本发明专利技术公开了一种互联网的数据处理方法，包括：在离线阶段，通过重复迭代的方式获得需求(Demand)结点约束条件的对偶参数、以及供应(Supply)结点约束条件的对偶参数；根据所述Demand结点约束条件的对偶参数、以及Supply结点约束条件的对偶参数，获得每个任务在相应定向条件下的播放概率；将每个任务中的互联网信息、以及每个任务在相应定向条件下的播放概率，分发给所述相应定向条件下的Supply结点所处的互联网信息播放终端，指示相应终端按获得的所述播放概率播放相应任务中的互联网信息。本发明专利技术还公开了一种互联网的数据处理装置。
【技术实现步骤摘要】
本专利技术涉及互联网
，尤其涉及一种互联网的数据处理方法和装置。
技术介绍
目前的互联网信息推送，主要是为实现互联网信息在一段时间内在某些定向条件 下的播放。该个过程可W用二部图来建模，如图1所示，左侧的供应（Supply)端表示各种 定向条件下的播放，不同Supply结点对应不同的权重Si，表示该定向条件i下的预估播放 量（或称播放次数），右侧的需求值emand)端表示信息推送需求（为描述方便，后续简称信 息推送任务或任务），包括预定义的互联网信息、定向条件和播放量等，不同Demand结点对 应不同的权重dj，表示任务j所需求的互联网信息播放次数。Si到dj的连接线表示Si对应 的定向条件符合任务j的dj.中的需求，每个连接线对应权重Xu,可W理解为在某一定向条 件的播放量Si到达时，展示任务j的互联网信息的概率为xy。Xu实质上对应了Supply端 播放量的库存在线分配方案，如何求解Xu是互联网信息推送的关键问题。 定向条件有很多维度，如地域、内容、性别、年龄、时间、场景等，而每个维度又包含 很多属性，如北京、上海属于地域维度下的两个不同的定向属性。该样，不同的定向属性组 合之后的定向条件就会有数十亿种。如果直接全部计算每一个Xu用于线上服务，那么需要 存储维护大量的信息（空间复杂度为图1中Supply端到Demand端的连接线的数量），在实 际的应用中是不可行的。 现有技术将xy的求解分为离线阶段和在线阶段该两个过程。离线阶段，根据预估 出的每个定向条件的库存信息W及任务信息得到如图1所示的二部图模型，根据模型计算 出每个任务对应的参数；在线阶段，当播放量到达时，得到所有符合该定向条件的任务，根 据离线阶段计算出的任务参数推导出每个任务的展示概率。具体的算法过程如下： 离线阶段：[000引 1)对所有的Demand结点按照d/sj进行降序排列得到分配顺序，其中，dj为任务j所需求的互联网信息播放次数，Sj.为所有满足dj.定向条件的Si的预估播放量总和； 。对所有的Supp1y结点，初始化S=i-，即初始化馬为预估播放量； 如按照Demand结点的分配顺序，计算Pj.使得如果P^不 存在，则设置PJ=-;其中，PJ表示Si分配给任务j的播放次数占Si播放总数的比例，每 个Demand结点相对应的Supply结点都使用该比例，Bj表示所有满足Demand结点j定向条 件的Supply结点； 并对所有满足Demand结点定向条件的Supply结点iGBj，更新其焉为 在线阶段：1)当Supply结点i的播放量到达时，得到所有符合该定向条件的任务，并按所述 分配顺序排序； 2)对每个任务j，计算分配顺序排在j之前的任务所对应的概率和P，如果P> 1-PJ，则任务j被展示的概率为1-P，否则任务j被展示的概率为PJ。 上述算法实质上是启发式的贪也算法，通过对任务分配顺序的调节，使得比较难 满足的任务优先分配，按照分配顺序生成每个任务的库存分配方案。当播放到达时，根据分 配方案得到对应任务的展示概率Xu。 然而，现有算法无法保证得到一个相对的最优解，计算Xu的误差越大，会导致互 联网信息推送的效率和准确率越低，无法满足互联网信息的播放需求。因此，如何使计算的 Xy达到相对的最优解，从而保证互联网信息推送的效率和准确率，尽量满足互联网信息的 播放需求，是目前亟待解决的技术问题。
技术实现思路
