專利名稱：一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的方法、裝置和設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的方法、裝置和設(shè)備。
背景技術(shù)：
隨著互聯(lián)網(wǎng)日漸融入人們的生活，互聯(lián)網(wǎng)上的廣告已經(jīng)成為企業(yè)進(jìn)行產(chǎn)品/服務(wù)營(yíng)銷的重要手段，而相應(yīng)的，用戶迫切需要了解廣告投放的效果如何，以根據(jù)投放效果來(lái)相應(yīng)的調(diào)整廣告投放策略。然而，每次將所獲得所有數(shù)據(jù)來(lái)建立模型，不僅效率較低，而且其模型的偏差和變異都較大。因此，建立起根據(jù)已知數(shù)據(jù)來(lái)評(píng)估將投放的廣告信息的評(píng)估模型，亦即采用遷移方法建立評(píng)估模型是許多人的迫切需求。然而，由于互聯(lián)網(wǎng)規(guī)模的快速膨脹，各類數(shù)據(jù)量急劇遞增，廣告信息也不例外，動(dòng)輒即是海量數(shù)據(jù)。而現(xiàn)有的遷移算法需要通過(guò)對(duì)各個(gè)數(shù)據(jù)進(jìn)行迭代操作來(lái)實(shí)現(xiàn)，在海量數(shù) 據(jù)的情況下，即使通過(guò)較長(zhǎng)時(shí)間的學(xué)習(xí)訓(xùn)練操作，也很難達(dá)到一個(gè)穩(wěn)定的收斂狀態(tài)。故而，如何可以最優(yōu)的利用已有數(shù)據(jù)、建立能在海量數(shù)據(jù)情況下快速達(dá)到收斂的模型，是當(dāng)前亟待解決的問(wèn)題。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于遷移學(xué)習(xí)方法確定網(wǎng)頁(yè)評(píng)估模型的方法、裝置和設(shè)備。根據(jù)本發(fā)明的一個(gè)方面，提供一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的方法，其中，所述網(wǎng)頁(yè)包括多項(xiàng)特征相關(guān)信息，所述方法包括以下步驟a獲取待建立網(wǎng)頁(yè)評(píng)估模型的一組目標(biāo)樣本組以及與其對(duì)應(yīng)的至少一組參照樣本組，其中，所述目標(biāo)樣本組及其對(duì)應(yīng)的至少一組參照樣本組分別包括多個(gè)網(wǎng)頁(yè)；b根據(jù)所述目標(biāo)樣本組以及所述至少一組參照樣本組，獲得所述至少一組參照樣本組中部分或全部參照樣本組相對(duì)于所述目標(biāo)樣本組的權(quán)重調(diào)整信息；c根據(jù)所述目標(biāo)樣本組、各個(gè)參照樣本組所對(duì)應(yīng)的所述權(quán)重調(diào)整信息以及所述預(yù)定訓(xùn)練方式來(lái)執(zhí)行遷移操作，獲得所述目標(biāo)樣本組的網(wǎng)頁(yè)評(píng)估模型；d基于所述網(wǎng)頁(yè)評(píng)估模型對(duì)一個(gè)或多個(gè)待評(píng)估網(wǎng)頁(yè)進(jìn)行評(píng)估。根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的網(wǎng)頁(yè)評(píng)估裝置，其中，所述網(wǎng)頁(yè)包括多項(xiàng)特征相關(guān)信息，所述網(wǎng)頁(yè)評(píng)估裝置包括第一獲取裝置，用于獲取待建立網(wǎng)頁(yè)評(píng)估模型的一組目標(biāo)樣本組以及與其對(duì)應(yīng)的至少一組參照樣本組，其中，所述目標(biāo)樣本組及其對(duì)應(yīng)的至少一組參照樣本組分別包括多個(gè)網(wǎng)頁(yè)；權(quán)重獲取裝置，用于根據(jù)所述目標(biāo)樣本組以及所述至少一組參照樣本組，獲得所述至少一組參照樣本組中部分或全部參照樣本組相對(duì)于所述目標(biāo)樣本組的權(quán)重調(diào)整信息；
模型獲取裝置，用于根據(jù)所述目標(biāo)樣本組、各個(gè)參照樣本組所對(duì)應(yīng)的所述權(quán)重調(diào)整信息以及所述預(yù)定訓(xùn)練方式來(lái)執(zhí)行遷移操作，獲得所述目標(biāo)樣本組的網(wǎng)頁(yè)評(píng)估模型；評(píng)估裝置，用于基于所述網(wǎng)頁(yè)評(píng)估模型對(duì)一個(gè)或多個(gè)待評(píng)估網(wǎng)頁(yè)進(jìn)行評(píng)估。根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種計(jì)算機(jī)設(shè)備，其中，該計(jì)算機(jī)設(shè)備包括所述網(wǎng)頁(yè)評(píng)估裝置。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)I)根據(jù)本實(shí)施例的遷移操作需要對(duì)每個(gè)數(shù)據(jù)進(jìn)行迭代操作，故而能夠快速達(dá)到收斂，建立起穩(wěn)定的評(píng)估模型，因此能夠很好的適用于海量數(shù)據(jù)的處理，對(duì)于當(dāng)前海量的網(wǎng)頁(yè)的評(píng)估可獲得較好的效果。2)通過(guò)執(zhí)行數(shù)據(jù)遷移或者模型遷移操作，可基于當(dāng)前已有的數(shù)據(jù)或模型，來(lái)建立與目標(biāo)樣本組對(duì)應(yīng)的、合理的評(píng)估模型，以對(duì)屬于目標(biāo)樣本組的各個(gè)網(wǎng)頁(yè)進(jìn)行評(píng)估；并可較 好的適用于海量數(shù)據(jù)的處理。3)使用者可進(jìn)一步根據(jù)網(wǎng)頁(yè)信息的評(píng)估結(jié)果來(lái)確定其應(yīng)用場(chǎng)景。例如，當(dāng)所評(píng)估的網(wǎng)頁(yè)信息包括線上廣告時(shí)，即可對(duì)廣告的投放效果來(lái)進(jìn)行評(píng)估過(guò)，并根據(jù)評(píng)估所得的廣告效果來(lái)調(diào)整廣告信息的投放情況，例如，調(diào)整廣告的投放時(shí)間段，以提高其點(diǎn)擊率；又例如，調(diào)整廣告的目標(biāo)用戶，以提高廣告與用戶的匹配度等，從而提高了廣告投放的效率以及廣告的轉(zhuǎn)化率。


通過(guò)閱讀參照以下附圖所作的對(duì)非限制性實(shí)施例所作的詳細(xì)描述，本發(fā)明的其它特征、目的和優(yōu)點(diǎn)將會(huì)變得更明顯圖I為根據(jù)本發(fā)明的一個(gè)方面的一種計(jì)算機(jī)實(shí)現(xiàn)的用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的方法流程圖；圖2為根據(jù)本發(fā)明一個(gè)優(yōu)選實(shí)施例的一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的方法流程圖；圖3為根據(jù)本發(fā)明的又一個(gè)優(yōu)選實(shí)施例的一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的方法流程圖；圖4為根據(jù)本發(fā)明的再一個(gè)優(yōu)選實(shí)施例的一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的方法流程圖；圖5為根據(jù)本發(fā)明的一個(gè)方面的一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的網(wǎng)頁(yè)評(píng)估裝置的結(jié)構(gòu)示意圖；圖6為根據(jù)本發(fā)明的一個(gè)優(yōu)選實(shí)施例的一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的網(wǎng)頁(yè)評(píng)估裝置的結(jié)構(gòu)示意圖；圖7為根據(jù)本發(fā)明的又一個(gè)優(yōu)選實(shí)施例的一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的網(wǎng)頁(yè)評(píng)估裝置的結(jié)構(gòu)示意圖；圖8為根據(jù)本發(fā)明的再一個(gè)優(yōu)選實(shí)施例的一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的網(wǎng)頁(yè)評(píng)估裝置的結(jié)構(gòu)示意圖；附圖中相同或相似的附圖標(biāo)記代表相同或相似的部件。
具體實(shí)施方式
下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。圖I示意出了根據(jù)本發(fā)明的一個(gè)方面的一種計(jì)算機(jī)實(shí)現(xiàn)的用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的方法流程圖。根據(jù)本發(fā)明的方法包括步驟SI、步驟S2、步驟S3以及步驟S4。其中，根據(jù)本發(fā)明的方法通過(guò)計(jì)算機(jī)設(shè)備實(shí)現(xiàn)。所述計(jì)算機(jī)設(shè)備包括一種能夠按照事先設(shè)定或存儲(chǔ)的指令，自動(dòng)進(jìn)行數(shù)值計(jì)算和/或信息處理的電子設(shè)備，其硬件包括但不限于微處理器、專用集成電路(ASIC)、可編程門陣列(FPGA)、數(shù)字處理器(DSP)、嵌入式設(shè)備等。所述計(jì)算機(jī)設(shè)備包括網(wǎng)絡(luò)設(shè)備和/或用戶設(shè)備。其中，所述網(wǎng)絡(luò)設(shè)備包括但不限于單個(gè)網(wǎng)絡(luò)服務(wù)器、多個(gè)網(wǎng)絡(luò)服務(wù)器組成的服務(wù)器組或基于云計(jì)算(Cloud Computing)的由大量主機(jī)或網(wǎng)絡(luò)服務(wù)器構(gòu)成的云，其中，云計(jì)算是分布式計(jì)算的一種，由一群松散耦合的計(jì)算機(jī)集組成的一個(gè)超級(jí)虛擬計(jì)算機(jī)。所述用戶設(shè)備包括但不限于任何一種可與用戶通過(guò)鍵盤、鼠標(biāo)、遙控器、觸摸板、或聲控設(shè)備等方式進(jìn)行人機(jī)交互的電子產(chǎn)品，例如，個(gè)人計(jì)算機(jī)、平板電腦、智能手機(jī)、PDA、游戲機(jī)、或IPTV等。其中，所述用戶設(shè)備及網(wǎng)絡(luò)設(shè)備所處的網(wǎng)絡(luò)包括但不限于互聯(lián)網(wǎng)、廣域網(wǎng)、城域網(wǎng)、局域網(wǎng)、VPN網(wǎng)絡(luò)等。
需要說(shuō)明的是，所述用戶設(shè)備、網(wǎng)絡(luò)設(shè)備以及網(wǎng)絡(luò)僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的用戶設(shè)備、網(wǎng)絡(luò)設(shè)備以及網(wǎng)絡(luò)如可適用于本發(fā)明，也應(yīng)包含在本發(fā)明保護(hù)范圍以內(nèi)，并以引用方式包含于此。根據(jù)本發(fā)明的方法用于獲取網(wǎng)頁(yè)評(píng)估模型，并用所述網(wǎng)頁(yè)評(píng)估模型對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估。其中，本發(fā)明中所述的模型包括基于機(jī)器學(xué)習(xí)方式建立的模型。所述機(jī)器學(xué)習(xí)是一類基于概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論，從數(shù)據(jù)中自動(dòng)分析獲得規(guī)律，并利用規(guī)律對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)的方法?；谒鰴C(jī)器學(xué)習(xí)方式建立的模型可通過(guò)對(duì)大量數(shù)據(jù)的訓(xùn)練來(lái)發(fā)現(xiàn)其中的規(guī)律，并基于該規(guī)律運(yùn)行以對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)。并且，所述模型能通過(guò)基于以往數(shù)據(jù)的訓(xùn)練來(lái)優(yōu)化自身對(duì)于未知數(shù)據(jù)的預(yù)測(cè)性能。其中，所述網(wǎng)頁(yè)包括多項(xiàng)特征相關(guān)信息。所述特征相關(guān)信息包括與網(wǎng)頁(yè)相關(guān)的各類信息，優(yōu)選地，所述特征相關(guān)信息包括可能影響用于對(duì)于網(wǎng)頁(yè)所發(fā)布的信息的接收程度的各項(xiàng)信息。優(yōu)選地，所述網(wǎng)頁(yè)包括用于向用戶發(fā)布產(chǎn)品或服務(wù)信息的廣告信息，相應(yīng)地，所述廣告信息的特征相關(guān)信息包括可能影響該廣告信息的廣告效果的各項(xiàng)信息。所述網(wǎng)頁(yè)評(píng)估模型包括用于評(píng)估廣告的廣告評(píng)估模型。更優(yōu)選地，所述廣告信息可嵌入于其他網(wǎng)頁(yè)中。例如，以懸浮窗口的形式嵌入于新聞網(wǎng)頁(yè)中的廣告信息；又例如，以圖片、音視頻等形式嵌入于網(wǎng)頁(yè)中的廣告信息，再例如，以文本、鏈接等形式展現(xiàn)在網(wǎng)頁(yè)中的廣告信息等。其中，根據(jù)本發(fā)明所述的多個(gè)網(wǎng)頁(yè)及其特征相關(guān)信息可預(yù)存儲(chǔ)于用于執(zhí)行本發(fā)明的方法的計(jì)算機(jī)設(shè)備中，或者，由執(zhí)行本發(fā)明的計(jì)算機(jī)設(shè)備由其所連接的其他設(shè)備中獲取。優(yōu)選地，所述計(jì)算機(jī)設(shè)備可從發(fā)布網(wǎng)頁(yè)的一個(gè)或多個(gè)網(wǎng)絡(luò)設(shè)備處獲得該網(wǎng)頁(yè)及其特征相關(guān)信息。更優(yōu)選地，所述網(wǎng)頁(yè)可以由該計(jì)算機(jī)設(shè)備自身發(fā)布，并通過(guò)經(jīng)由網(wǎng)絡(luò)監(jiān)控或接收與該廣告信息相關(guān)的其他信息，來(lái)確定該網(wǎng)頁(yè)的特征相關(guān)信息。例如，計(jì)算機(jī)設(shè)備在預(yù)定的網(wǎng)站上發(fā)布一個(gè)或多個(gè)網(wǎng)頁(yè)后，在預(yù)定時(shí)間內(nèi)、基于預(yù)定接口來(lái)接收來(lái)自各個(gè)用戶設(shè)備端所反饋的，用戶對(duì)各個(gè)網(wǎng)頁(yè)的操作信息，并對(duì)所獲得的信息進(jìn)行統(tǒng)計(jì)后，確定各個(gè)網(wǎng)頁(yè)的特征相關(guān)信息。優(yōu)選地，所述特征相關(guān)信息包括但不限于以下至少任一項(xiàng)信息I)所述網(wǎng)頁(yè)所包含的推廣對(duì)象的對(duì)象相關(guān)信息。所述對(duì)象相關(guān)信息包括但不限于網(wǎng)頁(yè)所推廣的對(duì)象的各項(xiàng)信息。其中，所述網(wǎng)頁(yè)所推廣的對(duì)象包括但不限于各類產(chǎn)品與服務(wù)。優(yōu)選地，所述對(duì)象相關(guān)信息包括但不限于以下至少任一項(xiàng)a)推廣對(duì)象的描述信息；例如，文字廣告的內(nèi)容；又例如，圖片廣告中所包含的圖片描述信息等。b)推廣對(duì)象的類別信息；所述類別信息包括但不限于預(yù)先對(duì)于各類產(chǎn)品或服務(wù)所做的分類，例如，將產(chǎn)品分類為電器、數(shù)碼、日用品等類別。
