KR101999469B1 - 정보 전달 방법 및 장치, 서버 및 저장 매체 - Google Patents

정보 전달 방법 및 장치, 서버 및 저장 매체 Download PDF

Info

Publication number
KR101999469B1
KR101999469B1 KR1020177032826A KR20177032826A KR101999469B1 KR 101999469 B1 KR101999469 B1 KR 101999469B1 KR 1020177032826 A KR1020177032826 A KR 1020177032826A KR 20177032826 A KR20177032826 A KR 20177032826A KR 101999469 B1 KR101999469 B1 KR 101999469B1
Authority
KR
South Korea
Prior art keywords
information
supported
pieces
candidate
type
Prior art date
Application number
KR1020177032826A
Other languages
English (en)
Other versions
KR20170137845A (ko
Inventor
다펑 류
레이 샤오
Original Assignee
텐센트 테크놀로지(센젠) 컴퍼니 리미티드
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 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 filed Critical 텐센트 테크놀로지(센젠) 컴퍼니 리미티드
Publication of KR20170137845A publication Critical patent/KR20170137845A/ko
Application granted granted Critical
Publication of KR101999469B1 publication Critical patent/KR101999469B1/ko

Links

Images

Classifications

    • 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
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0243—Comparative campaigns
    • 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
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0244—Optimization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • 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
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0246—Traffic
    • 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
    • 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
    • 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
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

정보 지원 방법 및 장치. 이 방법은, 사용자에 의해 전송된 페이지 요청에 따라 후보 정보 리스트를 선택하는 단계(101)- 후보 정보 리스트가 복수의 정보 피스를 포함함 -; 후보 정보 리스트에서의 복수의 정보 피스를 미리 결정된 규칙에 따라 정렬하여 후보 정보 리스트에서의 각각의 정보 피스의 랭킹을 생성하는 단계(102); 후보 정보 리스트에서의 각각의 정보 피스의 랭킹에 따라 후보 정보 리스트에서의 지정된 유형의 정보의 현재 평균 랭킹을 취득하는 단계(103); 및 지정된 유형의 정보의 현재 평균 랭킹 및 지정된 유형의 정보에 대응하는 이력 평균 랭킹에 따라, 지정된 유형의 정보로부터 지정된 전달 정보를 선택하는 단계(104)를 포함한다.

