一种网络媒介信息投放方法、装置、服务器及存储介质

摘要

本公开关于一种网络媒介信息投放方法、装置、服务器及存储介质，该方法包括：接收携带用户属性的网络媒介信息请求；从数据库中查找与用户属性匹配的网络媒介信息；将所查找到的网络媒介信息输入到预先训练好的下发率确定模型，得到各个网络媒介信息的下发率；根据各个网络媒介信息的下发率，确定进入排序阶段的网络媒介信息；对进入排序阶段的网络媒介信息进行排序，并根据得到的排序结果进行网络媒介信息投放。可见，通过本公开实施例提供的技术方案，达到所确定的进入排序阶段的网络媒介信息的准确度较高，投放出用户感兴趣的网络媒介信息的概率较高。

说明书

技术领域

本申请涉及互联网的数据处理技术领域，特别是涉及一种网络媒介信息投放方法、装置、服务器及存储介质。

背景技术

在线广告是互联网的商业模式之一。广告展示过程大致分为以下四个阶段。依次为：接收终端广告请求阶段；广告召回阶段，即从数据库中查找广告请求所请求的广告；广告排序阶段；以及广告展示阶段，即将待展示广告反馈给终端。

在广告召回阶段，由于从数据库中查找到的广告数量较多，因此，需要从所查找到的广告中，选择一些广告进入广告排序阶段。具体的，粗略预估召回的各个广告的点击率和/或转化率，并将点击率和/或转化率较高的广告确定为待排序广告，这些待排序广告进入广告排序阶段。

但是，相关技术中，由于在广告召回阶段，预估的广告的点击率和/或转化率的准确度较低，从而导致所确定的待排序广告的准确度较低，这样，广告排序阶段认为效果好的广告，在广告召回阶段可能没有被选择出来，进而在广告展示阶段不能展示出效果较好的广告。

发明内容

为了解决背景技术所提出的技术问题，本公开提供一种网络媒介信息投放方法、装置、电子设备及存储介质，本公开的技术方案如下：

根据本公开实施例的第一方面，提供了一种网络媒介信息投放方法，所述方法包括：

接收携带用户属性的网络媒介信息请求；

从数据库中查找与所述用户属性匹配的网络媒介信息；

将所查找到的网络媒介信息输入到预先训练好的下发率确定模型，得到各个网络媒介信息的下发率，其中，所述下发率用于表征网络媒介信息被展示的概率，所述下发率确定模型是基于进入排序阶段的样本网络媒介信息中，被展示的样本网络媒介信息和未被展示的样本网络媒介信息训练得到的；

根据所述各个网络媒介信息的下发率，确定进入排序阶段的网络媒介信息；

对所述进入排序阶段的网络媒介信息进行排序，并根据得到的排序结果进行网络媒介信息投放。

可选的，所述从数据库中查找与所述用户属性匹配的网络媒介信息之后，所述方法还包括：

将所查找到的网络媒介信息输入到预先训练好的目标模型，得到各个网络媒介信息的点击率和/或转化率，其中，所述目标模型是基于被展示的样本网络媒介信息中，被点击和/或转化的样本网络媒介信息，以及未被点击和/或转化的样本网络媒介信息训练得到的；

利用所述各个网络媒介信息的点击率和/或转化率，计算所述各个网络媒介信息的展示参数，所述展示参数为用于表征网络媒介信息的媒体价值的参数。

可选的，所述根据所述各个网络媒介信息的下发率，确定进入排序阶段的网络媒介信息的步骤，包括：

根据所述各个网络媒介信息的下发率，以及所述各个网络媒介信息的展示参数，确定进入排序阶段的网络媒介信息。

可选的，所述根据所述各个网络媒介信息的下发率，以及所述各个网络媒介信息的展示参数，确定进入排序阶段的网络媒介信息，包括：

将下发率大于第一预设下发率的网络媒介信息，以及展示参数大于第一预设展示参数的网络媒介信息，确定为进入排序阶段的网络媒介信息。

可选的，所述将所查找到的网络媒介信息输入到预先训练好的下发率确定模型，得到各个网络媒介信息的下发率，包括：

将所查找到的网络媒介信息中的第一网络媒介信息输入预先训练好的下发率确定模型，得到各个第一网络媒介信息的下发率；

相应地，所述将所查找到的网络媒介信息输入到预先训练好的目标模型，得到各个网络媒介信息的点击率和/或转化率，包括：

将第二网络媒介信息输入预先训练好的目标模型，得到各个第二网络媒介信息的点击率和/或转化率，所述第二网络媒介信息为：所查找到的网络媒介信息中，除所述第一网络媒介信息之外的网络媒介信息。