c)推廣對(duì)象的目標(biāo)用戶類型信息。d)推廣時(shí)間信息，例如，網(wǎng)頁(yè)推廣的持續(xù)時(shí)間為2兩個(gè)月，又例如，網(wǎng)頁(yè)廣告展現(xiàn)的時(shí)間為每天的12:00到17:00等。2)網(wǎng)頁(yè)被點(diǎn)擊信息；所述被點(diǎn)擊信息包括但不限于以下任一項(xiàng)a)網(wǎng)頁(yè)被點(diǎn)擊的頻信息；b)網(wǎng)頁(yè)被點(diǎn)擊時(shí)的時(shí)間相關(guān)信息；例如，廣告如被點(diǎn)擊的時(shí)間點(diǎn)；又例如，一天內(nèi)點(diǎn)擊廣告的高峰時(shí)段等。3)點(diǎn)擊網(wǎng)頁(yè)的用戶的用戶相關(guān)信息。當(dāng)點(diǎn)擊網(wǎng)頁(yè)的用戶為登錄用戶時(shí)，可獲取該用戶的用戶相關(guān)信息，所述用戶相關(guān)信息包括但不限于以下至少任一項(xiàng)a)用戶資料信息，例如年齡、職業(yè)、個(gè)人描述信息等；b)用戶設(shè)置信息，例如用戶設(shè)置接收的廣告類型信息、用戶感興趣的領(lǐng)域信息等;c)用戶的歷史記錄信息；例如，用戶點(diǎn)擊過(guò)的廣告信息等。d)其他相關(guān)信息，其包括計(jì)算機(jī)設(shè)備可獲得的其他與用戶相關(guān)的信息，例如，用戶使用的終端設(shè)備的信息、用戶當(dāng)前所處的地域信息等。4)網(wǎng)頁(yè)的展現(xiàn)類型信息。優(yōu)選地，所述網(wǎng)頁(yè)展現(xiàn)類型信息包括廣告的展現(xiàn)類型信息，其中，所述廣告展現(xiàn)類型信息包括但不限于以下任一項(xiàng)a)圖片類型；b)文字類型；c)音頻類型；d)視頻類型。更優(yōu)選地，當(dāng)所述網(wǎng)頁(yè)包括廣告信息時(shí)，所述展現(xiàn)類型信息還包括廣告被點(diǎn)擊時(shí)的狀態(tài)信息；例如，對(duì)于圖片類型的廣告，其被點(diǎn)擊時(shí)為縮略圖狀態(tài)還是動(dòng)態(tài)展現(xiàn)狀態(tài)；又例如，對(duì)于音視頻類廣告，其被點(diǎn)擊時(shí)為播放狀態(tài)還是未播放狀態(tài)等。優(yōu)選地，當(dāng)所述網(wǎng)頁(yè)包括廣告信息時(shí)，所述特征相關(guān)信息還包括廣告信息所屬網(wǎng)頁(yè)的網(wǎng)頁(yè)相關(guān)信息。其中，所述網(wǎng)頁(yè)相關(guān)信息包括但不限于可影響自身展現(xiàn)及點(diǎn)擊的相關(guān)信息。優(yōu)選地，所述網(wǎng)頁(yè)相關(guān)信息包括但不限于以下至少任一項(xiàng)a)廣告所屬網(wǎng)頁(yè)的網(wǎng)頁(yè)類型信息；b)網(wǎng)頁(yè)布局信息；
c)網(wǎng)頁(yè)目標(biāo)用戶類型信息等。以下參考圖I來(lái)進(jìn)行詳細(xì)描述，在步驟SI中，計(jì)算機(jī)設(shè)備獲取待建立網(wǎng)頁(yè)評(píng)估模型的一組目標(biāo)樣本組以及與其對(duì)應(yīng)的至少一組參照樣本組。其中，所述目標(biāo)樣本組及其對(duì)應(yīng)的至少一組參照樣本組分別包括多個(gè)廣告信息。其中，所述目標(biāo)樣本組以及與其對(duì)應(yīng)的至少一組參照樣本組可預(yù)存儲(chǔ)于該計(jì)算機(jī)設(shè)備中，或者，由該計(jì)算機(jī)設(shè)備由其所連接的其他設(shè)備中獲取。例如，計(jì)算機(jī)設(shè)備由自身所連接的一個(gè)網(wǎng)絡(luò)設(shè)備中獲取該網(wǎng)絡(luò)設(shè)備預(yù)存儲(chǔ)的一組網(wǎng)頁(yè)作為目標(biāo)樣本組，并由自身所連接的另兩個(gè)網(wǎng)絡(luò)設(shè)備中獲取該另兩個(gè)網(wǎng)絡(luò)設(shè)備分別預(yù)存儲(chǔ)的多個(gè)網(wǎng)頁(yè)，以分別作為與該目標(biāo)樣本組對(duì)應(yīng)的兩個(gè)參照樣本組。優(yōu)選地，所述目標(biāo)樣本組及其對(duì)應(yīng)的至少一組參照樣本組分別包含海量的網(wǎng)頁(yè)。更優(yōu)選地，所述目標(biāo)樣本組及其對(duì)應(yīng)的至少一組參照樣本組分別包含海量的廣告 信息。具體地，所述計(jì)算機(jī)設(shè)備獲取待建立網(wǎng)頁(yè)評(píng)估模型的一組目標(biāo)樣本組以及與其對(duì)應(yīng)的至少一組參照樣本組的方式包括但不限于以下任一種I)當(dāng)預(yù)先劃分的目標(biāo)樣本組及其對(duì)應(yīng)的參照樣本組預(yù)存儲(chǔ)于該第一獲取裝置I所屬計(jì)算機(jī)設(shè)備中，或者，預(yù)存儲(chǔ)于與該第一獲取裝置I所屬計(jì)算機(jī)設(shè)備相關(guān)聯(lián)的其他設(shè)備中時(shí)，計(jì)算機(jī)設(shè)備直接獲取預(yù)選擇的目標(biāo)樣本組以及與其對(duì)應(yīng)的參照樣本組。2)根據(jù)網(wǎng)頁(yè)的一項(xiàng)或多項(xiàng)特征相關(guān)信息將多個(gè)網(wǎng)頁(yè)劃分為多個(gè)樣本組；接著，由所劃分的多組網(wǎng)頁(yè)中選擇至少一組作為所述目標(biāo)樣本組，并由剩余的其他組網(wǎng)頁(yè)中選擇一組或多組作為與該目標(biāo)樣本組對(duì)應(yīng)的參照樣本組。具體地，所述計(jì)算機(jī)設(shè)備根據(jù)網(wǎng)頁(yè)的一項(xiàng)或多項(xiàng)特征相關(guān)信息將多個(gè)廣告信息劃分為多個(gè)樣本組的方式包括但不限于以下任一種a)根據(jù)預(yù)確定的劃分條件，將多個(gè)網(wǎng)頁(yè)劃分為多個(gè)樣本組；其中，所述劃分條件根據(jù)一項(xiàng)或多項(xiàng)特征相關(guān)信息來(lái)確定。例如，根據(jù)廣告信息的展現(xiàn)時(shí)間段將當(dāng)前的多個(gè)廣告信息劃分為多個(gè)樣本組。又例如，先根據(jù)廣告信息的展現(xiàn)類型進(jìn)行初步劃分，再根據(jù)點(diǎn)擊廣告信息所的用戶的職業(yè)信息對(duì)廣告信息作進(jìn)一步劃分，以獲得多個(gè)樣本組。b)根據(jù)一項(xiàng)或多項(xiàng)特征相關(guān)信息對(duì)多個(gè)網(wǎng)頁(yè)執(zhí)行聚類操作，并將聚類獲得的多個(gè)組作為樣本組。其中，聚類操作用于把相似的對(duì)象分類分成不同的組別，使得在同一組別中的成員對(duì)象都具有相似的屬性。本領(lǐng)域技術(shù)人員應(yīng)理解各種聚類操作方法，諸如基于距離測(cè)量的結(jié)構(gòu)性聚類方法、k-均值聚類方法、QT聚類方法等，如可適用于本發(fā)明，均應(yīng)包含在本發(fā)明的保護(hù)范圍中。在劃分了多個(gè)樣本組之后，由該所劃分的多組網(wǎng)頁(yè)中選擇至少一組作為所述目標(biāo)樣本組的方式包括但不限于以下任一種I)先對(duì)各組采用預(yù)定訓(xùn)練方式進(jìn)行訓(xùn)練已獲得初步訓(xùn)練模型，并根據(jù)初始訓(xùn)練模型的效果，來(lái)確定目標(biāo)樣本組。例如，對(duì)于已獲得的η個(gè)樣本組，采用預(yù)定的支持向量機(jī)訓(xùn)練方式對(duì)這η組樣本組中的廣告信息進(jìn)行訓(xùn)練，以分別獲得η個(gè)初步訓(xùn)練模型，計(jì)算機(jī)設(shè)備對(duì)該η個(gè)初步訓(xùn)練模型的優(yōu)劣進(jìn)行評(píng)分，并選擇其中評(píng)分最低的初始訓(xùn)練模型所對(duì)應(yīng)的樣板組，將其作為目標(biāo)樣本組。2)由使用者根據(jù)自身需求，由所劃分的多個(gè)樣本組中選擇目標(biāo)樣本組。3)對(duì)所獲得的各個(gè)樣本組，逐個(gè)選擇每一樣本組作為目標(biāo)樣本組。接著，計(jì)算機(jī)設(shè)備由剩余的其他組網(wǎng)頁(yè)中選擇一組或多組作為與該目標(biāo)樣本組對(duì)應(yīng)的參照樣本組。具體地，所述由剩余的其他組網(wǎng)頁(yè)中選擇一組或多組作為與該目標(biāo)樣本組對(duì)應(yīng)的參照樣本組的方式包括但不限于以下任一種方式I)計(jì)算機(jī)設(shè)備由剩余的其他組網(wǎng)頁(yè)中，選擇滿足預(yù)訂的篩選條件的一組或多組作為參照樣本組。 例如，廣告信息包含被點(diǎn)擊時(shí)間點(diǎn)的信息，且預(yù)定篩選條件為被點(diǎn)擊時(shí)間屬于時(shí)間段“22:00 0:00”的廣告信息，則計(jì)算機(jī)設(shè)備確定，當(dāng)樣本組中各個(gè)廣告信息的被點(diǎn)擊時(shí)間點(diǎn)信息均屬于該時(shí)間段內(nèi)時(shí)，該樣本組為參照樣本組。2)計(jì)算機(jī)設(shè)備由剩余的其他組網(wǎng)頁(yè)中隨機(jī)選擇一組或多組作為該目標(biāo)樣本組的參照樣本組。3)計(jì)算機(jī)設(shè)備確定剩余的其他組網(wǎng)頁(yè)中的一組或多組與該目標(biāo)樣本組之間的相似度；接著，計(jì)算機(jī)設(shè)備根據(jù)所述相似度，并基于預(yù)定選擇規(guī)則，由所述一組或多組網(wǎng)頁(yè)中選擇與所述目標(biāo)樣本組相似的至少一組網(wǎng)頁(yè)，作為所述目標(biāo)樣本組的參照樣本組。其中，計(jì)算機(jī)設(shè)備可根據(jù)網(wǎng)頁(yè)所包含的多項(xiàng)特征相關(guān)信息，從多個(gè)維度來(lái)計(jì)算各個(gè)其他樣本組與目標(biāo)樣本組之間的相似度。其中，所述預(yù)定選擇規(guī)則用于根據(jù)相似度來(lái)選擇所述目標(biāo)樣本組的參照樣本組。例如，當(dāng)相似度采用百分比表示時(shí)，預(yù)定選擇規(guī)則可包括“將相似度大于80%的其他組廣告信息作為參照樣本組”;又例如，預(yù)定規(guī)則可包括“將與目標(biāo)樣本組最相似的前10組廣告信息作為參照樣本組”等。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何獲取待建立網(wǎng)頁(yè)評(píng)估模型的一組目標(biāo)樣本組以及與其對(duì)應(yīng)的至少一組參照樣本組的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。接著，在步驟S2中，計(jì)算機(jī)設(shè)備根據(jù)所述目標(biāo)樣本組以及所述至少一組參照樣本組，獲得所述至少一組參照樣本組中部分或全部參照樣本組相對(duì)于所述目標(biāo)樣本組的權(quán)重調(diào)整信息。其中，所述權(quán)重調(diào)整信息包括但不限于以下任一種I)分組權(quán)重信息；其包括各個(gè)包含多個(gè)廣告信息的參照樣本組相對(duì)于目標(biāo)樣本組的權(quán)重信息。2)模型權(quán)重信息；其包括各個(gè)參照樣本組通過(guò)預(yù)定訓(xùn)練方式建立的參照組模型相對(duì)于目標(biāo)樣本組的權(quán)重信息。3)差值權(quán)重模型信息；其包括用于確定對(duì)目標(biāo)組模型進(jìn)行調(diào)整的權(quán)重差值的模型。具體地，與所述三種權(quán)重調(diào)整信息相對(duì)應(yīng)的實(shí)施方式將在后續(xù)參照?qǐng)D2至圖4的實(shí)施例中予以詳述，此處不再贅述。
接著，在步驟S3中，計(jì)算機(jī)設(shè)備根據(jù)所述目標(biāo)樣本組、各個(gè)參照樣本組所對(duì)應(yīng)的所述權(quán)重調(diào)整信息以及所述預(yù)定訓(xùn)練方式，來(lái)執(zhí)行遷移操作，獲得所述目標(biāo)樣本組的網(wǎng)頁(yè)評(píng)估模型。其中，所述預(yù)定訓(xùn)練方式包括但不限于預(yù)先確定的可用于建立評(píng)估模型的各種機(jī)器學(xué)習(xí)方式。優(yōu)選地，所述預(yù)定訓(xùn)練方式包括但不限于以下任一種方式I)支持向量機(jī)訓(xùn)練方式；2)神經(jīng)網(wǎng)絡(luò)訓(xùn)練方式；3)線性回歸訓(xùn)練方式；4)邏輯回歸訓(xùn)練方式；5)決策樹訓(xùn)練方式。 具體地，計(jì)算機(jī)設(shè)備根據(jù)所述目標(biāo)樣本組、各個(gè)參照樣本組所對(duì)應(yīng)的所述權(quán)重調(diào)整信息以及所述預(yù)定訓(xùn)練方式，來(lái)執(zhí)行遷移操作，獲得所述目標(biāo)樣本組的網(wǎng)頁(yè)評(píng)估模型的具體實(shí)施方式
將在后續(xù)參照?qǐng)D2至圖4的實(shí)施例中予以詳述，此處不再贅述。接著，在步驟S4中，計(jì)算機(jī)設(shè)備基于所述網(wǎng)頁(yè)評(píng)估模型對(duì)一個(gè)或多個(gè)待評(píng)估網(wǎng)頁(yè)進(jìn)行評(píng)估。優(yōu)選地,所述步驟S4進(jìn)一步包括步驟S41 (圖未示)、步驟S42 (圖未示)以及步驟S43(圖未示)。在步驟S41中，計(jì)算機(jī)設(shè)備獲取待評(píng)估網(wǎng)頁(yè)的特征相關(guān)信息。具體地，獲取待評(píng)估網(wǎng)頁(yè)的特征相關(guān)信息的方式包括但不限于以下任一種I)直接獲取自身預(yù)存儲(chǔ)的多個(gè)網(wǎng)頁(yè)及其特征相關(guān)信息；2)由所述計(jì)算機(jī)設(shè)備從其所連接的其他設(shè)備中獲取。優(yōu)選地，所述計(jì)算機(jī)設(shè)備可從發(fā)布網(wǎng)頁(yè)的一個(gè)或多個(gè)網(wǎng)絡(luò)設(shè)備處獲得該廣告信息及其特征相關(guān)信息。更優(yōu)選地，所述網(wǎng)頁(yè)可以由該計(jì)算機(jī)設(shè)備自身發(fā)布，并通過(guò)經(jīng)由網(wǎng)絡(luò)監(jiān)控或接收與該網(wǎng)頁(yè)相關(guān)的其他信息，來(lái)確定該網(wǎng)頁(yè)的特征相關(guān)信息。接著，在步驟S42中，計(jì)算機(jī)設(shè)備根據(jù)所獲得的特征相關(guān)信息，確定該待評(píng)估網(wǎng)頁(yè)所對(duì)應(yīng)的目標(biāo)樣本組。其中，所述計(jì)算機(jī)設(shè)備根據(jù)所獲得的特征相關(guān)信息，確定該待評(píng)估網(wǎng)頁(yè)所對(duì)應(yīng)的目標(biāo)樣本組的方式與前述步驟SI的實(shí)現(xiàn)方式2)所述的計(jì)算機(jī)設(shè)備根據(jù)網(wǎng)頁(yè)的一項(xiàng)或多項(xiàng)特征相關(guān)信息將多個(gè)網(wǎng)頁(yè)劃分為多個(gè)樣本組的方式相同或相似，在此不再贅述。接著，在步驟S43中，計(jì)算機(jī)設(shè)備基于與目標(biāo)該樣本組對(duì)應(yīng)的網(wǎng)頁(yè)評(píng)估模型對(duì)該待評(píng)價(jià)網(wǎng)頁(yè)執(zhí)行評(píng)估操作。所述對(duì)待評(píng)估網(wǎng)頁(yè)執(zhí)行評(píng)估操作的評(píng)估結(jié)果用于指示用戶對(duì)于網(wǎng)頁(yè)所發(fā)布的信息的接收程度。優(yōu)選地，所述評(píng)估結(jié)果包括以下至少任一項(xiàng)信息I)網(wǎng)頁(yè)被點(diǎn)擊的概率信息；2)網(wǎng)頁(yè)與預(yù)定類型的用戶的匹配度信息。優(yōu)選地，當(dāng)所述待評(píng)估網(wǎng)頁(yè)包括待評(píng)估的廣告信息時(shí)，所述評(píng)估效果包括廣告效果，所述廣告效果用于指示廣告信息被用戶所接受的程度。更優(yōu)選地，所述廣告效果包括但不限于以下至少任一項(xiàng)
