预设的缩放因子，I为指示函数，当所述指示函数的条件满足时返回1，否则返回0，rand()为随机函数，rand(x)为0至1之间的随机数。

在一个实施例中，所述预算分配比例确定子模块842可以基于如下公式确定当前时刻的预算分配比例：br_t＝α_t*ePV_rate_t+(1-α_t)*KPI_rate_t；其中，br_t为当前时刻的预算分配比例，α_t为当前时刻的第一权重，1-α_t为当前时刻的第二权重，ePV_rate_t为当前时刻的有效流量的归一化结果，KPI_rate_t为当前时刻的推送效果数据的归一化结果。

在一个实施例中，所述预算分配比例确定子模块842可以基于如下公式计算得到所述当前时刻的有效流量的归一化结果：

其中，ePV_final为基于最近至少一个时刻的平均有效流量对所述当前流量的修正结果，T为所述预设时段的时长，ePV_t为当前时刻的有效流量，所述预算分配比例确定子模块842还可以基于如下公式对所述当前流量进行修正：ePV_final＝β*ePV_t+(1-β)*ePV_online；其中，β为影响因子，ePV_online为最近至少一个时刻的平均有效流量。

在一个实施例中，所述预算分配比例确定子模块842可以基于如下公式计算得到所述当前时刻的推送效果数据的归一化结果：

其中，KPI_t为当前时刻的推送效果数据，T为所述预设时段的时长。

在一个实施例中，所述预算分配子模块843可以基于如下公式确定所述分配给当前时刻的预算：

其中，b_t为分配给当前时刻的预算，B为所述预设时段的总预算，c_m为第m时刻的实际花费，br_t为当前时刻的预算分配比例，br_i为第i时刻的预算分配比例。

在一个实施例中，所述分布数据可以包括至少一个时段的平均流量以及竞价成功率，所述第一预测模块82可以包括：有效流量确定子模块821，对于每一时段，根据所述平均流量以及竞价成功率确定所述时段的有效流量；有效流量预测子模块822，用于根据统计得到的至少一个时段的有效流量预测当前时刻的有效流量。

在一个实施例中，所述有效流量确定子模块821可以包括：有效流量确定单元8211，用于将所述时段的平均流量以及所述竞价成功率的乘积确定为所述时段的有效流量。

在一个实施例中，所述有效流量预测子模块822可以包括：第一拟合单元8221，用于基于回归算法或插值算法对所述至少一个时段的有效流量进行拟合处理；有效流量预测单元8222，根据拟合处理的结果确定所述当前时刻的有效流量。

在一个实施例中，所述第二预测模块83可以包括：获取子模块831，用于获取历史上信息推送的推送效果数据；统计子模块832，用于按预设间隔对所述推送效果数据进行统计，以得到至少一个时段的平均推送效果数据；推送效果数据预测子模块833，用于根据所述至少一个时段的平均推送效果数据预测当前时刻的推送效果数据。

在一个实施例中，所述推送效果数据预测子模块833可以包括：第二拟合单元8331，用于基于插值算法对所述至少一个时段的平均推送效果数据进行拟合处理；推送效果数据预测单元8332，用于根据拟合处理的结果确定所述当前时刻的推送效果数据。

关于所述预算数据处理装置8的工作原理、工作方式的更多内容，可以参照图1至图5中的相关描述，这里不再赘述。

进一步地，本发明实施例还公开一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述图1至图5所示实施例中所述的方法技术方案。优选地，所述存储介质可以包括计算机可读存储介质。所述存储介质可以包括ROM、RAM、磁盘或光盘等。

进一步地，本发明实施例还公开一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述图1至图5所示实施例中所述的方法技术方案。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (18)

1.一种用于DSP平台的预算数据处理方法，其特征在于，包括：

采集历史流量的记录信息，并统计所述历史流量按照时间的分布数据；

根据所述分布数据，预测当前时刻的有效流量，其中，所述有效流量为有效页面浏览量；

根据历史上信息推送的推送效果数据，预测当前时刻的推送效果数据，其中，所述推送效果数据为关键绩效指标数据；

根据所述当前时刻的有效流量和推送效果数据、预设时段内的累计花费预算比以及前一时刻的花费预算比，确定分配给当前时刻的预算，所述前一时刻和当前时刻包含于所述预设时段；

其中，所述根据所述当前时刻的有效流量和推送效果数据、预设时段内的累计花费预算比以及前一时刻的花费预算比，确定分配给当前时刻的预算包括：根据所述预设时段内的累计花费预算比以及前一时刻的花费预算比，确定当前时刻的第一权重和第二权重，其中，所述第一权重用于描述所述当前时刻的有效流量对所述当前时刻的预算的影响，所述第二权重用于描述所述当前时刻的推送效果数据对所述当前时刻的预算的影响，且所述第一权重和第二权重的加和为1；根据所述第一权重、第二权重、当前时刻的有效流量以及推送效果数据，确定当前时刻的预算分配比例；根据所述当前时刻的预算分配比例、所述预设时段的总预算以及所述预设时段内的实际花费确定所述分配给当前时刻的预算；