可选的，所述根据所述各个网络媒介信息的下发率，以及所述各个网络媒介信息的展示参数，确定进入排序节点的网络媒介信息的步骤，包括：

将所述第一网络媒介信息中，下发率大于第二预设下发率的网络媒介信息，以及所述第二网络媒介信息中，展示参数大于第二预设展示参数的网络媒介信息，确定为进入排序阶段的网络媒介信息。

根据本公开实施例的第二方面，提供了一种网络媒介信息投放装置，所述装置包括：

请求接收模块，被配置为执行接收携带用户属性的网络媒介信息请求；

网络媒介信息查找模块，被配置为执行从数据库中查找与所述用户属性匹配的网络媒介信息；

下发率确定模块，被配置为执行将所查找到的网络媒介信息输入到预先训练好的下发率确定模型，得到各个网络媒介信息的下发率，其中，所述下发率用于表征网络媒介信息被展示的概率，所述下发率确定模型是基于进入排序阶段的样本网络媒介信息中，被展示的样本网络媒介信息和未被展示的样本网络媒介信息训练得到的；

网络媒介信息确定模块，被配置为执行根据所述各个网络媒介信息的下发率，确定进入排序阶段的网络媒介信息；

网络媒介信息投放模块，被配置为执行对所述进入排序阶段的网络媒介信息进行排序，并根据得到的排序结果进行网络媒介信息投放。

可选的，所述装置还包括：

点击率及转化率确定模块，被配置为执行从数据库中查找与所述用户属性匹配的网络媒介信息之后，将所查找到的网络媒介信息输入到预先训练好的目标模型，得到各个网络媒介信息的点击率和/或转化率，其中，所述目标模型是基于被展示的样本网络媒介信息中，被点击和/或转化的样本网络媒介信息，以及未被点击和/或转化的样本网络媒介信息训练得到的；

展示参数计算模块，被配置为执行利用所述各个网络媒介信息的点击率和/或转化率，计算所述各个网络媒介信息的展示参数，所述展示参数为用于表征网络媒介信息的媒体价值的参数。

可选的，所述网络媒介信息确定模块，包括：

网络媒介信息确定单元，被配置为执行根据所述各个网络媒介信息的下发率，以及所述各个网络媒介信息的展示参数，确定进入排序阶段的网络媒介信息。

可选的，所述网络媒介信息确定单元，被配置为执行：

将下发率大于第一预设下发率的网络媒介信息，以及展示参数大于第一预设展示参数的网络媒介信息，确定为进入排序阶段的网络媒介信息。

可选的，所述下发率确定模块，被配置为执行：

将所查找到的网络媒介信息中的第一网络媒介信息输入预先训练好的下发率确定模型，得到各个第一网络媒介信息的下发率；

相应地，所述点击率及转化率确定模块，被配置为执行：

将第二网络媒介信息输入预先训练好的目标模型，得到各个第二网络媒介信息的点击率和/或转化率，所述第二网络媒介信息为：所查找到的网络媒介信息中，除所述第一网络媒介信息之外的网络媒介信息。

可选的，所述网络媒介信息确定单元，被配置为执行：

将所述第一网络媒介信息中，下发率大于第二预设下发率的网络媒介信息，以及所述第二网络媒介信息中，展示参数大于第二预设展示参数的网络媒介信息，确定为进入排序阶段的网络媒介信息。

根据本公开实施例的第三方面，提供了一种服务器，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现第一方面所述的网络媒介信息投放方法。

根据本公开实施例的第四方面，提供了一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行第一方面所述的网络媒介信息投放方法。

根据本公开实施例的第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机实现第一方面所述的网络媒介信息投放方法。

本公开实施例提供的技术方案，服务器接收携带用户属性的网络媒介信息请求；从数据库中查找与用户属性匹配的网络媒介信息；将所查找到的网络媒介信息输入到预先训练好的下发率确定模型，得到各个网络媒介信息的下发率，其中，下发率用于表征网络媒介信息被展示的概率，下发率确定模型是基于进入排序阶段的样本网络媒介信息中，被展示的样本网络媒介信息和未被展示的样本网络媒介信息训练得到的；根据各个网络媒介信息的下发率，确定进入排序阶段的网络媒介信息；对进入排序阶段的网络媒介信息进行排序，并根据得到的排序结果进行网络媒介信息投放。

可见，通过本公开实施例提供的技术方案，依据网络媒介信息的下发率来确定进入排序阶段的网络媒介信息，且网络媒介信息的下发率用于表征网络媒介信息被展示的概率。在对进入排序阶段的网络媒介信息进行排序时，下发率较高的网络媒介信息被排在前面的概率较高，即所确定的进入排序阶段的网络媒介信息，为排序阶段中认为效果较好的网络媒介信息，从而达到所确定的进入排序阶段的网络媒介信息的准确度较高，这样，可以投放出效果较好的网络媒介信息，即投放出用户感兴趣的网络媒介信息的概率较高。