I)廣告信息被點(diǎn)擊的概率信息。2)廣告信息與預(yù)定類型的用戶的匹配度信息。其中，所述預(yù)定類型包括根據(jù)用戶的一項(xiàng)或多項(xiàng)用戶相關(guān)信息對(duì)用戶進(jìn)行劃分后的分類。例如，根據(jù)用戶職業(yè)信息對(duì)用戶進(jìn)行劃分后獲得的分類，其中，所述用戶職業(yè)信息可由戶資料中獲取；又例如，根據(jù)用戶的年齡對(duì)用戶進(jìn)行劃分后獲得的分類等。其中，所述匹配度信息用于指示廣告信息與該預(yù)定類型的用戶的需求之間的契合程度。其中，計(jì)算機(jī)設(shè)備可通過(guò)以下至少任一種方式來(lái)確定所述匹配度信息a)根據(jù)廣告信息的描述信息與用戶相關(guān)信息的符合度來(lái)確定匹配度信息；例如，根據(jù)廣告對(duì)象所對(duì)應(yīng)的文本信息與用戶資料中自
我描述部分內(nèi)容的文字匹配率來(lái)確定匹配度信息。
b)根據(jù)廣告信息的轉(zhuǎn)化率來(lái)確定的匹配度信息。例如，直接將廣告信息的轉(zhuǎn)化率作為該廣告的匹配度信息；又例如，將廣告信息的相對(duì)于不同類型的用戶的轉(zhuǎn)化率做歸一化處理后的結(jié)果作為匹配度信息等。例如，計(jì)算機(jī)設(shè)備在步驟S41中獲得待評(píng)估廣告Adl的以下三項(xiàng)特征相關(guān)信息廣告信息所屬網(wǎng)頁(yè)的目標(biāo)用戶類型位于Areal、Area2以及Area3的用戶；廣告信息的被點(diǎn)擊次數(shù)2324次；廣告信息的用戶職業(yè)公司職員。并且，計(jì)算機(jī)設(shè)備在步驟S42中根據(jù)上述三項(xiàng)信息，確定待評(píng)估廣告Adl所對(duì)應(yīng)的目標(biāo)樣板組為Ad_groupl。則計(jì)算機(jī)設(shè)備確定該目標(biāo)樣本組AcLgroupl所對(duì)應(yīng)的廣告評(píng)估模型為Ad_Modell，其中，該已建立的廣告評(píng)估模型Ad_Model用于根據(jù)廣告所屬網(wǎng)頁(yè)的目標(biāo)用戶類型信息、廣告信息的被點(diǎn)擊次數(shù)、以及點(diǎn)擊廣告的用戶的用戶相關(guān)信息，評(píng)估廣告信息的與位于地區(qū)Areal的用戶的匹配度，則執(zhí)行裝置采用該初始評(píng)估模型Ad_Model，基于第二獲取裝置所獲得的待評(píng)價(jià)廣告Adl的該三項(xiàng)特征相關(guān)信息執(zhí)行評(píng)估操作，獲得該待評(píng)價(jià)廣告Adl相對(duì)于位于地區(qū)Areal的用戶的匹配度信息。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何基于與目標(biāo)該樣本組對(duì)應(yīng)的網(wǎng)頁(yè)評(píng)估模型對(duì)該待評(píng)估網(wǎng)頁(yè)執(zhí)行評(píng)估操作的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。根據(jù)本發(fā)明的方法，通過(guò)執(zhí)行數(shù)據(jù)遷移或者模型遷移操作，可基于當(dāng)前已有的數(shù)據(jù)或模型，來(lái)建立與目標(biāo)樣本組對(duì)應(yīng)的、合理的評(píng)估模型，以對(duì)屬于目標(biāo)樣本組的各個(gè)廣告信息進(jìn)行評(píng)估以確定其廣告效果。并且，根據(jù)本發(fā)明的方法，能夠快速實(shí)現(xiàn)收斂，建立起穩(wěn)定的評(píng)估模型，因此可較好的適用于海量數(shù)據(jù)的處理。此外，使用者可進(jìn)一步根據(jù)廣告效果來(lái)調(diào)整廣告信息的投放情況，例如，調(diào)整廣告的投放時(shí)間段，以提高其點(diǎn)擊率；又例如，調(diào)整廣告的目標(biāo)用戶，以提高廣告與用戶的匹配度等，從而提高了廣告投放的效率以及廣告的轉(zhuǎn)化率。圖2示意出了根據(jù)本發(fā)明一個(gè)優(yōu)選實(shí)施例的一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的方法流程圖。根據(jù)本實(shí)施例的方法，所述權(quán)重調(diào)整信息包括所述至少一組參照樣本組中各個(gè)參照樣本組分別相對(duì)于所述目標(biāo)樣本組的分組權(quán)重信息。根據(jù)本實(shí)施例的方法包括步驟Si、步驟S2、步驟S3以及步驟S4。其中，所述步驟S2進(jìn)一步包括步驟S21，所述步驟S3進(jìn)一步包括步驟S31和步驟S32。其中，步驟SI、步驟S4已在參照?qǐng)DI所示的實(shí)施例中予以詳述，并以引用的方式包含于此，不再贅述。優(yōu)選地，所述分組權(quán)重信息包括各個(gè)參照樣本組相對(duì)于目標(biāo)樣本組的第一相似度。在步驟S21中，當(dāng)權(quán)重調(diào)整信息包括所述至少一組參照樣本組中各個(gè)參照樣本組分別相對(duì)于所述目標(biāo)樣本組的分組權(quán)重信息時(shí)，對(duì)每個(gè)參照樣本組的每項(xiàng)特征相關(guān)信息，獲取該組特征相關(guān)信息相對(duì)于目標(biāo)樣本組的該項(xiàng)特征相關(guān)信息的第一相似度，以根據(jù)該第一相似度來(lái)確定每個(gè)參照組相對(duì)于目標(biāo)樣本組的分組權(quán)重信息。例如，各組參照樣本組以及目標(biāo)樣本組中的廣告信息均包含兩項(xiàng)特征相關(guān)信息用戶職業(yè)信息與廣告在網(wǎng)頁(yè)中的位置信息。并且，用戶職業(yè)信息的預(yù)定占比權(quán)重值為20%， 廣告在其所屬網(wǎng)頁(yè)中的位置信息的預(yù)定占比權(quán)重為80%。則計(jì)算機(jī)設(shè)備先根據(jù)用戶職業(yè)信息確定每組參照樣本組相對(duì)于目標(biāo)樣本組的相似度Siml的值，再根據(jù)廣告在網(wǎng)頁(yè)中的位置信息這一項(xiàng)來(lái)確定每組參照樣本組相對(duì)于目標(biāo)樣本組的相似度Sim2的值；最終確定每組參照樣本組相對(duì)于目標(biāo)樣本組的第一相似度(Siml*20% +Sim2*80% )，并將所獲得的值作該組參照樣本組的分組權(quán)重信息。在步驟S31中，計(jì)算機(jī)設(shè)備根據(jù)各個(gè)參照樣本組的分組權(quán)重信息，對(duì)各個(gè)參照樣本組中的各個(gè)網(wǎng)頁(yè)的特征相關(guān)信息進(jìn)行調(diào)整，以獲得調(diào)整后的各個(gè)網(wǎng)頁(yè)的特征相關(guān)信息。根據(jù)本發(fā)明的第一示例，目標(biāo)樣本組Groupl具有m個(gè)對(duì)應(yīng)的參照樣本組Group 1_1, Group 1_2, . . . , Groupl_m,并且,該m個(gè)參照樣本組相對(duì)于該目標(biāo)樣本組的分組權(quán)重信息分別為m ■ ■ ■，Wm,其中,第i組的參照樣本組的分組權(quán)重信息為Wi,其中，i為自然數(shù)，且I < i < m。則計(jì)算機(jī)設(shè)備根據(jù)各個(gè)參照樣本組的分組權(quán)重，對(duì)該參照樣本組中的各個(gè)廣告信息的特征相關(guān)信息進(jìn)行調(diào)整，以獲得包含調(diào)整后的特征相關(guān)信息的各個(gè)組Group 1_1’, Group 1_2’，…，Groupljn’。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何根據(jù)各個(gè)參照樣本組的分組權(quán)重信息，對(duì)各個(gè)參照樣本組中的各個(gè)網(wǎng)頁(yè)的特征相關(guān)信息進(jìn)行調(diào)整，以獲得調(diào)整后的各個(gè)網(wǎng)頁(yè)的特征相關(guān)信息的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。接著，在步驟S32中，計(jì)算機(jī)設(shè)備基于所述目標(biāo)樣本組和所述參照樣本組的調(diào)整后的特征相關(guān)信息采用預(yù)定訓(xùn)練方式進(jìn)行訓(xùn)練，以獲得與所述目標(biāo)樣本組的網(wǎng)頁(yè)相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型。繼續(xù)對(duì)本發(fā)明的第一示例進(jìn)行說(shuō)明，計(jì)算機(jī)設(shè)備基于所獲得的各個(gè)組GroUp_l、Group 1_Γ , Groupl_2’，. . . , Groupl_m’中所包含的所有廣告信息的特征相關(guān)信息,采用預(yù)定的支持向量機(jī)訓(xùn)練方式進(jìn)行訓(xùn)練，以獲得與目標(biāo)樣本組Groupl對(duì)應(yīng)的廣告評(píng)估模型。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何基于所述目標(biāo)樣本組和所述參照樣本組的調(diào)整后的特征相關(guān)信息采用預(yù)定訓(xùn)練方式進(jìn)行訓(xùn)練，以獲得與所述目標(biāo)樣本組的網(wǎng)頁(yè)相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。根據(jù)本實(shí)施例的方法，通過(guò)將參照組的數(shù)據(jù)遷移作為目標(biāo)組數(shù)據(jù)，實(shí)現(xiàn)了一定程度上的目標(biāo)組數(shù)據(jù)的泛化，使得所建立的模型在相對(duì)于原目標(biāo)組數(shù)據(jù)的偏差較小的情況下，當(dāng)其泛化時(shí)的變異也較小。從而使得所獲得的網(wǎng)頁(yè)評(píng)估模型在評(píng)估與目標(biāo)樣本組具有相似特性的其他廣告信息時(shí)具有良好的效果。并且，根據(jù)本實(shí)施例的方法不必對(duì)數(shù)據(jù)進(jìn)行多次的迭代，故而在處理海量數(shù)據(jù)，例如海量的廣告信息的處理時(shí)可以快速達(dá)到收斂，極大的提高了計(jì)算機(jī)設(shè)備的運(yùn)行效率，具有較大優(yōu)勢(shì)。圖3示意出了根據(jù)本發(fā)明又一優(yōu)選實(shí)施例的一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的方法流程圖。根據(jù)本實(shí)施例的權(quán)重調(diào)整信息包括模型權(quán)重信息。根據(jù)本實(shí)施例的方法包括步驟SI、步驟S2、步驟S3以及步驟S4。其中，所述步驟S2進(jìn)一步包括步驟S22和步驟S23，所述步驟S3進(jìn)一步包括步驟S33。其中，步驟SI已在參照?qǐng)DI所示的實(shí)施例中予以詳述，并以引用的方式包含于此，不再贅述。
在步驟S22中，計(jì)算機(jī)設(shè)備獲取與所述目標(biāo)樣本組以及各個(gè)參照樣本組分別對(duì)應(yīng) 的、基于預(yù)定訓(xùn)練方式所獲得的初始評(píng)估模型。具體地，所述獲取與所述目標(biāo)樣本組以及各個(gè)參照樣本組分別對(duì)應(yīng)的、基于預(yù)定訓(xùn)練方式所獲得的初始評(píng)估模型的方式包括但不限于以下任一種I)獲取預(yù)建立的與各個(gè)樣本組分別對(duì)應(yīng)的初始評(píng)估模型。具體地，所述獲取預(yù)建立的與各個(gè)樣本組分別對(duì)應(yīng)的初始評(píng)估模型的方式包括但不限于以下任一種a)直接獲取計(jì)算機(jī)設(shè)備自身預(yù)存儲(chǔ)的該預(yù)建立的與各個(gè)樣本組分別對(duì)應(yīng)的各個(gè)初始評(píng)估模型。b)由與計(jì)算機(jī)設(shè)備相連接的其他設(shè)備中獲取該預(yù)建立的與各個(gè)樣本組分別對(duì)應(yīng)的各個(gè)初始評(píng)估模型。2)對(duì)各個(gè)樣本組采用預(yù)定訓(xùn)練方式進(jìn)行訓(xùn)練，以獲得與各個(gè)樣本組分別對(duì)應(yīng)的初始評(píng)估模型。根據(jù)本發(fā)明的第二示例，目標(biāo)樣本組Group2具有P組相對(duì)應(yīng)的參照樣本組Group2_l, Group2_2, . . . , Group2_p,則計(jì)算機(jī)設(shè)備分別對(duì)該p組樣本組采用預(yù)選擇的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方式進(jìn)行訓(xùn)練，以獲得分別與各個(gè)參照樣本組對(duì)應(yīng)的初始評(píng)估模型Model2_l，Model2_2, . . . , Model2_p。相似地,計(jì)算機(jī)設(shè)備對(duì)目標(biāo)樣本組Group2采用預(yù)選擇的神經(jīng)網(wǎng)訓(xùn)練方式進(jìn)行訓(xùn)練，獲得與其對(duì)應(yīng)的初始評(píng)估模型Model2。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何獲取與所述目標(biāo)樣本組以及各個(gè)參照樣本組分別對(duì)應(yīng)的、基于預(yù)定訓(xùn)練方式所獲得的初始評(píng)估模型的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。在步驟S23中，計(jì)算機(jī)設(shè)備獲取各個(gè)參照樣本組的初始評(píng)估模型分別相對(duì)于所述目標(biāo)樣本組的網(wǎng)頁(yè)的模型權(quán)重信息。具體地，對(duì)于各個(gè)初始評(píng)估模型，計(jì)算機(jī)設(shè)備采用初始評(píng)估模型對(duì)目標(biāo)樣本組中的網(wǎng)頁(yè)執(zhí)行評(píng)估操作，并根據(jù)評(píng)估結(jié)果的準(zhǔn)確度，來(lái)確定該初始評(píng)估模型相對(duì)于該目標(biāo)樣本組的模型權(quán)重信息。其中，所述評(píng)估結(jié)果的準(zhǔn)確度可通過(guò)將評(píng)估結(jié)果與網(wǎng)頁(yè)的實(shí)際信息進(jìn)行比對(duì)后獲得。
優(yōu)選地，當(dāng)所述網(wǎng)頁(yè)包括廣告信息時(shí)，計(jì)算機(jī)設(shè)備采用初始評(píng)估模型對(duì)目標(biāo)樣本組中的廣告信息執(zhí)行評(píng)估操作以獲得各個(gè)廣告信息的廣告效果，并根據(jù)所獲得的廣告效果的準(zhǔn)確度，來(lái)確定該初始評(píng)估模型相對(duì)于該目標(biāo)樣本組的模型權(quán)重信息。其中，所述廣告信息的評(píng)估結(jié)果的準(zhǔn)確度可通過(guò)將評(píng)估所獲得的廣告效果與廣告信息的實(shí)際廣告效果進(jìn)行比對(duì)后獲得。例如，將初始評(píng)估模型對(duì)目標(biāo)樣本組中各個(gè)廣告信息的評(píng)估所得的廣告效果與其實(shí)際的廣告效果進(jìn)行比對(duì)，當(dāng)所評(píng)估所獲得的廣告效果中有80%與其實(shí)際廣告效果的差值在容許誤差范圍內(nèi)時(shí)，確定該初始評(píng)估模型的準(zhǔn)確率為80%。優(yōu)選地，所述計(jì)算機(jī)設(shè)備可采用相似的方法，獲得目標(biāo)樣本組自身的模型權(quán)重信
肩、O
優(yōu)選地，計(jì)算機(jī)設(shè)備可直接將所述準(zhǔn)確度作為所述模型權(quán)重值。更優(yōu)選地，所述模型權(quán)重值可預(yù)存在該計(jì)算機(jī)設(shè)備中。更優(yōu)選地，所述模型權(quán)重值可預(yù)存在該計(jì)算機(jī)設(shè)備相連接的其他設(shè)備中。繼續(xù)對(duì)第二示例進(jìn)行說(shuō)明，計(jì)算機(jī)設(shè)備分別采用P個(gè)初始評(píng)估模型Model2_l，Model2_2, . . .，Model2_p對(duì)目標(biāo)樣本組Group2中的廣告信息進(jìn)行評(píng)估，以獲得Group2中的多個(gè)廣告信息分別基于該各個(gè)初始評(píng)估模型所獲得的廣告效果，并通過(guò)將評(píng)估所得的廣告效果與實(shí)際廣告效果相比較，以分別獲得所述P個(gè)初始評(píng)估模型的準(zhǔn)確度Ac1, Ac2,