Description

정보 전달 방법 및 장치, 서버 및 저장 매체
본 출원은 2016년 1월 12일자로 "INFORMATION SUPPORT METHOD AND INFORMATION SUPPORT DEVICE"라는 명칭으로 중화 인민 공화국의 국가 지식 재산권국에 출원된 중국 특허 출원 제201610017753.2호에 대해 우선권을 주장하고, 이 출원은 그 전체가 본 명세서에 참고로 포함된다.
본 개시내용은 정보 전달의 기술 분야, 특히 정보 전달 방법, 정보 전달 디바이스, 시스템 및 저장 매체에 관한 것이다.
일부 정보 전달 기간에서, 특정 유형의 정보를 지원하는 것에 대한 요건이 종종 존재한다. 예를 들어, 정보 전달 시스템이 온라인 소매업 웹 사이트와 협동하는 경우, 정보 시스템의 네트워크 흐름의 20%가 온라인 소매업의 판매자 광고들을 배치하기 위해 사용되는 것을 보장하는 것으로 정해질 수 있고, 이는 온라인 소매업 웹사이트 상에서 판매되는 제품들에 대한 꾸준한 흐름(steady flow)으로서 역할을 해서 제품들의 운영 및 유지보수를 용이하게 할 수 있다. 다른 예의 경우, 온라인 소매업 광고들의 개발로, 개발 플랫폼에 대한 애플리케이션(앱으로서 약칭됨) 유형의 광고들이 도입된다. 처음에, 앱 유형 광고들이 거의 없고 광고 배치 경험이 없다. 이 경우, 보호 수단이 없으면, 양 및 효과가 크게 변동하고, 이로써 광고주의 서비스 확장을 방해할 수 있다. 꾸준한 앱 유형(app-type) 광고 생태계를 만들기 위해서는, 앱 유형 광고가 지원될 필요가 있다. 생태계를 형성하기에 충분한 앱 유형 광고들이 도입되는 경우에만, 앱 유형 광고는 다른 유형들의 광고들과 자유롭게 경쟁하도록 개방될 수 있다.
기존의 정보 전달 해결책들은 지원 요건들에 응답하여 유연하게 제어하는 것이 결여되어 있기 때문에 새로운 정보 전달 해결책을 개발하는 것이 바람직하다.
본 개시내용의 실시예들에 따라, 정보 전달 효과가 보장되면서 지원되는 유형의 정보가 지원되는 정보 전달 방법 및 정보 전달 디바이스가 제공된다.
제1 양태에서, 정보 전달 방법은 본 개시내용의 실시예에 따라 제공된다. 이 방법은 다음을 포함한다:
사용자에 의해 전송된 페이지 요청에 응답하여 후보 정보 리스트를 결정하는 단계- 후보 정보 리스트가 다수의 정보 피스(multiple pieces of information)를 포함함 -;
후보 정보 리스트에서 정보 피스들의 랭크들을 생성하는 단계;
후보 정보 리스트에서의 정보 피스들의 랭크들에 기초하여 후보 정보 리스트에서 지정된 유형의 정보의 현재 평균 랭크를 취득하는 단계; 및
지정된 유형의 정보의 현재 평균 랭크 및 지정된 유형의 정보에 대응하는 이력 평균 랭크에 기초하여, 지정된 유형의 정보를 지정된 전달 정보로서 취할 것인지를 결정하는 단계를 포함한다.
제2 양태에서, 본 개시내용의 실시예에 따른 정보 전달 디바이스가 추가로 제공된다. 이 디바이스는:
사용자에 의해 전송된 페이지 요청에 응답하여 후보 정보 리스트를 결정하도록 구성된 초기 선택 모듈- 후보 정보 리스트는 다수의 정보 피스를 포함함 -;
후보 정보 리스트에서의 정보 피스들의 랭크들을 생성하도록 구성된 랭크 예측 모듈;
후보 정보 리스트에서의 정보 피스들의 랭크들에 기초하여 후보 정보 리스트에서 지정된 유형의 정보의 현재 평균 랭크를 취득하도록 구성된 현재 요청 계산 모듈; 및
지정된 유형의 정보의 현재 평균 랭크 및 지정된 유형의 정보에 대응하는 이력 평균 랭크에 기초하여 지정된 유형의 정보를 지정된 전달 정보로서 취할지를 결정하도록 구성된 정보 전달 선택 모듈을 포함한다.
상기의 기술적 해결책들로부터, 본 개시내용의 실시예들은 다음의 장점들을 갖는다는 것을 알 수 있다.
본 개시내용의 실시예들에서, 우선, 사용자에 의해 전송된 페이지 요청에 응답하여 후보 정보 리스트가 결정되고, 후보 정보 리스트는 다수의 정보 피스를 포함한다. 그 후, 페이지 요청 및 미리 설정된 예측 모델에 기초하여, 후보 정보 리스트에서의 정보 피스들의 랭크들을 예측하여 후보 정보 리스트에서의 정보 피스들의 랭크들을 생성한다. 다음으로, 후보 정보 리스트에서의 지정된 유형의 정보의 현재 평균 랭크가 후보 정보 리스트에서의 정보 피스들의 랭크들에 기초하여 취득된다. 최종적으로, 지정된 전달 정보는 지정된 유형의 정보의 현재 평균 랭크 및 지정된 유형의 정보에 대응하는 이력 지원 평균 랭크에 기초하여 지정된 유형의 정보로부터 선택된다. 본 개시내용의 실시예들에서, 사용자가 페이지 요청을 전송한 후, 페이지 요청에 응답하여 정보 피스들 모두에 대해 초기 선택이 수행되어 사용자와 매칭하는 후보 정보 리스트를 획득하고, 따라서 정보 전달이 사용자 그룹들에 대해 더 양호하게 타깃팅된다. 후보 정보 리스트에서 지원되는 유형의 정보의 현재 평균 랭크는 후보 정보 리스트에서 정보 피스들의 랭크들을 예측하는 것에 의해 획득될 수 있다. 최종적으로, 지원될 정보는, 지원되는 유형의 정보의 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 지원 평균 랭크에 기초하여 지원되는 유형의 정보로부터 선택된다. 지원될 선택 정보는 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 지원 평균 랭크에 기초하여 결정되기 때문에, 지원될 선택 정보는 후보 정보 리스트에서의 정보 피스들 모두 중에서, 페이지 요청을 전송하는 사용자와 더 매칭하는 정보이고, 이로써 사용자의 관심과 매칭하고 정보 전달 효과를 보장한다. 한편, 지원되는 정보는 지원되는 유형의 정보로부터 선택되고, 이로써 지정된 유형의 정보를 지원하는 것의 요건을 충족시킨다.
본 개시내용의 설명에 사용되는 도면들은 다음과 같이 간략하게 설명되어, 본 개시내용의 실시예들에 따른 기술적 해결책들이 보다 명확해질 것이다. 이하의 설명에서의 도면들은 단지 본 개시내용의 일부 실시예들을 예시하는 것이 명백하다. 본 기술분야의 통상의 기술자의 경우, 다른 도면들이 임의의 창조적 작업 없이 이들 도면들에 따라 획득될 수 있다.
도 1은 본 개시내용의 실시예에 따른 정보 전달 방법의 흐름도이다;
도 2는 본 개시내용의 실시예에 따른 정보 전달 디바이스의 구현예의 개략도이다;
도 3은 본 개시내용의 실시예에 따른 정보 전달 방법의 구현예의 개략도이다;
도 4a는 본 개시내용의 실시예에 따른 정보 전달 디바이스의 개략적인 구조도이다;
도 4b는 본 개시내용의 실시예에 따른 다른 정보 전달 디바이스의 개략적인 구조도이다;
도 4c는 본 개시내용의 실시예에 따른 정보 전달 선택 모델의 개략적인 구조도이다;
도 4d는 본 개시내용의 실시예에 따른 다른 정보 전달 디바이스의 개략적인 구조도이다; 및
도 5는 본 개시내용의 실시예에 따른 정보 전달 방법을 적용한 서버의 개략적인 구조도이다.
본 개시내용의 목적들, 특징들 및 이점들이 이해되기 위해 보다 명확하고 용이해지는 것으로 만들기 위해, 본 개시내용의 실시예들에 따른 기술적 해결책이 도면들과 함께 이하와 같이 명확하게 그리고 완전하게 설명될 것이다. 설명된 실시예들은 본 개시내용에 따른 실시예들 모두보다 오히려 단지 소수인 것이 명백하다. 본 개시내용의 실시예들에 기초하여 본 기술분야의 통상의 기술자에 의해 획득된 임의의 다른 실시예들은 본 개시내용의 범위에 속한다.
본 개시내용의 명세서, 청구항들 및 상기의 도면들에서, 용어 "포함하다(comprise)", "갖다(have)" 또는 그 임의의 다른 변형들은 비-배타적인 "포함하다(include)"를 포괄하도록 의도되어, 일련의 유닛들을 포함하는 프로세스, 방법, 시스템, 제품 또는 디바이스는 유닛들에 제한되는 것이 아니라 명시적으로 나열되지 않은 다른 유닛들을 또한 포함하거나, 프로세스, 방법, 제품 또는 디바이스의 고유 유닛들을 또한 포함한다.
특정 유형의 정보를 지원하기 위한 요건의 경우, 기존 기술적 해결책은 전용 흐름의 비율을 구성하는 것이다. 지원되는 유형의 정보만이 전용 흐름을 통해 전달되도록 허용되고, 전달되는 정보는 사용자로부터의 페이지 요청에 응답하여 비율에 따라 무작위로 선택된다. 이러한 기술적 해결책은 간단하고 용이하게 실현되고 꾸준한 흐름을 갖지만, 다음과 같은 문제가 있다: 일부 사용자들은 무작위 제어 하에 전달되는 지원 정보에 관심이 없지만 지원되는 정보에 관심이 있는 일부 사용자들에게는 무작위 제어 하에 지원되는 정보가 전달되지 않는다. 따라서, 이러한 정보 지원 전략의 해결책에 의해, 정보 전달 효과가 불량한 동안 흐름 비율이 제어될 수 있다.
본 개시내용의 실시예들에 따라, 정보 전달 효과가 보장되면서 지원되는 유형의 정보가 지원되는 정보 전달 방법 및 정보 전달 디바이스가 제공된다.
본 개시내용에 따른 정보 전달 방법의 실시예는 지정된 유형의 정보를 지원하기 위한 시나리오에 적용될 수 있다. 정보는 광고일 수 있다. 또한, 본 개시내용의 실시예에서의 정보는 지원될 필요가 있는 리소스들, 콘텐츠, 데이터 등의 형태로 있을 수 있고, 이는 본 명세서에서 한정되지 않는다. 도 1을 참조하면, 본 개시내용의 실시예에 따른 정보 전달 방법은 단계들 101 내지 104를 포함할 수 있다.
단계 101에서, 후보 정보 리스트는 사용자에 의해 전송된 페이지 요청에 응답하여 결정된다. 후보 정보 리스트는 다수의 정보 피스를 포함한다.
본 개시내용의 실시예에서, 사용자는 페이지에 액세스할 때 페이지 요청을 전송할 수 있다. 본 개시내용의 실시예에 따른 정보 전달 디바이스는 사용자에 의해 전송된 페이지 요청을 수신하고 사용자에 의해 전송된 페이지 요청으로부터 사용자와 관련된 정보를 취득할 수 있다. 사용자에 관한 정보를 이용하여, 사용자가 어떤 유형의 정보에 관심 있는지 또는 사용자가 어떤 종류의 콘텐츠를 보기 원하는지가 결정될 수 있다, 예를 들어 사용자가 어떤 종류의 광고들을 보기 원하는지가 결정될 수 있다. 사용자에 의해 전송된 페이지 요청은 사용자에 의해 조작된 단말기의 장치 정보, 액세스의 컨텍스트 정보 및 사용자에 대한 속성 정보를 반송할 수 있다. 이 경우, 정보 전달 디바이스는 페이지 요청으로부터 상기의 정보 콘텐츠를 취득할 수 있다. 정보 전달 디바이스는, 표시되는 정보 모두에 대하여 초기 선택을 수행하고, 이용자와 매칭하는 후보 정보 리스트를 취득할 수 있다. 후보 정보 리스트의 정보 모두는 정보 전달 디바이스에 의해 수행된 초기 선택에 의해 획득되기 때문에, 후보 정보 리스트에서의 정보 모두는 사용자가 관심 있는 정보의 유형일 수 있다. 페이지 요청에 응답하여 정보에 대한 초기 선택을 수행하는 것에 의해, 정보 전달이 사용자 그룹들에 대해 더 양호하게 타깃팅되며, 이 정보 전달은 종래 기술들에서의 효과를 고려하지 않고서 랜덤 전달과 완전히 상이하다. 예를 들어, 본 개시내용의 실시예들에서는 페이지 요청에 응답하여 광고들에 대해 초기 선택이 수행될 수 있고, 따라서 광고 배치가 사용자 그룹들에 대해 더 양호하게 타깃팅되며, 이 광고 배치는 종래 기술들에서의 광고 효과를 고려하지 않고서 랜덤 배치와 완전히 상이하다.
본 개시내용의 일부 실시예들에서, 사용자에 의해 전송된 페이지 요청이 수신된 후, 후보 정보를 생성할 때, 사용자와 매칭하지 않는 정보를 제시하는 것에 의해 야기되는 불량한 정보 전달 효과를 감소시키기 위해 사용자로부터의 페이지 요청 및 정보 프로듀서에 의해 미리 설정된 정보에 대한 전달 조건에 기초하여 정보의 타깃 사용자가 추가로 검사될 수 있다. 예를 들어, 정보는 광고이고, 광고주에 의해 만들어진 광고는 모성 및 유아 용품들과 관련되고, 광고주에 의해 결정된 전달 타깃은 25 내지 40세인 여성들을 포함한다. 이 경우, 광고의 타깃 사용자는 광고주의 요건에 따라 검사될 수 있다. 남자에 의해 페이지 요청이 전송되는 경우, 타깃 검사에 의해 모성 및 유아 용품들과 관련된 광고를 남자에게 전달하지 않는 것으로 결정될 수 있다, 즉 모성 및 유아 용들과 관련된 광고가 후보 정보 리스트에 포함되지 않는다.
본 개시내용의 실시예에서, 후보 정보 리스트는 페이지 요청을 전송한 사용자에 대해 형성된다는 점을 유의해야 한다. 후보 정보 리스트는 동일한 정보 유형 또는 상이한 정보 유형들에 속할 수 있는 다수의 정보 피스를 포함한다. 후보 정보 리스트에 포함된 일부 정보는 지원되는 유형의 정보와 같은 지정된 유형의 정보일 수 있다. 예를 들어, 지원되는 유형의 광고는 앱 유형 광고 또는 다른 지정된 유형들의 광고일 수 있음을 백그라운드로부터 알 수 있다. 본 개시내용의 이러한 실시예에서, 지원되는 유형의 정보는 후보 정보 리스트에 포함되지만, 지원되는 유형의 정보를 지원할지는 다음 실시예들에서 설명되는 정보 전달 방법에 의해 결정될 수 있다.
