信息投放方法、装置及设备与流程

1.本技术实施例涉及数据处理技术领域，尤其涉及一种信息投放方法、装置及设备。


背景技术：

2.在互联网企业中，通常需要先在广大用户中确定出扩散人群，并通过投放广告、发送优惠券、短信触达等方式向这些扩散人群进行信息投放，以实现营销的目的。
3.现有技术中，在进行信息投放时，是对种子人群进行人群扩散得到扩散人群，并向扩散人群投放信息。其中，种子人群是指对产品、服务具有相同需求和兴趣的人群；与种子人群具有相同特征的人群称之为扩展人群，扩展人群的数量通常为种子人群的数倍。但是，当种子人群较多时，会导致扩散人群的数量较多；并且，由于种子人群中可能会存在有冗余或可信度低等非优质种子用户，会对扩散人群的确定造成一定的影响，从而导致信息投放的准确度不高。
4.因此，在进行信息投放时，如何提高信息投放的准确度，是本领域技术人员亟待解决的问题。


技术实现要素：

5.本技术实施例提供了一种信息投放方法、装置及设备，在进行信息投放时，提高了信息投放的准确度。
6.第一方面，本技术实施例提供了一种信息投放方法，该信息投放方法可以包括：
7.接收在操作界面上输入的操作指令，所述操作指令中包括配置参数和/或业务需求参数。
8.根据所述配置参数和/或业务需求参数确定候选人群和目标特征信息；所述候选人群中包括多个候选用户。
9.获取种子人群；所述种子人群中包括多个种子用户。
10.根据所述候选人群中每个候选用户对应的目标特征信息和所述种子人群，在所述候选人群中确定目标候选人群。
11.向所述目标候选人群投放信息。
12.由此可见，本技术实施例提供的信息投放方法，在进行信息投放时，先接收用户在操作界面上输入的包括配置参数和/或业务需求参数的操作指令，即考虑到了不同个性化人群扩散业务诉求，并根据用户输入的配置参数和/或业务需求参数确定候选人群和目标特征信息，再根据候选人群中每个候选用户对应的目标特征信息和种子人群，共同在候选人群中确定目标候选人群，有效地增加了人群扩散的灵活性和人性化，再向目标候选人群投放信息。与现有技术中直接向种子人群的扩散人群投放信息相比，提高了信息投放的准确度。
13.在一种可能的实现方式中，所述根据所述候选人群中每个候选用户对应的目标特征信息和所述种子人群，在所述候选人群中确定目标候选人群，可以包括：
14.根据所述种子人群中每个种子用户对应的目标特征信息对所述多个种子用户进行聚类处理，得到m个聚类；其中，每个聚类的中心点作为一个聚类中心用户；m为大于或者等于2的整数。
15.根据所述候选人群中每个候选用户对应的目标特征信息和m个聚类中心用户对应的目标特征信息确定所述每个候选用户对应的关联度。
16.按照关联度由大到小的顺序，将前n个关联度对应的候选用户确定所述目标候选人群，这样不仅提高了获取得到的目标候选人群的准确度，而且由于只计算候选人群中每个候选用户对应的目标特征信息和m个聚类中心用户对应的目标特征信息之间的关联度，有效地节省了计算资源，提高了计算效率。
17.在一种可能的实现方式中，所述根据所述候选人群中每个候选用户对应的目标特征信息和m个聚类中心用户对应的目标特征信息确定所述每个候选用户对应的关联度，可以包括：
18.计算所述候选人群中任意一个候选用户对应的目标特征信息分别与所述m个聚类中心用户中每个聚类中心对应的目标特征信息之间的关联度，得到m个关联度。
19.将所述m个关联度的均值确定为所述候选用户对应的关联度，从而计算得到候选用户对应的关联度，这样在计算关联度时，采用聚类后的m个聚类中心用户对应的目标特征信息进行计算，可以在一定程度上解决种子人群中可能掺杂的异常用户以及种子人群中本身包含多个子类人群的问题，使得计算时不受异常数据的影响，并且强化人群特征，使得最后计算的目标候选人群的特征信息更加显著，同时解决了超大矩阵与超大矩阵进行计算资源消耗大耗时长的问题。
20.在一种可能的实现方式中，所述获取种子人群，可以包括：
21.获取初始种子人群。
22.根据所述初始种子人群中每个种子用户对应的目标特征信息，对所述初始种子人群进行筛选，得到所述种子人群，这样可以剔除掉初始种子人群中异常值离群点，从而得到具有较高相似度的特征信息的种子人群。