Acp,則計(jì)算機(jī)設(shè)備將該各個(gè)準(zhǔn)確度分別作為其對(duì)應(yīng)的初始評(píng)估模型的模型權(quán)重信息。相似地，計(jì)算機(jī)設(shè)備采用目標(biāo)樣本組Group2的初始評(píng)估模型Model2對(duì)目標(biāo)樣本組Group2中的廣告信息進(jìn)行評(píng)估，以獲得目標(biāo)樣本組Group2中的多個(gè)廣告信息分別基于該初始評(píng)估模型Model2所獲得的廣告效果，并通過(guò)將評(píng)估所得的廣告效果與實(shí)際廣告效果相比較，從而獲得該初始評(píng)估模型Model2的模型權(quán)重值A(chǔ)cg。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何獲取各個(gè)參照樣本組的初始評(píng)估模型分別相對(duì)于所述目標(biāo)樣本組的網(wǎng)頁(yè)的模型權(quán)重信息的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。在步驟S33中，計(jì)算機(jī)設(shè)備根據(jù)所述各個(gè)參照樣本組的初始評(píng)估模型及其模型權(quán)重信息，對(duì)所述目標(biāo)組的初始評(píng)估模型進(jìn)行調(diào)整，以獲得與所述目標(biāo)樣本組相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型。優(yōu)選地，計(jì)算機(jī)設(shè)備根據(jù)所述各個(gè)參照樣本組的初始評(píng)估模型及其模型權(quán)重信息，將所述各個(gè)參照樣本組的初始評(píng)估模型的加權(quán)平均值作為所述網(wǎng)頁(yè)評(píng)估模型。繼續(xù)對(duì)第二示例進(jìn)行說(shuō)明，計(jì)算機(jī)設(shè)備確定Group2對(duì)應(yīng)的廣告評(píng)估模型為各個(gè)初始評(píng)估模型的加權(quán)平均值，亦即所獲得的最終的廣告評(píng)估模型Model2’包括(Model2*Acg+Model2_l*Ac1+Model2_2*Ac2+. . . +Model2_p*Acp) / (Acg+Acj+Aca+. . . +Acp)。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何根據(jù)所述各個(gè)參照樣本組的初始評(píng)估模型及其模型權(quán)重信息，對(duì)所述目標(biāo)組的初始評(píng)估模型進(jìn)行調(diào)整，以獲得與所述目標(biāo)樣本組相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。根據(jù)本實(shí)施例的優(yōu)選方案，計(jì)算機(jī)設(shè)備獲取與目標(biāo)樣本組對(duì)應(yīng)的初始評(píng)估模型，以及基于所述目標(biāo)樣本組以及各個(gè)參照樣本組的所有網(wǎng)頁(yè)所生成的初始評(píng)估模型，并分別獲取該兩個(gè)初始評(píng)估模型的模型權(quán)重信息，以獲得最終與目標(biāo)樣本組對(duì)應(yīng)的網(wǎng)頁(yè)評(píng)估模型。根據(jù)本實(shí)施例的方法，通過(guò)與目標(biāo)樣本組對(duì)應(yīng)的初始評(píng)估模型來(lái)實(shí)現(xiàn)較小的偏差，并通過(guò)結(jié)合權(quán)重調(diào)整后的其他樣本組的初始評(píng)估模型，減少了模型評(píng)估結(jié)果的變異。從而使最終獲得的網(wǎng)頁(yè)評(píng)估模型具有更廣泛的適用性和更準(zhǔn)確的評(píng)估結(jié)果。并且，根據(jù)本實(shí)施例的遷移操作不需要對(duì)每個(gè)數(shù)據(jù)進(jìn)行迭代操作，故而能夠快速達(dá)到收斂，因此能夠很好的適用于海量數(shù)據(jù)的處理，對(duì)于當(dāng)前海量的廣告信息的評(píng)估可獲得較好的效果。圖4示意出了根據(jù)本發(fā)明又一優(yōu)選實(shí)施例的一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的方法流程圖。根據(jù)本實(shí)施例的方法，所述權(quán)重調(diào)整信息包括差值權(quán)重模型。根據(jù)本實(shí)施例的方法包括步驟SI、步驟S2、步驟S3以及步驟S4。其中，所述步驟S2進(jìn)一步包括步驟S24，所述步驟S3進(jìn)一步包括步驟S34。
其中，步驟SI和步驟S4已在參照?qǐng)DI所示的實(shí)施例中予以詳述，并以引用的方式包含于此，不再贅述。在步驟S24中，計(jì)算機(jī)設(shè)備根據(jù)所述目標(biāo)樣本組、所述至少一組參照樣本組以及所述預(yù)定訓(xùn)練方式，獲得用于執(zhí)行遷移操作的差值權(quán)重模型。具體地，根據(jù)所述目標(biāo)樣本組、所述至少一組參照樣本組以及所述預(yù)定訓(xùn)練方式，獲得用于執(zhí)行遷移操作的差值權(quán)重模型的方式包括但不限于以下任一種I)計(jì)算機(jī)設(shè)備獲取預(yù)建立的、與各個(gè)樣本組以及預(yù)定訓(xùn)練方式對(duì)應(yīng)的差值權(quán)重模型。具體地，所述預(yù)建立的、與各個(gè)樣本組以及預(yù)定訓(xùn)練方式對(duì)應(yīng)的差值權(quán)重模型的方式包括但不限于以下任一種a)直接獲取計(jì)算機(jī)設(shè)備自身預(yù)存儲(chǔ)的，該預(yù)建立的、與各個(gè)樣本組以及預(yù)定訓(xùn)練方式對(duì)應(yīng)的差值權(quán)重模型。b)由與計(jì)算機(jī)設(shè)備相連接的其他設(shè)備中獲取該預(yù)建立的、與各個(gè)樣本組以及預(yù)定訓(xùn)練方式對(duì)應(yīng)的差值權(quán)重模型。2)計(jì)算機(jī)設(shè)備先采用所述預(yù)定訓(xùn)練方式對(duì)所述目標(biāo)樣本組及其對(duì)應(yīng)的至少一組參照樣本組的網(wǎng)頁(yè)進(jìn)行訓(xùn)練，以獲得先驗(yàn)評(píng)估模型；接著，對(duì)所述目標(biāo)樣本組采用所述先驗(yàn)評(píng)估模型繼續(xù)執(zhí)行訓(xùn)練，以獲得差值評(píng)估模型；則計(jì)算機(jī)設(shè)備根據(jù)所述先驗(yàn)評(píng)估模型以及所述差值評(píng)估模型確定差值權(quán)重模型。根據(jù)本發(fā)明的第三示例，計(jì)算機(jī)設(shè)備采用預(yù)定的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方式對(duì)目標(biāo)樣本組Group3及其對(duì)應(yīng)的q組參照樣本組Group3_l, Group3_2, . . . , Group3_q所包含的全部廣告信息進(jìn)行訓(xùn)練，以獲得基于所有廣告信息的先驗(yàn)評(píng)估模型1_110如1，接著，計(jì)算機(jī)設(shè)備單獨(dú)采用Group3所包含的廣告信息對(duì)該先驗(yàn)評(píng)估模繼續(xù)進(jìn)行訓(xùn)練，以獲得差值評(píng)估模型W_Model ’，則計(jì)算機(jī)設(shè)備根據(jù)所獲得的先驗(yàn)評(píng)估模型W_Model以及差值評(píng)估模型W_Model ’，確定與目標(biāo)樣本組Group3相對(duì)應(yīng)的差值權(quán)重模型為I W_Model-W_Model ’ |。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何根據(jù)所述目標(biāo)樣本組、所述至少一組參照樣本組以及所述預(yù)定訓(xùn)練方式，獲得用于執(zhí)行遷移操作的差值權(quán)重模型的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。
在步驟S34中，計(jì)算機(jī)設(shè)備采用所述預(yù)定訓(xùn)練方式對(duì)所述目標(biāo)樣本組的網(wǎng)頁(yè)進(jìn)行訓(xùn)練，以獲得初始評(píng)估模型。繼續(xù)對(duì)第三示例進(jìn)行說(shuō)明，計(jì)算機(jī)設(shè)備采用預(yù)定的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方式對(duì)目標(biāo)樣本組Group3進(jìn)行訓(xùn)練，以獲得與目標(biāo)樣本組Group3對(duì)應(yīng)的初始評(píng)估模型Model3。在步驟S35中，計(jì)算機(jī)設(shè)備根據(jù)所述先驗(yàn)評(píng)估模型以及所述差值權(quán)重模型，對(duì)所述初始評(píng)估模型進(jìn)行調(diào)整，以獲得與該目標(biāo)樣本組的網(wǎng)頁(yè)相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型。繼續(xù)對(duì)第三示例進(jìn)行說(shuō)明，計(jì)算機(jī)設(shè)備根據(jù)在步驟S24中所確定的差值權(quán)重模型W_Model-W_Model ’ |，來(lái)調(diào)整在步驟S34中獲得的與目標(biāo)樣本組Group3對(duì)應(yīng)的初始評(píng)估模
型Model3，以獲得調(diào)整后的最終的廣告評(píng)估模型Model3’ = Model3+|W_Model-W_Model’ |。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何根據(jù)所述各個(gè)參照樣本組的初始評(píng)估模型及其模型權(quán) 重信息，對(duì)所述目標(biāo)組的初始評(píng)估模型進(jìn)行調(diào)整，以獲得與所述目標(biāo)樣本組相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。根據(jù)本實(shí)施例的方法，所獲得的網(wǎng)頁(yè)評(píng)估模型中包含了與目標(biāo)樣本組對(duì)應(yīng)的初始評(píng)估模型，使得當(dāng)前的模型具有較小的偏差，并且，對(duì)于當(dāng)前目標(biāo)樣本組的廣告信息，通過(guò)差值權(quán)重模型來(lái)調(diào)整當(dāng)前的初始評(píng)估模型，使得初始評(píng)估模型具有更好的適應(yīng)性，從而不易發(fā)生變異。此外，根據(jù)本實(shí)施例的方法在處理海量數(shù)據(jù)時(shí)能夠快速達(dá)到收斂，減輕了計(jì)算機(jī)設(shè)備的負(fù)擔(dān)，也減少了所需的計(jì)算機(jī)設(shè)備數(shù)量。圖5示意出了根據(jù)本發(fā)明的一個(gè)方面的一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的網(wǎng)頁(yè)評(píng)估裝置的結(jié)構(gòu)示意圖。根據(jù)本發(fā)明的網(wǎng)頁(yè)評(píng)估裝置包括第一獲取裝置I、權(quán)重獲取裝置2、模型獲取裝置3以及評(píng)估操作裝置4。其中，根據(jù)本發(fā)明的網(wǎng)頁(yè)評(píng)估裝置用于獲取網(wǎng)頁(yè)評(píng)估模型，并用所述網(wǎng)頁(yè)評(píng)估模型對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估。其中，所述網(wǎng)頁(yè)包括多項(xiàng)特征相關(guān)信息。所述特征相關(guān)信息包括與網(wǎng)頁(yè)相關(guān)的各類信息，優(yōu)選地，所述特征相關(guān)信息包括可能影響用于對(duì)于網(wǎng)頁(yè)所發(fā)布的信息的接收程度的各項(xiàng)信息。優(yōu)選地，所述網(wǎng)頁(yè)包括用于向用戶發(fā)布產(chǎn)品或服務(wù)信息的廣告信息，相應(yīng)地，所述廣告信息的特征相關(guān)信息包括可能影響該廣告信息的廣告效果的各項(xiàng)信息。所述網(wǎng)頁(yè)評(píng)估模型包括用于評(píng)估廣告的廣告評(píng)估模型。更優(yōu)選地，所述廣告信息可嵌入于其他網(wǎng)頁(yè)中。例如，以懸浮窗口的形式嵌入于新聞網(wǎng)頁(yè)中的廣告信息；又例如，以圖片、音視頻等形式嵌入于網(wǎng)頁(yè)中的廣告信息，再例如，以文本、鏈接等形式展現(xiàn)在網(wǎng)頁(yè)中的廣告信息等。其中，根據(jù)本發(fā)明所述的多個(gè)網(wǎng)頁(yè)及其特征相關(guān)信息可預(yù)存儲(chǔ)于用于執(zhí)行本發(fā)明的網(wǎng)頁(yè)評(píng)估裝置中，或者，由執(zhí)行本發(fā)明的網(wǎng)頁(yè)評(píng)估裝置由其所連接的其他設(shè)備中獲取。優(yōu)選地，所述網(wǎng)頁(yè)評(píng)估裝置可從發(fā)布網(wǎng)頁(yè)的一個(gè)或多個(gè)網(wǎng)絡(luò)設(shè)備處獲得該網(wǎng)頁(yè)及其特征相關(guān)信息。更優(yōu)選地，所述網(wǎng)頁(yè)可以由該網(wǎng)頁(yè)評(píng)估裝置自身發(fā)布，并通過(guò)經(jīng)由網(wǎng)絡(luò)監(jiān)控或接收與該網(wǎng)頁(yè)相關(guān)的其他信息，來(lái)確定該網(wǎng)頁(yè)的特征相關(guān)信息。例如，廣告評(píng)估裝置在預(yù)定的網(wǎng)站上發(fā)布一個(gè)或多個(gè)網(wǎng)頁(yè)后，在預(yù)定時(shí)間內(nèi)、基于預(yù)定接口來(lái)接收來(lái)自各個(gè)用戶設(shè)備端所反饋的，用戶對(duì)各個(gè)網(wǎng)頁(yè)的操作信息，并對(duì)所獲得的信息進(jìn)行統(tǒng)計(jì)后，確定各個(gè)網(wǎng)頁(yè)的特征相關(guān)信息。優(yōu)選地，所述特征相關(guān)信息包括但不限于以下至少任一項(xiàng)信息I)所述網(wǎng)頁(yè)所包含的推廣對(duì)象的對(duì)象相關(guān)信息。所述對(duì)象相關(guān)信息包括但不限于網(wǎng)頁(yè)所推廣的對(duì)象的各項(xiàng)信息。其中，所述網(wǎng)頁(yè)所推廣的對(duì)象包括但不限于各類產(chǎn)品與服務(wù)。優(yōu)選地，所述對(duì)象相關(guān)信息包括但不限于以下至少任一項(xiàng)a)推廣對(duì)象的描述信息；例如，文字廣告的內(nèi)容；又例如，圖片廣告中所包含的圖片描述信息等。b)推廣對(duì)象的類別信息；所述類別信息包括但不限于預(yù)先對(duì)于各類產(chǎn)品或服務(wù)所做的分類，例如，將產(chǎn)品分類為電器、數(shù)碼、日用品等類別。c)推廣對(duì)象的目標(biāo)用戶類型信息。
