CN111160973A - 广告推送方法及装置 - Google Patents

Abstract

本说明书公开了广告推送方法及装置，本说明书中的服务器接收用户发起的广告推送请求，并获取广告推送请求中包含的用户的个人特征，以及，确定用户发送广告推送请求时所在的硬件环境特征和/或软件环境特征，将获取的这些特征输入到预先针对该广告主训练的模型中，得到该模型输出的用户与该广告主的匹配度，根据匹配度从该广告主的广告中选择广告推送给用户。本说明书针对每个广告主均设置了模型，并基于该模型向用户推送该广告主的广告，在向用户推送广告时，不只是考虑了用户的个人特征，还考虑了用户发送广告推送请求时所在的硬件环境特征和/或软件环境特征，多种特征的考虑使得该模型推送的广告更能符合用户的需求，还能提高广告主的收益。

Description

广告推送方法及装置

技术领域

本说明书涉及互联网技术领域，尤其涉及广告推送方法及装置。

背景技术

目前，广告主在将自身的广告推送给用户时，可采用多种途径进行推送。其中一种途径为：广告主将其自身的广告投放到展示平台，该展示平台中可汇总多个广告主的广告，由该展示平台将各广告主的广告推送给与该广告相匹配的用户。

展示平台在向用户推送广告时，一般只考虑用户的个人特征以及广告的广告特征，通过用户的个人特征以及广告的广告特征，决定向该用户推送哪些广告。

可见，现有技术中推送广告的方法考虑的特征比较单一，可能会导致向用户推送的广告并不符合用户的需求；另外，向用户推送不符合其需求的广告也增加了广告主的投入成本，导致收益极低。

发明内容

本说明书实施例提供广告推送方法及装置，以部分解决上述现有技术存在的问题。

本说明书实施例采用下述技术方案：

本说明书提供的一种广告推送方法，包括：

接收广告推送请求；

获取所述广告推送请求中用户的个人特征，以及，确定用户发送所述广告推送请求时所在的硬件环境特征和/或软件环境特征；

针对每个广告主，将所述用户的个人特征，以及，所述硬件环境特征和/或软件环境特征，输入到预先针对该广告主训练的模型中，得到所述模型输出的所述用户与该广告主的匹配度；

根据所述用户与该广告主的匹配度，从该广告主的广告中选择广告，并将所述广告推送给所述用户。

可选的，确定用户发送所述广告推送请求时所在的硬件环境特征和/或软件环境特征，具体包括：确定用户发送所述广告推送请求时所使用的终端的终端标识，所述终端标识包括所述终端的序列号和类型中的至少一种，根据所述终端的终端标识，确定所述用户发送所述广告推送请求时所在的硬件环境特征；和/或，确定用户发送所述广告推送请求时所使用的软件的软件标识，所述软件标识包括所述软件的名称、软件的类型、操作***中的至少一种，根据所述软件的软件标识，确定所述用户发送所述广告推送请求时所在的软件环境特征。

可选的，根据所述用户与该广告主的匹配度，从该广告主的广告中选择广告，并将所述广告推送给所述用户，具体包括：根据所述用户与该广告主的匹配度以及针对该广告主预设的指定阈值，判断所述用户与该广告主的匹配度是否大于所述针对该广告主预设的指定阈值；若是，则从该广告主的广告中选择广告，并将所述广告推送给所述用户；若不是，则不将该广告主的广告推送给所述用户。

可选的，针对该广告主预设指定阈值，具体包括：初始化待定阈值；根据所述待定阈值，以指定的广告推送方式，向所述用户推送该广告主的广告，并确定以所述指定的广告推送方式向所述用户推送该广告主的广告时的指标，作为试运行指标；所述指定的广告推送方式为：当所述用户与该广告主的匹配度大于所述待定阈值时，向所述用户推送该广告主的广告；确定所述试运行指标与针对该广告主预设的标准指标之间的差值；根据所述试运行指标与所述标准指标之间的差值调整所述待定阈值，直至所述试运行指标与所述标准指标之间的差值满足预设条件为止，将调整后的待定阈值作为针对该广告主预设的指定阈值。

