本發(fā)明涉及互聯(lián)網(wǎng)廣告技術(shù)領(lǐng)域，特別是涉及一種廣告內(nèi)容的推薦方法及裝置。

背景技術(shù)：

搜索引擎指自動(dòng)從因特網(wǎng)搜集信息，經(jīng)過一定整理以后，提供給用戶進(jìn)行查詢的系統(tǒng)。因特網(wǎng)上的信息浩瀚萬千，而且毫無秩序，所有的信息像汪洋上的一個(gè)個(gè)小島，網(wǎng)頁鏈接是這些小島之間縱橫交錯(cuò)的橋梁，而搜索引擎，則為用戶繪制一幅一目了然的信息地圖，供用戶隨時(shí)查閱。它們從互聯(lián)網(wǎng)提取各個(gè)網(wǎng)站的信息(以網(wǎng)頁文字為主)，建立起數(shù)據(jù)庫，并能搜索與用戶查詢條件相匹配的記錄，按一定的排列順序返回結(jié)果。

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展以及互聯(lián)網(wǎng)用戶對(duì)于搜索信息精確度的要求，根據(jù)用戶的搜索關(guān)鍵詞到基于網(wǎng)站網(wǎng)頁文字建立起的數(shù)據(jù)庫中獲取搜索結(jié)果的搜索方式，很多時(shí)候搜索到的搜索結(jié)果與用戶的搜索意圖相差較遠(yuǎn)，搜索準(zhǔn)確度不高，用戶體驗(yàn)不好。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明提供的一種廣告內(nèi)容的推薦方法及裝置，主要目的在于能夠根據(jù)用戶的搜索意圖準(zhǔn)確的為用戶推薦廣告內(nèi)容，提高廣告內(nèi)容反饋的準(zhǔn)確度。

為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：

一方面，本發(fā)明提供一種廣告內(nèi)容的推薦方法，包括：

獲取當(dāng)前搜索用戶的用戶標(biāo)識(shí)ID；

根據(jù)所述用戶ID獲取所述用戶的歷史搜索信息，所述歷史搜索信息包括歷史搜索的搜索關(guān)鍵詞和統(tǒng)一資源定位符URL信息；

根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息獲取備選廣告內(nèi)容；

根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告 內(nèi)容推薦隊(duì)列；

將備選廣告內(nèi)容推薦隊(duì)列中預(yù)定的廣告內(nèi)容返回給當(dāng)前搜索用戶。

另一方面，本發(fā)明實(shí)施例提供一種廣告內(nèi)容的推薦裝置，包括：

第一獲取單元，用于獲取當(dāng)前搜索用戶的用戶標(biāo)識(shí)ID；

第二獲取單元，用于根據(jù)所述用戶ID獲取所述用戶的歷史搜索信息，所述歷史搜索信息包括歷史搜索的搜索關(guān)鍵詞和統(tǒng)一資源定位符URL信息；

第三獲取單元，用于根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息獲取備選廣告內(nèi)容；

排序單元，用于根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列；

發(fā)送單元，用于將備選廣告內(nèi)容推薦隊(duì)列中預(yù)定的廣告內(nèi)容返回給當(dāng)前搜索用戶。

本發(fā)明中提供的廣告內(nèi)容的推薦方法及裝置，當(dāng)用戶進(jìn)行互聯(lián)網(wǎng)搜索時(shí)，其可以根據(jù)當(dāng)前用戶歷史搜索的搜索關(guān)鍵詞和URL信息獲取備選廣告內(nèi)容，并且根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列，之后才將備選廣告內(nèi)容推薦隊(duì)列中預(yù)定的廣告內(nèi)容返回給當(dāng)前搜索用戶。由此可以得出，本發(fā)明實(shí)施例獲取的搜索結(jié)果至少與用戶的歷史搜索的搜索關(guān)鍵詞、URL信息相關(guān)；其中，根據(jù)用戶的歷史搜索的搜索關(guān)鍵詞、URL信息可以獲知用戶已感興趣的內(nèi)容，即根據(jù)用戶的興趣愛好為用戶推薦廣告內(nèi)容；，在得到搜索結(jié)果后，根據(jù)預(yù)設(shè)參數(shù)對(duì)選擇出的備選廣告內(nèi)容進(jìn)行進(jìn)一步的篩選，確定與用戶最相關(guān)并可點(diǎn)擊率可能較高的廣告內(nèi)容，使得返回給搜索用戶的廣告內(nèi)容的準(zhǔn)確度提高。

上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。

附圖說明

通過閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于 本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中：

圖1示出了本發(fā)明實(shí)施例提供的廣告內(nèi)容的推薦方法流程圖；

圖2示出了本發(fā)明實(shí)施例提供的將所有用戶的詞向量生成User-Item的矩陣的示意圖；

圖3示出了本發(fā)明實(shí)施例提供的一種廣告內(nèi)容的推薦裝置的組成框圖；

圖4示出了本發(fā)明實(shí)施例提供的另一種廣告內(nèi)容的推薦裝置的組成框圖；

圖5示出了本發(fā)明實(shí)施例提供的另一種廣告內(nèi)容的推薦裝置的組成框圖；

圖6示出了本發(fā)明實(shí)施例提供的另一種廣告內(nèi)容的推薦裝置的組成框圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施例。雖然附圖中顯示了本公開的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

