确定流量调控目标的方法及装置

摘要

本申请公开了一种确定流量调控目标的方法及装置。方法的一具体实施方式包括：确定待确定流量调控目标的物品集合和待确定时间段；将物品集合和待确定时间段的特征信息输入预先训练的预测模型，得到物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值，其中，预测模型用于表征物品集合和待确定时间段的特征信息与比值的对应关系；根据比值，确定物品集合在待确定时间段内的流量调控目标。本申请提供了一种电商场景下确定流量调控目标的方法，提高了所确定的流量调控目标的合理性和准确度。

说明书

技术领域

本申请实施例涉及计算机技术领域，具体涉及一种确定流量调控目标的方法及装置。

背景技术

在电商场景中，电商平台负责供给与需求的匹配，决定消费者看到的商品展示顺序。为了满足特定商家的营销诉求，实现平台的经营意志，平台需要给商家一定幅度的流量激励。电商平台对商家的流量激励，需要借助流量的智能调控系统来实现，具体实现措施是控制商品的曝光位置。调控系统十分依赖输入的流量调控目标，如果输入给调控系统的流量调控目标不合理，会极大的提升调控的难度。因此，在进行流量调控前，需要得到合理的流量调控目标。

发明内容

本申请实施例提出了一种确定流量调控目标的方法及装置。

第一方面，本申请实施例提供了一种确定流量调控目标的方法，包括：确定待确定流量调控目标的物品集合和待确定时间段；将物品集合和待确定时间段的特征信息输入预先训练的预测模型，得到物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值，其中，预测模型用于表征物品集合和待确定时间段的特征信息与比值的对应关系；根据比值，确定物品集合在待确定时间段内的流量调控目标。

在一些实施例中，上述方法还包括：基于相对应的不同时间段内相对应的子时间段的流量在时间段总流量中占比相同的原则，将物品集合在待确定时间段内的流量调控目标，分发至待确定时间段内的各子时间段，确定物品集合在各子时间段内的流量调控目标。

在一些实施例中，上述基于相对应的不同时间段内相对应的子时间段的流量在时间段总流量中占比相同的原则，将物品集合在待确定时间段内的流量调控目标，分发至待确定时间段内的各子时间段，确定物品集合在各子时间段内的流量调控目标，包括：以第一级别子时间段为时间单位，基于相对应的不同时间段内相对应的第一级别子时间段的流量在时间段总流量中的占比相同的原则，将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段，确定物品集合在各第一级别子时间段内的流量调控目标；以第二级别子时间段为时间单位，基于相对应的第一级别子时间段内相对应的第二级别子时间段的流量在第一级别子时间段总流量中的占比相同的原则，将各第一级别子时间段对应的流量调控目标，分发至各第一级别子时间段内的各第二级别子时间段，确定物品集合在各第二级别子时间段内的流量调控目标。

在一些实施例中，上述以第一级别子时间段为时间单位，基于相对应的不同时间段内相对应的第一级别子时间段的流量在时间段总流量中的占比相同的原则，将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段，包括：基于相对应的不同时间段内相对应的第一级别子时间段内的流量在时间段总流量中的占比相同的原则，确定将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段的第一初始权重；以第一级别子时间段为时间单位，根据物品集合中的各物品的销售值在物品集合的总销售值中的占比信息，以及各物品的折扣信息，确定第一调整信息；通过第一调整信息调整各第一初始权重，得到各第一调整后权重，并根据各第一调整后权重，将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段。

在一些实施例中，上述以第二级别子时间段为时间单位，基于相对应的第一级别子时间段内相对应的第二级别子时间段的流量在第一级别子时间段总流量中的占比相同的原则，将各第一级别子时间段对应的流量调控目标，分发至各第一级别子时间段内的各第二级别子时间段，包括：对于待确定时间段内的每个第一级别子时间段，执行如下操作：基于相对应的第一级别子时间段内相对应的第二级别子时间段的流量在第一级别子时间段总流量中的占比相同的原则，确定将该第一级别子时间段对应的流量调控目标，分发至该第一级别子时间段内的各第二级别子时间段的第二初始权重；以第二级别子时间段为时间单位，根据物品集合中的各物品的销售值在物品集合的总销售值中的占比信息，以及各物品的折扣信息，确定第二调整信息；通过第二调整信息调整第二初始权重，得到第二调整后权重，并根据第二调整后权重，将该第一级别子时间段对应的流量调控目标，分发至该第一级别子时间段内的各第二级别子时间段。