附图说明

图1是根据一示例性实施例示出的一种网络媒介信息投放方法的流程图；

图2是根据一示例性实施例示出的另一种网络媒介信息投放方法的流程图；

图3是根据一示例性实施例示出的另一种网络媒介信息投放方法的流程图；

图4是根据一示例性实施例示出的一种网络媒介信息投放装置的框图；

图5是根据一示例性实施例示出的一种服务器的框图；

图6是根据一示例性实施例示出的一种网络媒介信息投放装置的框图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种网络媒介信息投放方法的流程图，该方法应用于一种网络媒介信息投放装置，该网络媒介信息投放装置可以运行于服务器。

如图1所示，该方法可以包括以下步骤。

在步骤S11中，接收携带用户属性的网络媒介信息请求。

其中，网络媒介信息可以是广告，视频，以及音乐等，本公开实施例对网络媒介信息不做具体限定。

服务器可以接收终端发送的网络媒介信息请求，为了使得后续步骤中，终端能够获取到用户感兴趣的网络媒介信息请求，该网络媒介信息请求中可以携带用户属性。其中，用户属性可以是：用户的年龄，性别，历史观看网络媒介信息记录等，本公开实施例对用户属性不做具体限定。

在步骤S12中，从数据库中查找与用户属性匹配的网络媒介信息。

服务器在接收到携带用户属性的网络媒介信息请求后，可以从数据库中查找与用户属性匹配的网络媒介信息，即可以从数据库里面选择用户可能感兴趣的网络媒介信息。

具体的，网络媒介信息通常具有标签信息，这些标签信息可以是用于描述网络媒介信息的关键词，因此，在从数据库中查找与用户属性匹配的网络媒介信息时，可以将用户属性与网络媒介信息的标签信息进行匹配，如果用户属性与一个网络媒介信息的标签信息匹配，可以将该网络媒介信息确定为与用户属性匹配的网络媒介信息。

在步骤S13中，将所查找到的网络媒介信息输入到预先训练好的下发率确定模型，得到各个网络媒介信息的下发率。

其中，下发率用于表征网络媒介信息被展示的概率，下发率确定模型是基于进入排序阶段的样本网络媒介信息中，被展示的样本网络媒介信息和未被展示的样本网络媒介信息训练得到的。

具体的，由于从数据库中所查找到的与用户属性匹配的网络媒介信息的数量较多，这些网络媒介信息不会全部进入排序阶段，因此，需要从这些网络媒介信息中选择一些网络媒介信息进入排序阶段。

为了后续步骤中，能够准确地确定进入排序阶段的网络媒介信息，可以将所查找到的与用户属性匹配的网络媒介信息，输入到预先训练好的下发率确定模型，得到各个网络媒介信息的下发率，并且，下发率用于表征网络媒介信息被展示的概率。如果一个网络媒介信息的下发率较高，说明该网络媒介信息被展示的概率较高，即该网络媒介信息是排序阶段中排序较靠前的网络媒介信息。如果一个网络媒介信息的下发率较低，说明该网络媒介信息被展示的概率较低，即该网络媒介信息是排序阶段中排序较靠后的网络媒介信息。

需要说明的是，下发率确定模型的训练过程可以为：采集大量进入排序阶段的样本网络媒介信息，并标注每个样本网络媒介信息的被展示概率。将标注后的样本网络媒介信息输入到待训练模型中，对待训练模型进行训练。并判断从待训练模型中输出的被展示概率与实际标注的被展示概率是否相同，如果不相同，调整待训练模型的模型参数，直至从待训练模型中输出的被展示概率与实际标注的被展示概率相同，并将调整模型参数后的待训练模型，确定为训练好的下发率确定模型。

在步骤S14中，根据各个网络媒介信息的下发率，确定进入排序阶段的网络媒介信息。

具体的，服务器在确定了各个网络媒介信息的下发率之后，可以根据各个网络媒介信息的下发率来确定进入排序阶段的网络媒介信息。具体的，可以将下发率大于预设下发率的网络媒介信息，确定为进入排序阶段的网络媒介信息。

由于下发率较高的网络媒介信息被展示的概率较高，即在排序阶段中排序靠前的概率较高，因此，可以将下发率大于预设下发率的网络媒介信息，确定为进入排序阶段的网络媒介信息。具体的，在实际应用中，可以按照下发率由大到小的顺序，对网络媒介信息进行排序，将排序靠前的预设数量个网络媒介信息确定为进入排序阶段的网络媒介信息。可以理解的是，本公开实施例对预设数量以及预设下发率不做具体限定。