本發(fā)明實(shí)施例提供一種廣告內(nèi)容的推薦方法，如圖1所示，該方法包括：

101、獲取當(dāng)前搜索用戶的用戶標(biāo)識(shí)ID。

當(dāng)用戶進(jìn)行網(wǎng)頁搜索時(shí)，搜索引擎一般能夠獲取到當(dāng)前搜索用戶的用戶標(biāo)識(shí)。

102、根據(jù)所述用戶ID獲取所述用戶的歷史搜索信息，所述歷史搜索信息包括歷史搜索的搜索關(guān)鍵詞和統(tǒng)一資源定位符URL信息。

其中，在根據(jù)所述用戶ID獲取所述用戶的歷史搜索信息時(shí)，可以通過但不局限于以下的方法實(shí)現(xiàn)，該方法包括：

根據(jù)用戶的ID直接搜索所述用戶的歷史搜索行為日志獲取所述用戶的 歷史搜索信息。

或者根據(jù)用戶的ID搜索預(yù)創(chuàng)建的用戶歷史搜索數(shù)據(jù)索引信息取所述用戶的歷史搜索信息，所述用戶歷史搜索數(shù)據(jù)索引信息包括：以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息以及以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息。

103、根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息獲取備選廣告內(nèi)容。

其中，根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息獲取備選廣告內(nèi)容可以采用但不局限于以下的方法實(shí)現(xiàn)，該方法包括：

根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息搜索預(yù)創(chuàng)建的備選推薦內(nèi)容索引信息獲取備選廣告內(nèi)容，所述預(yù)創(chuàng)建的備選推薦內(nèi)容索引信息包括以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息，以及以備選推薦內(nèi)容URL為關(guān)鍵字的備選推薦內(nèi)容URL備選推薦內(nèi)容的索引信息；

或者根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息直接搜索備選推薦內(nèi)容索獲取備選廣告內(nèi)容。

104、根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列。

105、將備選廣告內(nèi)容推薦隊(duì)列中預(yù)定的廣告內(nèi)容返回給當(dāng)前搜索用戶。

本發(fā)明實(shí)施例中，當(dāng)用戶進(jìn)行互聯(lián)網(wǎng)搜索時(shí)，其可以根據(jù)當(dāng)前用戶歷史搜索的搜索關(guān)鍵詞和URL信息獲取備選廣告內(nèi)容，并且根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列，之后才將備選廣告內(nèi)容推薦隊(duì)列中預(yù)定的廣告內(nèi)容返回給當(dāng)前搜索用戶。由此可以得出，本發(fā)明實(shí)施例獲取的搜索結(jié)果至少與用戶的歷史搜索的搜索關(guān)鍵詞、URL信息相關(guān)；其中，根據(jù)用戶的歷史搜索的搜索關(guān)鍵詞、URL信息可以獲知用戶已感興趣的內(nèi)容，即根據(jù)用戶的興趣愛好為用戶推薦廣告內(nèi)容；，在得到搜索結(jié)果后，根據(jù)預(yù)設(shè)參數(shù)對(duì)選擇出的備選廣告內(nèi)容進(jìn)行進(jìn)一步的篩選，確定與用戶最相關(guān)并可點(diǎn)擊率可能較高的廣告內(nèi)容，使得返回給搜索用戶的廣告內(nèi)容的準(zhǔn)確度提高。

進(jìn)一步的，在根據(jù)所述用戶ID獲取所述用戶的歷史搜索信息時(shí)，可以采用如上所述的兩種方法，但由于搜索用戶的歷史日志數(shù)據(jù)一般數(shù)據(jù)量比較大，在具體實(shí)施本發(fā)明實(shí)施例時(shí)，為了加快數(shù)據(jù)搜索的時(shí)間，一般會(huì)采用根據(jù)用戶的ID搜索預(yù)創(chuàng)建的用戶歷史搜索數(shù)據(jù)索引信息取所述用戶的歷史搜索信息。因此，在根據(jù)用戶的ID搜索預(yù)創(chuàng)建的用戶歷史搜索數(shù)據(jù)索引信息取所述用戶的歷史搜索信息之前，需要對(duì)用戶歷史搜索數(shù)據(jù)進(jìn)行索引化，以方便用戶的相關(guān)信息的查詢。對(duì)用戶歷史搜索數(shù)據(jù)進(jìn)行索引化具體包括：

創(chuàng)建以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息以及以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息。其中，創(chuàng)建以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息以及以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息可以采用單不局限于以下的方法顯示，該方法包括：

1、獲取用戶歷史搜索行為日志。

2、將用戶歷史搜索行為日志中的數(shù)據(jù)進(jìn)行處理和清洗，創(chuàng)建以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息。

其中，將用戶歷史搜索行為日志中的數(shù)據(jù)進(jìn)行處理和清洗，創(chuàng)建以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息具體為：將用戶歷史搜索行為日志中的數(shù)據(jù)進(jìn)行處理和清洗，生成備用關(guān)鍵詞數(shù)據(jù)集，為每一個(gè)用戶建立獨(dú)立的ID進(jìn)行識(shí)別，創(chuàng)建以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息，即創(chuàng)建以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的數(shù)據(jù)集合。

3、將用戶歷史搜索行為日志中的發(fā)生點(diǎn)擊行為的數(shù)據(jù)進(jìn)行處理和清洗，創(chuàng)建以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息。