在一些实施例中，预测模型通过如下方式训练得到：获取训练样本集，其中，训练样本集中的训练样本包括，样本物品集合在样本时间段前的多个预设时间段内的第一特征信息，样本物品集合在对应于样本时间段的时间段内的第二特征信息，以及样本时间段内样本物品集合的平均流量与样本时间段前的一个预设时间段内样本物品集合的平均流量的比值；利用机器学习算法，以训练样本中的第一特征信息、第二特征信息为输入，以所输入的第一特征信息、第二特征信息对应的比值为期望输出，训练得到预测模型。

在一些实施例中，上述方法还包括：以属于同一用户的物品为待筛选物品集合，得到多个待筛选物品集合；根据多个待筛选物品集合中每个待筛选物品集合的销售值，从多个待筛选物品集合中筛选得到多个样本物品集合。

第二方面，本申请实施例提供了一种确定流量调控目标的装置，包括：第一确定单元，被配置成确定待确定流量调控目标的物品集合和待确定时间段；预测单元，被配置成将物品集合和待确定时间段的特征信息输入预先训练的预测模型，得到物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值，其中，预测模型用于表征物品集合和待确定时间段的特征信息与比值的对应关系；第二确定单元，被配置成根据比值，确定物品集合在待确定时间段内的流量调控目标。

在一些实施例中，上述装置还包括：分发单元，被配置成基于相对应的不同时间段内相对应的子时间段的流量在时间段总流量中占比相同的原则，将物品集合在待确定时间段内的流量调控目标，分发至待确定时间段内的各子时间段，确定物品集合在各子时间段内的流量调控目标。

在一些实施例中，分发单元，进一步被配置成：以第一级别子时间段为时间单位，基于相对应的不同时间段内相对应的第一级别子时间段的流量在时间段总流量中的占比相同的原则，将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段，确定物品集合在各第一级别子时间段内的流量调控目标；以第二级别子时间段为时间单位，基于相对应的第一级别子时间段内相对应的第二级别子时间段的流量在第一级别子时间段总流量中的占比相同的原则，将各第一级别子时间段对应的流量调控目标，分发至各第一级别子时间段内的各第二级别子时间段，确定物品集合在各第二级别子时间段内的流量调控目标。

在一些实施例中，分发单元，进一步被配置成：基于相对应的不同时间段内相对应的第一级别子时间段内的流量在时间段总流量中的占比相同的原则，确定将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段的第一初始权重；以第一级别子时间段为时间单位，根据物品集合中的各物品的销售值在物品集合的总销售值中的占比信息，以及各物品的折扣信息，确定第一调整信息；通过第一调整信息调整各第一初始权重，得到各第一调整后权重，并根据各第一调整后权重，将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段。

在一些实施例中，分发单元，进一步被配置成：对于待确定时间段内的每个第一级别子时间段，执行如下操作：基于相对应的第一级别子时间段内相对应的第二级别子时间段的流量在第一级别子时间段总流量中的占比相同的原则，确定将该第一级别子时间段对应的流量调控目标，分发至该第一级别子时间段内的各第二级别子时间段的第二初始权重；以第二级别子时间段为时间单位，根据物品集合中的各物品的销售值在物品集合的总销售值中的占比信息，以及各物品的折扣信息，确定第二调整信息；通过第二调整信息调整第二初始权重，得到第二调整后权重，并根据第二调整后权重，将该第一级别子时间段对应的流量调控目标，分发至该第一级别子时间段内的各第二级别子时间段。

在一些实施例中，上述装置还包括：训练单元，被配置成通过如下方式训练得到预测模型：获取训练样本集，其中，训练样本集中的训练样本包括，样本物品集合在样本时间段前的多个预设时间段内的第一特征信息，样本物品集合在对应于样本时间段的时间段内的第二特征信息，以及样本时间段内样本物品集合的平均流量与样本时间段前的一个预设时间段内样本物品集合的平均流量的比值；利用机器学习算法，以训练样本中的第一特征信息、第二特征信息为输入，以所输入的第一特征信息、第二特征信息对应的比值为期望输出，训练得到预测模型。