d)推廣時(shí)間信息，例如，網(wǎng)頁(yè)推廣的持續(xù)時(shí)間為2兩個(gè)月，又例如，網(wǎng)頁(yè)廣告展現(xiàn)的時(shí)間為每天的12:00到17:00等。2)網(wǎng)頁(yè)被點(diǎn)擊信息；所述被點(diǎn)擊信息包括但不限于以下任一項(xiàng)a)網(wǎng)頁(yè)被點(diǎn)擊的頻信息；b)網(wǎng)頁(yè)被點(diǎn)擊時(shí)的時(shí)間相關(guān)信息；例如，廣告如被點(diǎn)擊的時(shí)間點(diǎn)；又例如，一天內(nèi)點(diǎn)擊廣告的高峰時(shí)段等。3)點(diǎn)擊網(wǎng)頁(yè)的用戶的用戶相關(guān)信息。當(dāng)點(diǎn)擊網(wǎng)頁(yè)的用戶為登錄用戶時(shí)，可獲取該用戶的用戶相關(guān)信息，所述用戶相關(guān)信息包括但不限于以下至少任一項(xiàng)a)用戶資料信息，例如年齡、職業(yè)、個(gè)人描述信息等；b)用戶設(shè)置信息，例如用戶設(shè)置的要接收的廣告類型信息、用戶感興趣的領(lǐng)域信息等；c)用戶的歷史記錄信息；例如，用戶點(diǎn)擊過(guò)的廣告信息等。d)其他相關(guān)信息，其包括網(wǎng)頁(yè)評(píng)估裝置可獲得的其他與用戶相關(guān)的信息，例如，用戶使用的終端設(shè)備的信息、用戶當(dāng)前所處的地域信息等。4)網(wǎng)頁(yè)的展現(xiàn)類型信息。優(yōu)選地，所述網(wǎng)頁(yè)展現(xiàn)類型信息包括廣告的展現(xiàn)類型信息，其中，所述廣告展現(xiàn)類型信息包括但不限于以下任一項(xiàng)a)圖片類型；b)文字類型；c)音頻類型；d)視頻類型。更優(yōu)選地，當(dāng)所述網(wǎng)頁(yè)包括廣告信息時(shí)，所述展現(xiàn)類型信息還包括廣告被點(diǎn)擊時(shí)的狀態(tài)信息；例如，對(duì)于圖片類型的廣告，其被點(diǎn)擊時(shí)為縮略圖狀態(tài)還是動(dòng)態(tài)展現(xiàn)狀態(tài)；又例如，對(duì)于音視頻類廣告，其被點(diǎn)擊時(shí)為播放狀態(tài)還是未播放狀態(tài)等。優(yōu)選地，當(dāng)所述網(wǎng)頁(yè)包括廣告信息時(shí)，所述特征相關(guān)信息還包括廣告信息所屬網(wǎng)頁(yè)的網(wǎng)頁(yè)相關(guān)信息。其中，所述網(wǎng)頁(yè)相關(guān)信息包括但不限于可影響自身展現(xiàn)及點(diǎn)擊的相關(guān)信息。優(yōu)選地，所述網(wǎng)頁(yè)相關(guān)信息包括但不限于以下至少任一項(xiàng)a)廣告所屬網(wǎng)頁(yè)的網(wǎng)頁(yè)類型信息；b)網(wǎng)頁(yè)布局信息；c)網(wǎng)頁(yè)目標(biāo)用戶類型信息等。
其中，根據(jù)本發(fā)明所述廣告效果用于指示廣告信息被用戶所接收的程度。優(yōu)選地，所述廣告效果包括但不限于以下至少任一項(xiàng)I)廣告信息被點(diǎn)擊的概率信息。2)廣告信息與預(yù)定類型的用戶的匹配度信息。其中，所述預(yù)定類型包括根據(jù)用戶的一項(xiàng)或多項(xiàng)用戶相關(guān)信息對(duì)用戶進(jìn)行劃分后的分類。例如，根據(jù)用戶職業(yè)對(duì)用戶進(jìn)行劃分后獲得的分類；又例如，根據(jù)用戶的年齡對(duì)用戶進(jìn)行劃分后獲得的分類等。其中，所述匹配度信息用于指示廣告信息與該預(yù)定類型的用戶的需求之間的切合程度。其中，計(jì)算機(jī)設(shè)備可通過(guò)以下至少任一種方式來(lái)確定所述匹配度信息a)根據(jù)廣告信息的描述信息與用戶相關(guān)信息的符合度來(lái)確定匹配度信息；例如，根據(jù)廣告對(duì)象所對(duì)應(yīng)的文本信息與用戶資料中自我描述部分內(nèi)容的文字匹配率來(lái)確定匹 配度信息。b)根據(jù)廣告信息的轉(zhuǎn)化率來(lái)確定的匹配度信息。例如，直接將廣告信息的轉(zhuǎn)化率作為該廣告的匹配度信息；又例如，將廣告信息的相對(duì)于不同類型的用戶的轉(zhuǎn)化率做歸一化處理后的結(jié)果作為匹配度信息等。以下參考圖5來(lái)進(jìn)行詳細(xì)描述，第一獲取裝置I獲取待建立網(wǎng)頁(yè)評(píng)估模型的一組目標(biāo)樣本組以及與其對(duì)應(yīng)的至少一組參照樣本組。其中，所述目標(biāo)樣本組及其對(duì)應(yīng)的至少一組參照樣本組分別包括多個(gè)廣告信息。其中，所述目標(biāo)樣本組以及與其對(duì)應(yīng)的至少一組參照樣本組可預(yù)存儲(chǔ)于該網(wǎng)頁(yè)評(píng)估裝置中，或者，由該網(wǎng)頁(yè)評(píng)估裝置所屬的計(jì)算機(jī)設(shè)備所連接的其他設(shè)備中獲取。例如，第一獲取裝置I由自身所連接的一個(gè)網(wǎng)絡(luò)設(shè)備中獲取該網(wǎng)絡(luò)設(shè)備預(yù)存儲(chǔ)的一組網(wǎng)頁(yè)作為目標(biāo)樣本組，并由自身所連接的另兩個(gè)網(wǎng)絡(luò)設(shè)備中獲取該另兩個(gè)網(wǎng)絡(luò)設(shè)備分別預(yù)存儲(chǔ)的多個(gè)網(wǎng)頁(yè)，以分別作為與該目標(biāo)樣本組對(duì)應(yīng)的兩個(gè)參照樣本組。優(yōu)選地，所述目標(biāo)樣本組及其對(duì)應(yīng)的至少一組參照樣本組分別包含海量的網(wǎng)頁(yè)。更優(yōu)選地，所述目標(biāo)樣本組及其對(duì)應(yīng)的至少一組參照樣本組分別包含海量的廣告信息。具體地，所述第一獲取裝置I獲取待建立網(wǎng)頁(yè)評(píng)估模型的一組目標(biāo)樣本組以及與其對(duì)應(yīng)的至少一組參照樣本組的方式包括但不限于以下任一種I)當(dāng)預(yù)先劃分的目標(biāo)樣本組及其對(duì)應(yīng)的參照樣本組預(yù)存儲(chǔ)于該第一獲取裝置I所屬計(jì)算機(jī)設(shè)備中，或者，預(yù)存儲(chǔ)于與該第一獲取裝置I所屬計(jì)算機(jī)設(shè)備相關(guān)聯(lián)的其他設(shè)備中時(shí)，第一獲取裝置I直接獲取已預(yù)先劃分的該目標(biāo)樣本組以及與其對(duì)應(yīng)的參照樣本組。2)第一獲取裝置I所包含的劃分裝置(圖未示)根據(jù)網(wǎng)頁(yè)的一項(xiàng)或多項(xiàng)特征相關(guān)信息將多個(gè)網(wǎng)頁(yè)劃分為多個(gè)樣本組；接著，第一獲取裝置I所包含的第一選擇裝置(圖未示)由所劃分的多組網(wǎng)頁(yè)中選擇至少一組作為所述目標(biāo)樣本組，并且，對(duì)第一選擇裝置所選擇的每個(gè)目標(biāo)樣本組，第一獲取裝置I所包含的第二選擇裝置(圖未示)由剩余的其他組網(wǎng)頁(yè)中選擇一組或多組作為與該目標(biāo)樣本組對(duì)應(yīng)的參照樣本組。具體地，所述劃分裝置根據(jù)網(wǎng)頁(yè)的一項(xiàng)或多項(xiàng)特征相關(guān)信息將多個(gè)網(wǎng)頁(yè)劃分為多個(gè)樣本組的方式包括但不限于以下任一種
a)劃分裝置根據(jù)預(yù)確定的劃分條件，將多個(gè)網(wǎng)頁(yè)劃分為多個(gè)樣本組；其中，所述劃分條件根據(jù)一項(xiàng)或多項(xiàng)特征相關(guān)信息來(lái)確定。例如，劃分裝置根據(jù)廣告信息的展現(xiàn)時(shí)間段將當(dāng)前的多個(gè)廣告信息劃分為多個(gè)樣本組。又例如，劃分裝置先根據(jù)廣告信息的展現(xiàn)類型進(jìn)行初步劃分，再根據(jù)點(diǎn)擊廣告信息所的用戶的職業(yè)信息對(duì)廣告信息作進(jìn)一步劃分，以獲得多個(gè)樣本組。b)根據(jù)一項(xiàng)或多項(xiàng)特征相關(guān)信息對(duì)多個(gè)網(wǎng)頁(yè)執(zhí)行聚類操作，并將聚類獲得的多個(gè)組作為樣本組。其中，聚類操作用于把相似的對(duì)象分類分成不同的組別，使得在同一組別中的成員對(duì)象都具有相似的屬性。本領(lǐng)域技術(shù)人員應(yīng)理解各種聚類操作方法，諸如基于距離測(cè)量的結(jié)構(gòu)性聚類方法、k-均值聚類方法、QT聚類方法等，如可適用于本發(fā)明，均應(yīng)包含在本發(fā)明的保護(hù)范圍中。
在劃分裝置劃分了多個(gè)樣本組之后，由第一選擇裝置執(zhí)行操作。其中，第一選擇裝置由該所劃分的多組網(wǎng)頁(yè)中選擇至少一組作為所述目標(biāo)樣本組的方式包括但不限于以下任一種I)第一選擇裝置先對(duì)各組采用預(yù)定訓(xùn)練方式進(jìn)行訓(xùn)練已獲得初步訓(xùn)練模型，并根據(jù)初始訓(xùn)練模型的效果，來(lái)確定目標(biāo)樣本組。例如，對(duì)于已獲得的η個(gè)樣本組，第一選擇裝置采用預(yù)定的支持向量機(jī)訓(xùn)練方式對(duì)這η組樣本組中的廣告信息進(jìn)行訓(xùn)練，以分別獲得η個(gè)初始訓(xùn)練模型，第一選擇裝置對(duì)該η個(gè)初始訓(xùn)練模型的優(yōu)劣進(jìn)行評(píng)分，并選擇其中評(píng)分最低的初始訓(xùn)練模型所對(duì)應(yīng)的樣板組，將其作為目標(biāo)樣本組。2)由第一選擇裝置根據(jù)使用者的需求，由所劃分的多個(gè)樣本組中選擇目標(biāo)樣本組。3)第一選擇裝置對(duì)所獲得的各個(gè)樣本組，逐個(gè)選擇每一樣本組作為目標(biāo)樣本組。接著，對(duì)第一選擇裝置選擇的每個(gè)目標(biāo)樣本組，第二選擇裝置由剩余的其他組廣告信息中選擇一組或多組作為與該目標(biāo)樣本組對(duì)應(yīng)的參照樣本組。具體地，所述第二選擇裝置由剩余的其他組網(wǎng)頁(yè)中選擇一組或多組作為與該目標(biāo)樣本組對(duì)應(yīng)的參照樣本組的方式包括但不限于以下任一種方式I)第二選擇裝置由剩余的其他組網(wǎng)頁(yè)中，選擇滿足預(yù)訂的篩選條件的一組或多組作為參照樣本組。例如，廣告信息保護(hù)被點(diǎn)擊時(shí)間點(diǎn)的信息，且預(yù)定篩選條件為被點(diǎn)擊時(shí)間屬于時(shí)間段“22:00 0:00”的廣告信息，則第二選擇裝置確定，當(dāng)樣本組中各個(gè)廣告信息的被點(diǎn)擊時(shí)間點(diǎn)信息均屬于該時(shí)間段內(nèi)時(shí)，該樣本組為參照樣本組。2)第二選擇裝置由剩余的其他組網(wǎng)頁(yè)中隨機(jī)選擇一組或多組作為該目標(biāo)樣本組的參照樣本組。3)第二選擇裝置所包含的第一確定裝置(圖未示)確定剩余的其他組網(wǎng)頁(yè)中的一組或多組與該目標(biāo)樣本組之間的第二相似度；接著，第二選擇裝置所包含的子選擇裝置(圖未示)根據(jù)所述第二相似度，并基于預(yù)定選擇規(guī)則，由所述一組或多組網(wǎng)頁(yè)中選擇與所述目標(biāo)樣本組相似的至少一組網(wǎng)頁(yè)，作為所述目標(biāo)樣本組的參照樣本組。其中，第一確定裝置可根據(jù)網(wǎng)頁(yè)所包含的多項(xiàng)特征相關(guān)信息，從多個(gè)維度來(lái)計(jì)算各個(gè)其他樣本組與目標(biāo)樣本組之間的第二相似度。其中，所述預(yù)定選擇規(guī)則用于根據(jù)第二相似度來(lái)選擇所述目標(biāo)樣本組的參照樣本組。例如，當(dāng)?shù)诙嗨贫炔捎冒俜直缺硎緯r(shí)，預(yù)定選擇規(guī)則可包括“將相似度大于80%的其他組廣告信息作為參照樣本組”;又例如，預(yù)定規(guī)則可包括“將與目標(biāo)樣本組最相似的前10組廣告信息作為參照樣本組”等。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何獲取待建立網(wǎng)頁(yè)評(píng)估模型的一組目標(biāo)樣本組以及與其對(duì)應(yīng)的至少一組參照樣本組的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。接著，權(quán)重獲取裝置2根據(jù)所述目標(biāo)樣本組以及所述至少一組參照樣本組，獲得所述至少一組參照樣本組中部分或全部參照樣本組相對(duì)于所述目標(biāo)樣本組的權(quán)重調(diào)整信 肩、O其中，所述權(quán)重調(diào)整信息包括但不限于以下任一種I)分組權(quán)重信息；其包括各個(gè)包含多個(gè)廣告信息的參照樣本組相對(duì)于目標(biāo)樣本組的權(quán)重信息。2)模型權(quán)重信息；其包括各個(gè)參照樣本組通過(guò)預(yù)定訓(xùn)練方式建立的參照組模型相對(duì)于目標(biāo)樣本組的權(quán)重信息。3)差值權(quán)重模型信息；其包括用于確定對(duì)目標(biāo)組模型進(jìn)行調(diào)整的權(quán)重差值的模型。具體地，與所述三種權(quán)重調(diào)整信息相對(duì)應(yīng)的實(shí)施方式將在后續(xù)參照?qǐng)D6至圖8的實(shí)施例中予以詳述，此處不再贅述。接著，模型獲取裝置3根據(jù)所述目標(biāo)樣本組、各個(gè)參照樣本組所對(duì)應(yīng)的所述權(quán)重調(diào)整信息以及所述預(yù)定訓(xùn)練方式，來(lái)執(zhí)行遷移操作，獲得所述目標(biāo)樣本組的網(wǎng)頁(yè)評(píng)估模型。其中，所述預(yù)定訓(xùn)練方式包括但不限于預(yù)先確定的可用于建立評(píng)估模型的各種機(jī)器學(xué)習(xí)方式。優(yōu)選地，所述預(yù)定訓(xùn)練方式包括但不限于以下任一種方式I)支持向量機(jī)訓(xùn)練方式；2)神經(jīng)網(wǎng)絡(luò)訓(xùn)練方式；3)線性回歸訓(xùn)練方式；4)邏輯回歸訓(xùn)練方式；5)決策樹訓(xùn)練方式。具體地，模型獲取裝置3根據(jù)所述目標(biāo)樣本組、各個(gè)參照樣本組所對(duì)應(yīng)的所述權(quán)重調(diào)整信息以及所述預(yù)定訓(xùn)練方式，來(lái)執(zhí)行遷移操作，獲得所述目標(biāo)樣本組的網(wǎng)頁(yè)評(píng)估模型的具體實(shí)施方式
將在后續(xù)參照?qǐng)D6至圖8的實(shí)施例中予以詳述，此處不再贅述。接著，評(píng)估操作裝置4基于所述網(wǎng)頁(yè)評(píng)估模型對(duì)一個(gè)或多個(gè)待評(píng)估網(wǎng)頁(yè)進(jìn)行評(píng)估。優(yōu)選地，所述評(píng)估操作裝置4包括第二獲取裝置(圖未示)、第二確定裝置(圖未示)以及執(zhí)行裝置(圖未示)。第二獲取裝置獲取待評(píng)估網(wǎng)頁(yè)的特征相關(guān)信息。具體地，第二獲取裝置獲取待評(píng)估網(wǎng)頁(yè)的特征相關(guān)信息的方式包括但不限于以下任一種I)直接獲取自身預(yù)存儲(chǔ)的多個(gè)網(wǎng)頁(yè)及其特征相關(guān)信息；2)第二獲取裝置從其所連接的其他設(shè)備中獲取。優(yōu)選地，第二獲取裝置可從發(fā)布網(wǎng)頁(yè)的一個(gè)或多個(gè)網(wǎng)絡(luò)設(shè)備處 獲得該網(wǎng)頁(yè)及其特征相關(guān)信息。更優(yōu)選地，所述網(wǎng)頁(yè)可以由該計(jì)算機(jī)設(shè)備自身發(fā)布，并通過(guò)經(jīng)由網(wǎng)絡(luò)監(jiān)控或接收與該網(wǎng)頁(yè)相關(guān)的其他信息，來(lái)確定該網(wǎng)頁(yè)的特征相關(guān)信息。接著，第二確定裝置根據(jù)所獲得的特征相關(guān)信息，確定該待評(píng)估網(wǎng)頁(yè)所對(duì)應(yīng)的目標(biāo)樣本組。其中，所述第二確定裝置根據(jù)所獲得的特征相關(guān)信息，確定該待評(píng)估網(wǎng)頁(yè)所對(duì)應(yīng)的目標(biāo)樣本組的方式與前述第一獲取裝置I的實(shí)現(xiàn)方式2)所述的計(jì)算機(jī)設(shè)備根據(jù)網(wǎng)頁(yè)的一項(xiàng)或多項(xiàng)特征相關(guān)信息將多個(gè)網(wǎng)頁(yè)劃分為多個(gè)樣本組的方式相同或相似，在此不再贅述。接著，執(zhí)行裝置基于與目標(biāo)該樣本組對(duì)應(yīng)的網(wǎng)頁(yè)評(píng)估模型對(duì)該待評(píng)價(jià)網(wǎng)頁(yè)執(zhí)行評(píng)估操作。所述對(duì)待評(píng)估網(wǎng)頁(yè)執(zhí)行評(píng)估操作的評(píng)估結(jié)果用于指示用戶對(duì)于網(wǎng)頁(yè)所發(fā)布的信息的接收程度。優(yōu)選地，所述評(píng)估結(jié)果包括以下至少任一項(xiàng)信息I)網(wǎng)頁(yè)被點(diǎn)擊的概率信息；2)網(wǎng)頁(yè)與預(yù)定類型的用戶的匹配度信息。優(yōu)選地，當(dāng)所述待評(píng)估網(wǎng)頁(yè)包括待評(píng)估的廣告信息時(shí)，所述評(píng)估效果包括廣告效果，所述廣告效果用于指示廣告信息被用戶所接受的程度。更優(yōu)選地，所述廣告效果包括但不限于以下至少任一項(xiàng)I)廣告信息被點(diǎn)擊的概率信息。2)廣告信息與預(yù)定類型的用戶的匹配度信息。其中，所述預(yù)定類型包括根據(jù)用戶的一項(xiàng)或多項(xiàng)用戶相關(guān)信息對(duì)用戶進(jìn)行劃分后的分類。例如，根據(jù)用戶職業(yè)信息對(duì)用戶進(jìn)行劃分后獲得的分類，其中，所述用戶職業(yè)信息可由戶資料中獲??；又例如，根據(jù)用戶的年齡對(duì)用戶進(jìn)行劃分后獲得的分類等。其中，所述匹配度信息用于指示廣告信息與該預(yù)定類型的用戶的需求之間的契合程度。其中，計(jì)算機(jī)設(shè)備可通過(guò)以下至少任一種方式來(lái)確定所述匹配度信息a)根據(jù)廣告信息的描述信息與用戶相關(guān)信息的符合度來(lái)確定匹配度信息；例如，根據(jù)廣告對(duì)象所對(duì)應(yīng)的文本信息與用戶資料中自我描述部分內(nèi)容的文字匹配率來(lái)確定匹配度信息。b)根據(jù)廣告信息的轉(zhuǎn)化率來(lái)確定的匹配度信息。例如，直接將廣告信息的轉(zhuǎn)化率作為該廣告的匹配度信息；又例如，將廣告信息的相對(duì)于不同類型的用戶的轉(zhuǎn)化率做歸一化處理后的結(jié)果作為匹配度信息等。例如，第二獲取裝置獲得待評(píng)估廣告Adl以下三項(xiàng)特征相關(guān)信息廣告信息所屬網(wǎng)頁(yè)的目標(biāo)用戶類型位于Areal、Area2以及Area3的用戶；廣告信息的被點(diǎn)擊次數(shù)2324次；廣告信息的用戶職業(yè)公司職員。