可选的，预先针对该广告主训练模型，具体包括：预先针对该广告主训练点击率相关模型和/或转化率相关模型。

可选的，预先针对该广告主训练点击率相关模型，具体包括：获取历史上针对所述用户推送的该广告主的广告，作为训练样本；将所述训练样本中包含的所述用户的个人特征，以及，所述用户所在的硬件环境特征和/或软件环境特征，输入待训练的点击率相关模型，得到所述待训练的点击率相关模型输出的所述用户与该广告主的匹配度；将所述用户点击的该广告主的广告作为正样本，将所述用户未点击的该广告主的广告作为负样本，以所述正样本的数量与所述匹配度呈正相关、所述负样本的数量与所述匹配度呈负相关为训练目标，对所述待训练的点击率相关模型进行训练。

可选的，预先针对该广告主训练转化率相关模型，具体包括：获取历史上针对所述用户推送的该广告主的广告，作为训练样本；将所述训练样本中包含的所述用户的个人特征，以及，所述用户所在的硬件环境特征和/或软件环境特征，输入待训练的转化率相关模型，得到所述待训练的转化率相关模型输出的所述用户与该广告主的匹配度；将所述用户执行了指定操作的广告作为正样本，将所述用户未执行指定操作的广告作为负样本，以所述正样本的数量与所述匹配度呈正相关、所述负样本的数量与所述匹配度呈负相关为训练目标，对所述待训练的转化率相关模型进行训练；所述指定操作为所述用户购买了广告对应的商品。

本说明书提供的一种广告推送装置，包括：

接收模块，用于接收广告推送请求；

获取模块，用于获取所述广告推送请求中用户的个人特征，以及，确定用户发送所述广告推送请求时所在的硬件环境特征和/或软件环境特征；

输出模块，用于针对每个广告主，将所述用户的个人特征，以及，所述硬件环境特征和/或软件环境特征，输入到预先针对该广告主训练的模型中，得到所述模型输出的所述用户与该广告主的匹配度；

推送模块，用于根据所述用户与该广告主的匹配度，从该广告主的广告中选择广告，并将所述广告推送给所述用户。

本说明书提供的一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述广告推送方法。

本说明书提供的一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述广告推送方法。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：

服务器接收用户发起的广告推送请求，并获取广告推送请求中包含的用户的个人特征，以及，确定用户发送广告推送请求时所在的硬件环境特征和/或软件环境特征，将获取的这些特征输入到预先针对该广告主训练的模型中，得到该模型输出的用户与该广告主的匹配度，根据匹配度从该广告主的广告中选择广告推送给用户。本说明书实施例针对每个广告主均设置了模型，并基于该模型向用户推送该广告主的广告，另外，在向用户推送广告时，不只是考虑了用户的个人特征，还考虑了用户发送广告推送请求时所在的硬件环境特征和/或软件环境特征，多种特征的考虑使得该模型推送的广告更能符合用户的需求，还能提高广告主的收益。

附图说明

此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：

图1为本说明书实施例提供的一种广告推送方法的流程示意图；

图2为本说明书实施例提供的一种广告推送装置的结构示意图；

图3为本说明书实施例提供的电子设备的结构示意图。

具体实施方式

为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

图1为本说明书提供的一种广告推送方法的流程示意图，该流程示意图包括：

S100：接收广告推送请求。

在本说明书实施例中，广告主可将其自身的广告投放到展示平台，该展示平台中可汇总多个广告主的广告。当展示平台接收到用户发送的广告推送请求时，可向用户推送展示平台汇总的广告。其中，广告推送请求可由多种条件触发。例如，当用户执行打开展示平台的操作时，可触发向展示平台发送广告推送请求等信息。

S102：获取广告推送请求中用户的个人特征，以及，确定用户发送广告推送请求时所在的硬件环境特征和/或软件环境特征。

继续沿用上例，展示平台通过用户的广告推送请求可获取用户的个人特征，比如年龄、性别、偏好、消费类型等，由此可获知该用户对应的用户画像；另外，还能获知用户发送广告推送请求时所使用的终端设备(比如手机、平板、电脑等)所在的硬件环境特征和/或软件环境特征。