在一些实施例中，上述装置还包括：得到单元，被配置成：以属于同一用户的物品为待筛选物品集合，得到多个待筛选物品集合；根据多个待筛选物品集合中每个待筛选物品集合的销售值，从多个待筛选物品集合中筛选得到多个样本物品集合。

第三方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面任一实现方式描述的方法。

第四方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面任一实现方式描述的方法。

本申请实施例提供的确定流量调控目标的方法及装置，通过确定待确定流量调控目标的物品集合和待确定时间段；将物品集合和待确定时间段的特征信息输入预先训练的预测模型，得到物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值，其中，预测模型用于表征物品集合和待确定时间段的特征信息与比值的对应关系；根据比值，确定物品集合在待确定时间段内的流量调控目标，从而提供了一种电商场景下确定流量调控目标的方法，提高了所确定的流量调控目标的合理性和准确度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请确定流量调控目标的方法的一个实施例的流程图；

图3是根据本实施例的确定流量调控目标的方法的应用场景的示意图；

图4是根据本申请的确定流量调控目标的方法的又一个实施例的流程图；

图5是根据本申请的确定流量调控目标的装置的一个实施例的结构图；

图6是适于用来实现本申请实施例的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的确定流量调控目标的方法及装置的示例性架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。终端设备101、102、103之间通信连接构成拓扑网络，网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103可以是支持网络连接从而进行数据交互和数据处理的硬件设备或软件。当终端设备101、102、103为硬件时，其可以是支持网络连接，信息获取、交互、显示、处理等功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如获取用户通过终端设备101、102、103发送的请求信息，根据请求信息中用户指定的物品集合和待确定时间段，通过预先训练的预测模型确定物品集合在待确定时间段内的流量调控目标的后台处理服务器。可选的，服务器可以将流量调控目标反馈至终端设备。作为示例，服务器105可以是云端服务器。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

还需要说明的是，本申请的实施例所提供的确定流量调控目标的方法可以由服务器执行，也可以由终端设备执行，还可以由服务器和终端设备彼此配合执行。相应地，确定流量调控目标的装置包括的各个部分(例如各个单元)可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。当确定流量调控目标的方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该系统架构可以仅包括确定流量调控目标的方法运行于其上的电子设备(例如服务器或终端设备)。

继续参考图2，示出了确定流量调控目标的方法的一个实施例的流程200，包括以下步骤：

步骤201，确定待确定流量调控目标的物品集合和待确定时间段。

本实施例中，确定流量调控目标的方法的执行主体(例如图1中的服务器)可以确定待确定流量调控目标的物品集合和待确定时间段。

本实施例中，流量调控目标作为物品集合在待确定时间段内的目标流量，当待确定时间段到来时，对物品集合中的物品的展示顺序进行调整，以使得物品集合在待确定时间段内达成流量调控目标。

其中，物品集合可以是用户所指定的、归属于用户的多个物品。在电商场景下，物品集合可以是电商平台中的商家所卖的商品。其中，每个商家对应于一个物品集合。

待确定时间段一般为未来时间中的一段时间。作为示例，在电商场景中，待确定时间段例如可以是即将到来的、电商平台举行的促销活动所对应的时间段。

在本实施例中，上述执行主体在确定待确定流量调控目标的物品集合和待确定时间段时，同时获取物品集合和待确定时间段的特征信息。物品集合特征信息包括物品集合中的物品的属性信息、流量信息。其中，流量信息可以包括表征物品的流量趋势特征的信息和表征流量周期性特征的信息。可以理解，针对于所展示的物品的点击、下单、销售额等信息均可以认为是该物品的流量。

作为示例，属性信息包括物品集合所表征的用户的主营类目、主营品牌、商品数量等信息，物品集合在每天的流量信息包括物品集合在过去3、7、15、30天的点击、曝光、销量的均值和标准差等信息。为了获取流量趋势特征，可以获取过去的3个月的流量信息；为了获取流量周期性特征，可以获取物品集合在上一周期中对应于待确定时间段的时间段内的流量信息。例如，当前时间为2021.4.16，待确定时间段为2021.6.1-2021.6.18，则对应于待确定时间段的时间段为2020.6.1-2020.6.18。