其中，所述根据所述预设时段内的累计花费预算比以及前一时刻的花费预算比，确定当前时刻的第一权重和第二权重包括：根据所述预设时段内的累计花费预算比以及所述前一时刻的花费预算比所处的数值确定当前时刻的推送状态；根据所述当前时刻的推送状态确定所述当前时刻的第一权重和第二权重；

其中，所述根据所述预设时段内的累计花费预算比以及所述前一时刻的花费预算比所处的数值确定当前时刻的推送状态包括：当所述预设时段内的累计花费预算比大于等于第一预设阈值，且所述前一时刻的花费预算比小于第二预设阈值时，确定所述当前时刻的推送状态为临界状态；所述根据所述当前时刻的推送状态确定所述当前时刻的第一权重和第二权重包括：当所述当前时刻的推送状态为临界状态时，按随机概率减小或维持前一时刻的第一权重，并在减小所述前一时刻的第一权重的同时同比例增大前一时刻的第二权重，以得到所述当前时刻的第一权重和第二权重。

2.根据权利要求1所述的预算数据处理方法，其特征在于，所述根据所述预设时段内的累计花费预算比以及所述前一时刻的花费预算比所处的数值确定当前时刻的推送状态包括：

当所述预设时段内的累计花费预算比大于等于第一预设阈值，且所述前一时刻的花费预算比大于等于第二预设阈值时，确定所述当前时刻的推送状态为安全状态；或者，

当所述预设时段内的累计花费预算比小于第一预设阈值，且所述前一时刻的花费预算比大于等于第二预设阈值时，确定所述当前时刻的推送状态为严重状态；或者，

当所述预设时段内的累计花费预算比小于第一预设阈值，且所述前一时刻的花费预算比小于第二预设阈值时，确定所述当前时刻的推送状态为危险状态。

3.根据权利要求2所述的预算数据处理方法，其特征在于，所述根据所述当前时刻的推送状态确定所述当前时刻的第一权重和第二权重包括：

当所述当前时刻的推送状态为安全状态时，减小前一时刻的第一权重，并同比例增大前一时刻的第二权重，以得到所述当前时刻的第一权重和第二权重；

当所述当前时刻的推送状态为危险状态和严重状态时，增大前一时刻的第一权重，并同比例减小前一时刻的第二权重，以得到所述当前时刻的第一权重和第二权重。

4.根据权利要求3所述的预算数据处理方法，其特征在于，基于如下公式减小前一时刻的第一权重，以得到当前时刻的第一权重：

α_t＝α_t-1*(1-δ)；

其中，α_t为当前时刻的第一权重，α_t-1为前一时刻的第一权重，δ为预设的缩放因子。

5.根据权利要求3所述的预算数据处理方法，其特征在于，基于如下公式增大前一时刻的第一权重，以得到当前时刻的第一权重：

α_t＝α_t-1*(1+δ)；

其中，α_t为当前时刻的第一权重，α_t-1为前一时刻的第一权重，δ为预设的缩放因子。

6.根据权利要求1所述的预算数据处理方法，其特征在于，基于如下公式按随机概率减小前一时刻的第一权重，并同比例增大前一时刻的第二权重，以得到当前时刻的第一权重和第二权重：

α_t＝α_t-1*(1-δ*I(rand(x)＜0.2))；

其中，α_t为当前时刻的第一权重，α_t-1为前一时刻的第一权重，δ为预设的缩放因子，I为指示函数，当所述指示函数的条件满足时返回1，否则返回0，rand()为随机函数，rand(x)为0至1之间的随机数。

7.根据权利要求1所述的预算数据处理方法，其特征在于，基于如下公式确定当前时刻的预算分配比例：

br_t＝α_t*ePV_rate_t+(1-α_t)*KPI_rate_t；

其中，br_t为当前时刻的预算分配比例，α_t为当前时刻的第一权重，1-α_t为当前时刻的第二权重，ePV_rate_t为当前时刻的有效流量的归一化结果，KPI_rate_t为当前时刻的推送效果数据的归一化结果。