需要说明的是，可获知用户发送广告推送请求时所使用的终端设备所在的硬件环境特征和软件环境特征，或者仅硬件环境特征，或者仅软件环境特征。其中的硬件环境特征可为终端设备的种类，软件环境特征可为终端设备的操作***和所安装的软件。展示平台汇聚了大量用户的广告推送请求，数量巨大且良莠不齐，这里面可能存在一些无效的广告推送请求(称为虚假请求)，比如多个用户账号通过同一台终端设备登录该展示平台，则可判定为该请求是虚假请求，该虚假请求可能是通过人工或者自动刷单的方式获得广告的曝光，无形中增加了广告主在虚假请求上的投入成本。通过得知用户的终端设备所在的硬件环境特征和/或软件环境特征，可实现对虚假请求的初步过滤，比如多个用户账号通过同一台终端设备登录该展示平台，则可判定为该请求是虚假请求，并将虚假请求过滤。

另外，展示平台还可确定用户发送广告推送请求时所处的地理环境特征，比如所处城市、当前时间等信息。当然，展示平台还可获知广告推送请求中的其他信息，本说明书实施例对此不作限制。

S104：针对每个广告主，将用户的个人特征，以及，硬件环境特征和/或软件环境特征，输入到预先针对该广告主训练的模型中，得到模型输出的用户与该广告主的匹配度。

本说明书实施例针对每个广告主均预先训练了与该广告主相关的模型。当用户通过展示平台发起广告推送请求时，展示平台将获知的广告推送请求中包含的该用户的个人特征，以及，该用户发送广告推送请求时的终端设备所在的硬件环境特征和/或软件环境特征输入到针对该广告主预先训练的模型中，该模型便能输出该用户与该广告主之间的匹配度。

需要说明的是，该用户与其他广告主之间的匹配度，则可通过将该用户的上述特征信息输入到针对其他广告主预先训练的模型中得出。另外，其他用户与该广告主之间的匹配度，同样可采用上述的方式获知其他用户的特征信息，然后将其他用户的特征信息输入到针对该广告主预先训练的模型中得出。

S106：根据用户与该广告主的匹配度，从该广告主的广告中选择广告，并将广告推送给用户。

通过上述的方法已经确定了用户与该广告主之间的匹配度，可根据两者之间的匹配度从该广告主的广告中选择广告，并将广告推送给用户。具体过程如下：根据广告推送请求中用户的个人特征，确定用户的偏好信息；获取该广告主的各广告，并确定该广告主的各广告的广告信息；确定用户的偏好信息与该广告主的各广告的广告信息的相关度；根据相关度，从该广告主的各广告中选择广告，并将广告推送给用户。用户的偏好信息与该广告主的各广告的广告信息的相关度越大，将该相关度较大的广告推送给用户后，用户购买该广告对应商品的可能性越大。

可选的，对于步骤S102的具体实现方式，可确定用户发送广告推送请求时所使用的终端的终端标识，终端标识包括终端的序列号和类型中的至少一种，根据终端的终端标识，确定用户发送广告推送请求时所在的硬件环境特征；和/或，确定用户发送广告推送请求时所使用的软件的软件标识，软件标识包括软件的名称、软件的类型、操作***中的至少一种，根据软件的软件标识，确定用户发送广告推送请求时所在的软件环境特征。

通过上述的方法确定了硬件环境特征和/或软件环境特征后，将硬件环境特征和/或软件环境特征输入到预先针对该广告主训练的模型中，得到模型输出的用户与该广告主的匹配度。步骤S106则具体可根据用户与该广告主的匹配度以及针对该广告主预设的指定阈值，向用户推送该广告主的广告。比如，模型输出的用户与该广告主的匹配度用0-100分来表征，模型输出的分数值越大，代表用户与该广告主的匹配度越高，同时针对该广告主预设的指定阈值可为70分；那么就判断用户与该广告主的匹配度分数值是否大于70分，若大于70分，则从该广告主的广告中选择广告，并将广告推送给用户；若不大于70分，则不将该广告主的广告推送给用户。

进一步的，上述方法中描述的针对该广告主预设指定阈值的过程具体包括：初始化一个待定阈值，比如将该待定阈值定为60分，当用户与该广告主的匹配度分数值大于60分时，向用户推送该广告主的广告，并确定此时的指标，定义为试运行指标(比如，可为收益500万元)。同时针对该广告主预设一个标准指标，比如，收益为700万元。此时得到试运行指标对应的收益与针对该广告主预设的标准指标对应的收益之间的差值为-200万元，由此可知，将待定阈值定为60分低于标准指标的收益，则可重新调整待定阈值，直到调整后的待定阈值对应的试运行指标收益与标准指标收益之间的差值满足预设条件(预设条件可为，试运行指标的收益大于标准指标的收益)为止。比如，当调整后的待定阈值为70分时，此时向用户推送该广告主的广告得到的试运行指标对应的收益为710万元，此时710万元大于标准指标对应的收益700万元，那么该调整后的待定阈值70分便能满足预设条件，则可将70分作为针对该广告主预设的指定阈值，参与到上述匹配度的比较过程中。