其中，將用戶歷史搜索行為日志中的發(fā)生點(diǎn)擊行為的數(shù)據(jù)進(jìn)行處理和清洗，創(chuàng)建以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息具體為：將用戶歷史搜索行為日志中的發(fā)生點(diǎn)擊行為的數(shù)據(jù)進(jìn)行處理和清洗，生成關(guān)鍵詞-URL數(shù)據(jù)集，創(chuàng)建以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息。

其中，生成關(guān)鍵詞-URL數(shù)據(jù)集可以采用但不局限于根據(jù)域名層級(jí)進(jìn)行 提取。

原始的URL數(shù)據(jù)樣例如下：

http://store.yixun.com/index.html？brand＝samsung&ytag＝0.1350100026300000，可以看出這樣的URL信息是特別瑣碎的，在利用URL信息進(jìn)行重定向時(shí)，很容易出現(xiàn)數(shù)據(jù)稀疏的情況，因此需要把URL進(jìn)行一定的抽取截?cái)嗵幚?。根?jù)域名層級(jí)進(jìn)行提取具體為：對(duì)于一個(gè)普通的URL提取其一級(jí)域名作為URL的有效片段，將提取的有效片段作為URL信息。

進(jìn)一步的，在根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息獲取備選廣告內(nèi)容時(shí)，可以采用如上所述的兩種方法，為了提高搜索的速度，一般先將備選推薦廣告內(nèi)容進(jìn)行處理，創(chuàng)建以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息；以及創(chuàng)建以備選推薦內(nèi)容URL信息為關(guān)鍵字的備選推薦內(nèi)容URL-備選推薦內(nèi)容的索引信息。

其中，創(chuàng)建以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息具體采用但不局限于以下的方法實(shí)現(xiàn)，該方法包括：

將備選推薦內(nèi)容進(jìn)行切詞；根據(jù)關(guān)鍵詞聚類算法獲取備選推薦內(nèi)容的標(biāo)題；創(chuàng)建以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息。

其中，創(chuàng)建以備選推薦內(nèi)容URL為關(guān)鍵字的備選推薦內(nèi)容URL-備選推薦內(nèi)容的索引信息可以采用但不局限于以下的方法實(shí)現(xiàn)，該方法包括：

提取備選推薦內(nèi)容對(duì)應(yīng)的URL片段；創(chuàng)建以備選推薦內(nèi)容URL為關(guān)鍵字的備選推薦內(nèi)容URL-備選推薦內(nèi)容的索引信息。其中，提取備選推薦內(nèi)容對(duì)應(yīng)的URL片段的相關(guān)描述可以參考以上實(shí)施例中的相關(guān)描述，本發(fā)明實(shí)施例此處將不再贅述。

進(jìn)一步的，為了對(duì)選取的備選廣告內(nèi)容進(jìn)行進(jìn)一步準(zhǔn)確的篩選，本發(fā)明實(shí)施例可以根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列包括，該方法具體可以為基于線性多項(xiàng)式排序模型根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列，所述預(yù)設(shè)參數(shù)還包括如下參數(shù)中的任一種或任意種的組合，該 參數(shù)為：

所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)以及其在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)、歷史的點(diǎn)擊率分?jǐn)?shù)、其在當(dāng)前搜索用戶搜索中的命中率分?jǐn)?shù)、地域相關(guān)性分?jǐn)?shù)。

其中，該線性多項(xiàng)式排序模型可以為以下的形式，具體的本發(fā)明實(shí)施例對(duì)此也不進(jìn)行限制，其他可以實(shí)施例的模型也可以應(yīng)用在本發(fā)明實(shí)施例中。

RankScore＝a·ParamA+β·ParamB+…+m·ParamM

需要說明的是，在根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列之前，還需要先獲取所述預(yù)設(shè)參數(shù)。在獲取各預(yù)設(shè)的參數(shù)時(shí)，可以采用但不局限于以下的方法實(shí)現(xiàn)，該方法為：

其中，針對(duì)搜索推薦的要求，不同新鮮度的數(shù)據(jù)，其價(jià)值也不同，因此需要根據(jù)數(shù)據(jù)的時(shí)間來定義信息的衰減程度，即將所有的用戶信息發(fā)生的時(shí)間，按時(shí)間衰減函數(shù)轉(zhuǎn)化為其時(shí)間的權(quán)重，進(jìn)而給予時(shí)間的權(quán)重得到對(duì)應(yīng)的時(shí)間段分?jǐn)?shù)。獲取所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)可以采用如下的方法，該方法包括：

1、獲取所述備選廣告內(nèi)容的時(shí)間戳。

2、計(jì)算所述時(shí)間戳與當(dāng)前時(shí)間的時(shí)間間隔。其中，計(jì)算所述時(shí)間戳與當(dāng)前時(shí)間的時(shí)間間隔，可以通過減法運(yùn)算獲取，即用當(dāng)前時(shí)間減去所述時(shí)間戳的時(shí)間，得到時(shí)間間隔。

3、根據(jù)所述時(shí)間間隔以及預(yù)設(shè)時(shí)間偏移量計(jì)算獲取所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)。

其中，可以通過但不局限于以下的公式獲取所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)，該公式為：

其中，α為配置項(xiàng)，默認(rèn)為三十，單位為分鐘。

其中，當(dāng)獲取所述備選廣告內(nèi)容在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)時(shí)，可以采用但不局限于以下的方法，該方法包括：