23.在一种可能的实现方式中，若所述操作指令包括所述配置参数，则所述候选人群包括所述配置参数对应的用户；若所述操作指令包括所述业务需求参数，则所述候选人群包括所述业务需求参数对应的用户；若所述操作指令包括所述配置参数和业务需求参数，则所述候选人群包括所述配置参数对应的用户和所述业务需求参数对应的用户的交集，从而确定候选人群。可以看出，在确定候选人群时考虑到了用户输入的配置参数和/或业务需求参数，即考虑到了不同个性化人群扩散业务诉求，可以有效地增加人群扩散的灵活性和个性化。
24.在一种可能的实现方式中，该信息投放方法还可以包括：
25.将预设人群中每个预设用户对应的业务特征输入至预测模型，得到所述预设用户满足业务需求的概率。
26.将概率大于预设阈值的预设用户确定为所述业务需求参数对应的用户。
27.在一种可能的实现方式中，根据所述配置参数和/或业务需求参数确定目标特征信息，可以包括：
28.获取多个属性特征信息；
29.将所述配置参数对应的特征信息和/或业务需求参数对应的特征信息，以及所述多个属性特征信息，确定为所述目标特征信息，这样后续就可以根据该目标特征信息进行关联度的计算时，以从候选人群中确定出最终的目标候选人群，由于该目标特征信息包括了用户输入的配置参数和/或业务需求参数，即考虑到了不同个性化人群扩散业务诉求，可以有效地增加人群扩散的灵活性和个性化。
30.第二方面，本技术实施例还提供了一种信息投放装置，该信息投放装置可以包括：
31.接收模块，用于接收在操作界面上输入的操作指令，所述操作指令中包括配置参数和/或业务需求参数。
32.处理模块，用于根据所述配置参数和/或业务需求参数确定候选人群和目标特征信息；所述候选人群中包括多个候选用户。
33.获取模块，用于获取种子人群；所述种子人群中包括多个种子用户。
34.所述处理模块，还用于根据所述候选人群中每个候选用户对应的目标特征信息和所述种子人群，在所述候选人群中确定目标候选人群；
35.发送模块，用于向所述目标候选人群投放信息。
36.在一种可能的实现方式中，所述处理模块，具体用于根据所述种子人群中每个种子用户对应的目标特征信息对所述多个种子用户进行聚类处理，得到m个聚类；其中，每个聚类的中心点作为一个聚类中心用户；m为大于或者等于2的整数；并根据所述候选人群中每个候选用户对应的目标特征信息和m个聚类中心用户对应的目标特征信息确定所述每个候选用户对应的关联度；再按照关联度由大到小的顺序，将前n个关联度对应的候选用户确定所述目标候选人群。
37.在一种可能的实现方式中，所述处理模块，具体用于计算所述候选人群中任意一个候选用户对应的目标特征信息分别与所述m个聚类中心用户中每个聚类中心对应的目标特征信息之间的关联度，得到m个关联度；将所述m个关联度的均值确定为所述候选用户对应的关联度。
38.在一种可能的实现方式中，所述获取模块，具体用于获取初始种子人群；并根据所述初始种子人群中每个种子用户对应的目标特征信息，对所述初始种子人群进行筛选，得到所述种子人群。
39.在一种可能的实现方式中，若所述操作指令包括所述配置参数，则所述候选人群包括所述配置参数对应的用户；若所述操作指令包括所述业务需求参数，则所述候选人群包括所述业务需求参数对应的用户；若所述操作指令包括所述配置参数和业务需求参数，则所述候选人群包括所述配置参数对应的用户和所述业务需求参数对应的用户的交集。
40.在一种可能的实现方式中，所述处理模块，还用于将预设人群中每个预设用户对应的业务特征输入至预测模型，得到所述预设用户满足业务需求的概率；并将概率大于预设阈值的预设用户确定为所述业务需求参数对应的用户。
41.在一种可能的实现方式中，所述处理模块，具体用于获取多个属性特征信息；并将所述配置参数对应的特征信息和/或业务需求参数对应的特征信息，以及所述多个属性特征信息，确定为所述目标特征信息。
42.第三方面，本技术实施例还提供了一种电子设备，包括处理器、存储器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第
一方面任一种可能的实现方式中所述的信息投放方法。
43.第四方面，本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，当所述计算机指令在电子设备上运行时，使得电子设备执行如上述第一方面任一种可能的实现方式中所述的信息投放方法。