단계 102에서, 후보 정보 리스트에서의 다수의 정보 피스를 정렬하는 것(sorting)에 의해 후보 정보 리스트에서의 정보 피스들의 랭크들이 생성된다.
본 개시내용의 일부 실시예들에서, 후보 정보 리스트에서의 정보 피스들의 랭크들의 순위는 페이지 요청 및 미리 설정된 예측 모델에 기초하여 예측되어 후보 정보 리스트에서의 정보 피스들의 랭크들을 생성할 수 있다.
본 개시내용의 실시예에서, 후보 정보 리스트는 초기 선택 방식으로 결정된다. 후보 정보 리스트에서의 정보 피스들의 랭크들은 사용자에 의해 전송된 페이지 요청 및 미리 설정된 예측 모델에 기초하여 예측된다. 예를 들어, 후보 정보 리스트가 M(M은 0이 아닌 자연수)개의 정보 피스를 포함하면, 후보 정보 리스트에서의 제1 정보 피스, 제2 정보 피스, ..., M번째 정보 피스의 랭크들이 각각 예측되어, 후보 정보 리스트에서의 정보 피스들의 랭크들을 생성한다. 정보 피스의 랭크는 정렬된 후보 정보 리스트에서의 정보 피스의 위치를 나타낸다. 후보 정보 리스트에서의 정보 피스들의 예측된 랭크들은 후보 정보 리스트에서의 정보 피스들과 페이지 요청을 송신하는 사용자 사이의 매칭도(matching degree)들을 나타낸다. 즉, 후보 정보 리스트에서 높은 랭크를 갖는 정보는 페이지 요청을 전송하는 사용자와 더 매칭한다.
실제로, 후보 정보 리스트에서의 정보 피스들에 대한 랭크 예측은 사용자로부터의 페이지 요청 및 미리 설정된 예측 모델에 기초하여 결정될 수 있다는 점을 유의해야 한다. 예를 들어, 정보 전달 디바이스는 사용자, 컨텍스트 시나리오 및 정보를 포함하는 3개의 인자에 기초하여 정보 피스들의 랭크들을 예측할 수 있다. 예측 모델은 로지스틱 회귀 알고리즘 및 의사 결정 트리 알고리즘(logistical regression algorithm)과 같은 예측 알고리즘으로 실현될 수 있다.
본 개시내용의 일부 실시예들에서, 후보 정보 리스트에서의 정보 피스들의 랭크들을 생성하기 위해 페이지 요청 및 미리 설정된 예측 모델에 기초하여 후보 정보 리스트에서의 정보 피스들의 랭크들이 예측되는 단계 102는 단계 A1을 포함할 수 있다.
단계 A1에서, 페이지 요청 및 미리 설정된 예측 모델에 기초하여 후보 정보 리스트에서의 정보 피스들의 클릭률(click through rate)들의 예측 값들이 취득되고, 후보 정보 리스트에서의 정보 피스들의 랭크들은 정보 피스들의 클릭률들의 예측 값들에 기초하여 취득된다.
정보 전달 디바이스는 페이지 요청 및 미리 설정된 예측 모델에 기초하여 후보 정보 리스트에서의 정보 피스들의 클릭률(CTR로서 약칭됨)을 예측할 수 있다. CTR은 정보(예컨대 광고)에 대한 사용자의 선호도를 반영할 수 있다. 후보 정보 리스트에서의 정보 피스들의 CTR들은 사용자로부터의 페이지 요청 및 예측 모델에 기초하여 예측되어 후보 정보 리스트에서의 정보 피스들의 CTR들의 예측 값들을 생성할 수 있다. 후보 정보 리스트에서의 정보 피스들은 CTR들의 예측 값들의 크기들에 기초하여 정렬되어, 후보 정보 리스트에서의 정보 피스들의 랭크들을 획득할 수 있다. 정보 피스들의 클릭률들의 예측 값들을 계산하는 것에 의해 정보 피스들이 정렬될 수 있지만, 본 개시내용은 클릭률들의 예측 값에 대한 방식에 한정되지 않는다는 점을 유의해야 한다. 실제로, 정보 피스들이 다른 방식들로 정렬될 수 있다. 예를 들어, 정보 피스들의 클릭률들의 예측 값들에 기초하여 후보 정보 리스트에서 정보 피스들의 랭크들을 취득하는 단계 A1은 단계 A11 내지 단계 A12를 포함할 수 있다.
단계 A11에서는, 정보 피스들의 클릭률들의 예측 값들에 기초하여, 정보 피스들의 비용의 예측 값들이 취득된다.
단계 A12에서, 후보 정보 리스트에서의 정보 피스들의 비용의 예측 값들이 비용의 예측 값들의 크기들에 기초하여 정렬되어 후보 정보 리스트에서의 정보 피스들의 랭크들을 획득한다.
단계 A11에서, 정보 피스의 CTR의 예측 값이 획득된 후에, 정보 피스의 클릭당 비용(CPC로서 약칭됨)에 기초하여 마일당 기대 비용(ECPM으로서 약칭됨)이 계산될 수 있다, 즉, ECPM=CTR*CPC. 계산된 후, 후보 정보 리스트에서의 정보 피스들의 비용들의 예측 값들이 그들의 크기들에 기초하여 정렬되어, 후보 정보 리스트에서의 정보 피스들의 랭크들을 획득할 수 있다.
본 개시내용의 일부 실시예들에서, 지정된 유형의 정보는 지원되는 유형의 정보, 즉 지원되도록 미리 결정된 정보의 유형일 수 있다. 본 개시내용의 이들 실시예들에서, 후보 정보 리스트에서의 정보 피스들의 랭크들을 생성하기 위해 페이지 요청 및 미리 설정된 예측 모델에 기초하여 후보 정보 리스트에서 정보 피스들의 랭크들을 예측하는 단계 102 후에, 본 개시내용의 실시예에 따른 정보 전달 방법은 다음 단계들을 더 포함할 수 있다.
후보 정보 리스트에서 지원되는 유형의 정보 피스가 미리 설정된 조건을 충족하는지가 판단되고, 지원되는 유형의 정보 피스가 조건을 충족하면 다음의 단계 103이 수행된다. 단계 103은 후보 정보 리스트에서의 정보 피스들의 랭크들에 기초하여 후보 정보 리스트에서 지정된 유형의 정보의 현재 평균 랭크를 취득하는 단계를 포함한다.
달리 말해서, 후보 정보 리스트에서의 정보 피스들의 랭크들이 생성된 후, 후보 정보 리스트에서 지원되는 유형의 정보가 분석될 수 있다. 미리 설정된 지원 조건에 기초하여 지원되는 유형의 정보를 지원할지가 결정된다. 지원되는 유형의 정보를 지원하는 것으로 결정되면, 후속 단계 103가 수행되고, 단계 103 후에 단계 104가 더 수행될 수 있다. 지원되는 유형의 정보를 지원하지 않는 것으로 결정되면, 후속 정보 지원 프로세스는 수행되지 않고 흐름은 종료될 수 있다. 사용자에게 제시되는 정보는 후보 정보 리스트에서 정보 피스들 사이의 공정한 경쟁에 의해 결정된다.
필요에 따라 상이한 지원 조건들이 설정될 수 있고, 이는 본 개시내용의 실시예들에 제한되지 않는다는 점을 이해해야 한다. 실제로, 지원 조건은 서비스 규칙들에 따라 결정될 수 있다. 예를 들어, 후보 정보 리스트에서 지원되는 유형의 정보 피스의 랭크가 전체 리스트의 최종 20% 내에 있다면, 이는 지원되는 유형의 정보 피스와 사용자 사이의 매칭도가 낮은 것을 나타내고, 지원 정보의 정보 피스가 지원되지 않아서, 제시된 정보에 대한 사용자 만족의 감소를 방지할 수 있다. 또한, 지원 조건은 사용자가 와이어리스 피델리티(wireless fidelity)(WiFi로서 약칭됨) 접속을 통해 요청을 전송하는 것으로 설정될 수 있다. 이 경우, 사용자에 의해 전송된 페이지 요청에 기초하여 사용자가 WiFi를 사용하지 않는 것으로 결정되면, 정보 지원이 수행되지 않고, 이로써 사용자의 흐름 손실을 방지한다.
단계 103에서, 후보 정보 리스트에서의 지정된 유형의 정보의 현재 평균 랭크는 후보 정보 리스트에서의 정보 피스들의 랭크들에 기초하여 취득된다.
본 개시내용의 실시예에서, 전술한 단계 102에서, 후보 정보 리스트에서의 정보 피스들의 랭크들의 예측에 기초하여 후보 정보 리스트에서의 정보 피스들의 랭크들이 생성된다. 다음으로, 후보 정보 리스트에서의 지정된 유형의 정보의 현재 평균 랭크는 후보 정보 리스트에서의 정보 피스들의 랭크들에 기초하여 계산될 수 있다. 예를 들어, 그 지정된 유형이 앱 유형인 지원되는 유형이고 그 정보가 광고인 경우, 지원되는 유형의 광고는 앱 유형 광고일 수 있다. 이 경우, 후보 광고 리스트에서의 앱 유형 광고들의 현재 평균 랭크가 계산된다. 예를 들어, 후보 광고 리스트에서의 앱 유형 광고(1)의 랭크가 t1이고, 후보 광고 리스트에서의 앱 유형 광고(2)의 랭크가 t2이면, 앱 유형 광고의 현재 평균 랭크는 (t1+t2)/2이다. 지원되는 유형의 하나의 광고가 있다면, 후보 광고 리스트에서의 광고의 랭크는 지원되는 유형의 광고의 현재 평균 랭크로서 취해진다는 점을 이해해야 한다. 상기에서 랭크를 계산하는 방법이 일례로서 설명되었지만, 본 개시내용은 이에 한정되지 않고, 즉 필요에 따라 기존의 또는 후속적으로 개발된 알고리즘이 사용될 수 있음을 이해해야 한다.
단계 104에서, 지정된 전달 정보는 지정된 유형의 정보의 현재 평균 랭크 및 지정된 유형의 정보에 대응하는 이력 평균 랭크에 기초하여 지정된 유형의 정보로부터 선택된다.
본 개시내용의 일부 실시예들에 따르면, 지정된 전달 정보는 지원되는 방식으로 전달되는 정보이고, 이력 평균 랭크는 이력 지원 평균 랭크이다.
본 개시내용의 실시예에서, 지정된 유형의 정보의 현재 평균 랭크가 취득된 후에, 지정된 유형의 정보와 사용자 사이의 매칭도가 현재 평균 랭크로 결정될 수 있다. 지원되는 유형에 대응하는 이력 평균 랭크에 기초하여, 지정된 유형의 정보의 현재 평균 랭크 및 지정된 유형에 대응하는 이력 평균 랭크가 결정될 수 있고, 이에 의해 현재 평균 랭크와 이력 평균 랭크 사이의 관계가 획득될 수 있다. 지정된 전달 정보는 현재 평균 랭크와 이력 평균 랭크 사이의 관계에 기초하여 지정된 유형의 정보로부터 선택될 수 있다. 예를 들어, 지정된 유형의 정보가 지원되는 것으로 결정된 정보인 경우, 이력 평균 랭크는 지원되는 유형의 이력 데이터에 대한 계산을 수행하는 것에 의해 획득된 평균 랭크 값이다. 이력 지원 평균 랭크는 지정된 유형의 현재 정보가 지원되어야 하는지를 결정하기 위한 참조로서 역할을 할 수 있다. 실제로, 현재 평균 랭크 및 이력 지원 평균 랭크는 다수의 방식으로 분석되어 그 관계를 결정할 수 있고, 이 관계에 기초하여 지원되는 유형의 하나 이상의 정보 피스를 지원될 정보로서 취할지가 결정된다. 예를 들어, 현재 평균 랭크가 이력 지원 평균 랭크보다 낮은 경우, 이는 지원되는 유형의 정보와 사용자 사이의 매칭도가 높고 지원되는 유형의 정보가 지원될 정보로서 취해질 수 있는 것을 나타낸다. 지원되는 유형의 정보의 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 지원 평균 랭크에 기초하여 지원되는 정보를 선택하는 방식은 상기의 방식에 제한되지 않고, 지원될 정보가 다른 파라메트릭(parametric) 인자들을 참조하여 결정될 수 있다는 점을 유의한다.
본 개시내용의 일부 실시예들에서, 지정된 유형의 정보의 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 평균 랭크에 기초하여 지정된 유형의 정보로부터 지정된 전달 정보를 선택하는 단계 104는 단계들 C1 내지 C4를 포함할 수 있다.
단계 C1에서, 지정된 유형의 정보의 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 지원 평균 랭크에 기초하여 지원되는 유형의 정보의 선택 확률이 계산된다.
단계 C2에서, 현재 지원 만족도(satisfaction degree)는 이미 지원되도록 선택된 지원되는 유형의 정보 피스들의 수, 사용자에 의해 전송된 요청들의 총 수 및 미리 설정된 지원 비율에 기초하여 계산된다.
단계 C3에서, 지원되는 유형의 정보의 선택 확률 및 현재 지원 만족도에 기초하여, 지원되는 유형의 정보에 대한 지원 확률이 계산된다.
단계 C4에서, 지원되는 유형의 정보의 지원 확률에 기초하여 지원되는 유형의 정보를 선택하고 출력할지가 결정되고, 선택 정보를 지원될 정보로서 취한다.
단계들 C1 내지 C4는 지원되는 정보를 선택하기 위한 특정 구현예를 제공한다. 구현예에서, 지원되는 유형의 정보의 선택 확률이 먼저 계산된다. 선택 확률은 정보가 지원되도록 선택될 확률을 나타내고, 지원되는 유형의 정보의 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 지원 평균 랭크에 기초하여 계산될 수 있다. 예를 들어, 지원되는 유형의 정보의 선택 확률은 정규 분포 확률 계산 방법, 즉 지원되는 유형의 정보의 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 지원 평균 랭크 사이의 표준 정규 분포로 계산되어 표준 정규 분포에 기초하여 선택 확률의 값을 결정할 수 있다. 상기의 예는 본 개시내용의 실시예에서 단지 가능한 구현예일 뿐이고, 본 개시내용을 제한하려는 의도는 아니라는 것을 이해해야 한다.