1、根據(jù)協(xié)同過濾算法獲取與當(dāng)前搜索用戶相似人群。

其中，協(xié)同過濾(Collaborative Filtering)，簡單來說是利用某興趣相投、擁有共同經(jīng)驗(yàn)之群體的喜好來推薦使用者感興趣的資訊，個(gè)人透過合作的機(jī)制給予資訊相當(dāng)程度的回應(yīng)(如評(píng)分)并記錄下來以達(dá)到過濾的目的進(jìn)而幫助別人篩選資訊，回應(yīng)不一定局限于特別感興趣的，特別不感興趣資訊的紀(jì)錄也相當(dāng)重要。協(xié)同過濾又可分為評(píng)比(rating)或者群體過濾(social filtering)。其后成為內(nèi)容推薦當(dāng)中很重要的一環(huán)，即根據(jù)某用戶以往的行為以及從具有相似行為的用戶群的行為去推薦這個(gè)用戶其“可能喜歡的品項(xiàng)”，也就是借由社群的喜好提供個(gè)人化的資訊、商品等的推薦服務(wù)。

在此系統(tǒng)中，存在用戶和行為的關(guān)聯(lián)數(shù)據(jù)，因此主要利用user-based的方式進(jìn)行相似用戶(look alike)挖掘，并以相似用戶的行為或喜好傾向作為該用戶的推薦擴(kuò)召回選擇。

CF矩陣，將用戶的關(guān)鍵詞序列生成一組詞向量，將所有用戶的詞向量生成User-Item的矩陣，如圖2所示；其中，

其中，利用cosine距離來度量兩個(gè)用戶之間的相似度：

其中，以此相似度來得到每個(gè)用戶的相似用戶。

本發(fā)明實(shí)施例中，當(dāng)用戶進(jìn)行互聯(lián)網(wǎng)搜索時(shí)，其可以根據(jù)當(dāng)前用戶歷史搜索的搜索關(guān)鍵詞和URL信息獲取備選廣告內(nèi)容，并且根據(jù)所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)以及其在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)等多個(gè)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列，之后將備選廣告內(nèi)容推薦隊(duì)列中預(yù)定的廣告內(nèi)容返回給當(dāng)前搜索用戶。由此可以得出，本發(fā)明實(shí)施例獲取的廣告內(nèi)容至少與用戶的歷史搜索的搜索關(guān)鍵詞、URL信息、所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)以及其在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)相關(guān)；其中，根據(jù)用戶的歷史搜索的搜索關(guān)鍵詞、URL信息可以獲知用戶已感興趣的內(nèi)容，即根據(jù)用戶的興趣愛好為用戶推薦備選廣告內(nèi)容，在得到備選廣告內(nèi)容后，根據(jù)備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)以及其在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)，對(duì)選擇出的備選廣告內(nèi)容進(jìn)行進(jìn)一步的篩選，確定與用戶最相關(guān)并可點(diǎn)擊率可能較高的廣告內(nèi)容，使得返回的廣告內(nèi)容的準(zhǔn)確度提高。

基于上述方法實(shí)施例，本發(fā)明實(shí)施例提供一種廣告內(nèi)容的推薦裝置，如圖3所示，該包括：

第一獲取單元21，用于獲取當(dāng)前搜索用戶的用戶ID。

第二獲取單元22，用于根據(jù)所述用戶ID獲取所述用戶的歷史搜索信息，所述歷史搜索信息包括歷史搜索的搜索關(guān)鍵詞和統(tǒng)一資源定位符URL信息。其中，第二獲取單元22，用于根據(jù)所述用戶ID獲取所述用戶的歷史搜索信息時(shí)可以采用但不局限于以下的方式實(shí)現(xiàn)，該方式為：

根據(jù)用戶的ID搜索預(yù)創(chuàng)建的用戶歷史搜索數(shù)據(jù)索引信息取所述用戶的歷史搜索信息，所述用戶歷史搜索數(shù)據(jù)索引信息包括：以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息以及以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息；

或者根據(jù)用戶的ID直接搜索所述用戶的歷史搜索行為日志獲取所述用戶的歷史搜索信息。

第三獲取單元23，用于根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息獲取備選廣告內(nèi)容。其中，所述第三獲取單元23，用于根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息獲取備選廣告內(nèi)容時(shí)，可以采用但不局限于以下的 方式實(shí)現(xiàn)，該方式為：根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息搜索預(yù)創(chuàng)建的備選推薦內(nèi)容索引信息獲取備選廣告內(nèi)容，所述預(yù)創(chuàng)建的備選推薦內(nèi)容索引信息包括以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息，以及以備選推薦內(nèi)容URL為關(guān)鍵字的備選推薦內(nèi)容URL備選推薦內(nèi)容的索引信息；

或者根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息直接搜索備選推薦內(nèi)容索獲取備選廣告內(nèi)容。

排序單元24，用于根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列。其中，所述排序單元24用于根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列時(shí)，可以采用但不局限于以下的方式實(shí)現(xiàn)，該方式為基于線性多項(xiàng)式排序模型根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列，所述預(yù)設(shè)參數(shù)還包括如下參數(shù)中的任一種或任意種的組合，該參數(shù)為：

所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)以及其在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)、歷史的點(diǎn)擊率分?jǐn)?shù)、其在當(dāng)前搜索用戶搜索中的命中率分?jǐn)?shù)、地域相關(guān)性分?jǐn)?shù)。