44.本技术实施例提供的信息投放方法、装置及设备，在进行信息投放时，先接收用户在操作界面上输入的包括配置参数和/或业务需求参数的操作指令，即考虑到了不同个性化人群扩散业务诉求，并根据用户输入的配置参数和/或业务需求参数确定候选人群和目标特征信息，再根据候选人群中每个候选用户对应的目标特征信息和种子人群，共同在候选人群中确定目标候选人群，有效地增加了人群扩散的灵活性和人性化，再向目标候选人群投放信息。与现有技术中直接向种子人群的扩散人群投放信息相比，提高了信息投放的准确度。
附图说明
45.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
46.图1为本技术实施例提供的一种信息投放方法的流程示意图；
47.图2为本技术实施例提供的一种确定预设用户达成高下单潜在需求目标的概率的示意图；
48.图3为本技术实施例提供的一种确定目标候选人群的框架示意图；
49.图4为本技术实施例提供的一种在候选人群中确定目标候选人群的流程示意图；
50.图5为本技术实施例提供的一种典型模式抽取的示意图；
51.图6为本技术实施例提供的一种信息投放装置的结构示意图；
52.图7为本技术实施例提供的一种电子设备实施例的结构示意图。
53.通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
54.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
55.在本技术的实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况，其中a，b可以是单数或者复数。在本技术的文字描述中，字符“/”一般表示前后关联对象是一种“或”的关系。
56.本技术实施例提供的信息投放方法可以应用于信息投放或者广告营销的场景中，当然，也可以应用于电商场景或者其他场景。以信息投放场景为例，通常情况下，电子设备在进行信息投放时，是基于本地的种子人群获取扩散人群，并向扩散人群投放信息。但是，
当种子人群较多时，会导致扩散人群的数量较多；并且，由于种子人群中可能会存在有冗余或可信度低等非优质种子用户，会对扩散人群的确定造成一定的影响，从而导致信息投放的准确度不高。
57.为了提高信息投放的准确度，本技术实施例提供了一种信息投放方法，在进行信息投放时，先接收用户在操作界面上输入的包括配置参数和/或业务需求参数的操作指令，即考虑到了不同个性化人群扩散业务诉求，并根据用户输入的配置参数和/或业务需求参数确定候选人群和目标特征信息，再根据候选人群中每个候选用户对应的目标特征信息和种子人群，共同在候选人群中确定目标候选人群，有效地增加了人群扩散的灵活性和人性化，再向目标候选人群投放信息。与现有技术中直接向种子人群的扩散人群投放信息相比，提高了信息投放的准确度。
58.以本技术实施例应用于电商场景为例，投放的信息可以为营销广告、优惠券等。示例的，配置参数可以包括品类、店铺、价值以及意图等中的至少一种；业务需求参数可以包括高转化潜在需求、高关注潜在需求，以及高下单潜在需求等中的至少一种。在本技术实施例中，在进行人群扩散时，正是因为考虑到了用户输入的配置参数和/或业务需求参数，即考虑到了不同个性化人群扩散业务诉求，使得在确定目标候选人群，有效地增加人群扩散的灵活性和个性化，从而提高了获取到的扩散人群的准确度；这样在向扩散人群投放信息时，提高了信息投放的准确度。
59.可以理解的是，当本技术实施例应用于其它场景时，对应的配置参数和也无需求参数也可以增加或者替换为别的参数，只要能够是符合业务逻辑的且有数据支持的指标都可以在实现过程中予以置换，但实现原理与电商场景中的实现过程类似，在此，本技术实施例不再进行赘述。
60.下面将电商场景为例，以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
61.图1为本技术实施例提供的一种信息投放方法的流程示意图，该信息投放方法可以由软件和/或硬件装置执行，例如，该硬件装置可以为信息投放装置，该信息投放装置可以设置在电子设备中。示例的，请参见图1所示，该信息投放方法可以包括：