단계 C2에서, 지원되도록 이미 선택되는 지원되는 유형의 정보 피스들의 수는 현재 요청 하에서 지원된 정보 피스들의 수를 지칭한다. 사용자에 의해 전송된 요청들의 총 수는 정보 전달 디바이스에 의해 수신된 페이지 요청들 수를 지칭한다. 지원 비율은 정보 전달 디바이스의 외부 파라미터로서 미리 결정될 수 있는 제품 규칙이다. 정보 전달 디바이스는 지원 기능을 갖는다. 계산된 현재 지원 만족도는 현재 요청 하에 정보 지원의 만족도를 나타낸다. 현재 지원 만족도가 더 큰 값인 경우, 이는 지원되는 유형의 정보에 대한 지원이 감소될 필요가 있는 것을 나타낸다. 현재 지원 만족도가 더 작은 값인 경우, 이는 지원되는 유형의 정보에 대한 지원이 강화될 필요가 있는 것을 나타낸다. 실제로, 현재 지원 만족도는 지원되도록 이미 선택된 지원되는 유형의 정보 피스들의 수, 사용자에 의해 전송된 요청들의 총 수 및 미리 설정된 지원 비율에 기초하여 다수의 방식으로 계산될 수 있다. 예를 들어, 이미-지원된 백분율(already-supported percentage)은 우선 지원되도록 선택된 지원되는 유형의 정보의 수 및 사용자에 의해 전송된 요청들의 총 수에 기초하여 계산되고 그 후 이미-지원된 백분율의 값과 미리 설정된 지원 비율의 값을 비교하는 것에 의해 현재 지원 만족도가 획득된다.
지원되는 유형의 정보의 선택 확률과 현재 지원 만족도가 획득된 후, 단계 C3에서, 지원되는 유형의 정보의 지원 확률이 지원되는 유형의 정보의 선택 확률 및 현재 지원 만족도에 기초하여 결정될 수 있다. 지원 확률은 지원되는 유형의 정보가 지원될 확률이다. 예를 들어, 지원되는 유형의 정보의 지원 확률은 지원되는 유형의 정보의 선택 확률을 현재 지원 만족도로 분할하는 것에 의해 획득될 수 있다. 상기의 구현예는 단지 일례인 것을 유의해야 한다. 실제로, 지원되는 유형의 정보의 지원 확률은 다른 방식들로 계산될 수 있다. 예를 들어, 지원되는 유형의 정보의 선택 확률을 현재 지원 만족도로 분할하는 것에 의해 획득된 값이 지원 인자에 기초하여 보정되어, 지원되는 유형의 정보의 지원 확률을 획득한다. 지원 인자는 비례 보정 파라미터일 수 있고, 이는 본 명세서에서 한정되지 않는다. 지원되는 유형의 정보의 획득된 지원 확률에 기초하여 출력하기 위해 지원되는 유형의 정보를 선택할지가 결정될 수 있다. 선택 정보는 지원되는 정보로서 취해진다. 즉, 지원되는 정보는 지원 확률을 계산하는 것에 의해 결정되고, 이로써 지원에 대한 흐름의 안정성을 보장할 수 있다.
본 개시내용의 일부 실시예들에서, 지정된 유형의 정보의 현재 평균 랭크와 지원되는 유형에 대응하는 이력 평균 랭크에 기초하여, 지정된 유형의 정보로부터 지정된 전달 정보를 선택하는 단계 104 이후, 본 개시내용의 실시예에 따른 정보 전달 방법은 다음의 단계를 더 포함할 수 있다.
단계에서, 지원되는 유형에 대응하는 이력 평균 랭크는 지원되는 유형의 정보의 현재 평균 랭크에 기초하여 업데이트되고, 지원되는 유형에 대응하는 업데이트된 이력 평균 랭크가 저장된다.
특히, 이력 평균 랭크는 이력 지원 평균 랭크일 수 있다. 지원되는 유형에 대응하는 이력 지원 평균 랭크가 동적으로 업데이트되는 이력 랭크들의 평균값일 수 있다. 지원될 정보가 현재 요청에 응답하여 결정된 후, 이력 지원 평균 랭크는 실시간으로 업데이트되어, 다음 요청에 대한 지원되는 유형에 대응하는 업데이트된 이력 지원 평균 랭크를 제공할 수 있다. 이 경우, 이력 지원 평균 랭크가 실시간으로 최신의 평균값인 것이 보장되고, 이로써 지원에 대한 균일한 흐름을 보장한다.
후보 정보 리스트가 먼저 사용자에 의해 전송된 페이지 요청에 응답하여 선택되는 것을 실시예들로부터 알 수 있다. 후보 정보 리스트는 다수의 정보 피스를 포함한다. 그 후, 후보 정보 리스트에서의 정보 피스들의 랭크들은 페이지 요청 및 구성된 예측 모델에 기초하여 예측되어 후보 정보 리스트에서의 정보 피스들의 랭크들을 생성한다. 다음으로, 후보 정보 리스트에서의 지원되는 유형의 정보의 현재 평균 랭크는 후보 정보 리스트에서의 정보 피스들의 랭크들에 기초하여 취득된다. 최종적으로, 지원될 정보는 지원되는 유형의 정보의 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 지원 평균 랭크에 기초하여 지원되는 유형의 정보로부터 선택된다. 본 개시내용의 실시예에서, 사용자가 페이지 요청을 전송한 후, 사용자와 매칭하는 후보 정보 리스트를 획득하기 위해 페이지 요청에 응답하여 정보 피스들 모두에 대해 초기 선택이 수행된다. 따라서, 정보 전달은 사용자 그룹들에 더 양호하게 타깃팅된다. 후보 정보 리스트에서의 지원되는 유형의 정보의 현재 평균 랭크는 후보 정보 리스트에서의 정보 피스들의 랭크들을 예측하는 것에 의해 획득될 수 있다. 최종적으로, 지원될 정보는, 지원되는 유형의 정보의 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 지원 평균 랭크에 기초하여 지원되는 유형의 정보로부터 선택된다. 지원될 선택 정보가 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 지원 평균 랭크에 기초하여 결정되기 때문에, 지원될 선택 정보가 후보 정보 리스트에서의 정보 피스들 모두에서 페이지 요청을 전송하는 사용자와 최선으로 매칭하는 정보이고, 이로써 사용자의 관심과 매칭하고 정보 전달 효과를 보장한다. 한편, 지원되는 정보는 지원되는 유형의 정보로부터 선택되고, 이로써 지정된 유형의 정보에 대한 정보 지원 요건을 충족한다.
본 개시내용의 실시예의 상기의 해결책을 더 양호하게 이해하고 구현하기 위해, 상기의 해결책은 예시적인 적용에 의해 상세히 설명된다. 다음으로, 지원되도록 지정된 정보가 광고인 일례에 의해 설명이 이루어진다. 도 2 및 도 3을 참조한다. 도 2는 본 개시내용의 실시예에 따른 정보 전달 디바이스의 구현예의 개략도이고, 도 3은 본 개시내용의 실시예에 따른 정보 전달 방법의 구현예의 개략도이다. 본 개시내용의 실시예에서, 실시간 계산에 기초하여 선택적 지원 해결책이 도입된다. 선택적 지원 해결책에서, 요청에 대한 후보 광고의 랭크는 지원되도록 이미 선택된 광고들의 평균 랭크과 비교된다. 후보 광고의 랭크가 높은 경우, 후보 광고가 지원되도록 선택될 확률이 높다; 그렇지 않으면, 후보 광고가 지원되도록 선택될 확률은 낮다. 해결책에 의해, 단지 지원되는 정보 피스들의 수가 요건을 충족하는 것이 보장될 뿐만 아니라 지원 품질이 양호한 것도 보장되고, 이에 의해 광고 전달 효과를 향상시킨다. 도 2에 도시된 바와 같이, 본 개시내용의 실시예에 따른 광고 지원 디바이스의 구현예가 도시된다. 광고 지원 프로세스는 타깃 검사, 초기 광고 선택(수만 개의 광고로부터 수백 개의 바람직한 광고를 선택함), 광고 정확도 예측 및 재배열의 후속하는 프로세스들을 일반적으로 포함하고, 이들 각각은 이후에 상세히 설명된다. 사용자는 제시 페이지를 통해 페이지 요청을 전송할 수 있다. 광고 지원 디바이스는 사용자로부터 페이지 요청을 수신한다. 이용 가능한 광고들 모두는 주문된 광고 리스트에 기록된다. 일례로서, 수만 개의 광고를 취하면, 수천 개의 광고가 타깃 검사 후 남는다. 그 후, 초기 광고 선택이 수행되고, 수백 개의 나머지 광고들이 후보 광고 리스트를 형성한다. 다음으로, 후보 정보 리스트에서의 광고들 모두의 클릭률들이 정확하게 예측된다. 최종적으로, 재배열은 예를 들어 ECPM에 기초하여 수행되고, 가장 바람직한 광고가 전달된다. 지원 전략이 후속 프로세스에서 구현되는 경우, 지원될 필요가 있는 광고가 초기 선택에서 필터링 아웃될 수 있기 때문에, 지원 전략은 일반적으로 초기 선택에서 구현된다. 사용자에게 제시되는 탑(Top) N 광고들은 후보 광고 리스트로부터 선택된다. 탑 N 광고들은 지원되는 유형의 광고들 및 정상적인-경쟁적인(normal-competitive) 광고들을 포함할 수 있다. 다음으로, 도 3에 도시된 바와 같이, 본 개시내용에 따른 광고 지원의 상세 프로세스가 일례로 설명된다. 우선, 초기 선택에서의 광고 선택 프로세스가 설명된다.
1. CTR 계산
CTR 계산은, 모델을 이용하여 현재 요청에 대응하는 후보 광고 리스트에서의 광고들의 클릭률의 예측 값들로 실시간으로 그것이 계산되는 프로세스에 대한 기초이다. 예측 모델은 논리 회귀(logical regression), 결정 트리, 또는 다른 알고리즘들에 의해 구현될 수 있다.
2. 지원 조건 판단
서비스 규칙들에 따라 요청에 대해 지원 프로세스를 수행할지가 판단된다. 다수의 서비스 조건이 있을 수 있다. 예를 들어, 해당 유형의 적어도 N개의 광고가 요청에 대응하는 경우에만 현재 요청에 대해 지원 프로세스가 수행될 것이고, 그렇지 않으면 자유 경쟁 프로세스가 요청에 대해 수행된다. N의 값은 서비스 시나리오에 종속한다. 해당 유형의 광고들의 수가 너무 작은 경우, 광고들이 후속 프로세스들에서 완전히 필터링 아웃되어, 현재 요청에 대해 제시되는 광고가 없게 될 수 있다. 다른 예에 대해서는, 앱 유형 광고를 지원하는 경우, 광고는 현재 요청이 WiFi 접속을 통해 전송되는 것으로 판단되는 경우에만 지원된다. 비 WiFi 환경에서의 낮은 전환율로 인해 광고는 비 WiFi 환경에서 지원될 수 없다.
3. 현재 요청에 대한 랭크 계산(획득된 결과는 rank_this로 표현됨)
현재 요청에 대해 지원되는 유형의 광고의 현재 평균 랭크가 계산된다. 탑 광고들만이 하나의 요청에 대해 표시되기 때문에, 랭크는 지원되는 광고들 모두의 평균 값 대신에 탑 M 광고들의 평균 값일 수 있다. 캐러셀(carousel) 광고들의 경우에, 캐러셀 페이지 규칙에 따라 탑 N 광고들이 결정되지만, 비 캐러셀 광고의 경우에 단지 탑 1 광고가 결정된다. 랭크는 서비스 요건에 따른 CTR 랭크 또는 ECPM 랭크에 기초하여 계산될 수 있다.
4. 이력 지원 평균 랭크(획득된 결과는 rank_avg로 표현됨)
초기화 동작에서, 지원되는 유형의 광고의 평균 랭크가 이력 데이터를 이용하여 획득된다. 지원 요건을 충족하는 새로운 광고의 경우, 지원 리스트의 합계 랭크 값들 및 지원되는 광고의 수는 rank_this로 업데이트되어 이력 지원 평균 랭크를 재계산한다. 본 개시내용의 실시예에서, 이력 지원 평균 랭크는 각각의 요청에 대해 실시간으로 계산되고, 이로써 지원되는 유형의 평균 랭크의 실시간 업데이트를 보장할 수 있다.
5. 지원 계산
계산의 입력들은 rank_this, rank_avg, 요청들의 총 수, 지원되도록 선택되는 정보 피스들의 수 및 구성된 지원 비율을 포함할 수 있다. 현재의 요청에 응답하여 지원될 정보 피스를 선택할지가 출력된다. 지원 계산은 다음의 3개 부분을 포함한다.
1) 선택 확률은 rank_this 및 rank_avg에 기초하여 계산된다.
rank_this가 rank_avg 미만인 경우, 즉 현재 요청에 대응하는 현재 평균 랭크는 이력 지원 평균 랭크 전이며, 이는 현재 요청에 대응하는 지원 유형 광고와 사용자 사이의 높은 매칭도를 나타내고, 지원 유형 광고가 지원되도록 선택될 확률이 크다. 확률을 계산하기 위한 방법은 일례로 후술되는 정규 분포 확률 계산 방법을 포함하지만, 이에 한정되지 않는다. 평균 값으로서 rank_avg를 취하면, 분산 σ는 지원 리스트로 실시간으로 업데이트되어 표준 정규 분포 u=(rank_avg-rank_this)/σ를 획득한다. 커버리지 영역 a는 u로 정규 분포 확률 매핑 테이블을 조회하는 것에 의해 취득된다. 표준 분산의 2배 미만인 분산을 갖는 데이터가 신뢰 가능하면, 선택 확률 p_match는 다음 방법으로 계산된다:
p_match=a -2<z<2인 경우;
p_match=1 z>=2; 및
p_match=0 z<=-2.
P_match는 현재 요청을 전송하는 사용자의 지원-유형 광고에 대한 선호도를 반영한다.
2) 현재 지원 만족도는 현재 지원들의 수, 요청들의 총 수 및 구성된 지원 비율에 기초하여 계산된다.
p_now=현재 지원들의 수/요청들의 총 수;
p_need=지원 비율; 및
p_satisfy=p_now/p_need.
p_satisfy>1인 경우, 이는 지원이 충분하고, 감소될 필요가 있음을 나타낸다. 그렇지 않으면, 이는 지원이 불충분하고 증가될 필요가 있음을 나타낸다.
3) 지원 확률은 p_select=p_match/p_satisfy로서 계산된다. 정보 피스가 선택되는 확률은 현재 요청의 증가하는 매칭도와 감소하는 현재 만족도에 따라 증가한다. p_select가 1보다 크면, 정보가 선택되고, p_select가 1 미만으로 설정되면, 정보가 선택되지 않는 것으로 구성될 수 있다. 대안적으로, p_select의 확률 함수가 제공되어, 확률 계산에 의해 정보를 선택할지를 결정할 수 있다. 상기의 지원 확률을 충족하는 정보가 지원을 위한 전용 흐름을 통해 송신된다. 전체 프로세스는 실시간으로 업데이트되는 폐 루프이다. 각각의 데이터 피스는 현재의 계수를 보정하기 위해 사용하고, 다음 요청에 대한 선택의 확률에 영향을 미칠 수 있다. 지원 비율은 실시간으로 조정되고 구성된 지원 비율 주위에서 변동되고, 이로써 양에 있어서 지원을 위한 흐름의 안정성을 보장한다. 지원을 위한 흐름은 해당 유형의 광고의 높은 랭크에 대응하는 사용자, 즉 해당 유형의 광고를 클릭하는 것에 있어 높은 의향을 갖는 사용자에 대해 사용되고, 이로써 높은 매칭도를 갖는 광고를 전달하는 것의 품질을 보장한다. 이 경우, 지원 비율을 보장하면서 선택적인 지원 전략이 실현된다.