待确定时间段的特征信息可以包括待确定时间段的月份、是否为工作日、是否为节假日、是否有大规模促销活动、距离上一次促销活动的天数、下一次促销活动的天数等信息。

步骤202，将物品集合和待确定时间段的特征信息输入预先训练的预测模型，得到物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值。

本实施例中，上述执行主体可以将物品集合和待确定时间段的特征信息输入预先训练的预测模型，得到物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值。其中，预测模型用于表征物品集合和待确定时间段的特征信息与比值的对应关系。

预设时间段所表征的时间长度可以根据实际情况具体设置。例如，预设时间段为过去的一个月。

预测模型可以采用具有预测功能的神经网络模型。例如，lightGBM(LightGradient Boosting Machine，轻量梯度提升机)模型。

本实施例中，通过预测模型预测物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值，而不是直接预测物品集合在待确定时间段内的流量，是出于如下考量：

首先，电商场景下，由于促销节日的存在，流量的分布存在突刺和尖峰。此类的数据占比较少，属于异常值。直接预测流量信息，会使得预测模型很难学习到促销期间的流量分布信息，而且还可能会扰乱平时期间(非促销期间)的预估效果。

其次，不同商家的商品类目体量差异较大，流量差异较大。针对于此类情况，预测模型的预测效果并不理想。

通过预测模型预测物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值，可以解决上述问题，提高预测模型的准确度。

在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式训练得到预测模型：

第一，获取训练样本集。

其中，训练样本集中的训练样本包括：样本物品集合在样本时间段前的多个预设时间段内的第一特征信息，样本物品集合在对应于样本时间段的时间段内的第二特征信息，以及样本时间段内样本物品集合的平均流量与样本时间段前的一个预设时间段内样本物品集合的平均流量的比值。

可以理解，训练样本中的数据一般为已产生的历史数据。作为示例，当前时间为2021.4.16，上述执行主体可以从电商平台获取当前时间之前的所有商品的历史信息。其中的一个训练样本中的样本时间段为2020.6.1-2020.6.18，样本时间段前的多个预设时间段中的每个时间段的时间长度为一个月，具体为2020.3.1-2021.6.1的三个月，对应于样本时间段的时间段为2019.6.1-2019.6.18。

本实现方式中，训练样本与样本物品集合可以是一一对应的关系，也可以是多对一的关系。在多对一的关系中，同一样本物品集合对应的多个训练样本中的样本时间段不同。

第二，利用机器学习算法，以训练样本中的第一特征信息、第二特征信息为输入，以所输入的第一特征信息、第二特征信息对应的比值为期望输出，训练得到预测模型。

本实现方式中，预测模型针对于每一个训练样本所输出的比值与作为期望输出的比值，确定两者的损失值，并根据损失值求解梯度，进而更新初始预测模型的参数，直至达到训练结束条件，得到预测模型。其中，训练结束条件可以是损失收敛、训练次数超过预设次数阈值、训练时间超过预设时间阈值。

在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式得到多个样本物品集合：

第一，以属于同一用户的物品为待筛选物品集合，得到多个待筛选物品集合。

本实现方式中，待筛选物品集合与用户一一对应。作为示例，每个样本物品集合可以是一个商家所指定的、由属于该商家的多个物品构成的集合。

第二，根据多个待筛选物品集合中每个待筛选物品集合的销售值，从多个待筛选物品集合中筛选得到多个样本物品集合。

本实现方式中，上述执行主体可以对多个待筛选物品集合中每个待筛选物品集合的销售值按照大小顺序进行排序，选取排名在前的多个待筛选物品集合，以过滤掉规模较小的物品集合，得到多个样本物品集合。例如，可以选取选择3级类目下销售额在前30％的商家对应的物品集合。

步骤203，根据比值，确定物品集合在待确定时间段内的流量调控目标。

本实施例中，上述执行主体可以根据比值，确定物品集合在待确定时间段内的流量调控目标。

作为示例，首先，上述执行主体根据比值和物品集合在截止到当前的预设时间段内的平均流量，确定物品集合在待确定时间段内的平均流量。然后，根据物品集合在待确定时间段内的平均流量和待确定时间段的时间长度，确定流量调控目标。