62.s101、接收在操作界面上输入的操作指令。
63.其中，操作指令中包括配置参数和/或业务需求参数。
64.示例的，在接收用户在操作界面上输入的操作指令之前，可以先通过操作界面向用户显示配置参数和业务需求参数列表，该配置参数列表中可以包括多个配置参数，例如品类、店铺、价值以及意图等，业务需求参数列表可以包括多个业务需求参数，例如高转化潜在需求、高关注潜在需求，以及高下单潜在需求等；用户可以根据操作界面上显示的配置参数列表和业务需求参数列表选择需要使用的配置参数和/或业务需求参数，该配置参数和/或业务需求参数可以体现本次人群扩散业务诉求。
65.可以理解的是，用户在配置参数列表和业务需求参数列表选择需要使用的参数时，可以只选择配置参数列表中的一个或者多个参数，例如品类；也可以只选择业务需求参数列表中的一个或者多个参数，例如高下单潜在需求；当然，也可以同时在配置参数列表和
业务需求参数列表选择一个或者多个参数，例如品类和高下单潜在需求，具体可以根据实际需要进行选择，在此，本技术实施例不做进一步地限制。
66.在接收到用户在操作界面上输入的包括配置参数和/或业务需求参数的操作指令之后，就可以执行下述s102：
67.s102、根据配置参数和/或业务需求参数确定候选人群和目标特征信息。
68.其中，候选人群中包括多个候选用户。
69.示例的，在根据配置参数和/或业务需求参数确定候选人群时，若操作指令包括配置参数，则候选人群包括配置参数对应的用户；以配置参数为品类为例，则候选人群为品类对应的用户；若操作指令包括业务需求参数，则候选人群包括业务需求参数对应的用户；以业务需求参数为高下单潜在需求为例，则候选人群为满足高下单潜在需求的用户；若操作指令包括配置参数和业务需求参数，则候选人群包括配置参数对应的用户和业务需求参数对应的用户的交集，以配置参数为品类，业务需求参数为高下单潜在需求为例，则候选人群为品类对应的用户和满足高下单潜在需求的用户中的交集用户，即该交集用户既为品类对应的用户，又是满足高下单潜在需求的用户，从而可以根据配置参数和/或业务需求参数确定候选人群。
70.在上述描述中，在确定业务需求参数对应的用户时，示例的，可以将预设人群中每个预设用户对应的业务特征输入至预测模型，得到预设用户满足业务需求的概率；例如，预测每个预设用户未来五天的达成业务需求目标的概率，将概率大于预设阈值的预设用户确定为业务需求参数对应的用户，这样能够把扩散人群刻画的更加准确，业务应用更具有指向性，从而进一步节省营销成本，提升收益率。其中，预设人群可以理解为近期具有业务特征行为的用户组成的人群。可以理解的是，在使得预测模型预测预设用户满足业务需求的概率之前，需要先进行模型训练得到该预测模型。示例的，可以利用有监督的分类算法；例如逻辑回归算法、随机森林算法、gbdt、xgboost等进行模型训练，得到该预测模型，也可以使用综合评价的方法，结合人工经验进行模型的组合或利用深度学习算法训练得到该预测模型，具体可以根据实际需要进行设置，在此，对于通过何种算法训练得到预测模型，本技术实施例不做具体限制。
71.示例的，当业务需求参数为高下单潜在需求时，该预测模型可以为根据用户期望实现的高下单潜在模型，在该种情况下，可请参见图2所示，图2为本技术实施例提供的一种确定预设用户达成高下单潜在需求目标的概率的示意图，可以先将将每个预设用户对应的相关业务特征，例如基本属性特征、搜索特征、浏览特征、点击特征、加购特征、购买特征、服务特征、品类行为特征等输入至预先建立的高下单潜在模型，以预测每一个预设用户达成高下单潜在需求目标的概率，即将高概率满足下单需求的用户筛选出来作为该高下单潜在需求对应的用户。
72.上述在根据配置参数和/或业务需求参数确定候选人群之后，由于要基于候选人群中每一个候选用户的目标特征和种子人群共同对候选人群中的候选用户做进一步地筛选，以得到最终的目标候选人群，因此，还可以根据配置参数和/或业务需求参数确定目标特征信息。示例的，在根据配置参数和/或业务需求参数确定目标特征信息时，可以先获取多个属性特征信息；再确定配置参数对应的特征信息和/或业务需求参数对应的特征信息，并将配置参数对应的特征信息和/或业务需求参数对应的特征信息，以及多个属性特征信