發(fā)送單元25，用于將備選廣告內(nèi)容推薦隊(duì)列中預(yù)定的廣告內(nèi)容返回給當(dāng)前搜索用戶。

進(jìn)一步的，當(dāng)所述第二獲取單元22用于根據(jù)用戶的ID搜索預(yù)創(chuàng)建的用戶歷史搜索數(shù)據(jù)索引信息取所述用戶的歷史搜索信息時(shí)，如圖4所示，該裝置還包括：

第一創(chuàng)建單元26，用于創(chuàng)建以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息以及以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息。其中，所述第一創(chuàng)建單元26具體用于包括：

獲取用戶歷史搜索行為日志；

將用戶歷史搜索行為日志中的數(shù)據(jù)進(jìn)行處理和清洗，創(chuàng)建以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息；

將用戶歷史搜索行為日志中的發(fā)生點(diǎn)擊行為的數(shù)據(jù)進(jìn)行處理和清洗，

進(jìn)一步的，如圖5所示，在第三獲取單元23根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息搜索預(yù)創(chuàng)建的備選推薦內(nèi)容索引信息獲取備選廣告內(nèi)容時(shí)，還包括：

第二創(chuàng)建單元27，用于創(chuàng)建以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息；以及創(chuàng)建以備選推薦內(nèi)容URL信息為關(guān)鍵字的備選推薦內(nèi)容URL-備選推薦內(nèi)容的索引信息。其中，所述第二創(chuàng)建單元27創(chuàng)建以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息可以采用但不局限于以下的方式實(shí)現(xiàn)，該方式為包括：

將備選推薦內(nèi)容進(jìn)行切詞；根據(jù)關(guān)鍵詞聚類算法獲取備選推薦內(nèi)容的標(biāo)題；創(chuàng)建以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息。

其中，當(dāng)所述第二創(chuàng)建單元27創(chuàng)建以備選推薦內(nèi)容URL為關(guān)鍵字的備選推薦內(nèi)容URL-備選推薦內(nèi)容的索引信息可以采用但不局限于以下的方式實(shí)現(xiàn)，該方式為包括：包括：

提取備選推薦內(nèi)容對(duì)應(yīng)的URL片段；創(chuàng)建以備選推薦內(nèi)容URL為關(guān)鍵字的備選推薦內(nèi)容URL-備選推薦內(nèi)容的索引信息。其中，提取備選推薦內(nèi)容對(duì)應(yīng)的URL片段可以采用但不局限于以下的方式實(shí)現(xiàn)，該方式具體為：

提取備選推薦內(nèi)容對(duì)應(yīng)的URL的一級(jí)域名作為備選推薦內(nèi)容對(duì)應(yīng)的URL片段。

進(jìn)一步的，如圖6所示，該裝置還包括：

第四獲取單元28，用于在根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列之前，獲取所述預(yù)設(shè)參數(shù)。

其中，當(dāng)所述第四獲取單元28獲取所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)時(shí)，所述第四獲取單元28具體用于：獲取所述備選廣告內(nèi)容的時(shí)間戳；計(jì)算所述時(shí)間戳與當(dāng)前時(shí)間的時(shí)間間隔；根據(jù)所述時(shí)間間隔以及預(yù)設(shè)時(shí)間偏移量計(jì)算獲取所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)。

其中，當(dāng)所述第四獲取單元28獲取所述備選廣告內(nèi)容在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)時(shí)，所述第四獲取單元28具體用于：

根據(jù)協(xié)同過濾算法獲取與當(dāng)前搜索用戶相似人群；根據(jù)所述與當(dāng)前搜索用戶相似人群的歷史搜索日志獲取所述備選廣告內(nèi)容在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)。

需要說明的是，本發(fā)明實(shí)施例中涉及的各功能單元和模塊的相關(guān)描述，可以參考方法實(shí)施例中的具體描述，本發(fā)明實(shí)施例在此不進(jìn)行贅述。

本發(fā)明實(shí)施例中，當(dāng)用戶進(jìn)行互聯(lián)網(wǎng)搜索時(shí)，其可以根據(jù)當(dāng)前用戶歷史搜索的搜索關(guān)鍵詞和URL信息獲取備選廣告內(nèi)容，并且根據(jù)所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)以及其在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)等多個(gè)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列，之后才將備選廣告內(nèi)容推薦隊(duì)列中預(yù)定的廣告內(nèi)容返回給當(dāng)前搜索用戶。由此可以得出，本發(fā)明實(shí)施例獲取的廣告內(nèi)容至少與用戶的歷史搜索的搜索關(guān)鍵詞、URL信息、所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)以及其在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)相關(guān)；其中，根據(jù)用戶的歷史搜索的搜索關(guān)鍵詞、URL信息可以獲知用戶已感興趣的內(nèi)容，即根據(jù)用戶的興趣愛好為用戶推薦廣告內(nèi)容，在得到廣告內(nèi)容后，根據(jù)備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)以及其在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)，對(duì)選擇出的備選廣告內(nèi)容進(jìn)行進(jìn)一步的篩選，確定與用戶最相關(guān)并可點(diǎn)擊率可能較高的廣告內(nèi)容，使得返回的廣告內(nèi)容的準(zhǔn)確度提高。