需要说明的是，上述的试运行指标可包括该广告主的试运行指标和展示平台的试运行指标；则调整待定阈值的方法可以为：确定该广告主的试运行指标与针对该广告主预设的标准指标之间的差值(以下称为第一差值)，确定展示平台的试运行指标与针对展示平台预设的标准指标之间的差值(以下称为第二差值)，根据第一差值和第二差值调整待定阈值，直至该第一差值和第二差值满足预设条件为止。所述的预设条件可以为第一差值和第二差值均大于0，或第一差值与第二差值的比值在预设的范围内等，本说明书对此不作限制。

需要说明的是，其中该广告主的试运行指标和展示平台的试运行指标可为收益值，本说明书实施例同时考虑了广告主和展示平台两者的收益，可根据两者不同的收益指标实时调整指定阈值。

可选的，预先针对该广告主训练模型，具体包括：预先针对该广告主训练点击率相关模型和/或转化率相关模型，即，针对一个广告主，既可以为其训练一个点击率相关模型，也可以为其训练一个转化率相关模型，还可同时为其训练点击率相关模型和转化率相关模型两个模型。其中的点击率相关模型与点击率(即，点击次数除以曝光次数)相关，转化率相关模型与转化率(即，交易次数除以点击次数)相关。需要说明的是，可根据广告主不同的业务需求(比如，主要想将自身的广告通过曝光的方式被点击，或者提高自身广告的交易量等等)对模型的种类和数量进行选择，本说明书实施例对此不作限制。

进一步的，预先针对该广告主训练点击率相关模型，具体包括：获取历史上针对用户推送的该广告主的广告，作为训练样本，将训练样本中包含的用户的个人特征，以及，用户所在的硬件环境特征和/或软件环境特征，输入待训练的点击率相关模型，得到待训练的点击率相关模型输出的用户与该广告主的匹配度，将用户点击的该广告主的广告作为正样本，将用户未点击的该广告主的广告作为负样本，以正样本的数量与匹配度呈正相关、负样本的数量与匹配度呈负相关为训练目标，对待训练的点击率相关模型进行训练。

另外，预先针对该广告主训练转化率相关模型，具体包括：获取历史上针对用户推送的该广告主的广告，作为训练样本，将训练样本中包含的用户的个人特征，以及，用户所在的硬件环境特征和/或软件环境特征，输入待训练的转化率相关模型，得到待训练的转化率相关模型输出的用户与该广告主的匹配度，将用户执行了指定操作的广告作为正样本，将用户未执行指定操作的广告作为负样本，以正样本的数量与匹配度呈正相关、负样本的数量与匹配度呈负相关为训练目标，对待训练的转化率相关模型进行训练。需要说明的是，指定操作为用户购买了广告对应的商品。

在上述的两个模型训练过程中，用户所在的硬件环境特征和/或软件环境特征作为模型的输入，其目的为表达用户在何种硬件或软件环境下对何种广告主的广告更为偏爱，而由于硬件环境和软件环境也可同时表示广告推送的渠道(如，通过手机的APP向用户推送广告、通过计算机中的浏览器向用户推送广告、通过计算机的弹窗向用户推送广告等)，因此，在上述模型训练过程中，模型最终可以学习到用户较为偏好何种广告主采用何种渠道所推送的广告，使后续通过训练后的模型推送广告时可以达到更加精确的进行广告推送的目的。

本说明书实施例针对每个广告主均设置了至少一个模型，根据广告主不同的业务需求，基于该模型向用户推送该广告主的广告。在向用户推送广告时，不只是考虑了用户的个人特征，还考虑了用户发送广告推送请求时所在的硬件环境特征和/或软件环境特征，多种特征的考虑使得该模型推送的广告更能符合用户的需求，降低了广告主在虚假请求上的投入成本，提高了广告主的收益。