息，确定为目标特征信息。
73.示例的，在获取多个属性特征信息时，可以利用方差分析、相关分析、缺失率、人工判别等方式结合的方式从基础特征信息(性别、年龄、学历、婚姻状况等)、行为属性特征信息(搜索、浏览、点击、加购、下单等行为)、价值属性特征信息(生命周期、用户价值、用户购买力等)、信用属性(取消订单、售后、风险等级等)众多的属性特征信息中选择多个属性特征信息，以实现对无监督的大量特征信息集合进行典型属性特征信息的抽取。可以理解的是，在本技术实施例中，通过典型属性特征信息的抽取，其目的在于：1、后期通过海量属性特征信息进行聚类或扩散时，目标候选用户扩散的稳定性较差，且目标候选人群可解释性较弱；2、缺失率很高的属性特征信息、特征变化非常小的列包含的信息量少，在进行扩散时可不作保留；3、同质属性特征信息在实现人群扩散时，只需要保留重要变量即可，同一类别变量保留太多，一方面影响计算效率，另一方面信息冗余对人群扩散的结果并无过多的修正作用反而会相互掣肘，使得后续在计算关联度，例如相似度或距离时的结果受某一类属性特征信息影响过大，导致计算的关联度的准确度较低。
74.需要说明的是，通过特征筛选获取到的多个属性特征信息仅为属性特征信息，为了使得人群扩散更符合个性化业务需求，因此，还可以根据配置参数和/或业务需求参数获取行为特征信息，并将配置参数和/或业务需求参数对应的行为特征信息，和获取到的多个属性特征信息一并作为目标特征信息，从而确定目标特征信息，这样后续就可以根据该目标特征信息进行关联度的计算时，以从候选人群中确定出最终的目标候选人群。示例的，以配置参数为品类为例，则配置参数对应的特征信息为品类对应的特征信息；以业务需求参数为高下单潜在需求，则该业务需求参数对应的特征信息为达成高下单潜在需求目标的概率特征。
75.以配置参数为跨品类为例，当用户选定某一品类进行跨品类时，可以先根据用户近期行为(点击、关注、加购、购买)数据，按照时间排序，组成用户行为序列，并构建word2vec模型进行embedding计算出品类间的相似度，构建品类之间的图关系，建立起适宜做跨品类拉新的品类关联，可对用户进行关联品类推荐。在该种情况下，候选人群与预测模型的特征都会进行动态调试。候选人群：近一年对该品类的关联品类有过购买或近三个月有过搜索、浏览、点击、加购等行为的候选用户，且预测模型预测标识为是的用户，从而得到跨品类的候选人群。其中，预测模型的特征：主要包括用户属性特征信息(用户基础属性特征信息、用户价值特征信息、生命周期特征信息、消费偏好特征信息、全站行为特征信息)，以及该品类与相关联品类的品类行为特征信息、品类价值特征信息、品类偏好特征信息等。
76.通过s102在根据配置参数和/或业务需求参数分别确定候选人群和目标特征信息之后，就可以获取种子人群，以根据候选人群中每个候选用户对应的目标特征信息和种子人群，在候选人群中确定目标候选人群，即执行下述s103-s104。
77.s103、获取种子人群。
78.其中，种子人群中包括多个种子用户。
79.示例的，在获取种子人群时，可以从本地获取其维护的初始种子人群；由于初始种子人群中往往是参杂了很多子类人群，若直接用该初始种子人群做后续的关联度计算，则种子人群的特征就会被弱化，使得基于初始种子人群最终确定的目标候选人群的特征也会不明显；因此，在计算后续的关联度计算时，可以先根据初始种子人群中每个种子用户对应
的目标特征信息，对初始种子人群进行筛选，以得到具有较高相似度的特征信息的种子人群。
80.示例的，在根据初始种子人群中每个种子用户对应的目标特征信息，对初始种子人群进行筛选时，可以利用箱线图法对初始种子人群中的初始种子用户进行异常值的处理，异常值被定义为小于q1(q1指第一四分位数)－1.5iqr(iqr指第三四分位数减去第一四分位数的差值)，或者异常值被定义为大于q3(q3指第三四分位数) 1.5iqr的值，其中，大于q3 1.5iqr的值用q3 1.5iqr来代替，小于q1-1.5iqr的值用q1-1.5iqr来代替。
81.s104、根据候选人群中每个候选用户对应的目标特征信息和种子人群，在候选人群中确定目标候选人群。
82.其中，该目标候选人群可以理解为最终需要得到的人群。