本發(fā)明公開A1、一種廣告內(nèi)容的推薦方法，包括：

獲取當(dāng)前搜索用戶的用戶標(biāo)識(shí)ID；

根據(jù)所述用戶ID獲取所述用戶的歷史搜索信息，所述歷史搜索信息包括歷史搜索的搜索關(guān)鍵詞和統(tǒng)一資源定位符URL信息；

根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息獲取備選廣告內(nèi)容；

根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列；

將備選廣告內(nèi)容推薦隊(duì)列中預(yù)定的廣告內(nèi)容返回給當(dāng)前搜索用戶。

A2、如A1所述的方法，根據(jù)所述用戶ID獲取所述用戶的歷史搜索信息包括：

根據(jù)用戶的ID搜索預(yù)創(chuàng)建的用戶歷史搜索數(shù)據(jù)索引信息取所述用戶的歷史搜索信息，所述用戶歷史搜索數(shù)據(jù)索引信息包括：以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息以及以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息；

或者根據(jù)用戶的ID直接搜索所述用戶的歷史搜索行為日志獲取所述用戶的歷史搜索信息。

A3、如A2所述的方法，在根據(jù)用戶的ID搜索預(yù)創(chuàng)建的用戶歷史搜索數(shù)據(jù)索引信息取所述用戶的歷史搜索信息之前，還包括：

創(chuàng)建以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息以及以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息。

A4、如A3所述的方法，創(chuàng)建以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息以及以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息包括：

獲取用戶歷史搜索行為日志；

將用戶歷史搜索行為日志中的數(shù)據(jù)進(jìn)行處理和清洗，創(chuàng)建以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息；

將用戶歷史搜索行為日志中的發(fā)生點(diǎn)擊行為的數(shù)據(jù)進(jìn)行處理和清洗，創(chuàng)建以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息。

A5、如A1所述的方法，根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息獲取備選廣告內(nèi)容包括：

根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息搜索預(yù)創(chuàng)建的備選推薦內(nèi)容索引信息獲取備選廣告內(nèi)容，所述預(yù)創(chuàng)建的備選推薦內(nèi)容索引信息包括以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息，以及以備選推薦內(nèi)容URL為關(guān)鍵字的備選推薦內(nèi)容URL備選推薦內(nèi)容的索引信息；

或者根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息直接搜索備選推薦內(nèi)容索獲取備選廣告內(nèi)容。

A6、如A5所述的方法，在根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息搜索預(yù)創(chuàng)建的備選推薦內(nèi)容索引信息獲取備選廣告內(nèi)容之前，還包括：

創(chuàng)建以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息；

以及創(chuàng)建以備選推薦內(nèi)容URL信息為關(guān)鍵字的備選推薦內(nèi)容URL-備選推薦內(nèi)容的索引信息。

A7、如A6所述的方法，創(chuàng)建以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息包括：

將備選推薦內(nèi)容進(jìn)行切詞；

根據(jù)關(guān)鍵詞聚類算法獲取備選推薦內(nèi)容的標(biāo)題；

創(chuàng)建以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息。

A8、如A6所述的方法，創(chuàng)建以備選推薦內(nèi)容URL為關(guān)鍵字的備選推薦內(nèi)容URL-備選推薦內(nèi)容的索引信息包括：

提取備選推薦內(nèi)容對(duì)應(yīng)的URL片段；

創(chuàng)建以備選推薦內(nèi)容URL為關(guān)鍵字的備選推薦內(nèi)容URL-備選推薦內(nèi)容的索引信息。

A9、如A8所述的方法，提取備選推薦內(nèi)容對(duì)應(yīng)的URL片段包括：

提取備選推薦內(nèi)容對(duì)應(yīng)的URL的一級(jí)域名作為備選推薦內(nèi)容對(duì)應(yīng)的URL片段。

A10、如A1-A9中任一項(xiàng)所述的方法，根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列包括：

基于線性多項(xiàng)式排序模型根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列，所述預(yù)設(shè)參數(shù)還包括如下參數(shù)中的任一種或任意種的組合，該參數(shù)為：

所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)以及其在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)、歷史的點(diǎn)擊率分?jǐn)?shù)、其在當(dāng)前搜索用戶搜索中的命中率分?jǐn)?shù)、地域相關(guān)性分?jǐn)?shù)。

A11、如A10所述的方法，在根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列之前，還包括：

獲取所述預(yù)設(shè)參數(shù)。

A12、如A11所述方法，獲取所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)包括：

獲取所述備選廣告內(nèi)容的時(shí)間戳；

計(jì)算所述時(shí)間戳與當(dāng)前時(shí)間的時(shí)間間隔；

根據(jù)所述時(shí)間間隔以及預(yù)設(shè)時(shí)間偏移量計(jì)算獲取所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)。

A13、如A11所述的方法，獲取所述備選廣告內(nèi)容在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)包括：

根據(jù)協(xié)同過濾算法獲取與當(dāng)前搜索用戶相似人群；

根據(jù)所述與當(dāng)前搜索用戶相似人群的歷史搜索日志獲取所述備選廣告內(nèi)容在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)。

本發(fā)明公開了B1、一種廣告內(nèi)容的推薦裝置，包括：

第一獲取單元，用于獲取當(dāng)前搜索用戶的用戶標(biāo)識(shí)ID；

第二獲取單元，用于根據(jù)所述用戶ID獲取所述用戶的歷史搜索信息，所述歷史搜索信息包括歷史搜索的搜索關(guān)鍵詞和統(tǒng)一資源定位符URL信息；