則第二確定裝置根據(jù)上述三項(xiàng)信息，確定待評(píng)估廣告Adl所對(duì)應(yīng)的目標(biāo)樣板組為Ad—groupI ；則執(zhí)行裝置確定該目標(biāo)樣本組AcLgroupl所對(duì)應(yīng)的廣告評(píng)估模型為Ad_Modell，其中，該已建立的廣告評(píng)估模型AcLModel用于根據(jù)廣告所屬網(wǎng)頁(yè)的目標(biāo)用戶類型信息、廣告信息的被點(diǎn)擊次數(shù)、以及點(diǎn)擊廣告的用戶的用戶相關(guān)信息，評(píng)估廣告信息的與位于地區(qū)Areal的用戶的匹配度，則執(zhí)行裝置采用該初始評(píng)估模型Ad_Model，基于第二獲取裝置所獲得的待評(píng)價(jià)廣告Adl的該三項(xiàng)特征相關(guān)信息執(zhí)行評(píng)估操作，獲得該待評(píng)價(jià)廣告Adl相對(duì)于位于地區(qū)Areal的用戶的匹配度信息。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何基于與目標(biāo)該樣本組對(duì)應(yīng)的網(wǎng)頁(yè)評(píng)估模型對(duì)該待評(píng)估網(wǎng)頁(yè)執(zhí)行評(píng)估操作的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。根據(jù)本發(fā)明的方案，通過(guò)執(zhí)行數(shù)據(jù)遷移或者模型遷移操作，可基于當(dāng)前已有的數(shù)據(jù)或模型，來(lái)建立與目標(biāo)樣本組對(duì)應(yīng)的、合理的評(píng)估模型，以對(duì)屬于目標(biāo)樣本組的各個(gè)廣告 信息進(jìn)行評(píng)估以確定其廣告效果。并且，根據(jù)本發(fā)明的廣告評(píng)估裝置，能夠快速實(shí)現(xiàn)收斂，建立起穩(wěn)定的評(píng)估模型，因此可較好的適用于海量數(shù)據(jù)的處理。此外，使用者可進(jìn)一步根據(jù)廣告效果來(lái)調(diào)整廣告信息的投放情況，例如，調(diào)整廣告的投放時(shí)間段，以提高其點(diǎn)擊率；又例如，調(diào)整廣告的目標(biāo)用戶，以提高廣告與用戶的匹配度等，從而提高了廣告投放的效率以及廣告的轉(zhuǎn)化率。圖6示意出了根據(jù)本發(fā)明一個(gè)優(yōu)選實(shí)施例的一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的廣告評(píng)估裝置的結(jié)構(gòu)示意圖。根據(jù)本實(shí)施例的廣告評(píng)估裝置，所述權(quán)重調(diào)整信息包括所述至少一組參照樣本組中各個(gè)參照樣本組分別相對(duì)于所述目標(biāo)樣本組的分組權(quán)重信息。根據(jù)本實(shí)施例的廣告評(píng)估裝置包括第一獲取裝置I、權(quán)重獲取裝置2、模型獲取裝置3以及評(píng)估操作裝置4。其中，所述權(quán)重獲取裝置2進(jìn)一步包括分組權(quán)重獲取裝置21，所述模型獲取裝置3進(jìn)一步包括第一調(diào)整裝置31和第一子獲取32。第一獲取裝置I和評(píng)估操作裝置4已在參照?qǐng)D5所示實(shí)施例中予以詳述，并以引用方式包含于此，不再贅述。優(yōu)選地，所述分組權(quán)重信息包括各個(gè)參照樣本組相對(duì)于目標(biāo)樣本組的第一相似度。優(yōu)選地，當(dāng)權(quán)重調(diào)整信息包括所述至少一組參照樣本組中各個(gè)參照樣本組分別相對(duì)于所述目標(biāo)樣本組的分組權(quán)重信息時(shí)，分組權(quán)重獲取裝置21對(duì)每個(gè)參照樣本組的每項(xiàng)特征相關(guān)信息，獲取該組特征相關(guān)信息相對(duì)于目標(biāo)樣本組的該項(xiàng)特征相關(guān)信息的第一相似度，以根據(jù)該第一相似度來(lái)確定每個(gè)參照組相對(duì)于目標(biāo)樣本組的分組權(quán)重信息。例如，各組參照樣本組以及目標(biāo)樣本組中的廣告信息均包含兩項(xiàng)特征相關(guān)信息用戶職業(yè)信息與廣告在網(wǎng)頁(yè)中的位置信息。并且，用戶職業(yè)信息的預(yù)定占比權(quán)重值為20%，廣告在其所屬網(wǎng)頁(yè)中的位置信息的預(yù)定占比權(quán)重為80%。則分組權(quán)重獲取裝置21先根據(jù)用戶職業(yè)信息確定每組參照樣本組相對(duì)于目標(biāo)樣本組的相似度Siml的值，再根據(jù)廣告在網(wǎng)頁(yè)中的位置信息這一項(xiàng)來(lái)確定每組參照樣本組相對(duì)于目標(biāo)樣本組的相似度Sim2的值；并最終確定每組參照樣本組相對(duì)于目標(biāo)樣本組的第一相似度(Siml*20% +Sim2*80% )，并將所獲得的值作該組參照樣本組的分組權(quán)重信息。
第一調(diào)整裝置31根據(jù)各個(gè)參照樣本組的分組權(quán)重信息，對(duì)各個(gè)參照樣本組中的各個(gè)網(wǎng)頁(yè)的特征相關(guān)信息進(jìn)行調(diào)整，以獲得調(diào)整后的各個(gè)網(wǎng)頁(yè)的特征相關(guān)信息。根據(jù)本發(fā)明的第一示例，目標(biāo)樣本組Groupl具有m個(gè)對(duì)應(yīng)的參照樣本組Group 1_1, Group 1_2, . . . , Groupl_m,并且,該m個(gè)參照樣本組相對(duì)于該目標(biāo)樣本組的分組權(quán)重信息分別為W1, W2, W3, , Wm,其中,第i組的參照樣本組的分組權(quán)重信息為Wi,其中，i為自然數(shù)，且I < i < m。則第一調(diào)整裝置31根據(jù)各個(gè)參照樣本組的分組權(quán)重，對(duì)該參照樣本組中的各個(gè)廣告信息的特征相關(guān)信息進(jìn)行調(diào)整，以獲得包含調(diào)整后的特征相關(guān)信息的各個(gè)組 Group 1_1，，Group 1_2，，…，Group l_m，。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何根據(jù)各個(gè)參照樣本組的分組權(quán)重信息，對(duì)各個(gè)參照樣本組中的各個(gè)網(wǎng)頁(yè)的特征相關(guān)信息進(jìn)行調(diào)整，以獲得調(diào)整后的各個(gè)網(wǎng)頁(yè)的特征相關(guān)信息的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。接著，第一子獲取裝置32基于所述目標(biāo)樣本組和所述參照樣本組的調(diào)整后的特 征相關(guān)信息采用預(yù)定訓(xùn)練方式進(jìn)行訓(xùn)練，以獲得與所述目標(biāo)樣本組的網(wǎng)頁(yè)相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型。繼續(xù)對(duì)本發(fā)明的第一示例進(jìn)行說(shuō)明，第一子獲取裝置32基于所獲得的各個(gè)組Groupl、Group 1_1’，Group 1_2’，. . .，Groupl_m’中所包含的所有廣告信息的特征相關(guān)信息，采用預(yù)定的支持向量機(jī)訓(xùn)練方式進(jìn)行訓(xùn)練，以獲得與目標(biāo)樣本組Groupl對(duì)應(yīng)的廣告評(píng)估模型。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何基于所述目標(biāo)樣本組和所述參照樣本組的調(diào)整后的特征相關(guān)信息采用預(yù)定訓(xùn)練方式進(jìn)行訓(xùn)練，以獲得與所述目標(biāo)樣本組的網(wǎng)頁(yè)相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。根據(jù)本實(shí)施例的方案，通過(guò)將參照組的數(shù)據(jù)遷移作為目標(biāo)組數(shù)據(jù)，實(shí)現(xiàn)了一定程度上的目標(biāo)組數(shù)據(jù)的泛化，使得所建立的模型在相對(duì)于原目標(biāo)組數(shù)據(jù)的偏差較小的情況下，當(dāng)其泛化時(shí)的變異也較小。從而使得所獲得的網(wǎng)頁(yè)評(píng)估模型在評(píng)估與目標(biāo)樣本組具有相似特性的其他廣告信息時(shí)具有良好的效果。并且，根據(jù)本實(shí)施例的方案由于不必對(duì)數(shù)據(jù)進(jìn)行多次的迭代，故而在處理海量數(shù)據(jù)，例如海量的廣告信息的處理時(shí)可以快速達(dá)到收斂，極大的提高了計(jì)算機(jī)設(shè)備的運(yùn)行效率，具有較大優(yōu)勢(shì)。圖7示意出了根據(jù)本發(fā)明又一優(yōu)選實(shí)施例的一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的廣告評(píng)估裝置的結(jié)構(gòu)示意圖。根據(jù)本實(shí)施例的權(quán)重調(diào)整信息包括模型權(quán)重信息。根據(jù)本實(shí)施例的廣告評(píng)估裝置包括第一獲取裝置I、權(quán)重獲取裝置2、模型獲取裝置3以及評(píng)估操作裝置4。其中，所述權(quán)重獲取裝置2進(jìn)一步包括初始獲取裝置22和第一子權(quán)重獲取23，所述模型獲取裝置3進(jìn)一步包括第二子獲取裝置33。第一獲取裝置I和評(píng)估操作裝置4已在參照?qǐng)D5所示實(shí)施例中予以詳述，并以引用方式包含于此，不再贅述。初始獲取裝置22獲取與所述目標(biāo)樣本組以及各個(gè)參照樣本組分別對(duì)應(yīng)的、基于預(yù)定訓(xùn)練方式所獲得的初始評(píng)估模型。具體地，所述獲取與所述目標(biāo)樣本組以及各個(gè)參照樣本組分別對(duì)應(yīng)的、基于預(yù)定訓(xùn)練方式所獲得的初始評(píng)估模型的方式包括但不限于以下任一種I)初始獲取裝置22獲取預(yù)建立的與各個(gè)樣本組分別對(duì)應(yīng)的初始評(píng)估模型。具體地，所述初始獲取裝置22獲取預(yù)建立的與各個(gè)樣本組分別對(duì)應(yīng)的初始評(píng)估模型的方式包括但不限于以下任一種a)直接獲取初始獲取裝置22所屬計(jì)算機(jī)設(shè)備自身預(yù)存儲(chǔ)的該預(yù)建立的與各個(gè)樣本組分別對(duì)應(yīng)的各個(gè)初始評(píng)估模型。b)由與初始獲取裝置22所屬計(jì)算機(jī)設(shè)備相連接的其他設(shè)備中獲取該預(yù)建立的與各個(gè)樣本組分別對(duì)應(yīng)的各個(gè)初始評(píng)估模型。2)初始獲取裝置22對(duì)各個(gè)樣本組采用預(yù)定訓(xùn)練方式進(jìn)行訓(xùn)練，以獲得與各個(gè)樣本組分別對(duì)應(yīng)的初始評(píng)估模型。 根據(jù)本發(fā)明的第二示例，目標(biāo)樣本組Group2具有P組相對(duì)應(yīng)的參照樣本組Group2_l, Group2_2, . . .，Group2則初始獲取裝置22分別對(duì)該p組樣本組采用預(yù)選擇的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方式進(jìn)行訓(xùn)練，以獲得分別與各個(gè)參照樣本組對(duì)應(yīng)的初始評(píng)估模型Model2_l,Model2_2,. . .，Model2_p。相似地，初始獲取裝置22對(duì)目標(biāo)樣本組Group2采用預(yù)選擇的神經(jīng)網(wǎng)訓(xùn)練方式進(jìn)行訓(xùn)練，獲得與其對(duì)應(yīng)的初始評(píng)估模型Model2。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何獲取與所述目標(biāo)樣本組以及各個(gè)參照樣本組分別對(duì)應(yīng)的、基于預(yù)定訓(xùn)練方式所獲得的初始評(píng)估模型的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。第一子權(quán)重獲取裝置23獲取各個(gè)參照樣本組的初始評(píng)估模型分別相對(duì)于所述目標(biāo)樣本組的網(wǎng)頁(yè)的模型權(quán)重信息。具體地，對(duì)于各個(gè)初始評(píng)估模型，第一子權(quán)重獲取裝置23采用初始評(píng)估模型對(duì)目標(biāo)樣本組中的網(wǎng)頁(yè)執(zhí)行評(píng)估操作，并根據(jù)評(píng)估結(jié)果的準(zhǔn)確度，來(lái)確定該初始評(píng)估模型相對(duì)于該目標(biāo)樣本組的模型權(quán)重信息。其中，所述評(píng)估結(jié)果的準(zhǔn)確度可通過(guò)將評(píng)估結(jié)果與網(wǎng)頁(yè)的實(shí)際信息進(jìn)行比對(duì)后獲得。優(yōu)選地，當(dāng)所述網(wǎng)頁(yè)包括廣告信息時(shí)，第一子權(quán)重獲取裝置23采用初始評(píng)估模型對(duì)目標(biāo)樣本組中的廣告信息執(zhí)行評(píng)估操作以獲得各個(gè)廣告信息的廣告效果，并根據(jù)所獲得的廣告效果的準(zhǔn)確度，來(lái)確定該初始評(píng)估模型相對(duì)于該目標(biāo)樣本組的模型權(quán)重信息。其中，所述廣告信息的評(píng)估結(jié)果的準(zhǔn)確度可通過(guò)將評(píng)估所獲得的廣告效果與廣告信息的實(shí)際廣告效果進(jìn)行比對(duì)后獲得。例如，第一子權(quán)重獲取裝置23將初始評(píng)估模型對(duì)目標(biāo)樣本組中各個(gè)廣告信息的評(píng)估所得的廣告效果與其實(shí)際的廣告效果進(jìn)行比對(duì)，當(dāng)所評(píng)估所獲得的廣告效果中有80%與其實(shí)際廣告效果的差值在容許誤差范圍內(nèi)時(shí)，確定該初始評(píng)估模型的準(zhǔn)確率為80%。優(yōu)選地，第一子權(quán)重獲取裝置23可通過(guò)相似的操作，獲得目標(biāo)樣本組自身的模型權(quán)重信息。優(yōu)選地，第一子權(quán)重獲取裝置23可直接將所述準(zhǔn)確度作為所述模型權(quán)重值。更優(yōu)選地，所述模型權(quán)重值可以預(yù)存于該第一子權(quán)重獲取裝置23所屬計(jì)算機(jī)設(shè)備中。