为解决现有存在的技术问题，本专利技术提供一种互联网的数据处理方法和装置。 本专利技术提供一种互联网的数据处理方法，所述方法包括： 在离线阶段，通过重复迭代的方式获得需求Demand结点约束条件的对偶参数、W 及供应Supply结点约束条件的对偶参数；[001引根据所述Demand结点约束条件的对偶参数、W及Supply结点约束条件的对偶参 数，获得每个任务在相应定向条件下的播放概率； 将每个任务中的互联网信息、W及每个任务在相应定向条件下的播放概率，分发 给所述相应定向条件下的Supply结点所处的互联网信息播放终端，指示相应终端按获得 的所述播放概率播放相应任务中的互联网信息。 上述方案中，所述通过重复迭代的方式获得Demand结点约束条件的对偶参数、W 及Supply结点约束条件的对偶参数，包括： 根据初始化的Demand结点约束条件的对偶参数计算所述Supply结点约束条件的 对偶参数，根据计算所得Supply结点约束条件的对偶参数计算Demand结点约束条件的对 偶参数；重复迭代所述Demand结点约束条件的对偶参数、Supply结点约束条件的对偶参数 预定次数，输出迭代后的Demand结点约束条件的对偶参数、W及Supply结点约束条件的对 偶参数。 上述方案中，所述通过重复迭代的方式获得Demand结点约束条件的对偶参数、W 及Supply结点约束条件的对偶参数，包括： a、对于所有任务j，初始化aJ= 0,aj.表示Demand结点约束条件的对偶参数； b、对于所有定向条件i，计算目i使捐如果无解或者目1<〇,则 设置目i= 0 ;其中，目i表示Supply结点约束条件的对偶参数，r(i)表示所有能够被的定 向条件i满足的Demand结点，0u表示互联网信息的 均匀分布标准，Vj表示任务j对播放均匀分布的要求级别；[002引 c、对于所有任务j，计算aj.使得如果aj>Pj或者无解，则 设置aJ=pj.;其中，Si表示定向条件i下的预估播放量，dj.表示任务j的需求播放量，pj表示补偿代价； 将所述步骤b和C迭代预定次数，得到迭代后输出的Demand结点约束条件的对偶 参数aj.、W及Supply结点约束条件的对偶参数目1。 上述方案中，所述根据Demand结点约束条件的对偶参数、W及Supply结点约束条 件的对偶参数，获得每个任务在相应定向条件下的播放概率，包括：[002引离线阶段，对于所有定向条件i，初始化i严Si表示定向条件i的预估播放量； 对于所有的定向条件i，计算目i使得如果无解或者目i< 0,则 设置目i= 0 ; 对应每个任务j，按照分配顺序执行： 计算弓J使焉如果无解则设置^J=-;对于满足任 务j的所有定向条件i，更新马-min枉馬每-A)}用于下一任务的弓J计算，输出所 有任务的aj.、弓j.;其中，弓j.表示用于计算任务j在相应定向条件下播放概率的第一参数，r(j)表示所有满足任务j的Supply结点；[003引在线阶段，在每个Si到达时，根据Qj.计算出目1，并由弓j.和目i计算得出每个任 务在相应定向条件下的播放概率。 上述方案中，所述分配顺序为： 对所有的Demand结点按照dj/sj进行降序排列，其中，dj表示任务j所需求的互联 网信息播放次数，Sj.表示所有满足dj.定向条件的Si的预估播放量总和。 上述方案中，所述根据aJ计算出目1，并由弓j.和目i计算得出每个任务在相应定 向条件下的播放概率，包括： 输入定向条件i和所有满足定向条件i的任务； 设置馬=1，计算目i使得如果无解或者目i< 0,则设置目i= 0 ; 对于每个满足定向条件i的任务，按照分配顺序计算巧 新馬用于下一个任务的Xy计算；其中，Xu表示任务j在定本文档来自技高网...
【技术保护点】
一种互联网的数据处理方法，其特征在于，所述方法包括：在离线阶段，通过重复迭代的方式获得需求Demand结点约束条件的对偶参数、以及供应Supply结点约束条件的对偶参数；根据所述Demand结点约束条件的对偶参数、以及Supply结点约束条件的对偶参数，获得每个任务在相应定向条件下的播放概率；将每个任务中的互联网信息、以及每个任务在相应定向条件下的播放概率，分发给所述相应定向条件下的Supply结点所处的互联网信息播放终端，指示相应终端按获得的所述播放概率播放相应任务中的互联网信息。
【技术特征摘要】
【专利技术属性】
技术研发人员：程佳，陈戈，邹方圆，李文杰，
申请(专利权)人：腾讯科技北京有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。