본 개시내용의 실시예에서, 사용자들의 랭크들이 실시간으로 계산되기 때문에, 지원을 위한 흐름이 안정하다. 사용자에 의한 광고들에 대한 클릭률들의 예측에 기초하여, 높은 매칭도를 갖는 흐름은 특정 유형의 광고를 지원하기 위해 동적으로 선택된다. 이 경우, 지원 양을 보장하면서 클릭률들이 상당히 향상될 수 있다.
전술한 방법의 실시예들이 단순화를 위해 일련의 동작들의 조합으로서 표현된다는 점을 유의해야 한다. 본 개시내용이 동작들의 순서에 한정되지 않는다는 점이 본 기술분야의 통상의 기술자에 의해 인식되어야 한다. 이는 일부 단계들이 본 개시내용에 따라 동시에 또는 다른 순서들로 수행될 수 있기 때문이다. 추가적으로, 또한 본 명세서에 설명된 실시예들은 바람직한 실시예들이고, 실시예들에 포함된 모든 동작들 및 모듈들은 본 개시내용에 대해 필수적인 것은 아니라는 점을 인식해야 한다.
본 개시내용의 실시예들에 따라 상기의 해결책들을 더 양호하게 구현하기 위해, 상기의 해결책을 구현하기 위한 디바이스는, 아래에 추가로 제공된다.
도 4a를 참조하면, 본 개시내용의 실시예에 따른 정보 전달 디바이스(400)는 지정된 유형의 정보의 전달에서 적용될 수 있다. 정보 전달 디바이스(400)는 광고 지원 디바이스일 수 있고, 본 개시내용의 실시예에서의 정보는 지원될 다른 정보, 예컨대 리소스들, 콘텐츠 및 데이터일 수 있고, 이는 제한되지 않는다. 정보 전달 디바이스(400)는, 초기 선택 모듈(401), 랭크 예측 모듈(402), 현재 요청 계산 모듈(403) 및 정보 전달 선택 모듈(404)을 포함할 수 있다.
초기 선택 모듈(401)은 사용자에 의해 전송된 페이지 요청에 응답하여 후보 정보 리스트를 결정하도록 구성된다. 후보 정보 리스트는 다수의 정보 피스를 포함한다.
랭크 예측 모듈(402)은 후보 정보 리스트에서의 정보 피스들의 랭크들을 생성하기 위해 페이지 요청 및 미리 설정된 예측 모델에 기초하여 후보 정보 리스트에서의 정보 피스들의 랭크들을 예측하도록 구성된다.
현재 요청 계산 모듈(403)은 후보 정보 리스트에서의 정보 피스들의 랭크들에 기초하여 후보 정보 리스트에서 지정된 유형의 정보의 현재 평균 랭크를 취득하도록 구성된다.
정보 전달 선택 모듈(404)은 지정된 유형의 정보의 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 평균 랭크에 기초하여 지정된 유형의 정보를 지정된 전달 정보로서 취할지를 결정하도록 구성된다.
본 개시내용의 일부 실시예들에 따라, 지정된 유형의 정보가 지원되는 유형의 정보이고, 지정된 전달 정보는 지원되는 방식으로 전달되는 정보이고, 이력 평균 랭크는 이력 지원 평균 랭크이다.
본 개시내용의 일부 실시예들에서, 랭크 예측 모듈(402)은 페이지 요청 및 미리 설정된 예측 모델에 기초하여 후보 정보 리스트에서의 정보 피스들의 클릭률들의 예측 값들을 취득하고, 정보 피스들의 클릭률들의 예측 값들에 기초하여 후보 정보 리스트에서의 정보 피스들의 랭크들을 취득하도록 구성된다.
본 개시내용의 일부 실시예들에서, 랭크 예측 모듈(402)은 정보 피스들의 클릭률들의 예측 값들에 기초하여 정보 피스들의 비용의 예측 값들을 취득하고, 후보 정보 리스트에서의 정보 피스들의 랭크들을 획득하기 위해 비용의 예측 값들의 크기들에 기초하여 후보 정보 리스트 정보에서의 정보 피스들의 비용의 예측 값들을 정렬하도록 구성된다.
도 4b를 참조하면, 본 개시내용의 일부 실시예들에서, 정보 전달 디바이스(400)는 지원 조건 판단 모듈(405)을 더 포함할 수 있다.
지원 조건 판단 모듈(405)은 랭크 예측 모듈(402)이 페이지 요청 및 미리 설정된 예측 모델에 기초하여 후보 정보 리스트에서의 정보 피스들의 랭크들을 예측하고, 후보 정보 리스트에서의 정보 피스들의 랭크들을 생성한 후, 후보 정보 리스트에서의 지정된 유형의 정보가 미리 설정된 조건을 충족하는지를 판단하고, 지정된 유형의 정보가 해당 조건을 충족하는 경우 현재 요청 계산 모듈(403)을 트리거링하도록 구성된다.
본 개시내용의 일부 실시예들에서, 지정된 유형의 정보는 지원되는 유형의 정보일 수 있다. 도 4c를 참조하면, 본 개시내용의 이러한 실시예들에서, 정보 전달 선택 모듈(404)은 제1 계산 유닛(4041), 제2 계산 유닛(4042), 제3 계산 유닛(4043) 및 정보 지원 결정 유닛(4044)을 포함한다.
제1 계산 유닛(4041)은 지원되는 유형의 정보의 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 지원 평균 랭크에 기초하여 지원되는 유형의 정보의 선택 확률을 계산하도록 구성된다.
제2 계산 유닛(4042)은 지원되도록 이미 선택된 지원되는 유형의 정보 피스들의 수, 사용자에 의해 전송된 요청들의 총 수 및 미리 설정된 지원 비율에 기초하여 현재 지원 만족도를 계산하도록 구성된다;
제3 계산 유닛(4043)은 지원되는 유형의 정보의 선택 확률 및 현재 지원 만족도에 기초하여 지원되는 유형의 정보의 지원 확률을 계산하도록 구성된다.
정보 지원 결정 유닛(4044)은 지원되는 유형의 정보의 지원 확률에 기초하여 지원되는 유형의 정보를 선택하고 출력할지를 결정하고, 선택되고 출력된 정보를 지원되는 정보로서 결정하도록 구성된다.
일부 실시예들에서, 도 4d를 참조하면, 정보 전달 디바이스(400)는 이력 업데이트 모듈(406)을 더 포함한다.
이력 업데이트 모듈(406)은 지정된 유형의 정보가 지정된 전달 정보로서 결정된 후, 지정된 유형의 정보의 현재 평균 랭크에 기초하여 지정된 유형의 정보에 대응하는 미리 저장된 이력 평균 랭크를 업데이트하고, 지정된 유형의 정보에 대응하는 업데이트된 이력 평균 랭크를 저장하도록 구성된다.
우선, 후보 정보 리스트가 사용자에 의해 전송된 페이지 요청에 응답하여 후보 정보 리스트가 결정되는 것을 상기의 실시예들의 설명으로부터 알 수 있고, 후보 정보 리스트는 다수의 정보 피스를 포함한다. 그 후, 페이지 요청 및 미리 설정된 예측 모델에 기초하여, 후보 정보 리스트에서의 정보 피스들의 랭크들의 순위가 예측되어 후보 정보 리스트에서의 정보 피스들의 랭크들을 생성한다. 다음으로, 후보 정보 리스트에서의 지정된 유형의 정보의 현재 평균 랭크가 후보 정보 리스트에서의 정보 피스들의 랭크들에 기초하여 취득된다. 최종적으로, 지원될 정보는, 지원되는 유형의 정보의 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 지원 평균 랭크에 기초하여 지원되는 유형의 정보로부터 선택된다. 본 개시내용의 실시예들에서, 사용자가 페이지 요청을 전송한 후, 페이지 요청에 응답하여 정보 피스들 모두에 대해 초기 선택이 수행되어 사용자와 매칭하는 후보 정보 리스트를 획득하고, 따라서 정보 전달이 사용자 그룹들에 대해 더 양호하게 타깃팅된다. 후보 정보 리스트에서 지원되는 유형의 정보의 현재 평균 랭크는 후보 정보 리스트에서 정보 피스들의 랭크들을 예측하는 것에 의해 획득될 수 있다. 최종적으로, 지원될 정보는, 지원되는 유형의 정보의 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 지원 평균 랭크에 기초하여 지원되는 유형의 정보로부터 선택된다. 지원될 선택 정보는 현재 평균 랭크 및 지원되는 유형에 대응하는 이력 지원 평균 랭크에 기초하여 결정되기 때문에, 지원될 선택 정보는 후보 정보 리스트에서의 정보 피스들 모두 중에서, 페이지 요청을 전송하는 사용자와 더 매칭하는 정보이고, 이로써 사용자의 관심과 매칭하고 정보 전달 효과를 보장한다. 한편, 지원되는 정보는 지원되는 유형의 정보로부터 선택되고, 이로써 지정된 유형의 정보를 지원하는 것의 요건을 충족시킨다.
도 5는 본 개시내용의 실시예에 따른 서버의 개략적인 구조도이다. 서버(500)는 다른 구성들 및 성능들로 인해 크게 상이할 수 있다. 서버(500)는 하나 이상의 중앙 처리 유닛(중앙 처리 유닛들, CPU)(522)(예컨대, 하나 이상의 프로세서), 메모리(532), 애플리케이션(542) 또는 데이터(544)(예컨대, 하나 이상의 대용량 저장 디바이스)를 저장하기 위한 하나 이상의 저장 매체(530)를 포함할 수 있다. 메모리(532) 및 저장 매체(530)는 임시적인 저장 또는 지속적인 저장을 수행할 수 있다. 저장 매체(530)에 저장된 프로그램은 하나 이상의 모듈(도면에 도시되지 않음)을 포함할 수 있다. 모듈들 각각은 서버에 대한 일련의 명령 동작들을 포함할 수 있다. 또한, CPU(522)는 저장 매체(530)와 통신하고, 서버(500) 상의 저장 매체(530)에 일련의 명령 동작들을 실행하도록 구성될 수 있다.
서버(500)는 하나 이상의 전원(526), 하나 이상의 유선 또는 무선 네트워크 인터페이스(550), 하나 이상의 입력/출력 인터페이스(528), 및/또는, Windows ServerTM, Mac OS XTM, UnixTM, LinuxTM 및 FreeBSDTM과 같은 하나 이상의 운영 체제(541)를 더 포함할 수 있다.
상기의 실시예들에서 서버에 의해 수행되는 단계들은 도 5에 도시된 서버 구조에 기초할 수 있다. 서버는 전술한 실시예들에서의 정보 전달 디바이스일 수 있고, 서버는 전술한 실시예들에 따른 정보 전달 방법을 수행할 수 있다. 상세 사항들에 대해서는, 전술한 실시예들의 설명을 참조할 수 있다.
추가적으로, 상기에서 설명된 디바이스들은 단지 예시적이라는 점을 유의해야 한다. 별개의 컴포넌트들로서 도시된 유닛들은 물리적으로 분리될 수도 있거나 그렇지 않을 수도 있고, 유닛으로서 표시된 컴포넌트는 물리적 유닛일 수도 있거나 그렇지 않을 수도 있다. 즉, 컴포넌트들은 동일한 장소에 위치할 수도 있거나, 다수의 네트워크 유닛에 분산될 수도 있다. 유닛들 일부 또는 전부는 실시예의 해결책의 목적을 실현하기 위해, 필요에 따라 선택될 수 있다. 또한, 본 개시내용에 따른 디바이스의 실시예들에 대응하는 도면들에서, 모듈들 사이의 접속은 모듈들 사이에 통신 접속이 존재하고 하나 이상의 통신 버스 또는 신호 라인으로서 구현될 수 있다는 것을 나타내고, 이는 임의의 창조적 작업 없이 본 기술분야의 통상의 기술자에 의해 이해되고 구현될 수 있다.
상기의 실시예들의 설명에 기초하여, 본 개시내용이 소프트웨어 및 필수적인 하드웨어에 의해 구현될 수 있거나, 전용 집적 회로, 전용 CPU, 전용 메모리 및 전용 요소와 같은 전용 하드웨어로 또한 구현될 수 있다는 것이 본 기술분야의 통상의 기술자에 의해 명확하게 인식될 수 있다. 일반적으로, 컴퓨터 프로그램들로 실현되는 임의의 기능은 대응하는 하드웨어로 용이하게 구현될 수 있고, 다양한 하드웨어 구조들이 아날로그 회로, 디지털 회로 또는 전용 회로와 같은 동일한 기능을 실현하기 위해 사용될 수 있다. 그러나, 본 개시내용은 바람직하게는 대부분의 경우에 소프트웨어 프로그램들로 구현될 수 있다. 이러한 이해에 기초하여, 본 개시내용 또는 종래의 기술들에 기여하는 부분의 기술적 해결책들의 본질이 소프트웨어 제품 형태로 구현될 수 있다. 컴퓨터 소프트웨어 제품은 컴퓨터의 플로피 디스크, U-디스크, 이동식 하드-디스크, 판독 전용 메모리(ROM, Read-Only Memory), 랜덤 액세스 메모리(RAM, Random Access Memory), 자기 디스크 또는 광학 디스크와 같은 판독 가능한 저장 매체에 저장된다. 저장 매체는 컴퓨터 디바이스(예컨대, 개인용 컴퓨터, 서버 또는 네트워크 디바이스)가 본 개시내용의 실시예들에 따른 방법을 수행할 수 있게 하기 위한 다수의 명령어를 포함한다.
요약하면, 상기의 실시예들은 단지 본 개시내용의 기술적 해결책들을 설명하기 위한 것이고, 본 개시내용을 한정하고자 하는 것은 아니다. 본 개시내용은 상기의 실시예들을 참조하여 상세히 설명되지만, 상기의 실시예들에 따른 기술적 해결책들에 대한 수정들이 이루어질 수 있거나, 기술적 특징들의 일부에 대해 등가적인 대체들이 이루어질 수 있다는 점이 본 기술분야의 통상의 기술자에 의해 이해되어야 한다. 이러한 수정들 또는 대체들은 기술적 해결책들이 본 개시내용의 기술적 해결책들의 사상 및 범주를 벗어나게 하지 않는다.