8.根据权利要求7所述的预算数据处理方法，其特征在于，基于如下公式计算得到所述当前时刻的有效流量的归一化结果：

其中，ePV_final为基于最近至少一个时刻的平均有效流量对所述当前流量的修正结果，T为所述预设时段的时长，ePV_t为当前时刻的有效流量，

基于如下公式对所述当前流量进行修正：

ePV_final＝β*ePV_t+(1-β)*ePV_online；

其中，β为影响因子，ePV_online为最近至少一个时刻的平均有效流量。

9.根据权利要求7所述的预算数据处理方法，其特征在于，基于如下公式计算得到所述当前时刻的推送效果数据的归一化结果：

其中，KPI_t为当前时刻的推送效果数据，T为所述预设时段的时长。

10.根据权利要求1所述的预算数据处理方法，其特征在于，基于如下公式确定所述分配给当前时刻的预算：

其中，b_t为分配给当前时刻的预算，B为所述预设时段的总预算，c_m为第m时刻的实际花费，br_t为当前时刻的预算分配比例，br_i为第i时刻的预算分配比例。

11.根据权利要求1所述的预算数据处理方法，其特征在于，所述分布数据包括至少一个时段的平均流量以及竞价成功率，所述根据所述分布数据，预测当前时刻的有效流量包括：

对于每一时段，根据所述平均流量以及竞价成功率确定所述时段的有效流量；

根据统计得到的至少一个时段的有效流量预测当前时刻的有效流量。

12.根据权利要求11所述的预算数据处理方法，其特征在于，所述根据所述平均流量以及竞价成功率确定所述时段的有效流量包括：

将所述时段的平均流量以及所述竞价成功率的乘积确定为所述时段的有效流量。

13.根据权利要求11所述的预算数据处理方法，其特征在于，所述根据统计得到的至少一个时段的有效流量预测当前时刻的有效流量包括：

基于回归算法或插值算法对所述至少一个时段的有效流量进行拟合处理；

根据拟合处理的结果确定所述当前时刻的有效流量。

14.根据权利要求1所述的预算数据处理方法，其特征在于，所述根据历史上信息推送的推送效果数据，预测当前时刻的推送效果数据包括：

获取历史上信息推送的推送效果数据；

按预设间隔对所述推送效果数据进行统计，以得到至少一个时段的平均推送效果数据；

根据所述至少一个时段的平均推送效果数据预测当前时刻的推送效果数据。

15.根据权利要求14所述的预算数据处理方法，其特征在于，所述根据所述至少一个时段的平均推送效果数据预测当前时刻的推送效果数据包括：

基于插值算法对所述至少一个时段的平均推送效果数据进行拟合处理；

根据拟合处理的结果确定所述当前时刻的推送效果数据。

16.一种用于DSP平台的预算数据处理装置，其特征在于，包括：

采集模块，用于采集历史流量的记录信息，并统计所述历史流量按照时间的分布数据；

第一预测模块，用于根据所述分布数据，预测当前时刻的有效流量，其中，所述有效流量为有效页面浏览量；

第二预测模块，用于根据历史上信息推送的推送效果数据，预测当前时刻的推送效果数据，其中，所述推送效果数据为关键绩效指标数据；

预算分配模块，用于根据所述当前时刻的有效流量和推送效果数据、预设时段内的累计花费预算比以及前一时刻的花费预算比，确定分配给当前时刻的预算，所述前一时刻和当前时刻包含于所述预设时段；

其中，所述预算分配模块包括：权重确定子模块，用于根据所述预设时段内的累计花费预算比以及前一时刻的花费预算比，确定当前时刻的第一权重和第二权重，其中，所述第一权重用于描述所述当前时刻的有效流量对所述当前时刻的预算的影响，所述第二权重用于描述所述当前时刻的推送效果数据对所述当前时刻的预算的影响，且所述第一权重和第二权重的加和为1；预算分配比例确定子模块，用于根据所述第一权重、第二权重、当前时刻的有效流量以及推送效果数据，确定当前时刻的预算分配比例；预算分配子模块，用于根据所述当前时刻的预算分配比例、所述预设时段的总预算以及所述预设时段内的实际花费确定所述分配给当前时刻的预算；

其中，所述权重确定子模块包括：推送状态确定单元，用于根据所述预设时段内的累计花费预算比以及所述前一时刻的花费预算比所处的数值确定当前时刻的推送状态；第一权重确定单元，用于根据所述当前时刻的推送状态确定所述当前时刻的第一权重和第二权重；

其中，所述推送状态确定单元包括：临界状态确定单元，当所述预设时段内的累计花费预算比大于等于第一预设阈值，且所述前一时刻的花费预算比小于第二预设阈值时，确定所述当前时刻的推送状态为临界状态；所述第一权重确定单元包括：第三权重确定单元，当所述当前时刻的推送状态为临界状态时，按随机概率减小或维持前一时刻的第一权重，并在减小所述前一时刻的第一权重的同时同比例增大前一时刻的第二权重，以得到所述当前时刻的第一权重和第二权重。

17.一种存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至15任一项所述方法的步骤。

18.一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至15任一项所述方法的步骤。

Images