83.在根据候选人群中每个候选用户对应的目标特征信息和种子人群，在候选人群中确定目标候选人群时，示例的，请参见图3所示，图3为本技术实施例提供的一种确定目标候选人群的框架示意图，可以看出可以先获取种子人群，在基于种子人群进行人群扩散时，可以先确定扩散目标，该扩散目标可以通过配置参数和/或业务需求参数实现，基于该扩散目标对应的扩散方向下的扩散人群即为目标候选人群。
84.s105、向目标候选人群投放信息。
85.由此可见，本技术实施例的信息投放方法，在进行信息投放时，先接收用户在操作界面上输入的包括配置参数和/或业务需求参数的操作指令，即考虑到了不同个性化人群扩散业务诉求，并根据用户输入的配置参数和/或业务需求参数确定候选人群和目标特征信息，再根据候选人群中每个候选用户对应的目标特征信息和种子人群，共同在候选人群中确定目标候选人群，有效地增加了人群扩散的灵活性和人性化，再向目标候选人群投放信息。与现有技术中直接向种子人群的扩散人群投放信息相比，提高了信息投放的准确度。
86.基于上述图1所示的实施例，为了便于理解在上述s104中如何根据候选人群中每个候选用户对应的目标特征信息和种子人群，在候选人群中确定目标候选人群，下面，将通过下述实施例进行详细的描述。
87.图4为本技术实施例提供的一种在候选人群中确定目标候选人群的流程示意图，示例的，请参见图4所示，该方法可以包括：
88.s401、根据种子人群中每个种子用户对应的目标特征信息对多个种子用户进行聚类处理，得到m个聚类。
89.其中，每个聚类的中心点作为一个聚类中心用户；m为大于或者等于2的整数。
90.示例的，在对多个种子用户进行聚类处理时，可以通过k-means算法对种子人群进行聚类，当然，也可以通过其它算法对种子人群进行聚类，并将各个聚类中心点作为种子用户的典型模式抽取出来，作为虚拟的聚类中心用户，这样既节省了计算资源又可以使得种子人群的特征更加明显。示例的，请参见图5所示，图5为本技术实施例提供的一种典型模式抽取的示意图，可以看出，可以通过特征筛选获取到的多个属性特征信息，并加上配置参数和/或业务需求参数对应的行为特征信息作为目标特征信息，再结合种子人群，这样可以根据种子人群中每个种子用户对应的目标特征信息对多个种子用户进行聚类处理，得到m个聚类，每一个聚类中心点可以作为种子用户的典型模式。
91.s402、根据候选人群中每个候选用户对应的目标特征信息和m个聚类中心用户对
应的目标特征信息确定每个候选用户对应的关联度。
92.示例的，在根据候选人群中每个候选用户对应的目标特征信息和m个聚类中心用户对应的目标特征信息确定每个候选用户对应的关联度时，由于每个候选用户对应的关联度的计算方法类似，因此，为了避免赘述，可以以候选人群中任一个候选用户为例，在计算该候选用户对应的关联度时，可以先将该候选用户对应的目标特征信息分别与m个聚类中心用户中每个聚类中心对应的目标特征信息之间的关联度，得到m个关联度；再计算m个关联度的均值，并将m个关联度的均值确定为该候选用户对应的关联度；按照该方式，就可以得到候选人群中每个候选用户对应的关联度。
93.示例的，关联度可以为相似度和/或距离。在计算候选用户对应的目标特征信息分别与m个聚类中心用户中每个聚类中心对应的目标特征信息之间的相似度时，通常会根据资料的不同选择不同的算法。目前较多使用的相似度算法有：皮尔森相关系数算法、余弦相似度算法、以及矫正余弦相似度算法等。在计算候选用户对应的目标特征信息分别与m个聚类中心用户中每个聚类中心对应的目标特征信息之间的距离时，同样会根据资料的不同选择不同的算法。目前较多使用的距离算法有：欧几里得距离、明可夫斯基距离、曼哈顿距离、切比雪夫距离、以及马哈拉诺比斯距离等。
94.需要说明的是，在计算关联度时，采用聚类后的m个聚类中心用户对应的目标特征信息进行计算，可以在一定程度上解决种子人群中可能掺杂的异常用户以及种子人群中本身包含多个子类人群的问题，使得计算时不受异常数据的影响，并且强化人群特征，使得最后计算的目标候选人群的特征信息更加显著，同时解决了超大矩阵与超大矩阵进行计算资源消耗大耗时长的问题。
95.这样在根据候选人群中每个候选用户对应的目标特征信息和m个聚类中心用户对应的目标特征信息计算得到每个候选用户对应的关联度之后，就可以执行下述s403：