Claims (20)

  1. 프로세서 및 메모리를 포함하는 서버에서 적용되는 정보 전달 방법으로서,
    사용자에 의해 전송된 페이지 요청에 응답하여 후보 정보 리스트를 결정하는 단계- 상기 후보 정보 리스트가 복수의 정보 피스(a plurality pieces of information)를 포함함 -;
    상기 후보 정보 리스트에서의 상기 복수의 정보 피스를 미리 결정된 규칙으로 정렬하는 것(sorting)에 의해 상기 후보 정보 리스트에서의 상기 정보 피스들의 랭크들을 생성하는 단계;
    상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들에 기초하여 상기 후보 정보 리스트에서 지정된 유형의 상기 정보의 현재 평균 랭크를 취득하는 단계; 및
    상기 지정된 유형의 상기 정보의 상기 현재 평균 랭크 및 상기 지정된 유형의 상기 정보에 대응하는 이력 평균 랭크에 기초하여 상기 지정된 유형의 상기 정보로부터 지정된 전달 정보를 선택하는 단계를 포함하고,
    상기 지정된 유형의 상기 정보는 지원되는 유형의 정보이고, 상기 지정된 전달 정보는 지원되는 방식으로 전달되는 정보이며, 상기 이력 평균 랭크는 이력 지원 평균 랭크이고,
    상기 지정된 유형의 상기 정보의 상기 현재 평균 랭크 및 상기 지정된 유형의 상기 정보에 대응하는 상기 이력 평균 랭크에 기초하여 상기 지정된 유형의 상기 정보로부터 상기 지정된 전달 정보를 선택하는 단계는,
    상기 지원되는 유형의 상기 정보의 현재 평균 랭크 및 상기 지원되는 유형에 대응하는 상기 이력 지원 평균 랭크에 기초하여 상기 지원되는 유형의 상기 정보의 선택 확률을 계산하는 단계;
    지원되도록 이미 선택된 상기 지원되는 유형의 상기 정보 피스들의 수, 상기 사용자에 의해 전송된 요청들의 총 수 및 미리 설정된 지원 비율에 기초하여 현재 지원 만족도(satisfaction degree)를 계산하는 단계;
    상기 지원되는 유형의 상기 정보의 상기 선택 확률 및 상기 현재 지원 만족도에 기초하여 상기 지원되는 유형의 상기 정보의 지원 확률을 계산하는 단계; 및
    상기 지원되는 유형의 상기 정보의 상기 지원 확률에 기초하여 상기 지원되는 유형의 상기 정보를 상기 지정된 전달 정보로서 선택할지를 결정하는 단계를 포함하는, 정보 전달 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 후보 정보 리스트에서의 상기 복수의 정보 피스를 상기 미리 결정된 규칙으로 정렬하는 것은,
    상기 페이지 요청 및 미리 설정된 예측 모델에 기초하여, 상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들을 예측하여 상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들을 생성하는 것을 포함하는, 정보 전달 방법.
  4. 제3항에 있어서,
    상기 페이지 요청 및 상기 미리 설정된 예측 모델에 기초하여, 상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들을 예측하여 상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들을 생성하는 것은,
    상기 페이지 요청 및 미리 설정된 예측 모델에 기초하여 상기 후보 정보 리스트에서의 상기 정보 피스들의 클릭률(click through rate)들의 예측 값들을 취득하는 것, 및
    상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들을 상기 정보 피스들의 상기 클릭률들의 상기 예측 값들에 기초하여 취득하는 것을 포함하는, 정보 전달 방법.
  5. 제4항에 있어서,
    상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들을 상기 정보 피스들의 상기 클릭률들의 상기 예측 값들에 기초하여 취득하는 것은,
    상기 정보 피스들의 상기 클릭률들의 상기 예측 값들에 기초하여, 상기 정보 피스들에 대응하는 비용의 예측 값들을 취득하는 것; 및
    상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 비용의 상기 예측 값들을 상기 비용의 상기 예측 값들의 크기들에 기초하여 정렬하여 상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들을 획득하는 것을 포함하는, 정보 전달 방법.
  6. 제1항에 있어서,
    상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들이 생성된 후에, 상기 방법은,
    상기 후보 정보 리스트에서 상기 지정된 유형의 상기 정보가 미리 설정된 조건을 충족하는지를 판단하는 단계; 및
    상기 지정된 유형의 상기 정보가 상기 미리 설정된 조건을 충족하는 경우, 상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들에 기초하여 상기 후보 정보 리스트에서의 상기 지정된 유형의 상기 정보의 상기 현재 평균 랭크를 취득하는 단계를 더 포함하는, 정보 전달 방법.
  7. 삭제
  8. 제1항에 있어서,
    상기 지정된 유형의 상기 정보로부터 상기 지정된 전달 정보를 선택하는 단계 후에,
    상기 지정된 유형의 상기 정보의 상기 현재 평균 랭크에 기초하여 상기 지정된 유형의 상기 정보에 대응하는 상기 이력 평균 랭크를 업데이트하는 단계;
    상기 지정된 유형의 상기 정보에 대응하는 상기 업데이트된 이력 평균 랭크를 저장하는 단계를 더 포함하는, 정보 전달 방법.
  9. 제1항, 제3항 내지 제6항 및 제8항 중 어느 한 항에 있어서,
    상기 정보는 광고인, 정보 전달 방법.
  10. 정보 전달 디바이스로서,
    사용자에 의해 전송된 페이지 요청에 응답하여 후보 정보 리스트를 결정하도록 구성된 초기 선택 모듈- 상기 후보 정보 리스트가 복수의 정보 피스(a plurality pieces of information)를 포함함 -;
    상기 후보 정보 리스트에서의 상기 복수의 정보 피스를 미리 결정된 규칙으로 정렬하는 것에 의해 상기 후보 정보 리스트에서의 상기 정보 피스들의 랭크들을 생성하도록 구성된 랭크 예측 모듈;
    상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들에 기초하여 상기 후보 정보 리스트에서 지정된 유형의 상기 정보의 현재 평균 랭크를 취득하도록 구성된 현재 요청 계산 모듈; 및
    상기 지정된 유형의 상기 정보의 상기 현재 평균 랭크 및 상기 지정된 유형의 상기 정보에 대응하는 이력 평균 랭크에 기초하여 상기 지정된 유형의 상기 정보로부터 지정된 전달 정보를 선택하도록 구성된 정보 전달 선택 모듈을 포함하고,
    상기 지정된 유형의 상기 정보는 지원되는 유형의 정보이고, 상기 지정된 전달 정보는 지원되는 방식으로 전달되는 정보이며, 상기 이력 평균 랭크는 이력 지원 평균 랭크이고,
    상기 정보 전달 선택 모듈은,
    상기 지원되는 유형의 상기 정보의 현재 평균 랭크 및 상기 지원되는 유형에 대응하는 상기 이력 지원 평균 랭크에 기초하여 상기 지원되는 유형의 정보의 선택 확률을 계산하도록 구성된 제1 계산 유닛;
    지원되도록 이미 선택된 상기 지원되는 유형의 상기 정보 피스들의 수, 상기 사용자에 의해 전송된 요청들의 총 수 및 미리 설정된 지원 비율에 기초하여 현재 지원 만족도를 계산하도록 구성된 제2 계산 유닛;
    상기 지원되는 유형의 상기 정보의 상기 선택 확률 및 상기 현재 지원 만족도에 기초하여 상기 지원되는 유형의 상기 정보의 지원 확률을 계산하도록 구성된 제3 계산 유닛; 및
    상기 지원되는 유형의 상기 정보의 상기 지원 확률에 기초하여 상기 지원되는 유형의 상기 정보를 지원되는 정보로서 선택할지를 결정하도록 구성된 정보 지원 결정 유닛을 포함하는, 정보 전달 디바이스.
  11. 삭제
  12. 제10항에 있어서,
    상기 랭크 예측 모듈은 상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들을 생성하기 위해 상기 페이지 요청 및 미리 설정된 예측 모델에 기초하여 상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들을 예측하도록 구성되는, 정보 전달 디바이스.
  13. 제12항에 있어서,
    상기 랭크 예측 모듈은 상기 페이지 요청 및 미리 설정된 예측 모델에 기초하여 상기 후보 정보 리스트에서의 상기 정보 피스들의 클릭률들의 예측 값들을 취득하고, 상기 정보 피스들의 상기 클릭률들의 상기 예측 값들에 기초하여 상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들을 취득하도록 구성되는, 정보 전달 디바이스.
  14. 제13항에 있어서,
    상기 랭크 예측 모듈은 상기 정보 피스들의 상기 클릭률들의 상기 예측 값들에 기초하여 상기 정보 피스들에 대응하는 비용의 예측 값들을 취득하고, 상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들을 획득하기 위해 상기 비용의 상기 예측 값들의 크기들에 기초하여 상기 후보 정보 리스트 정보에서의 상기 정보 피스들의 상기 비용의 상기 예측 값들을 정렬하도록 구성되는, 정보 전달 디바이스.
  15. 제10항에 있어서,
    상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들이 생성된 후, 상기 후보 정보 리스트에서의 상기 지정된 유형의 상기 정보가 미리 설정된 조건을 충족하는지를 판단하고, 상기 지정된 유형의 상기 정보가 상기 조건을 충족하는 경우, 상기 현재 요청 계산 모듈을 동작시키기 위해 트리거링하도록 구성된 조건 판단 모듈을 더 포함하는, 정보 전달 디바이스.
  16. 삭제
  17. 제10항에 있어서,
    상기 지정된 전달 정보가 상기 지정된 유형의 상기 정보로부터 선택된 후, 상기 지정된 유형의 상기 정보의 상기 현재 평균 랭크에 기초하여 상기 지정된 유형의 상기 정보에 대응하는 상기 이력 평균 랭크를 업데이트하고, 상기 지정된 유형의 상기 정보에 대응하는 상기 업데이트된 이력 평균 랭크를 저장하도록 구성된 이력 업데이트 모듈을 더 포함하는, 정보 전달 디바이스.
  18. 제10항, 제12항 내지 제15항 및 제17항 중 어느 한 항에 있어서,
    상기 정보는 광고인, 정보 전달 디바이스.
  19. 서버로서,
    명령어들을 저장하는 프로세서 및 메모리를 포함하고, 상기 프로세서는,
    사용자에 의해 전송된 페이지 요청에 응답하여 후보 정보 리스트를 결정하고- 상기 후보 정보 리스트가 복수의 정보 피스(a plurality pieces of information)를 포함함 -;
    상기 후보 정보 리스트에서의 상기 복수의 정보 피스를 미리 결정된 규칙에 따라 정렬하여 상기 후보 정보 리스트에서의 상기 정보 피스들의 랭크들을 생성하고;
    상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들에 기초하여 상기 후보 정보 리스트에서 지정된 유형의 상기 정보의 현재 평균 랭크를 취득하고;
    상기 지정된 유형의 상기 정보의 상기 현재 평균 랭크 및 상기 지정된 유형의 상기 정보에 대응하는 이력 평균 랭크에 기초하여 상기 지정된 유형의 상기 정보로부터 지정된 전달 정보를 선택하기 위한 명령어들을 실행하도록 구성되고,
    상기 지정된 유형의 상기 정보는 지원되는 유형의 정보이고, 상기 지정된 전달 정보는 지원되는 방식으로 전달되는 정보이며, 상기 이력 평균 랭크는 이력 지원 평균 랭크이고,
    상기 프로세서는,
    상기 지원되는 유형의 상기 정보의 현재 평균 랭크 및 상기 지원되는 유형에 대응하는 상기 이력 지원 평균 랭크에 기초하여 상기 지원되는 유형의 상기 정보의 선택 확률을 계산하고;
    지원되도록 이미 선택된 상기 지원되는 유형의 상기 정보 피스들의 수, 상기 사용자에 의해 전송된 요청들의 총 수 및 미리 설정된 지원 비율에 기초하여 현재 지원 만족도를 계산하고;
    상기 지원되는 유형의 상기 정보의 상기 선택 확률 및 상기 현재 지원 만족도에 기초하여 상기 지원되는 유형의 상기 정보의 지원 확률을 계산하고;
    상기 지원되는 유형의 상기 정보의 상기 지원 확률에 기초하여 상기 지원되는 유형의 상기 정보를 상기 지정된 전달 정보로서 선택할지를 결정하기 위한 명령어들을 실행하도록 추가로 구성되는, 서버.
  20. 머신 실행 가능한 명령어들을 저장하는 컴퓨터 판독 가능한 저장 매체로서,
    상기 명령어들은 머신으로 하여금,
    사용자에 의해 전송된 페이지 요청에 응답하여 후보 정보 리스트를 결정하고- 상기 후보 정보 리스트가 복수의 정보 피스(a plurality pieces of information)를 포함함 -;
    상기 후보 정보 리스트에서의 상기 복수의 정보 피스를 미리 결정된 규칙에 따라 정렬하여 상기 후보 정보 리스트에서의 상기 정보 피스들의 랭크들을 생성하고;
    상기 후보 정보 리스트에서의 상기 정보 피스들의 상기 랭크들에 기초하여 상기 후보 정보 리스트에서 지정된 유형의 상기 정보의 현재 평균 랭크를 취득하고;
    상기 지정된 유형의 상기 정보의 상기 현재 평균 랭크 및 상기 지정된 유형의 상기 정보에 대응하는 이력 평균 랭크에 기초하여 상기 지정된 유형의 상기 정보로부터 지정된 전달 정보를 선택하게 하도록 구성되고,
    상기 지정된 유형의 상기 정보는 지원되는 유형의 정보이고, 상기 지정된 전달 정보는 지원되는 방식으로 전달되는 정보이며, 상기 이력 평균 랭크는 이력 지원 평균 랭크이고,
    상기 명령어들은 머신으로 하여금,
    상기 지원되는 유형의 상기 정보의 현재 평균 랭크 및 상기 지원되는 유형에 대응하는 상기 이력 지원 평균 랭크에 기초하여 상기 지원되는 유형의 상기 정보의 선택 확률을 계산하고;
    지원되도록 이미 선택된 상기 지원되는 유형의 상기 정보 피스들의 수, 상기 사용자에 의해 전송된 요청들의 총 수 및 미리 설정된 지원 비율에 기초하여 현재 지원 만족도를 계산하고;
    상기 지원되는 유형의 상기 정보의 상기 선택 확률 및 상기 현재 지원 만족도에 기초하여 상기 지원되는 유형의 상기 정보의 지원 확률을 계산하고;
    상기 지원되는 유형의 상기 정보의 상기 지원 확률에 기초하여 상기 지원되는 유형의 상기 정보를 상기 지정된 전달 정보로서 선택할지를 결정하게 하도록 구성되는, 컴퓨터 판독 가능한 저장 매체.
KR1020177032826A 2016-01-12 2016-12-30 정보 전달 방법 및 장치, 서버 및 저장 매체 KR101999469B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201610017753.2 2016-01-12
CN201610017753.2A CN105678586B (zh) 2016-01-12 2016-01-12 一种信息扶持方法和装置
PCT/CN2016/113842 WO2017121258A1 (zh) 2016-01-12 2016-12-30 信息投放方法、装置、服务器和存储介质