更優(yōu)選地，所述模型權(quán)重值可預(yù)存與該該第一子權(quán)重獲取裝置23相連接的其他設(shè)備中。。繼續(xù)對(duì)第二示例進(jìn)行說(shuō)明，第一子權(quán)重獲取裝置23分別采用P個(gè)初始評(píng)估模型Model2_l, Model2_2, . . .，Model2_p對(duì)目標(biāo)樣本組Group2中的廣告信息進(jìn)行評(píng)估，以獲得Group2中的多個(gè)廣告信息分別基于該各個(gè)初始評(píng)估模型所獲得的廣告效果，并通過(guò)將評(píng)估所得的廣告效果與實(shí)際廣告效果相比較，以分別獲得所述P個(gè)初始評(píng)估模型的準(zhǔn)確度Ac1,Ac2, Acp，則第一子權(quán)重獲取裝置23將該各個(gè)準(zhǔn)確度分別作為其對(duì)應(yīng)的初始評(píng)估模型的模型權(quán)重信息。相似地，第一子權(quán)重獲取裝置23采用目標(biāo)樣本組GroUp2的初始評(píng)估模型Model2對(duì)目標(biāo)樣本組Group2中的廣告信息進(jìn)行評(píng)估，以獲得目標(biāo)樣本組Group2中的多個(gè)廣告信息分別基于該初始評(píng)估模型Model2所獲得的廣告效果，并通過(guò)將評(píng)估所得的廣告效果與實(shí)際廣告效果相比較，從而獲得該初始評(píng)估模型Model2的模型權(quán)重值A(chǔ)cg。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何獲取各個(gè)參照樣本組的初始評(píng)估模型分別相對(duì)于所述目標(biāo)樣本組的網(wǎng)頁(yè)的模型權(quán)重信息的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。第二子獲取裝置33根據(jù)所述各個(gè)參照樣本組的初始評(píng)估模型及其模型權(quán)重信息，對(duì)所述目標(biāo)組的初始評(píng)估模型進(jìn)行調(diào)整，以獲得與所述目標(biāo)樣本組相適應(yīng)的網(wǎng)頁(yè)評(píng)估 模型。優(yōu)選地，第二子獲取裝置33根據(jù)所述各個(gè)參照樣本組的初始評(píng)估模型及其模型權(quán)重信息，將所述各個(gè)參照樣本組的初始評(píng)估模型的加權(quán)平均值作為所述網(wǎng)頁(yè)評(píng)估模型。繼續(xù)對(duì)第二示例進(jìn)行說(shuō)明，第二子獲取裝置33確定GroUp2對(duì)應(yīng)的廣告評(píng)估模型為各個(gè)初始評(píng)估模型的加權(quán)平均值，亦即所獲得的最終的廣告評(píng)估模型Model2’包括(Mode I 2*Acg+Mode I 2_1 ^ACi + Mode I 2_2*Ac2 + · . . +Mode I 2_p*Acp) /(Acg+Acj+Acg+. . . +Acp)。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何根據(jù)所述各個(gè)參照樣本組的初始評(píng)估模型及其模型權(quán)重信息，對(duì)所述目標(biāo)組的初始評(píng)估模型進(jìn)行調(diào)整，以獲得與所述目標(biāo)樣本組相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。根據(jù)本實(shí)施例的優(yōu)選方案，計(jì)算機(jī)設(shè)備獲取與目標(biāo)樣本組對(duì)應(yīng)的初始評(píng)估模型，以及基于所述目標(biāo)樣本組以及各個(gè)參照樣本組的所有網(wǎng)頁(yè)所生成的初始評(píng)估模型，并分別獲取該兩個(gè)初始評(píng)估模型的模型權(quán)重信息，以獲得最終與目標(biāo)樣本組對(duì)應(yīng)的網(wǎng)頁(yè)評(píng)估模型。根據(jù)本實(shí)施例的方案，通過(guò)與目標(biāo)樣本組對(duì)應(yīng)的初始評(píng)估模型來(lái)實(shí)現(xiàn)較小的偏差，并通過(guò)結(jié)合權(quán)重調(diào)整后的其他樣本組的初始評(píng)估模型，減少了模型評(píng)估結(jié)果的變異。從而使最終獲得的網(wǎng)頁(yè)評(píng)估模型具有更廣泛的適用性和更準(zhǔn)確的評(píng)估結(jié)果。并且，根據(jù)本實(shí)施例的遷移操作不需要對(duì)每個(gè)數(shù)據(jù)進(jìn)行迭代操作，故而能夠快速達(dá)到收斂，因此能夠很好的適用于海量數(shù)據(jù)的處理，對(duì)于當(dāng)前海量的廣告信息的評(píng)估可獲得較好的效果。圖8示意出了根據(jù)本發(fā)明又一優(yōu)選實(shí)施例的一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的廣告評(píng)估裝置的結(jié)構(gòu)示意圖。根據(jù)本實(shí)施例的權(quán)重調(diào)整信息包括差值權(quán)重模型。根據(jù)本實(shí)施例的廣告評(píng)估裝置包括第一獲取裝置I、權(quán)重獲取裝置2、模型獲取裝置3以及評(píng)估操作裝置4。其中，所述權(quán)重獲取裝置2進(jìn)一步包括第二子權(quán)重獲取裝置24，所述模型獲取裝置3進(jìn)一步包括第三子獲取裝置34以及第四子獲取裝置35。第一獲取裝置I和評(píng)估操作裝置4已在參照?qǐng)D5所示實(shí)施例中予以詳述，并以引用方式包含于此，不再贅述。第二子權(quán)重獲取裝置24根據(jù)所述目標(biāo)樣本組、所述至少一組參照樣本組以及所述預(yù)定訓(xùn)練方式，獲得用于執(zhí)行遷移操作的差值權(quán)重模型。具體地，第二子權(quán)重獲取裝置24根據(jù)所述目標(biāo)樣本組、所述至少一組參照樣本組以及所述預(yù)定訓(xùn)練方式，獲得用于執(zhí)行遷移操作的差值權(quán)重模型的方式包括但不限于以下任一種I)第二子權(quán)重獲取裝置24獲取預(yù)建立的、與各個(gè)樣本組以及預(yù)定訓(xùn)練方式對(duì)應(yīng)的差值權(quán)重模型。具體地，所述預(yù)建立的、與各個(gè)樣本組以及預(yù)定訓(xùn)練方式對(duì)應(yīng)的差值權(quán)重模型的方式包括但不限于以下任一種a)直接獲取第二子權(quán)重獲取裝置24所屬計(jì)算機(jī)設(shè)備自身預(yù)存儲(chǔ)的，該預(yù)建立的、 與各個(gè)樣本組以及預(yù)定訓(xùn)練方式對(duì)應(yīng)的差值權(quán)重模型。b)由與第二子權(quán)重獲取裝置24所屬的計(jì)算機(jī)設(shè)備相連接的其他設(shè)備中獲取該預(yù)建立的、與各個(gè)樣本組以及預(yù)定訓(xùn)練方式對(duì)應(yīng)的差值權(quán)重模型。2)第二子權(quán)重獲取裝置24包含的第一訓(xùn)練裝置(圖未示)先采用所述預(yù)定訓(xùn)練方式對(duì)所述目標(biāo)樣本組及其對(duì)應(yīng)的至少一組參照樣本組的網(wǎng)頁(yè)進(jìn)行訓(xùn)練，以獲得先驗(yàn)評(píng)估模型；接著，第二子權(quán)重獲取裝置24包含的第二訓(xùn)練裝置(圖未示)對(duì)所述目標(biāo)樣本組采用所述先驗(yàn)評(píng)估模型繼續(xù)執(zhí)行訓(xùn)練，以獲得差值評(píng)估模型；則第二子權(quán)重獲取裝置24包含的差值確定裝置(圖未示)根據(jù)所述先驗(yàn)評(píng)估模型以及所述差值評(píng)估模型確定差值權(quán)重模型。根據(jù)本發(fā)明的第三示例，第一訓(xùn)練裝置采用預(yù)定的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方式對(duì)目標(biāo)樣本組Group3及其對(duì)應(yīng)的q組參照樣本組Group3_l,Group3_2,. . . ,Group3_q所包含的全部廣告信息進(jìn)行訓(xùn)練，以獲得基于所有廣告信息的先驗(yàn)評(píng)估模型W_Model，接著，第二訓(xùn)練裝置單獨(dú)采用Group3所包含的廣告信息對(duì)該先驗(yàn)評(píng)估模型W_Model繼續(xù)進(jìn)行訓(xùn)練，以獲得差值評(píng)估模型W_Model ’，則差值確定裝置根據(jù)所獲得的先驗(yàn)評(píng)估模型W_Model以及差值評(píng)估模型W_Model ’，確定與目標(biāo)樣本組Group3相對(duì)應(yīng)的差值權(quán)重模型為I W_Model_W_Model ’ |。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何根據(jù)所述目標(biāo)樣本組、所述至少一組參照樣本組以及所述預(yù)定訓(xùn)練方式，獲得用于執(zhí)行遷移操作的差值權(quán)重模型的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。第三子獲取裝置34采用所述預(yù)定訓(xùn)練方式對(duì)所述目標(biāo)樣本組的網(wǎng)頁(yè)進(jìn)行訓(xùn)練，以獲得初始評(píng)估模型。繼續(xù)對(duì)第三示例進(jìn)行說(shuō)明，第三子獲取裝置34采用預(yù)定的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方式對(duì)目標(biāo)樣本組Group3進(jìn)行訓(xùn)練，以獲得與目標(biāo)樣本組Group3對(duì)應(yīng)的初始評(píng)估模型Model3。第四子獲取裝置35根據(jù)所述先驗(yàn)評(píng)估模型以及所述差值權(quán)重模型，對(duì)所述初始評(píng)估模型進(jìn)行調(diào)整，以獲得與該目標(biāo)樣本組的網(wǎng)頁(yè)相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型。繼續(xù)對(duì)第三示例進(jìn)行說(shuō)明，第四子獲取裝置35根據(jù)第二子權(quán)重確定裝置24所確定的差值權(quán)重模型|W_Model-W_Model’ I，來(lái)調(diào)整第三子獲取裝置34獲得的與目標(biāo)樣本組Group3對(duì)應(yīng)的初始評(píng)估模型Model3，以獲得調(diào)整后的最終的廣告評(píng)估模型Model3’ =Model3+IW_Model~W_Model， |。需要說(shuō)明的是，上述舉例僅為更好地說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明的限制，本領(lǐng)域技術(shù)人員應(yīng)該理解，任何根據(jù)所述各個(gè)參照樣本組的初始評(píng)估模型及其模型權(quán)重信息，對(duì)所述目標(biāo)組的初始評(píng)估模型進(jìn)行調(diào)整，以獲得與所述目標(biāo)樣本組相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型的實(shí)現(xiàn)方式，均應(yīng)包含在本發(fā)明的范圍內(nèi)。根據(jù)本實(shí)施例的方案，所獲得的網(wǎng)頁(yè)評(píng)估模型中包含了與目標(biāo)樣本組對(duì)應(yīng)的初始評(píng)估模型，使得當(dāng)前的模型具有較小的偏差，并且，對(duì)于當(dāng)前目標(biāo)樣本組的廣告信息，通過(guò)差值權(quán)重模型來(lái)調(diào)整當(dāng)前的初始評(píng)估模型，使得初始評(píng)估模型具有更好的適應(yīng)性，從而不易發(fā)生變異。此外，根據(jù)本實(shí)施例的方案在處理海量數(shù)據(jù)時(shí)能夠快速達(dá)到收斂，減輕了計(jì)算機(jī)設(shè)備的負(fù)擔(dān)，也減少了所需的計(jì)算機(jī)設(shè)備數(shù)量。本發(fā)明的軟件程序可以通過(guò)處理器執(zhí)行以實(shí)現(xiàn)上文所述步驟或功能。同樣地，本發(fā)明的軟件程序(包括相關(guān)的數(shù)據(jù)結(jié)構(gòu))可以被存儲(chǔ)到計(jì)算機(jī)可讀記錄介質(zhì)中，例如，RAM 存儲(chǔ)器，磁或光驅(qū)動(dòng)器或軟磁盤及類似設(shè)備。另外，本發(fā)明的一些步驟或功能可采用硬件來(lái)實(shí)現(xiàn)，例如，作為與處理器配合從而執(zhí)行各個(gè)功能或步驟的電路。另外，本發(fā)明的一部分可被應(yīng)用為計(jì)算機(jī)程序產(chǎn)品，例如計(jì)算機(jī)程序指令，當(dāng)其被計(jì)算機(jī)執(zhí)行時(shí)，通過(guò)該計(jì)算機(jī)的操作，可以調(diào)用或提供根據(jù)本發(fā)明的方法和/或技術(shù)方案。而調(diào)用本發(fā)明的方法的程序指令，可能被存儲(chǔ)在固定的或可移動(dòng)的記錄介質(zhì)中，和/或通過(guò)廣播或其他信號(hào)承載媒體中的數(shù)據(jù)流而被傳輸，和/或被存儲(chǔ)在根據(jù)所述程序指令運(yùn)行的計(jì)算機(jī)設(shè)備的工作存儲(chǔ)器中。在此，根據(jù)本發(fā)明的一個(gè)實(shí)施例包括一個(gè)裝置，該裝置包括用于存儲(chǔ)計(jì)算機(jī)程序指令的存儲(chǔ)器和用于執(zhí)行程序指令的處理器，其中，當(dāng)該計(jì)算機(jī)程序指令被該處理器執(zhí)行時(shí)，觸發(fā)該裝置運(yùn)行基于前述根據(jù)本發(fā)明的多個(gè)實(shí)施例的方法和/或技術(shù)方案。對(duì)于本領(lǐng)域技術(shù)人員而言，顯然本發(fā)明不限于上述示范性實(shí)施例的細(xì)節(jié)，而且在不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實(shí)現(xiàn)本發(fā)明。因此，無(wú)論從哪一點(diǎn)來(lái)看，均應(yīng)將實(shí)施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權(quán)利要求而不是上述說(shuō)明限定，因此旨在將落在權(quán)利要求的等同要件的含義和范圍內(nèi)的所有變化涵括在本發(fā)明內(nèi)。不應(yīng)將權(quán)利要求中的任何附圖標(biāo)記視為限制所涉及的權(quán)利要求。此夕卜，顯然“包括” 一詞不排除其他單元或步驟，單數(shù)不排除復(fù)數(shù)。系統(tǒng)權(quán)利要求中陳述的多個(gè)單元或裝置也可以由一個(gè)單元或裝置通過(guò)軟件或者硬件來(lái)實(shí)現(xiàn)。第一，第二等詞語(yǔ)用來(lái)表示名稱，而并不表示任何特定的順序。
權(quán)利要求
1.一種計(jì)算機(jī)實(shí)現(xiàn)的用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的方法，其中，所述網(wǎng)頁(yè)包括多項(xiàng)特征相關(guān)信息，所述方法包括以下步驟 a獲取待建立網(wǎng)頁(yè)評(píng)估模型的一組目標(biāo)樣本組以及與其對(duì)應(yīng)的至少一組參照樣本組，其中，所述目標(biāo)樣本組及其對(duì)應(yīng)的至少一組參照樣本組分別包括多個(gè)網(wǎng)頁(yè)； b根據(jù)所述目標(biāo)樣本組以及所述至少一組參照樣本組，獲得所述至少一組參照樣本組中部分或全部參照樣本組相對(duì)于所述目標(biāo)樣本組的權(quán)重調(diào)整信息； c根據(jù)所述目標(biāo)樣本組、各個(gè)參照樣本組所對(duì)應(yīng)的所述權(quán)重調(diào)整信息以及所述預(yù)定訓(xùn)練方式來(lái)執(zhí)行遷移操作，獲得所述目標(biāo)樣本組的網(wǎng)頁(yè)評(píng)估模型；d基于所述網(wǎng)頁(yè)評(píng)估模型對(duì)一個(gè)或多個(gè)待評(píng)估網(wǎng)頁(yè)進(jìn)行評(píng)估。