96.s403、按照关联度由大到小的顺序，将前n个关联度对应的候选用户确定目标候选人群。
97.在计算得到每个候选用户对应的关联度后，可以按照关联度由大到小的顺序进行排序，并将候选人群中前n个较大的关联度对应的候选用户确定为目标候选人群；当然，也可以不按照关联度由大到小的顺序进行，而是直接将大于预设阈值的关联度对应的候选用户确定为目标候选人群，具体可以根据实际需要进行设置，在此，本技术实施例不做具体限制。其中，预设阈值可以根据实际需要进行设置。
98.由此可见，在根据候选人群中每个候选用户对应的目标特征信息和种子人群，在候选人群中确定目标候选人群时，是先对种子人群中的多个种子用户进行聚类处理，得到m个聚类，每一个聚类对应有一个聚类中心用户；并根据候选人群中每个候选用户对应的目标特征信息和m个聚类中心用户对应的目标特征信息确定每个候选用户对应的关联度，按照关联度由大到小的顺序，将前n个关联度对应的候选用户确定目标候选人群，不仅提高了获取得到的目标候选人群的准确度，而且由于只计算候选人群中每个候选用户对应的目标特征信息和m个聚类中心用户对应的目标特征信息之间的关联度，有效地节省了计算资源，提高了计算效率。
99.图6为本技术实施例提供的一种信息投放装置60的结构示意图，示例的，请参见图6所示，该信息投放装置60可以包括：
100.接收模块601，用于接收在操作界面上输入的操作指令，操作指令中包括配置参数和/或业务需求参数。
101.处理模块602，用于根据配置参数和/或业务需求参数确定候选人群和目标特征信息；候选人群中包括多个候选用户。
102.获取模块603，用于获取种子人群；种子人群中包括多个种子用户。
103.处理模块602，还用于根据候选人群中每个候选用户对应的目标特征信息和种子人群，在候选人群中确定目标候选人群。
104.发送模块604，用于向目标候选人群投放信息。
105.可选的，处理模块602，具体用于根据种子人群中每个种子用户对应的目标特征信息对多个种子用户进行聚类处理，得到m个聚类；其中，每个聚类的中心点作为一个聚类中心用户；m为大于或者等于2的整数；并根据候选人群中每个候选用户对应的目标特征信息和m个聚类中心用户对应的目标特征信息确定每个候选用户对应的关联度；再按照关联度由大到小的顺序，将前n个关联度对应的候选用户确定目标候选人群。
106.可选的，处理模块602，具体用于计算候选人群中任意一个候选用户对应的目标特征信息分别与m个聚类中心用户中每个聚类中心对应的目标特征信息之间的关联度，得到m个关联度；将m个关联度的均值确定为候选用户对应的关联度。
107.可选的，获取模块603，具体用于获取初始种子人群；并根据初始种子人群中每个种子用户对应的目标特征信息，对初始种子人群进行筛选，得到种子人群。
108.可选的，若操作指令包括配置参数，则候选人群包括配置参数对应的用户；若操作指令包括业务需求参数，则候选人群包括业务需求参数对应的用户；若操作指令包括配置参数和业务需求参数，则候选人群包括配置参数对应的用户和业务需求参数对应的用户的交集。
109.可选的，处理模块602，还用于将预设人群中每个预设用户对应的业务特征输入至预测模型，得到预设用户满足业务需求的概率；并将概率大于预设阈值的预设用户确定为业务需求参数对应的用户。
110.可选的，处理模块602，具体用于获取多个属性特征信息；并将配置参数对应的特征信息和/或业务需求参数对应的特征信息，以及多个属性特征信息，确定为目标特征信息。
111.本技术实施例提供的信息投放装置60，可以执行上述任一实施例中的信息投放方法的技术方案，其实现原理以及有益效果与信息投放方法的实现原理及有益效果类似，可参见信息投放方法的实现原理及有益效果，此处不再进行赘述。
112.需要说明的是，应理解以上设备的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，确定模块可以为单独设立的处理元件，也可以集成在上述设备的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述设备的存储器中，由上述设备的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程