Publications (2)

Publication Number Publication Date
KR20170137845A KR20170137845A (ko) 2017-12-13
KR101999469B1 true KR101999469B1 (ko) 2019-07-11

Family

ID=56300070

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177032826A KR101999469B1 (ko) 2016-01-12 2016-12-30 정보 전달 방법 및 장치, 서버 및 저장 매체

Country Status (6)

Country Link
US (1) US11144950B2 (ko)
EP (1) EP3404607A4 (ko)
JP (1) JP6522160B2 (ko)
KR (1) KR101999469B1 (ko)
CN (1) CN105678586B (ko)
WO (1) WO2017121258A1 (ko)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678586B (zh) 2016-01-12 2020-09-29 腾讯科技（深圳）有限公司 一种信息扶持方法和装置
CN108090208A (zh) * 2017-12-29 2018-05-29 广东欧珀移动通信有限公司 融合数据处理方法及装置
CN109325825B (zh) * 2018-09-04 2020-06-30 口口相传(北京)网络技术有限公司 流量数据的调控方法及装置
JP2020087270A (ja) * 2018-11-30 2020-06-04 大日本印刷株式会社 広告配信装置、制御方法及びプログラム
CN111831838B (zh) * 2019-04-17 2024-03-29 腾讯科技（深圳）有限公司 一种多媒体信息推荐方法及装置、服务器存储介质
CN111242689B (zh) * 2020-01-14 2023-11-10 喜大（上海）网络科技有限公司 广告投放方法、装置、服务器及存储介质
CN111666488A (zh) * 2020-04-21 2020-09-15 上海晶赞融宣科技有限公司 信息发布方法及装置、存储介质、终端
CN112199523A (zh) * 2020-09-29 2021-01-08 北京字节跳动网络技术有限公司 一种作品分发方法、装置、计算机设备及存储介质
CN112488747A (zh) * 2020-11-03 2021-03-12 广州易起行信息技术有限公司 基于大数据技术的广告投放方法、电子设备、存储介质
TWI756967B (zh) * 2020-12-04 2022-03-01 萬里雲互聯網路有限公司 內容點擊數預測裝置及其方法
CN114710686A (zh) * 2022-03-11 2022-07-05 武汉斗鱼鱼乐网络科技有限公司 一种直播间的曝光方法、装置、介质及设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002524782A (ja) * 1998-08-03 2002-08-06 ダブルクリック インコーポレイティド 再ターゲット化広告配布のためのネットワーク