由上述描述可知，进入排序阶段的网络媒介信息的下发率较高，因此，进入排序阶段后被排在前面的概率较高，即所确定的进入排序阶段的网络媒介信息为：排序阶段中认为效果较好的网络媒介信息，从而达到所确定的进入排序阶段的网络媒介信息的准确度较高的目的，进而有利于后续步骤中，投放出效果较好的网络媒介信息，即投放出用户感兴趣的网络媒介信息。

在步骤S15中，对进入排序阶段的网络媒介信息进行排序，并根据得到的排序结果进行网络媒介信息投放。

服务器在确定了进入排序阶段的网络媒介信息后，并不是投放所有进入排序阶段的网络媒介信息，而是要从进入排序阶段的网络媒介信息中，确定一些网络媒介信息来进行投放即展示。具体的，可以对进入排序阶段的网络媒介信息进行排序，并根据得到的排序结果进行网络媒介信息投放。例如，可以投放排序靠前的N个网络媒介信息，其中，N为自然数，N的大小可以根据实际情况进行确定。

在一种实施方式中，对进入排序阶段的网络媒介信息进行排序，并根据得到的排序结果进行网络媒介信息投放，可以包括如下三个步骤，分别为步骤a1至步骤a3：

步骤a1，将进入排序阶段的网络媒介信息，输入预先训练好的预设模型，得到进入排序阶段的网络媒介信息的点击率和/或转化率。

具体的，在排序阶段，可以利用预先训练好的预设模型，来准确地确定进入排序阶段的网络媒介信息的点击率和/或转化率。其中，预设模型是基于被展示的样本网络媒介信息中，被点击和/或转化的样本网络媒介信息，以及未被点击和/或转化的样本网络媒介信息训练得到的。

步骤a2，利用进入排序阶段的网络媒介信息的点击率和/或转化率，计算进入排序阶段的网络媒介信息的基于千次展示计费CPM。

其中，对于不同类型的网络媒介信息，CPM的计算方式不同。具体的，对于基于点击计费的网络媒介信息而言，CPM＝点击率×基于点击计费CPC。对于有效的基于转化计费的网络媒介信息而言，CPM＝点击率×转化率×基于点击计费CPC。

步骤a3，投放CPM大于预设CPM的目标网络媒介信息。

在得到进入排序阶段的网络媒介信息的CPM之后，可以将CPM大于预设CPM的目标网络媒介信息进行投放。预设CPM可以根据实际情况进行确定，本公开实施例对此不做具体限定。

可见，通过本公开实施例提供的技术方案，依据网络媒介信息的下发率来确定进入排序阶段的网络媒介信息，且网络媒介信息的下发率用于表征网络媒介信息被展示的概率。在对进入排序阶段的网络媒介信息进行排序时，下发率较高的网络媒介信息被排在前面的概率较高，即所确定的进入排序阶段的网络媒介信息，为排序阶段中认为效果较好的网络媒介信息，从而达到所确定的进入排序阶段的网络媒介信息的准确度较高，这样，可以投放出效果较好的网络媒介信息，即投放出用户感兴趣的网络媒介信息的概率较高。

图2是根据一示例性实施例示出的一种网络媒介信息投放方法的流程图，如图2所示，该方法可以包括以下步骤。

在步骤S21中，接收携带用户属性的网络媒介信息请求。

由于步骤S21与步骤S11相同，在此不再赘述。

在步骤S22中，从数据库中查找与用户属性匹配的网络媒介信息。

由于步骤S22与步骤S12相同，在此不再赘述。

在步骤S23中，将所查找到的网络媒介信息输入到预先训练好的下发率确定模型，得到各个网络媒介信息的下发率。

其中，下发率用于表征网络媒介信息被展示的概率，下发率确定模型是基于进入排序阶段的样本网络媒介信息中，被展示的样本网络媒介信息和未被展示的样本网络媒介信息训练得到的。

由于步骤S23与步骤S13相同，在此不再赘述。

在步骤S24中，将所查找到的网络媒介信息输入到预先训练好的目标模型，得到各个网络媒介信息的点击率和/或转化率。

其中，目标模型是基于被展示的样本网络媒介信息中，被点击和/或转化的样本网络媒介信息，以及未被点击和/或转化的样本网络媒介信息训练得到的。

在该步骤中，将所召回的网络媒介信息输入到预先训练好的目标模型中，得到各个网络媒介信息的点击率和/或转化率。

需要说明的是，目标模型的训练过程可以为：采集大量被展示网络媒介信息，并标注每个被展示网络媒介信息的点击率和/或转化率。将标注后的被展示网络媒介信息输入到待训练模型中，判断从待训练模型中输出的点击率和/或转化率与实际标注的点击率和/或转化率是否相同，如果不相同，调整待训练模型的模型参数，直至从待训练模型中输出的点击率和/或转化率与实际标注的点击率和/或转化率相同，并将调整模型参数后的待训练模型，确定为训练好的目标模型。