继续参见图3，图3是根据本实施例的确定流量调控目标的方法的应用场景的一个示意图300。在图3的应用场景中，首先，用户301通过终端设备302向服务器303发送请求信息。其中，请求信息中包括待确定流量调控目标的物品集合和待确定时间段。服务器在获取请求信息后，首先确定待确定流量调控目标的物品集合和待确定时间段。然后，将物品集合和待确定时间段的特征信息输入预先训练的预测模型304，得到物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值。其中，预测模型304用于表征物品集合和待确定时间段的特征信息与比值的对应关系。最后，根据比值，确定物品集合在待确定时间段内的流量调控目标。

本申请的上述实施例提供的方法，通过确定待确定流量调控目标的物品集合和待确定时间段；将物品集合和待确定时间段的特征信息输入预先训练的预测模型，得到物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值，其中，预测模型用于表征物品集合和待确定时间段的特征信息与比值的对应关系；根据比值，确定物品集合在待确定时间段内的流量调控目标，从而提供了一种电商场景下确定流量调控目标的方法，提高了所确定的流量调控目标的合理性和准确度。

在本实施例的一些可选的实现方式中，上述执行主体还可以将物品集合在待确定时间段内的流量调控目标，分发至待确定时间段内的各子时间段，确定物品集合在各子时间段内的流量调控目标。其中，子时间段的时间长度小于待确定时间段的时间长度。

具体的，上述执行主体可以基于相对应的不同时间段内相对应的子时间段的流量在时间段总流量中占比相同的原则，将物品集合在待确定时间段内的流量调控目标，分发至待确定时间段内的各子时间段，确定物品集合在各子时间段内的流量调控目标。

作为示例，待确定时间段为2021.6.13-2021.6.18，则对应于待确定时间段的时间段2020.6.13-2020.6.18。其中，2021.6.13-2021.6.18这6天与2021.6.13-2021.6.18这6天是一一对应的。物品集合在2020.6.13-2020.6.18这6天中的占比信息分别为0.05、0.08、0.12、0.2、0.3、0.25，则物品集合在2021.6.13-2021.6.18这6天中占比信息分别为0.05、0.08、0.12、0.2、0.3、0.25。

在本实施例的一些可选的实现方式中，上述执行主体可以实现不同时间粒度的流量划分。具体的，上述执行主体可以通过如下方式执行上述分发过程：

第一，以第一级别子时间段为时间单位，基于相对应的不同时间段内相对应的第一级别子时间段的流量在时间段总流量中的占比相同的原则，将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段，确定物品集合在各第一级别子时间段内的流量调控目标。

作为示例，第一级别子时间段可以是天级的时间段。

第二，以第二级别子时间段为时间单位，基于相对应的第一级别子时间段内相对应的第二级别子时间段的流量在第一级别子时间段总流量中的占比相同的原则，将各第一级别子时间段对应的流量调控目标，分发至各第一级别子时间段内的各第二级别子时间段，确定物品集合在各第二级别子时间段内的流量调控目标。

本实现方式中，第二级别子时间段表征的时间长度小于第一级别子时间段表征的时间长度。例如，第二级别子时间段可以是小时级的时间段。

继续以待确定时间段为2021.6.13-2021.6.18，对应于待确定时间段的时间段为2020.6.13-2020.6.18为例，2020.6.13这一天中的12:00-14:00这两个小时的流量在这一天的总流量的占比为0.1、0.15，则2021.6.13这一天中的12:00-14:00这两个小时的流量在这一天的总流量的占比也为0.1、0.15。

在本实施例的一些可选的实现方式中，上述执行主体在流量调控目标的分发过程中，需要考虑物品的价格变动对流量的影响，以提高分发过程中分发流量调控目标的准确度。

上述执行主体可以通过如下方式执行上述第一步骤：

首先，基于相对应的不同时间段内相对应的第一级别子时间段内的流量在时间段总流量中的占比相同的原则，确定将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段的第一初始权重。

其中，各第一级别子时间段的第一初始权重可以是各第一级别子时间段内的流量在时间段总流量中的占比信息。

然后，以第一级别子时间段为时间单位，根据物品集合中的各物品的销售值在物品集合的总销售值中的占比信息，以及各物品的折扣信息，确定第一调整信息。

本实现方式中，上述执行主体可以通过如下公式确定第一调整信息：

其中，m表示第一调整信息，

最后，通过第一调整信息调整第一初始权重，得到第一调整后权重，并根据第一调整后权重，将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段。