中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
113.例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，asic)，或，一个或多个微处理器(digital signal processor，dsp)，或，一个或者多个现场可编程门阵列(field programmable gate array，fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，soc)的形式实现。
114.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
115.图7为本技术实施例提供的一种电子设备实施例的结构示意图。如图7所示，该电子设备可以包括：包括处理器701、存储器702及存储在存储器702上并可在处理器701上运行的计算机程序、当然，也可以包括通信接口703和系统总线704，所述存储器702和所述通信接口703通过所述系统总线704与所述处理器701连接并完成相互间的通信，所述存储器702用于存储计算机程序，所述通信接口703用于和其他设备进行通信，所述处理器701执行所述计算机程序时实现如上述实施例所示的信息投放方法的技术方案，其实现原理以及有益效果与信息投放方法的实现原理及有益效果类似，可参见信息投放方法的实现原理及有益效果，此处不再进行赘述。
116.在该图7中，上述的处理器701可以是通用处理器，包括中央处理器cpu、网络处理器(network processor，np)等；还可以是数字信号处理器dsp、专用集成电路asic、现场可编程门阵列fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
117.存储器702可能包含随机存取存储器(random access memory，ram)，也可能包括只读存储器(read-only memory，ram)，还可能包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
118.通信接口703用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。
119.系统总线704可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线
等。系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
120.可选的，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，当该计算机指令在电子设备上运行时，使得电子设备执行如上述实施例所示的信息投放方法的技术方案，其实现原理以及有益效果与信息投放方法的实现原理及有益效果类似，可参见信息投放方法的实现原理及有益效果，此处不再进行赘述。
121.可选的，本技术实施例还提供一种运行指令的芯片，所述芯片用于执行上述实施例所示的信息投放方法的技术方案，其实现原理以及有益效果与信息投放方法的实现原理及有益效果类似，可参见信息投放方法的实现原理及有益效果，此处不再进行赘述。
122.本技术实施例还提供一种程序产品，所述程序产品包括计算机程序，所述计算机程序存储在计算机可读存储介质中，至少一个处理器可以从所述计算机可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序时可实现上述实施例所示的信息投放方法的技术方案，其实现原理以及有益效果与信息投放方法的实现原理及有益效果类似，可参见信息投放方法的实现原理及有益效果，此处不再进行赘述。
123.本领域技术人员在考虑说明书及实践这里公开的申请后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。
124.应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。