第三獲取單元，用于根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息獲取備選廣告內(nèi)容；

排序單元，用于根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列；

發(fā)送單元，用于將備選廣告內(nèi)容推薦隊(duì)列中預(yù)定的廣告內(nèi)容返回給當(dāng)前搜索用戶。

B2、如B1所述的裝置，所述第二獲取單元用于：

根據(jù)用戶的ID搜索預(yù)創(chuàng)建的用戶歷史搜索數(shù)據(jù)索引信息取所述用戶的歷史搜索信息，所述用戶歷史搜索數(shù)據(jù)索引信息包括：以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息以及以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息；

或者根據(jù)用戶的ID直接搜索所述用戶的歷史搜索行為日志獲取所述用戶的歷史搜索信息。

B3、如B2所述的裝置，當(dāng)所述第二獲取單元用于根據(jù)用戶的ID搜索 預(yù)創(chuàng)建的用戶歷史搜索數(shù)據(jù)索引信息取所述用戶的歷史搜索信息時(shí)，還包括：

第一創(chuàng)建單元，用于創(chuàng)建以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息以及以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息。

B4、如B3所述的裝置，所述第一創(chuàng)建單元具體用于包括：

獲取用戶歷史搜索行為日志；

將用戶歷史搜索行為日志中的數(shù)據(jù)進(jìn)行處理和清洗，創(chuàng)建以用戶ID為關(guān)鍵字的用戶ID-搜索關(guān)鍵詞的索引信息；

將用戶歷史搜索行為日志中的發(fā)生點(diǎn)擊行為的數(shù)據(jù)進(jìn)行處理和清洗，創(chuàng)建以搜索關(guān)鍵詞為關(guān)鍵字的搜索關(guān)鍵字-URL信息的索引信息。

B5、如B1所述的裝置，第三獲取單元具體用于，

根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息搜索預(yù)創(chuàng)建的備選推薦內(nèi)容索引信息獲取備選廣告內(nèi)容，所述預(yù)創(chuàng)建的備選推薦內(nèi)容索引信息包括以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息，以及以備選推薦內(nèi)容URL為關(guān)鍵字的備選推薦內(nèi)容URL備選推薦內(nèi)容的索引信息；

或者根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息直接搜索備選推薦內(nèi)容索獲取備選廣告內(nèi)容。

B6、如B5所述的裝置，當(dāng)?shù)谌@取單元根據(jù)所述歷史搜索的搜索關(guān)鍵詞和URL信息搜索預(yù)創(chuàng)建的備選推薦內(nèi)容索引信息獲取備選廣告內(nèi)容時(shí)，還包括：

第二創(chuàng)建單元，用于創(chuàng)建以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息；以及創(chuàng)建以備選推薦內(nèi)容URL信息為關(guān)鍵字的備選推薦內(nèi)容URL-備選推薦內(nèi)容的索引信息。

B7、如B6所述的裝置，當(dāng)所述第二創(chuàng)建單元?jiǎng)?chuàng)建以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容的索引信息包括：

將備選推薦內(nèi)容進(jìn)行切詞；

根據(jù)關(guān)鍵詞聚類算法獲取備選推薦內(nèi)容的標(biāo)題；

創(chuàng)建以備選推薦內(nèi)容標(biāo)題為關(guān)鍵字的備選推薦內(nèi)容切詞-備選推薦內(nèi)容 的索引信息。

B8、如B6所述的裝置，所述第二創(chuàng)建單元?jiǎng)?chuàng)建以備選推薦內(nèi)容URL為關(guān)鍵字的備選推薦內(nèi)容URL-備選推薦內(nèi)容的索引信息包括：

提取備選推薦內(nèi)容對(duì)應(yīng)的URL片段；

創(chuàng)建以備選推薦內(nèi)容URL為關(guān)鍵字的備選推薦內(nèi)容URL-備選推薦內(nèi)容的索引信息。

B9、如B8所述的裝置，提取備選推薦內(nèi)容對(duì)應(yīng)的URL片段包括：

提取備選推薦內(nèi)容對(duì)應(yīng)的URL的一級(jí)域名作為備選推薦內(nèi)容對(duì)應(yīng)的URL片段。

B10、如B1-B9中任一項(xiàng)所述的裝置，所述排列單元具體用于：

基于線性多項(xiàng)式排序模型根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列，所述預(yù)設(shè)參數(shù)還包括如下參數(shù)中的任一種或任意種的組合，該參數(shù)為：

所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)以及其在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)、歷史的點(diǎn)擊率分?jǐn)?shù)、其在當(dāng)前搜索用戶搜索中的命中率分?jǐn)?shù)、地域相關(guān)性分?jǐn)?shù)。

B11、如B10所述的裝置，還包括：

第四獲取單元，用于在根據(jù)預(yù)設(shè)參數(shù)對(duì)所述備選廣告內(nèi)容進(jìn)行多權(quán)重混合排序形成備選廣告內(nèi)容推薦隊(duì)列之前，獲取所述預(yù)設(shè)參數(shù)。

B12、如B11所述裝置，當(dāng)所述第四獲取單元獲取所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)時(shí)，所述第四獲取單元具體用于：

獲取所述備選廣告內(nèi)容的時(shí)間戳；

計(jì)算所述時(shí)間戳與當(dāng)前時(shí)間的時(shí)間間隔；

根據(jù)所述時(shí)間間隔以及預(yù)設(shè)時(shí)間偏移量計(jì)算獲取所述備選廣告內(nèi)容的時(shí)段分?jǐn)?shù)。