需要强调的是，由于在召回阶段，从数据库中查找到的网络媒介信息较多，目标模型估算所查找到的各个网络媒介信息的点击率和/或下发率的过程中，通常需要进行大量的计算，为了减少计算量，目标模型通常可采用轻量级的模型，即可以粗略计算所查找到的各个网络媒介信息的点击率和/或转化率。但是，由于进入排序阶段的网络媒介信息的数量相对较少，为了准确地得到进入排序阶段的各个网络媒介信息的点击率和/或转化率，预设模型可以采用重量型的模型，即从多个维度准确地估计进入排序阶段的各个网络媒介信息的点击率和/或转化率。

也就是说，目标模型与图1所示实施例中提及的预设模型虽然都用于得到网络媒介信息的点击率和/或转化率，但是，目标模型所得到网络媒介信息的点击率和/或转化率的准确率，通常低于预设模型所得的网络媒介信息的点击率和/或转化率的准确率。

在步骤S25中，利用各个网络媒介信息的点击率和/或转化率，计算各个网络媒介信息的展示参数，展示参数为用于表征网络媒介信息的媒体价值的参数。

具体的，在得到所查找到的各个网络媒介信息的点击率和/或转化率之后，可以利用各个网络媒介信息的点击率和/或转化率，计算所查找到的各个网络媒介信息的展示参数，该展示参数用于表征网络媒介信息的媒体价值。该展示参数可以为CPM，当然，本公开实施例中对展示参数不做具体限定。

其中，对于不同类型的网络媒介信息，CPM的计算方式不同。具体的，对于基于点击计费的网络媒介信息而言，CPM＝点击率×基于点击计费CPC。对于有效的基于转化计费的网络媒介信息而言，CPM＝点击率×转化率×基于点击计费CPC。

在步骤S26中，根据各个网络媒介信息的下发率，以及各个网络媒介信息的展示参数，确定进入排序阶段的网络媒介信息。

具体的，由于网络媒介信息的下发率用于表征网络媒介信息被展示的概率，而网络媒介信息的展示参数用于表征网络媒介信息的媒体价值，因此，可以综合下发率和展示参数这两个因素，来确定进入排序阶段的网络媒体价值，这种确定进去排序阶段的网络媒介信息的方法，既能保证选出排序阶段认为效果较好的网络媒介信息，还能够及时响应网络媒体信息主调价。

在一种实施方式中，根据各个网络媒介信息的下发率，以及各个网络媒介信息的展示参数，确定进入排序阶段的网络媒介信息，可以包括：

将下发率大于第一预设下发率的网络媒介信息，以及展示参数大于第一预设展示参数的网络媒介信息，确定为进入排序阶段的网络媒介信息。

在得到所查找到的各个网络媒介信息的下发率以及展示参数如CPM之后，可以按照下发率由大到小的顺序，对所查找到的网络媒介信息进行排序，得到第一序列；还可以按照展示参数如CPM由大到小的顺序，对所查找到的网络媒介信息进行排序，得到第二序列。

将第一序列中序号靠前的网络媒介信息，以及第二序列中序列靠前的网络媒介信息，确定为进入排序阶段的网络媒介信息。即将下发率大于第一预设下发率，以及展示参数如CPM大于第一预设CPM的网络媒介信息，确定为进入排序阶段的网络媒介信息。可以理解的是，第一预设下发率以及第一预设CPM可以根据实际情况进行确定，本公开实施例对此不做具体限定。

举例而言，可以将第一序列中的前50个网络媒介信息，以及第二序列中的前50个网络媒介信息，确定为进入排序阶段的网络媒介信息。可以理解的是，第一序列中的前50个网络媒介信息中，与第二序列中的前50个网络媒介信息中，可能有重复的网络媒介信息。或者，还可以将第一序列中的前30个网络媒介信息，以及第二序列中的前70个网络媒介信息，确定为进入排序阶段的网络媒介信息。可见，这两种确定进入排序阶段的网络媒介信息的方式，预设下发率的大小以及第一预设CPM的大小不同。

在步骤S27中，对进入排序阶段的网络媒介信息进行排序，并根据得到的排序结果进行网络媒介信息投放。

由于步骤S27与步骤S15相同，在此不再赘述。

本公开实施例公开的技术方案，通过将下发率大于第一预设下发率，以及，CPM大于第一预设CPM的网络媒介信息确定为进入排序阶段的网络媒介信息，不仅使得所确定的进入排序阶段的网络媒介信息的准确度较高，并且所确定的进入排序阶段的网络媒介信息能够及时响应网络媒介信息主调价，有利于将价格较高的网络媒介信息确定为进入排序阶段的网络媒介信息，这样，投放出用户感兴趣的网络媒介信息的概率更高。