Family Cites Families (59)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998058334A1 (en) 1997-06-16 1998-12-23 Doubleclick Inc. Method and apparatus for automatic placement of advertising
US7778872B2 (en) 2001-09-06 2010-08-17 Google, Inc. Methods and apparatus for ordering advertisements based on performance information and price information
US20160162931A1 (en) 2001-09-06 2016-06-09 Georges Harik Methods and apparatus for ordering advertisements based on performance information
US8560493B2 (en) 2003-10-01 2013-10-15 Google Inc. Determining and/or using end user local time information in an ad system
US7743045B2 (en) 2005-08-10 2010-06-22 Google Inc. Detecting spam related and biased contexts for programmable search engines
US20110264508A1 (en) 2002-03-29 2011-10-27 Harik George R Scoring, modifying scores of, and/or filtering advertisements using advertiser information
US8229957B2 (en) 2005-04-22 2012-07-24 Google, Inc. Categorizing objects, such as documents and/or clusters, with respect to a taxonomy and data structures derived from such categorization
US20060149624A1 (en) 2004-12-30 2006-07-06 Shumeet Baluja Generating and/or serving local area advertisements, such as advertisements for devices with call functionality
US7693830B2 (en) 2005-08-10 2010-04-06 Google Inc. Programmable search engine
US20050114198A1 (en) 2003-11-24 2005-05-26 Ross Koningstein Using concepts for ad targeting
US8352499B2 (en) 2003-06-02 2013-01-08 Google Inc. Serving advertisements using user request information and user information
US7136875B2 (en) 2002-09-24 2006-11-14 Google, Inc. Serving advertisements based on content
US7346606B2 (en) 2003-06-30 2008-03-18 Google, Inc. Rendering advertisements with documents having one or more topics using user topic interest
US20060069616A1 (en) 2004-09-30 2006-03-30 David Bau Determining advertisements using user behavior information such as past navigation information
US7680796B2 (en) 2003-09-03 2010-03-16 Google, Inc. Determining and/or using location information in an ad system
US7716199B2 (en) 2005-08-10 2010-05-11 Google Inc. Aggregating context data for programmable search engines
US7716161B2 (en) 2002-09-24 2010-05-11 Google, Inc, Methods and apparatus for serving relevant advertisements
US9235849B2 (en) * 2003-12-31 2016-01-12 Google Inc. Generating user information for use in targeted advertising
US20050222901A1 (en) 2004-03-31 2005-10-06 Sumit Agarwal Determining ad targeting information and/or ad creative information using past search queries
US20070038603A1 (en) 2005-08-10 2007-02-15 Guha Ramanathan V Sharing context data across programmable search engines
US20070038614A1 (en) 2005-08-10 2007-02-15 Guha Ramanathan V Generating and presenting advertisements based on context data for programmable search engines
US7844493B1 (en) 2002-11-08 2010-11-30 Google, Inc. Automated price maintenance for use with a system in which advertisements are rendered with relative preference based on performance information and price information
US20050021397A1 (en) 2003-07-22 2005-01-27 Cui Yingwei Claire Content-targeted advertising using collected user behavior data
US8086559B2 (en) 2002-09-24 2011-12-27 Google, Inc. Serving content-relevant advertisements with client-side device support
US20100100437A1 (en) 2002-09-24 2010-04-22 Google, Inc. Suggesting and/or providing ad serving constraint information
US20040059712A1 (en) 2002-09-24 2004-03-25 Dean Jeffrey A. Serving advertisements using information associated with e-mail
US20050144069A1 (en) * 2003-12-23 2005-06-30 Wiseman Leora R. Method and system for providing targeted graphical advertisements
US20170372348A1 (en) 2016-06-22 2017-12-28 Google Inc. Device configuration-based function delivery
US20170237801A1 (en) 2004-06-30 2017-08-17 Google Inc. Device configuration-based function delivery
US10032452B1 (en) 2016-12-30 2018-07-24 Google Llc Multimodal transmission of packetized data
US20060004627A1 (en) 2004-06-30 2006-01-05 Shumeet Baluja Advertisements for devices with call functionality, such as mobile phones
US10510043B2 (en) * 2005-06-13 2019-12-17 Skyword Inc. Computer method and apparatus for targeting advertising
US20080033810A1 (en) * 2006-08-02 2008-02-07 Yahoo! Inc. System and method for forecasting the performance of advertisements using fuzzy systems
US20080256056A1 (en) * 2007-04-10 2008-10-16 Yahoo! Inc. System for building a data structure representing a network of users and advertisers
KR100892846B1 (ko) * 2007-04-17 2009-04-10 엔에이치엔(주) 순위별 광고 노출 확률 계산 방법 및 시스템
CN101673385A (zh) * 2009-09-28 2010-03-17 百度在线网络技术（北京）有限公司 消费预估方法和装置
US20110231241A1 (en) * 2010-03-18 2011-09-22 Yahoo! Inc. Real-time personalization of sponsored search based on predicted click propensity
CN102346899A (zh) * 2011-10-08 2012-02-08 亿赞普(北京)科技有限公司 一种基于用户行为的广告点击率预测方法和装置
US20130179271A1 (en) * 2012-01-11 2013-07-11 Paul Adams Grouping and Ordering Advertising Units Based on User Activity
JP5491556B2 (ja) * 2012-03-05 2014-05-14 ヤフー株式会社 広告配信装置、広告配信方法及びプログラム
JP5507607B2 (ja) * 2012-04-06 2014-05-28 ヤフー株式会社 コンテンツ提供装置、低ランク近似行列生成装置、コンテンツ提供方法、低ランク近似行列生成方法およびプログラム
US10152723B2 (en) 2012-05-23 2018-12-11 Google Llc Methods and systems for identifying new computers and providing matching services
US10776830B2 (en) 2012-05-23 2020-09-15 Google Llc Methods and systems for identifying new computers and providing matching services
CN103514178A (zh) * 2012-06-18 2014-01-15 阿里巴巴集团控股有限公司 一种基于点击率的搜索排序方法及装置
CN102929939B (zh) * 2012-09-28 2016-11-16 北京奇虎科技有限公司 个性化信息的提供方法及装置
CN103002051B (zh) * 2012-12-24 2016-03-16 百度在线网络技术（北京）有限公司 移动终端的信息推送方法、***及云端服务器
US10650066B2 (en) 2013-01-31 2020-05-12 Google Llc Enhancing sitelinks with creative content
US10735552B2 (en) 2013-01-31 2020-08-04 Google Llc Secondary transmissions of packetized data
WO2014155682A1 (ja) * 2013-03-29 2014-10-02 楽天株式会社 情報処理装置、情報処理方法、及び情報処理プログラム
US8788338B1 (en) * 2013-07-01 2014-07-22 Yahoo! Inc. Unified marketplace for advertisements and content in an online system
CN104636940A (zh) * 2013-11-07 2015-05-20 深圳市腾讯计算机***有限公司 广告投放方法及***、广告筛选方法及装置、服务器
CN104866515A (zh) * 2014-02-23 2015-08-26 祁勇 一种分类发布和接收社交网络内容的方法
CN104883585B (zh) * 2014-02-28 2019-06-14 腾讯科技（北京）有限公司 显示媒体数据的方法、设备及***
CN104933591B (zh) * 2014-03-17 2018-07-03 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
WO2015141931A1 (ko) * 2014-03-19 2015-09-24 에스케이플래닛 주식회사 광고 제공 장치 및 방법
CN106664463A (zh) * 2014-10-20 2017-05-10 谷歌公司 任意大小内容条目生成
CN104965890B (zh) * 2015-06-17 2017-05-31 深圳市腾讯计算机***有限公司 广告推荐的方法和装置
CN105678586B (zh) * 2016-01-12 2020-09-29 腾讯科技（深圳）有限公司 一种信息扶持方法和装置
US10708313B2 (en) 2016-12-30 2020-07-07 Google Llc Multimodal transmission of packetized data

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002524782A (ja) * 1998-08-03 2002-08-06 ダブルクリック インコーポレイティド 再ターゲット化広告配布のためのネットワーク

Also Published As

Publication number Publication date
US11144950B2 (en) 2021-10-12
KR20170137845A (ko) 2017-12-13
EP3404607A1 (en) 2018-11-21
CN105678586A (zh) 2016-06-15
EP3404607A4 (en) 2019-07-17
JP6522160B2 (ja) 2019-05-29
JP2018519572A (ja) 2018-07-19
CN105678586B (zh) 2020-09-29
WO2017121258A1 (zh) 2017-07-20
US20180060903A1 (en) 2018-03-01

Similar Documents

Publication Publication Date Title
KR101999469B1 (ko) 정보 전달 방법 및 장치, 서버 및 저장 매체
JP4886749B2 (ja) 推薦商品選択装置、推薦商品選択プログラムおよび商品検索装置
EP3252696A1 (en) Dynamic content item creation
WO2014079297A1 (zh) 一种网络广告的定向条件展示方法和装置
US11227309B2 (en) Method and system for optimizing user grouping for advertisement
CN106296247B (zh) 网络信息资源在线排序方法和装置
CN113627846A (zh) 一种库存调整方法、装置、电子设备及计算机可读介质
CN108470261B (zh) 一种下单方法及装置
KR20150144889A (ko) 타겟 컨텐츠 등록, 평가와 보상을 위한 시스템 및 그 서비스제공서버와 방법
US20190147463A1 (en) Systems and methods for planogram generation for a facility
CN112041874A (zh) 用于生成建议列表的计算机实现的方法和用于生成订单列表的***
US20160048853A1 (en) Generating work products using work product metrics and predicted constituent availability
US20170032411A1 (en) Information processing device, information processing method, and information processing program
US10672087B1 (en) Order volume management system
JP6068382B2 (ja) 算出装置、算出方法および算出プログラム
WO2018180863A1 (ja) メッセージを管理するためのシステム、方法、及びプログラム
KR102421046B1 (ko) 자동으로 발주서를 생성하는 약국 단말 및 약국 단말의 동작 방법
KR102329120B1 (ko) 전자상거래와 연관된 쇼핑몰의 상품을 구매한 회원의 연령 추정 방법 및 장치, 및 시스템
US11810155B1 (en) Maintaining a product graph network based on customer purchase history
CN114746889A (zh) 畜产信息管理***、畜产信息管理服务器、畜产信息管理方法、以及畜产信息管理程序
US20120158495A1 (en) Inventory allocation in advertising systems
CN111275473A (zh) 内容项投放方法、装置、服务器及存储介质
WO2020014379A1 (en) Systems and methods for generating a two-dimensional planogram based on intermediate data structures
KR102329119B1 (ko) 전자상거래와 연관된 쇼핑몰의 상품을 구매한 회원의 성별 추정 방법 및 장치, 및 시스템
CN113129070B (zh) 消息投放方法、装置、服务器及存储介质

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right