B13、如B11所述的裝置，當(dāng)所述第四獲取單元獲取所述備選廣告內(nèi)容在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)時(shí)，所述第四獲取單元具體用于：

根據(jù)協(xié)同過濾算法獲取與當(dāng)前搜索用戶相似人群；

根據(jù)所述與當(dāng)前搜索用戶相似人群的歷史搜索日志獲取所述備選廣告內(nèi)容在與當(dāng)前搜索用戶相似人群中的搜索命中分?jǐn)?shù)。

在上述實(shí)施例中，對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重，某個(gè)實(shí)施例中沒有詳述的部分，可以參見其他實(shí)施例的相關(guān)描述。

可以理解的是，上述方法及裝置中的相關(guān)特征可以相互參考。另外，上述實(shí)施例中的“第一”、“第二”等是用于區(qū)分各實(shí)施例，而并不代表各實(shí)施例的優(yōu)劣。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過程，在此不再贅述。

在此提供的算法和顯示不與任何特定計(jì)算機(jī)、虛擬系統(tǒng)或者其它設(shè)備固有相關(guān)。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述，構(gòu)造這類系統(tǒng)所要求的結(jié)構(gòu)是顯而易見的。此外，本發(fā)明也不針對(duì)任何特定編程語言。應(yīng)當(dāng)明白，可以利用各種編程語言實(shí)現(xiàn)在此描述的本發(fā)明的內(nèi)容，并且上面對(duì)特定語言所做的描述是為了披露本發(fā)明的最佳實(shí)施方式。

在此處所提供的說明書中，說明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實(shí)施例可以在沒有這些具體細(xì)節(jié)的情況下實(shí)踐。在一些實(shí)例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對(duì)本說明書的理解。

類似地，應(yīng)當(dāng)理解，為了精簡本公開并幫助理解各個(gè)發(fā)明方面中的一個(gè)或多個(gè)，在上面對(duì)本發(fā)明的示例性實(shí)施例的描述中，本發(fā)明的各個(gè)特征有時(shí)被一起分組到單個(gè)實(shí)施例、圖、或者對(duì)其的描述中。然而，并不應(yīng)將該公開的方法解釋成反映如下意圖：即所要求保護(hù)的本發(fā)明要求比在每個(gè)權(quán)利要求中所明確記載的特征更多的特征。更確切地說，如下面的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個(gè)實(shí)施例的所有特征。因此，遵循具體實(shí)施方式的權(quán)利要求書由此明確地并入該具體實(shí)施方式，其中每個(gè)權(quán)利要求本身都作為本發(fā)明的單獨(dú)實(shí)施例。

本領(lǐng)域那些技術(shù)人員可以理解，可以對(duì)實(shí)施例中的設(shè)備中的模塊進(jìn)行自適應(yīng)性地改變并且把它們?cè)O(shè)置在與該實(shí)施例不同的一個(gè)或多個(gè)設(shè)備中?？梢园褜?shí)施例中的模塊或單元或組件組合成一個(gè)模塊或單元或組件，以及 此外可以把它們分成多個(gè)子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對(duì)本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設(shè)備的所有過程或單元進(jìn)行組合。除非另外明確陳述，本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的每個(gè)特征可以由提供相同、等同或相似目的的替代特征來代替。

此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實(shí)施例包括其它實(shí)施例中所包括的某些特征而不是其它特征，但是不同實(shí)施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實(shí)施例。例如，在下面的權(quán)利要求書中，所要求保護(hù)的實(shí)施例的任意之一都可以以任意的組合方式來使用。

本發(fā)明的各個(gè)部件實(shí)施例可以以硬件實(shí)現(xiàn)，或者以在一個(gè)或者多個(gè)處理器上運(yùn)行的軟件模塊實(shí)現(xiàn)，或者以它們的組合實(shí)現(xiàn)。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，可以在實(shí)踐中使用微處理器或者數(shù)字信號(hào)處理器(DSP)來實(shí)現(xiàn)根據(jù)本發(fā)明實(shí)施例的發(fā)明名稱(如確定網(wǎng)站內(nèi)鏈接等級(jí)的裝置)中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實(shí)現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設(shè)備或者裝置程序(例如，計(jì)算機(jī)程序和計(jì)算機(jī)程序產(chǎn)品)。這樣的實(shí)現(xiàn)本發(fā)明的程序可以存儲(chǔ)在計(jì)算機(jī)可讀介質(zhì)上，或者可以具有一個(gè)或者多個(gè)信號(hào)的形式。這樣的信號(hào)可以從因特網(wǎng)網(wǎng)站上下載得到，或者在載體信號(hào)上提供，或者以任何其他形式提供。

應(yīng)該注意的是上述實(shí)施例對(duì)本發(fā)明進(jìn)行說明而不是對(duì)本發(fā)明進(jìn)行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計(jì)出替換實(shí)施例。在權(quán)利要求中，不應(yīng)將位于括號(hào)之間的任何參考符號(hào)構(gòu)造成對(duì)權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個(gè)”不排除存在多個(gè)這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計(jì)算機(jī)來實(shí)現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個(gè)可以是通過同一個(gè)硬件項(xiàng)來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序。可將這些單詞解釋為名稱。