2.根據(jù)權(quán)利要求I所述的方法，其中，所述權(quán)重調(diào)整信息包括所述至少一組參照樣本組中各個(gè)參照樣本組分別相對(duì)于所述目標(biāo)樣本組的分組權(quán)重信息；其中，步驟b包括 -對(duì)每個(gè)參照樣本組的每項(xiàng)特征相關(guān)信息，獲取該組特征相關(guān)信息相對(duì)于目標(biāo)樣本組的該項(xiàng)特征相關(guān)信息的第一相似度，以根據(jù)該第一相似度來(lái)確定每個(gè)參照組相對(duì)于目標(biāo)樣本組的分組權(quán)重信息； 其中，所述步驟c包括 -根據(jù)各個(gè)參照樣本組的分組權(quán)重信息，對(duì)各個(gè)參照樣本組中的各個(gè)網(wǎng)頁(yè)的特征相關(guān)信息進(jìn)行調(diào)整，以獲得調(diào)整后的各個(gè)網(wǎng)頁(yè)的特征相關(guān)信息； -基于所述目標(biāo)樣本組和所述參照樣本組的調(diào)整后的特征相關(guān)信息采用預(yù)定訓(xùn)練方式進(jìn)行訓(xùn)練，以獲得與所述目標(biāo)樣本組的網(wǎng)頁(yè)相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型。
3.根據(jù)權(quán)利要求I所述的方法，其中，所述權(quán)重調(diào)整信息包括模型權(quán)重信息，所述步驟b包括以下步驟 -獲取與所述目標(biāo)樣本組以及各個(gè)參照樣本組分別對(duì)應(yīng)的、基于預(yù)定訓(xùn)練方式所獲得的初始評(píng)估模型； -獲取各個(gè)參照樣本組的初始評(píng)估模型分別相對(duì)于所述目標(biāo)樣本組的網(wǎng)頁(yè)的模型權(quán)重信息； 其中，步驟c包括以下步驟 -根據(jù)所述各個(gè)參照樣本組的初始評(píng)估模型及其模型權(quán)重信息，對(duì)所述目標(biāo)組的初始評(píng)估模型進(jìn)行調(diào)整，以獲得與所述目標(biāo)樣本組相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型。
4.根據(jù)權(quán)利要求I所述的方法，其中，所述權(quán)重調(diào)整信息包括差值權(quán)重模型，所述步驟b包括以下步驟 bl根據(jù)所述目標(biāo)樣本組、所述至少一組參照樣本組以及所述預(yù)定訓(xùn)練方式，獲得用于執(zhí)行遷移操作的差值權(quán)重模型； 其中，所述步驟c包括以下步驟 -采用所述預(yù)定訓(xùn)練方式對(duì)所述目標(biāo)樣本組的網(wǎng)頁(yè)進(jìn)行訓(xùn)練，以獲得初始評(píng)估模型； -根據(jù)所述先驗(yàn)評(píng)估模型以及所述差值權(quán)重模型，對(duì)所述初始評(píng)估模型進(jìn)行調(diào)整，以獲得與該目標(biāo)樣本組的網(wǎng)頁(yè)相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型。
5.根據(jù)權(quán)利要求4所述的方法，其中，所述步驟bl包括以下步驟 -對(duì)所述目標(biāo)樣本組及其對(duì)應(yīng)的至少一組參照樣本組采用所述預(yù)定訓(xùn)練方式進(jìn)行訓(xùn)練，以獲得先驗(yàn)評(píng)估模型；-基于所述先驗(yàn)評(píng)估模型，基于所述目標(biāo)樣本組繼續(xù)執(zhí)行訓(xùn)練，以獲得差值評(píng)估模型； -根據(jù)所述先驗(yàn)評(píng)估模型以及所述差值評(píng)估模型確定差值權(quán)重模型。
6.根據(jù)權(quán)利要求I至5中任一項(xiàng)所述的方法，其中，所述步驟a包括以下步驟 -根據(jù)一項(xiàng)或多項(xiàng)特征相關(guān)信息將多個(gè)網(wǎng)頁(yè)劃分為多個(gè)樣本組； -由所劃分的多組網(wǎng)頁(yè)中選擇至少一組作為所述目標(biāo)樣本組； 其中，對(duì)所選擇的每個(gè)目標(biāo)樣本組，還執(zhí)行以下步驟 al由剩余的其他組網(wǎng)頁(yè)中選擇一組或多組作為與該目標(biāo)樣本組對(duì)應(yīng)的參照樣本組。
7.根據(jù)權(quán)利要求6所述的方法，其中，所述步驟al包括以下步驟 -確定剩余的其他組網(wǎng)頁(yè)中的一組或多組與該目標(biāo)樣本組之間的第二相似度； -根據(jù)所述第二相似度，并基于預(yù)定選擇規(guī)則，由所述一組或多組網(wǎng)頁(yè)中選擇與所述目標(biāo)樣本組相似的至少一組網(wǎng)頁(yè)，作為所述目標(biāo)樣本組的參照樣本組。
8.根據(jù)權(quán)利要求I至7中任一項(xiàng)所述的方法，其中，所述步驟d包括以下步驟 -獲取待評(píng)估網(wǎng)頁(yè)的特征相關(guān)信息； -根據(jù)所獲得的特征相關(guān)信息，確定該待評(píng)估網(wǎng)頁(yè)所對(duì)應(yīng)的目標(biāo)樣本組； -基于與目標(biāo)該樣本組對(duì)應(yīng)的網(wǎng)頁(yè)評(píng)估模型對(duì)該待評(píng)估網(wǎng)頁(yè)執(zhí)行評(píng)估操作。
9.根據(jù)所述權(quán)利要求8所述的方法，其中，所述對(duì)待評(píng)估網(wǎng)頁(yè)執(zhí)行評(píng)估操作的評(píng)估結(jié)果包括以下至少任一項(xiàng)信息 -網(wǎng)頁(yè)被點(diǎn)擊的概率信息； -網(wǎng)頁(yè)與預(yù)定類型的用戶的匹配度信息。
10.根據(jù)權(quán)利要求I至9中任一項(xiàng)所述的方法，其中，所述特征相關(guān)信息包括以下至少任一項(xiàng)信息 -網(wǎng)頁(yè)所包含的推廣對(duì)象的對(duì)象相關(guān)信息； -網(wǎng)頁(yè)被點(diǎn)擊信息； -點(diǎn)擊網(wǎng)頁(yè)的用戶的用戶相關(guān)信息； -網(wǎng)頁(yè)的展現(xiàn)類型信息。
11.一種用于對(duì)網(wǎng)頁(yè)進(jìn)行評(píng)估的網(wǎng)頁(yè)評(píng)估裝置，其中，所述網(wǎng)頁(yè)包括多項(xiàng)特征相關(guān)信息，所述網(wǎng)頁(yè)評(píng)估裝置包括 第一獲取裝置，用于獲取待建立網(wǎng)頁(yè)評(píng)估模型的一組目標(biāo)樣本組以及與其對(duì)應(yīng)的至少一組參照樣本組，其中，所述目標(biāo)樣本組及其對(duì)應(yīng)的至少一組參照樣本組分別包括多個(gè)網(wǎng)頁(yè)； 權(quán)重獲取裝置，用于根據(jù)所述目標(biāo)樣本組以及所述至少一組參照樣本組，獲得所述至少一組參照樣本組中部分或全部參照樣本組相對(duì)于所述目標(biāo)樣本組的權(quán)重調(diào)整信息；模型獲取裝置，用于根據(jù)所述目標(biāo)樣本組、各個(gè)參照樣本組所對(duì)應(yīng)的所述權(quán)重調(diào)整信息以及所述預(yù)定訓(xùn)練方式來(lái)執(zhí)行遷移操作，獲得所述目標(biāo)樣本組的網(wǎng)頁(yè)評(píng)估模型； 評(píng)估操作裝置，用于基于所述網(wǎng)頁(yè)評(píng)估模型對(duì)一個(gè)或多個(gè)待評(píng)估網(wǎng)頁(yè)進(jìn)行評(píng)估。
12.根據(jù)權(quán)利要求11所述的網(wǎng)頁(yè)評(píng)估裝置，其中，所述權(quán)重調(diào)整信息包括所述至少一組參照樣本組中各個(gè)參照樣本組分別相對(duì)于所述目標(biāo)樣本組的分組權(quán)重信息；其中，所述權(quán)重獲取裝置包括 分組權(quán)重獲取裝置，用于對(duì)每個(gè)參照樣本組的每項(xiàng)特征相關(guān)信息，獲取該組特征相關(guān)信息相對(duì)于目標(biāo)樣本組的該項(xiàng)特征相關(guān)信息的第一相似度，以根據(jù)該第一相似度來(lái)確定每個(gè)參照組相對(duì)于目標(biāo)樣本組的分組權(quán)重信息； 其中，所述模型獲取裝置包括 第一調(diào)整裝置，用于根據(jù)各個(gè)參照樣本組的分組權(quán)重信息，對(duì)各個(gè)參照樣本組中的各個(gè)網(wǎng)頁(yè)的特征相關(guān)信息進(jìn)行調(diào)整，以獲得調(diào)整后的各個(gè)網(wǎng)頁(yè)的特征相關(guān)信息； 第一子獲取裝置，用于基于所述目標(biāo)樣本組和所述參照樣本組的調(diào)整后的特征相關(guān)信息采用預(yù)定訓(xùn)練方式進(jìn)行訓(xùn)練，以獲得與所述目標(biāo)樣本組的網(wǎng)頁(yè)相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型。
13.根據(jù)權(quán)利要求11所述的網(wǎng)頁(yè)評(píng)估裝置，其中，所述權(quán)重調(diào)整信息包括模型權(quán)重信息，所述權(quán)重獲取裝置包括 初始獲取裝置，用于獲取與所述目標(biāo)樣本組以及各個(gè)參照樣本組分別對(duì)應(yīng)的、基于預(yù)定訓(xùn)練方式所獲得的初始評(píng)估模型； 第一子權(quán)重獲取裝置，用于獲取各個(gè)參照樣本組的初始評(píng)估模型分別相對(duì)于所述目標(biāo)樣本組的網(wǎng)頁(yè)的模型權(quán)重信息； 其中，所述模型獲取裝置包括 第二子獲取裝置，用于根據(jù)所述各個(gè)參照樣本組的初始評(píng)估模型及其模型權(quán)重信息，對(duì)所述目標(biāo)組的初始評(píng)估模型進(jìn)行調(diào)整，以獲得與所述目標(biāo)樣本組相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型。
14.根據(jù)權(quán)利要求11所述的網(wǎng)頁(yè)評(píng)估裝置，其中，所述權(quán)重調(diào)整信息包括差值權(quán)重模型，所述權(quán)重獲取裝置包括 第二子權(quán)重獲取裝置，用于根據(jù)所述目標(biāo)樣本組、所述至少一組參照樣本組以及所述預(yù)定訓(xùn)練方式，獲得用于執(zhí)行遷移操作的差值權(quán)重模型； 其中，所述模型獲取裝置包括 第三子獲取裝置，用于采用所述預(yù)定訓(xùn)練方式對(duì)所述目標(biāo)樣本組的網(wǎng)頁(yè)進(jìn)行訓(xùn)練，以獲得初始評(píng)估模型； 第四子獲取裝置，用于根據(jù)所述先驗(yàn)評(píng)估模型以及所述差值權(quán)重模型，對(duì)所述初始評(píng)估模型進(jìn)行調(diào)整，以獲得與該目標(biāo)樣本組的網(wǎng)頁(yè)相適應(yīng)的網(wǎng)頁(yè)評(píng)估模型。
15.根據(jù)權(quán)利要求14所述的網(wǎng)頁(yè)評(píng)估裝置，其中，所述第二子權(quán)重獲取裝置包括 第一訓(xùn)練裝置，用于對(duì)所述目標(biāo)樣本組及其對(duì)應(yīng)的至少一組參照樣本組采用所述預(yù)定訓(xùn)練方式進(jìn)行訓(xùn)練，以獲得先驗(yàn)評(píng)估模型； 第二訓(xùn)練裝置，用于基于所述先驗(yàn)評(píng)估模型，基于所述目標(biāo)樣本組繼續(xù)執(zhí)行訓(xùn)練，以獲得差值評(píng)估模型； 差值確定裝置，用于根據(jù)所述先驗(yàn)評(píng)估模型以及所述差值評(píng)估模型確定差值權(quán)重模型。
16.根據(jù)權(quán)利要求11至15中任一項(xiàng)所述的網(wǎng)頁(yè)評(píng)估裝置，其中，所述第一獲取裝置包括 劃分裝置，用于根據(jù)一項(xiàng)或多項(xiàng)特征相關(guān)信息將多個(gè)網(wǎng)頁(yè)劃分為多個(gè)樣本組； 第一選擇裝置，用于由所劃分的多組網(wǎng)頁(yè)中選擇至少一組作為所述目標(biāo)樣本組； 其中，對(duì)所選擇的每個(gè)目標(biāo)樣本組，所述第一獲取裝置還包括 第二選擇裝置，用于由剩余的其他組網(wǎng)頁(yè)中選擇一組或多組作為與該目標(biāo)樣本組對(duì)應(yīng)的參照樣本組。
17.根據(jù)權(quán)利要求16所述的網(wǎng)頁(yè)評(píng)估裝置，其中，所述第二選擇裝置包括 第一確定裝置，用于確定剩余的其他組網(wǎng)頁(yè)中的一組或多組與該目標(biāo)樣本組之間的第二相似度； 子選擇裝置，用于根據(jù)所述第二相似度，并基于預(yù)定選擇規(guī)則，由所述一組或多組網(wǎng)頁(yè)中選擇與所述目標(biāo)樣本組相似的至少一組網(wǎng)頁(yè)，作為所述目標(biāo)樣本組的參照樣本組。
18.根據(jù)權(quán)利要求11至17中任一項(xiàng)所述的網(wǎng)頁(yè)評(píng)估裝置，其中，所述評(píng)估操作裝置包括 第二獲取裝置，用于獲取待評(píng)估網(wǎng)頁(yè)的特征相關(guān)信息； 第二確定裝置，用于根據(jù)所獲得的特征相關(guān)信息，確定該待評(píng)估網(wǎng)頁(yè)所對(duì)應(yīng)的目標(biāo)樣本組； 執(zhí)行裝置，用于基于與目標(biāo)該樣本組對(duì)應(yīng)的網(wǎng)頁(yè)評(píng)估模型對(duì)該待評(píng)估網(wǎng)頁(yè)執(zhí)行評(píng)估操作。
19.根據(jù)所述權(quán)利要求18所述的網(wǎng)頁(yè)評(píng)估裝置，其中，所述對(duì)待評(píng)估網(wǎng)頁(yè)執(zhí)行評(píng)估操作的評(píng)估結(jié)果包括以下至少任一項(xiàng)信息 -網(wǎng)頁(yè)被點(diǎn)擊的概率信息； -網(wǎng)頁(yè)與預(yù)定類型的用戶的匹配度信息。
20.根據(jù)權(quán)利要求11至19中任一項(xiàng)所述的網(wǎng)頁(yè)評(píng)估裝置，其中，所述特征相關(guān)信息包括以下至少任一項(xiàng)信息 -網(wǎng)頁(yè)所包含的推廣對(duì)象的對(duì)象相關(guān)信息； -網(wǎng)頁(yè)被點(diǎn)擊信息； -點(diǎn)擊網(wǎng)頁(yè)的用戶的用戶相關(guān)信息； -網(wǎng)頁(yè)的展現(xiàn)類型信息。
21.一種計(jì)算機(jī)設(shè)備，其中，該計(jì)算機(jī)設(shè)備包括如權(quán)利要求11至20中至少一項(xiàng)所述的網(wǎng)頁(yè)評(píng)估裝置。
全文摘要
本發(fā)明的目的是提供一種基于遷移學(xué)習(xí)方法確定網(wǎng)頁(yè)評(píng)估模型的方法、裝置和設(shè)備。根據(jù)本發(fā)明的方法，包括獲取待建立網(wǎng)頁(yè)評(píng)估模型的一組目標(biāo)樣本組以及與其對(duì)應(yīng)的至少一組參照樣本組；根據(jù)所述目標(biāo)樣本組以及所述至少一組參照樣本組，獲得所述至少一組參照樣本組中部分或全部參照樣本組相對(duì)于所述目標(biāo)樣本組的權(quán)重調(diào)整信息；根據(jù)所述目標(biāo)樣本組、各個(gè)參照樣本組所對(duì)應(yīng)的所述權(quán)重調(diào)整信息以及所述預(yù)定訓(xùn)練方式來(lái)執(zhí)行遷移操作，獲得所述目標(biāo)樣本組的網(wǎng)頁(yè)評(píng)估模型。本發(fā)明的優(yōu)點(diǎn)在于能夠快速達(dá)到收斂，建立起穩(wěn)定的評(píng)估模型，因此能夠很好的適用于海量數(shù)據(jù)的處理，對(duì)于當(dāng)前海量的網(wǎng)頁(yè)的評(píng)估可獲得較好的效果。
文檔編號(hào)G06F17/30GK102880688SQ201210343159
公開日2013年1月16日 申請(qǐng)日期2012年9月14日 優(yōu)先權(quán)日2012年9月14日
發(fā)明者武鵬程, 戴文淵, 夏威 申請(qǐng)人:北京百度網(wǎng)訊科技有限公司