本说明书提供的广告推送方法不只是应用于广告推送领域，还可扩展到其他的信息推送领域，适用性较强。

以上为本说明书实施例提供的广告推送方法，基于同样的思路，本说明书还提供了相应的装置、存储介质和电子设备。

图2为本说明书实施例提供的一种广告推送装置的结构示意图，所述装置包括：

接收模块200，用于接收广告推送请求；

获取模块202，用于获取所述广告推送请求中用户的个人特征，以及，确定用户发送所述广告推送请求时所在的硬件环境特征和/或软件环境特征；

输出模块204，用于针对每个广告主，将所述用户的个人特征，以及，所述硬件环境特征和/或软件环境特征，输入到预先针对该广告主训练的模型中，得到所述模型输出的所述用户与该广告主的匹配度；

推送模块206，用于根据所述用户与该广告主的匹配度，从该广告主的广告中选择广告，并将所述广告推送给所述用户。

可选的，所述获取模块202，具体用于确定用户发送所述广告推送请求时所使用的终端的终端标识，所述终端标识包括所述终端的序列号和类型中的至少一种，根据所述终端的终端标识，确定所述用户发送所述广告推送请求时所在的硬件环境特征；和/或，确定用户发送所述广告推送请求时所使用的软件的软件标识，所述软件标识包括所述软件的名称、软件的类型、操作***中的至少一种，根据所述软件的软件标识，确定所述用户发送所述广告推送请求时所在的软件环境特征。

可选的，所述输出模块204，具体可用于预先针对该广告主训练点击率相关模型和/或转化率相关模型。

可选的，所述输出模块204，具体还可用于获取历史上针对所述用户推送的该广告主的广告，作为训练样本；将所述训练样本中包含的所述用户的个人特征，以及，所述用户所在的硬件环境特征和/或软件环境特征，输入待训练的点击率相关模型，得到所述待训练的点击率相关模型输出的所述用户与该广告主的匹配度；将所述用户点击的该广告主的广告作为正样本，将所述用户未点击的该广告主的广告作为负样本，以所述正样本的数量与所述匹配度呈正相关、所述负样本的数量与所述匹配度呈负相关为训练目标，对所述待训练的点击率相关模型进行训练。

可选的，所述输出模块204，具体还可用于获取历史上针对所述用户推送的该广告主的广告，作为训练样本；将所述训练样本中包含的所述用户的个人特征，以及，所述用户所在的硬件环境特征和/或软件环境特征，输入待训练的转化率相关模型，得到所述待训练的转化率相关模型输出的所述用户与该广告主的匹配度；将所述用户执行了指定操作的广告作为正样本，将所述用户未执行指定操作的广告作为负样本，以所述正样本的数量与所述匹配度呈正相关、所述负样本的数量与所述匹配度呈负相关为训练目标，对所述待训练的转化率相关模型进行训练；所述指定操作为所述用户购买了广告对应的商品。

可选的，所述推送模块206，具体用于根据所述用户与该广告主的匹配度以及针对该广告主预设的指定阈值，判断所述用户与该广告主的匹配度是否大于所述针对该广告主预设的指定阈值；若是，则从该广告主的广告中选择广告，并将所述广告推送给所述用户；若不是，则不将该广告主的广告推送给所述用户。

可选的，所述推送模块206，具体还用于初始化待定阈值；根据所述待定阈值，以指定的广告推送方式，向所述用户推送该广告主的广告，并确定以所述指定的广告推送方式向所述用户推送该广告主的广告时的指标，作为试运行指标；所述指定的广告推送方式为：当所述用户与该广告主的匹配度大于所述待定阈值时，向所述用户推送该广告主的广告；确定所述试运行指标与针对该广告主预设的标准指标之间的差值；根据所述试运行指标与所述标准指标之间的差值调整所述待定阈值，直至所述试运行指标与所述标准指标之间的差值满足预设条件为止，将调整后的待定阈值作为针对该广告主预设的指定阈值。

本说明书还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可用于执行上述图1提供的一种广告推送方法。

基于图1所示的广告推送方法，本说明书实施例还提供了图3所示的电子设备的结构示意图。如图3，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的广告推送方法。

当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、***、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、***或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种广告推送方法，其特征在于，包括：

接收广告推送请求；

获取所述广告推送请求中用户的个人特征，以及，确定用户发送所述广告推送请求时所在的硬件环境特征和/或软件环境特征；

针对每个广告主，将所述用户的个人特征，以及，所述硬件环境特征和/或软件环境特征，输入到预先针对该广告主训练的模型中，得到所述模型输出的所述用户与该广告主的匹配度；