图3是根据一示例性实施例示出的一种网络媒介信息投放方法的流程图，如图3所示，该方法可以包括以下步骤。

在步骤S31中，接收携带用户属性的网络媒介信息请求。

由于步骤S31与步骤S11相同，在此不再赘述。

在步骤S32中，从数据库中查找与用户属性匹配的网络媒介信息。

由于步骤S32与步骤S12相同，在此不再赘述。

在步骤S33中，将所查找到的网络媒介信息中的第一网络媒介信息输入预先训练好的下发率确定模型，得到各个第一网络媒介信息的下发率。

其中，下发率用于表征网络媒介信息被展示的概率，下发率确定模型是基于大量进入网络媒介信息排序阶段的样本网络媒介信息与各个样本网络媒介信息的被展示概率训练得到的。

在步骤S34中，将第二网络媒介信息输入预先训练好的目标模型，得到各个第二网络媒介信息的点击率和/或转化率。

其中，第二网络媒介信息为：所查找到的网络媒介信息中，除第一网络媒介信息之外的网络媒介信息。

在步骤S33和步骤S34中，可以将所查找到的网络媒介信息中的一部分网络媒介信息即第一网络媒介信息输入到预先训练好的下发率确定模型，得到各个第一网络媒介信息的下发率；将所查找到的网络媒介信息中的另一部分网络媒介信息即第二网络媒介信息输入到目标模型，得到各个第二网络媒介信息的点击率和/或转化率。

举例而言，假设所查找到的网络媒介信息有2000个，可以随机分成两份，每份1000个网络媒介信息，第一份中的1000个网络媒介信息作为第一网络媒介信息，输入到预先训练好的下发率确定模型。第二份中的1000个网络媒介信息作为第二网络媒介信息，输入到预先训练好的目标模型。

在步骤S35中，利用各个第二网络媒介信息的点击率和/或转化率，计算各个第二网络媒介信息的展示参数。

其中，所述展示参数为用于表征网络媒介信息的媒体价值的参数。

步骤S35与步骤S25相同，在此不再对S35进行赘述。

在步骤S36中，将第一网络媒介信息中，下发率大于第二预设下发率的网络媒介信息，以及第二网络媒介信息中，展示参数大于第二预设展示参数的网络媒介信息，确定为进入排序阶段的网络媒介信息。

具体的，可以按照下发率由大到小的顺序，对第一网络媒介信息进行排序；并可以按照展示参数如CPM由大到小的顺序，对第二网络媒介信息进行排序。并将第一网络媒介信息中，下发率大于第二预设下发率的网络媒介信息，以及第二网络媒介信息中，展示参数大于预设展示参数的网络媒介信息，确定为进入排序阶段的网络媒介信息。

举例而言，假设所查找到的网络媒介信息有2000个，可以随机分成两份，每份1000个网络媒介信息，第一份中的1000个网络媒介信息作为第一网络媒介信息，输入到预先训练好的下发率确定模型。第二份中的1000个网络媒介信息作为第二网络媒介信息，输入到预先训练好的目标模型。然后，将1000个第一网络媒介信息按照下发率由大到小的顺序进行排序，得到第一排序；将1000个第二网络媒介信息按照CPM由大到小的顺序进行排序，得到第二排序，将第一排序中的前50个网络媒介信息，以及第二排序中的前50个网络媒介信息确定为进入排序阶段的网络媒介信息。

在步骤S37中，对进入排序阶段的网络媒介信息进行排序，并根据得到的排序结果进行网络媒介信息投放。

由于步骤S37与步骤S15相同，在此不再赘述。

本公开实施例公开的技术方案，通过将第一网络媒介信息中，下发率大于第二预设下发率，以及，第二网络媒介信息中，CPM大于第二预设CPM的网络媒介信息确定为进入排序阶段的网络媒介信息，不仅使得所确定的进入排序阶段的网络媒介信息的准确度较高，并且所确定的进入排序阶段的网络媒介信息能够及时响应网络媒介信息主调价，有利于将价格较高的网络媒介信息确定为进入排序阶段的网络媒介信息，这样，投放出用户感兴趣的网络媒介信息的概率更高。

图4是根据一示例性实施例示出的一种网络媒介信息投放装置，如图4所示，所述装置包括：

请求接收模块410，被配置为执行接收携带用户属性的网络媒介信息请求；

网络媒介信息查找模块420，被配置为执行从数据库中查找与所述用户属性匹配的网络媒介信息；

下发率确定模块430，被配置为执行将所查找到的网络媒介信息输入到预先训练好的下发率确定模型，得到各个网络媒介信息的下发率，其中，所述下发率用于表征网络媒介信息被展示的概率，所述下发率确定模型是基于进入排序阶段的样本网络媒介信息中，被展示的样本网络媒介信息和未被展示的样本网络媒介信息训练得到的；