作为示例，上述执行主体将第一初始权重与第一调整信息相乘得到第一调整后权重。将每个第一级别子时间段对应的第一调整后权重与待确定时间段对应的流量调控目标相乘，得到每个第一级别子时间段对应的流量调控目标。

在本实施例的一些可选的实现方式中，上述执行主义可以通过如下方式执行上述第二步骤：

对于待确定时间段内的每个第一级别子时间段，执行如下操作：

首先，基于相对应的第一级别子时间段内相对应的第二级别子时间段的流量在第一级别子时间段总流量中的占比相同的原则，确定将该第一级别子时间段对应的流量调控目标，分发至该第一级别子时间段内的各第二级别子时间段的第二初始权重。

其次，以第二级别子时间段为时间单位，根据物品集合中的各物品的销售值在物品集合的总销售值中的占比信息，以及各物品的折扣信息，确定第二调整信息。

本实现方式中，上述执行主体参照第一调整信息的计算公式，得到第二调整信息。具体的，将销售额的统计设定为以第二级别子时间段为时间单位所统计到的销售额。

最后，通过第二调整信息调整第二初始权重，得到第二调整后权重，并根据第二调整后权重，将该第一级别子时间段对应的流量调控目标，分发至该第一级别子时间段内的各第二级别子时间段。

继续参考图4，示出了根据本申请的确定流量调控目标的方法的一个实施例的示意性流程400，包括以下步骤：

步骤401，确定待确定流量调控目标的物品集合和待确定时间段。

步骤402，将物品集合和待确定时间段的特征信息输入预先训练的预测模型，得到物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值。

其中，预测模型用于表征物品集合和待确定时间段的特征信息与比值的对应关系。

步骤403，根据比值，确定物品集合在待确定时间段内的流量调控目标。

步骤404，基于相对应的不同时间段内相对应的第一级别子时间段内的流量在时间段总流量中的占比相同的原则，确定将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段的第一初始权重。

步骤405，以第一级别子时间段为时间单位，根据物品集合中的各物品的销售值在物品集合的总销售值中的占比信息，以及各物品的折扣信息，确定第一调整信息。

步骤406，通过第一调整信息调整各第一初始权重，得到各第一调整后权重，并根据各第一调整后权重，将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段。

步骤407，对于待确定时间段内的每个第一级别子时间段，执行如下操作：

步骤4071，基于相对应的第一级别子时间段内相对应的第二级别子时间段的流量在第一级别子时间段总流量中的占比相同的原则，确定将该第一级别子时间段对应的流量调控目标，分发至该第一级别子时间段内的各第二级别子时间段的第二初始权重。

步骤4072，以第二级别子时间段为时间单位，根据物品集合中的各物品的销售值在物品集合的总销售值中的占比信息，以及各物品的折扣信息，确定第二调整信息。

步骤4073，通过第二调整信息调整第二初始权重，得到第二调整后权重，并根据第二调整后权重，将该第一级别子时间段对应的流量调控目标，分发至该第一级别子时间段内的各第二级别子时间段。

从本实施例中可以看出，与图2对应的实施例相比，本实施例中的确定流量调控目标的方法的流程400具体说明了流量调控目标的分发过程，提高了待确定时间段中不同时间粒度的子时间段的流量调控目标的准确度。

继续参考图5，作为对上述各图所示方法的实现，本申请提供了一种确定流量调控目标的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，确定流量调控目标的装置包括：第一确定单元501，被配置成确定待确定流量调控目标的物品集合和待确定时间段；预测单元502，被配置成将物品集合和待确定时间段的特征信息输入预先训练的预测模型，得到物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值，其中，预测模型用于表征物品集合和待确定时间段的特征信息与比值的对应关系；第二确定单元503，被配置成根据比值，确定物品集合在待确定时间段内的流量调控目标。

在一些实施例中，上述装置还包括：分发单元(图中未示出)，被配置成基于相对应的不同时间段内相对应的子时间段的流量在时间段总流量中占比相同的原则，将物品集合在待确定时间段内的流量调控目标，分发至待确定时间段内的各子时间段，确定物品集合在各子时间段内的流量调控目标。