根据所述用户与该广告主的匹配度，从该广告主的广告中选择广告，并将所述广告推送给所述用户。

2.如权利要求1所述的方法，其特征在于，确定用户发送所述广告推送请求时所在的硬件环境特征和/或软件环境特征，具体包括：

确定用户发送所述广告推送请求时所使用的终端的终端标识，所述终端标识包括所述终端的序列号和类型中的至少一种，根据所述终端的终端标识，确定所述用户发送所述广告推送请求时所在的硬件环境特征；和/或，

确定用户发送所述广告推送请求时所使用的软件的软件标识，所述软件标识包括所述软件的名称、软件的类型、操作***的标识中的至少一种，根据所述软件的软件标识，确定所述用户发送所述广告推送请求时所在的软件环境特征。

3.如权利要求1所述的方法，其特征在于，根据所述用户与该广告主的匹配度，从该广告主的广告中选择广告，并将所述广告推送给所述用户，具体包括：

根据所述用户与该广告主的匹配度以及针对该广告主预设的指定阈值，判断所述用户与该广告主的匹配度是否大于所述针对该广告主预设的指定阈值；

若是，则从该广告主的广告中选择广告，并将所述广告推送给所述用户；

若不是，则不将该广告主的广告推送给所述用户。

4.如权利要求3所述的方法，其特征在于，针对该广告主预设指定阈值，具体包括：

初始化待定阈值；

根据所述待定阈值，以指定的广告推送方式，向所述用户推送该广告主的广告，并确定以所述指定的广告推送方式向所述用户推送该广告主的广告时的指标，作为试运行指标；所述指定的广告推送方式为：当所述用户与该广告主的匹配度大于所述待定阈值时，向所述用户推送该广告主的广告；

确定所述试运行指标与针对该广告主预设的标准指标之间的差值；

根据所述试运行指标与所述标准指标之间的差值调整所述待定阈值，直至所述试运行指标与所述标准指标之间的差值满足预设条件为止，将调整后的待定阈值作为针对该广告主预设的指定阈值。

5.如权利要求1所述的方法，其特征在于，预先针对该广告主训练模型，具体包括：

预先针对该广告主训练点击率相关模型和/或转化率相关模型。

6.如权利要求5所述的方法，其特征在于，预先针对该广告主训练点击率相关模型，具体包括：

获取历史上针对所述用户推送的该广告主的广告，作为训练样本；

将所述训练样本中包含的所述用户的个人特征，以及，所述用户所在的硬件环境特征和/或软件环境特征，输入待训练的点击率相关模型，得到所述待训练的点击率相关模型输出的所述用户与该广告主的匹配度；

将所述用户点击的该广告主的广告作为正样本，将所述用户未点击的该广告主的广告作为负样本，以所述正样本的数量与所述匹配度呈正相关、所述负样本的数量与所述匹配度呈负相关为训练目标，对所述待训练的点击率相关模型进行训练。

7.如权利要求5所述的方法，其特征在于，预先针对该广告主训练转化率相关模型，具体包括：

获取历史上针对所述用户推送的该广告主的广告，作为训练样本；

将所述训练样本中包含的所述用户的个人特征，以及，所述用户所在的硬件环境特征和/或软件环境特征，输入待训练的转化率相关模型，得到所述待训练的转化率相关模型输出的所述用户与该广告主的匹配度；

将所述用户执行了指定操作的广告作为正样本，将所述用户未执行指定操作的广告作为负样本，以所述正样本的数量与所述匹配度呈正相关、所述负样本的数量与所述匹配度呈负相关为训练目标，对所述待训练的转化率相关模型进行训练；所述指定操作为所述用户购买了广告对应的商品。

8.一种广告推送装置，其特征在于，包括：

接收模块，用于接收广告推送请求；

获取模块，用于获取所述广告推送请求中用户的个人特征，以及，确定用户发送所述广告推送请求时所在的硬件环境特征和/或软件环境特征；

输出模块，用于针对每个广告主，将所述用户的个人特征，以及，所述硬件环境特征和/或软件环境特征，输入到预先针对该广告主训练的模型中，得到所述模型输出的所述用户与该广告主的匹配度；

推送模块，用于根据所述用户与该广告主的匹配度，从该广告主的广告中选择广告，并将所述广告推送给所述用户。

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-8任一项所述的方法。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-8任一项所述的方法。

Images