网络媒介信息确定模块440，被配置为执行根据所述各个网络媒介信息的下发率，确定进入排序阶段的网络媒介信息；

网络媒介信息投放模块450，被配置为执行对所述进入排序阶段的网络媒介信息进行排序，并根据得到的排序结果进行网络媒介信息投放。

可见，通过本公开实施例提供的技术方案，依据网络媒介信息的下发率来确定进入排序阶段的网络媒介信息，且网络媒介信息的下发率用于表征网络媒介信息被展示的概率。在对进入排序阶段的网络媒介信息进行排序时，下发率较高的网络媒介信息被排在前面的概率较高，即所确定的进入排序阶段的网络媒介信息，为排序阶段中认为效果较好的网络媒介信息，从而达到所确定的进入排序阶段的网络媒介信息的准确度较高，投放出用户感兴趣的网络媒介信息的概率较高。

在一种可选的实施方式中，所述装置还可以包括：

点击率及转化率确定模块，被配置为执行在网络媒介信息查找模块420从数据库中查找与所述用户属性匹配的网络媒介信息之后，将所查找到的网络媒介信息输入到预先训练好的目标模型，得到各个网络媒介信息的点击率和/或转化率，其中，所述目标模型是基于被展示的样本网络媒介信息中，被点击和/或转化的样本网络媒介信息，以及未被点击和/或转化的样本网络媒介信息训练得到的；

展示参数计算模块，被配置为执行利用所述各个网络媒介信息的点击率和/或转化率，计算所述各个网络媒介信息的展示参数，所述展示参数为用于表征网络媒介信息的媒体价值的参数。

在一种可选的实施方式中，所述网络媒介信息确定模块，包括：

网络媒介信息确定单元，被配置为执行根据所述各个网络媒介信息的下发率，以及所述各个网络媒介信息的展示参数，确定进入排序阶段的网络媒介信息。

具体的，由于网络媒介信息的下发率用于表征网络媒介信息被展示的概率，而网络媒介信息的展示参数用于表征网络媒介信息的媒体价值，因此，可以综合下发率和展示参数这两个因素，来确定进入排序阶段的网络媒体价值，这种确定进去排序阶段的网络媒介信息的方法，既能保证选出排序阶段认为效果较好的网络媒介信息，还能够及时响应网络媒体信息主调价。

在一种可选的实施方式中，所述网络媒介信息确定单元，被配置为执行：

将下发率大于第一预设下发率的网络媒介信息，以及展示参数大于第一预设展示参数的网络媒介信息，确定为进入排序阶段的网络媒介信息。

具体的，在得到所查找到的各个网络媒介信息的下发率以及展示参数如CPM之后，可以按照下发率由大到小的顺序，对所查找到的网络媒介信息进行排序，得到第一序列；还可以按照展示参数如CPM由大到小的顺序，对所查找到的网络媒介信息进行排序，得到第二序列。

将第一序列中序号靠前的网络媒介信息，以及第二序列中序列靠前的网络媒介信息，确定为进入排序阶段的网络媒介信息。即将下发率大于第一预设下发率，以及展示参数如CPM大于第一预设CPM的网络媒介信息，确定为进入排序阶段的网络媒介信息。可以理解的是，第一预设下发率以及第一预设CPM可以根据实际情况进行确定，本公开实施例对此不做具体限定。

本公开实施例公开的技术方案，通过将下发率大于第一预设下发率，以及，CPM大于第一预设CPM的网络媒介信息确定为进入排序阶段的网络媒介信息，不仅使得所确定的进入排序阶段的网络媒介信息的准确度较高，并且所确定的进入排序阶段的网络媒介信息能够及时响应网络媒介信息主调价，有利于将价格较高的网络媒介信息确定为进入排序阶段的网络媒介信息，这样，投放出用户感兴趣的网络媒介信息的概率更高。

在一种可选的实施方式中，所述下发率确定模块，被配置为执行：

将所查找到的网络媒介信息中的第一网络媒介信息输入预先训练好的下发率确定模型，得到各个第一网络媒介信息的下发率；

相应地，所述点击率及转化率确定模块，被配置为执行：

将第二网络媒介信息输入预先训练好的目标模型，得到各个第二网络媒介信息的点击率和/或转化率，所述第二网络媒介信息为：所查找到的网络媒介信息中，除所述第一网络媒介信息之外的网络媒介信息。

具体的，可以将所查找到的网络媒介信息中的一部分网络媒介信息即第一网络媒介信息输入到预先训练好的下发率确定模型，得到各个第一网络媒介信息的下发率；将所查找到的网络媒介信息中的另一部分网络媒介信息即第二网络媒介信息输入到目标模型，得到各个第二网络媒介信息的点击率和/或转化率。