在一些实施例中，分发单元(图中未示出)，进一步被配置成：以第一级别子时间段为时间单位，基于相对应的不同时间段内相对应的第一级别子时间段的流量在时间段总流量中的占比相同的原则，将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段，确定物品集合在各第一级别子时间段内的流量调控目标；以第二级别子时间段为时间单位，基于相对应的第一级别子时间段内相对应的第二级别子时间段的流量在第一级别子时间段总流量中的占比相同的原则，将各第一级别子时间段对应的流量调控目标，分发至各第一级别子时间段内的各第二级别子时间段，确定物品集合在各第二级别子时间段内的流量调控目标。

在一些实施例中，分发单元(图中未示出)，进一步被配置成：基于相对应的不同时间段内相对应的第一级别子时间段内的流量在时间段总流量中的占比相同的原则，确定将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段的第一初始权重；以第一级别子时间段为时间单位，根据物品集合中的各物品的销售值在物品集合的总销售值中的占比信息，以及各物品的折扣信息，确定第一调整信息；通过第一调整信息调整各第一初始权重，得到各第一调整后权重，并根据各第一调整后权重，将待确定时间段对应的流量调控目标，分发至待确定时间段内的各第一级别子时间段。

在一些实施例中，分发单元(图中未示出)，进一步被配置成：对于待确定时间段内的每个第一级别子时间段，执行如下操作：基于相对应的第一级别子时间段内相对应的第二级别子时间段的流量在第一级别子时间段总流量中的占比相同的原则，确定将该第一级别子时间段对应的流量调控目标，分发至该第一级别子时间段内的各第二级别子时间段的第二初始权重；以第二级别子时间段为时间单位，根据物品集合中的各物品的销售值在物品集合的总销售值中的占比信息，以及各物品的折扣信息，确定第二调整信息；通过第二调整信息调整第二初始权重，得到第二调整后权重，并根据第二调整后权重，将该第一级别子时间段对应的流量调控目标，分发至该第一级别子时间段内的各第二级别子时间段。

在一些实施例中，上述装置还包括：训练单元(图中未示出)，被配置成通过如下方式训练得到预测模型：获取训练样本集，其中，训练样本集中的训练样本包括，样本物品集合在样本时间段前的多个预设时间段内的第一特征信息，样本物品集合在对应于样本时间段的时间段内的第二特征信息，以及样本时间段内样本物品集合的平均流量与样本时间段前的一个预设时间段内样本物品集合的平均流量的比值；利用机器学习算法，以训练样本中的第一特征信息、第二特征信息为输入，以所输入的第一特征信息、第二特征信息对应的比值为期望输出，训练得到预测模型。

在一些实施例中，上述装置还包括：得到单元(图中未示出)，被配置成：以属于同一用户的物品为待筛选物品集合，得到多个待筛选物品集合；根据多个待筛选物品集合中每个待筛选物品集合的销售值，从多个待筛选物品集合中筛选得到多个样本物品集合。

本实施例中，确定流量调控目标的装置中的第一确定单元确定待确定流量调控目标的物品集合和待确定时间段；预测单元将物品集合和待确定时间段的特征信息输入预先训练的预测模型，得到物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值，其中，预测模型用于表征物品集合和待确定时间段的特征信息与比值的对应关系；第二确定单元根据比值，确定物品集合在待确定时间段内的流量调控目标，从而提供了一种电商场景下确定流量调控目标的方法，提高了所确定的流量调控目标的合理性和准确度。

下面参考图6，其示出了适于用来实现本申请实施例的设备(例如图1所示的设备101、102、103、105)的计算机系统600的结构示意图。图6示出的设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括处理器(例如CPU，中央处理器)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中，还存储有系统600操作所需的各种程序和数据。处理器601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在客户计算机上执行、部分地在客户计算机上执行、作为一个独立的软件包执行、部分在客户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到客户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括第一确定单元、预测单元和第二确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，预测单元还可以被描述为“将物品集合和待确定时间段的特征信息输入预先训练的预测模型，得到物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该计算机设备：确定待确定流量调控目标的物品集合和待确定时间段；将物品集合和待确定时间段的特征信息输入预先训练的预测模型，得到物品集合在待确定时间段内的平均流量与物品集合在截止到当前的预设时间段内的平均流量的比值，其中，预测模型用于表征物品集合和待确定时间段的特征信息与比值的对应关系；根据比值，确定物品集合在待确定时间段内的流量调控目标。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。