在一种可选的实施方式中，所述网络媒介信息确定单元，被配置为执行：

将所述第一网络媒介信息中，下发率大于第二预设下发率的网络媒介信息，以及所述第二网络媒介信息中，展示参数大于第二预设展示参数的网络媒介信息，确定为进入排序阶段的网络媒介信息。

具体的，可以按照下发率由大到小的顺序，对第一网络媒介信息进行排序；并可以按照展示参数如CPM由大到小的顺序，对第二网络媒介信息进行排序。并将第一网络媒介信息中，下发率大于第二预设下发率的网络媒介信息，以及第二网络媒介信息中，展示参数大于预设展示参数的网络媒介信息，确定为进入排序阶段的网络媒介信息。

本公开实施例公开的技术方案，通过将第一网络媒介信息中，下发率大于第二预设下发率，以及，第二网络媒介信息中，CPM大于第二预设CPM的网络媒介信息确定为进入排序阶段的网络媒介信息，不仅使得所确定的进入排序阶段的网络媒介信息的准确度较高，并且所确定的进入排序阶段的网络媒介信息能够及时响应网络媒介信息主调价，有利于将价格较高的网络媒介信息确定为进入排序阶段的网络媒介信息，这样，投放出用户感兴趣的网络媒介信息的概率更高。

图5是根据一示例性实施例示出的一种服务器框图。参照图5，该服务器包括：

处理器510；

用于存储所述处理器可执行指令的存储器520；

其中，所述处理器被配置为执行所述指令，以实现本公开所提供的网络媒介信息投放方法。

可见，通过本公开实施例提供的技术方案，依据网络媒介信息的下发率来确定进入排序阶段的网络媒介信息，且网络媒介信息的下发率用于表征网络媒介信息被展示的概率。在对进入排序阶段的网络媒介信息进行排序时，下发率较高的网络媒介信息被排在前面的概率较高，即所确定的进入排序阶段的网络媒介信息，为排序阶段中认为效果较好的网络媒介信息，从而达到所确定的进入排序阶段的网络媒介信息的准确度较高，这样，可以投放出效果较好的网络媒介信息，即投放出用户感兴趣的网络媒介信息的概率较高。

图6是根据一示例性实施例示出的一种网络媒介信息投放装置600的框图。例如，装置600可以被提供为一服务器。参照图6，装置600包括处理组件622，其进一步包括一个或多个处理器，以及由存储器632所代表的存储器资源，用于存储可由处理组件622的执行的指令，例如应用程序。存储器632中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件622被配置为执行指令，以执行上述网络媒介信息投放方法。

装置600还可以包括一个电源组件626被配置为执行装置600的电源管理，一个有线或无线网络接口650被配置为将装置600连接到网络，和一个输入输出(I/O)接口658。装置600可以操作基于存储在存储器632的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

可见，通过本公开实施例提供的技术方案，依据网络媒介信息的下发率来确定进入排序阶段的网络媒介信息，且网络媒介信息的下发率用于表征网络媒介信息被展示的概率。在对进入排序阶段的网络媒介信息进行排序时，下发率较高的网络媒介信息被排在前面的概率较高，即所确定的进入排序阶段的网络媒介信息，为排序阶段中认为效果较好的网络媒介信息，从而达到所确定的进入排序阶段的网络媒介信息的准确度较高，这样，可以投放出效果较好的网络媒介信息，即投放出用户感兴趣的网络媒介信息的概率较高。

在本公开实施的又一方面，本公开实施例还提供了一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行本公开实施例提供的网络媒介信息投放方法。

可见，通过本公开实施例提供的技术方案，依据网络媒介信息的下发率来确定进入排序阶段的网络媒介信息，且网络媒介信息的下发率用于表征网络媒介信息被展示的概率。在对进入排序阶段的网络媒介信息进行排序时，下发率较高的网络媒介信息被排在前面的概率较高，即所确定的进入排序阶段的网络媒介信息，为排序阶段中认为效果较好的网络媒介信息，从而达到所确定的进入排序阶段的网络媒介信息的准确度较高，这样，可以投放出效果较好的网络媒介信息，即投放出用户感兴趣的网络媒介信息的概率较高。

根据本公开实施例的第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机实现第一方面所述的网络媒介信息投放方法。

可见，通过本公开实施例提供的技术方案，依据网络媒介信息的下发率来确定进入排序阶段的网络媒介信息，且网络媒介信息的下发率用于表征网络媒介信息被展示的概率。在对进入排序阶段的网络媒介信息进行排序时，下发率较高的网络媒介信息被排在前面的概率较高，即所确定的进入排序阶段的网络媒介信息，为排序阶段中认为效果较好的网络媒介信息，从而达到所确定的进入排序阶段的网络媒介信息的准确度较高，这样，可以投放出效果较好的网络媒介信息，即投放出用户感兴趣的网络媒介信息的概率较高。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。