多媒体资源提供方法、装置、电子设备及存储介质与流程

1.本公开涉及计算机技术领域，更具体地说，涉及多媒体资源提供方法、装置、电子设备及存储介质。


背景技术：

2.目前，一周内每天以及一天内每个时刻的线上流量都有一定的分布规律，并不是均匀分布的。例如，下午5、6点的时间段，大部分用户已经下班，已经下班的用户拥有闲暇时间进行网上购物、观看视频或者浏览网页等等，因此下午5、6点的时间段属于流量高峰期；而凌晨2、3点左右的时间段，大部分用户已经休息，因此凌晨2、3点左右的时间段属于流量低谷期。
3.相关技术中，服务端为了保证服务的可用性，一般都会根据流量最高峰时间段所需的机器数来作为线上实际部署的机器数，来处理相应的请求。然而，由于线上实际部署的机器数是固定不变的，当处理请求量处于低谷的情况下，会造成一定数量的计算资源浪费。


技术实现要素：

4.本公开提供多媒体资源提供方法、装置、电子设备及存储介质，以至少解决上述相关技术中，当处理请求量处于低谷的情况下，会造成一定数量的计算资源浪费的技术问题。
5.根据本公开实施例的第一方面，提供一种多媒体资源提供方法，包括：确定接收到客户端发送的内容请求的目标时刻所在的时间间隔的预估流量请求数，其中，所述预估流量请求数为所述时间间隔内服务端接收到的内容请求的总数量；基于所述预估流量请求数和多媒体资源候选队列对应的第一预设数量，确定多媒体资源候选队列对应的第一数量，其中，所述第一预设数量为所述服务端按照最大流量请求数所确定的多媒体资源候选队列对应的数量；筛选出所述第一数量的候选多媒体资源，并对筛选出的候选多媒体资源进行排序处理；根据排序结果，向所述客户端提供多媒体资源。
6.可选地，所述基于所述预估流量请求数和多媒体资源候选队列对应的第一预设数量，确定多媒体资源候选队列对应的第一数量，包括：确定所述最大流量请求数与接收到客户端发送的内容请求的目标时刻所在的时间间隔的预估流量请求数的比值；基于所述比值以及所述服务端按照最大流量请求数所确定的多媒体资源候选队列对应的第一预设数量，确定所述第一数量。
7.可选地，所述对筛选出的候选多媒体资源进行排序处理，包括：对筛选出的候选多媒体资源进行第一粒度排序处理，获得经过第一粒度排序处理的候选多媒体资源；根据所述目标时刻，确定需进行第二粒度排序处理的所述候选多媒体资源的第二数量；从所述经过第一粒度排序处理的候选多媒体资源中选择所述第二数量的候选多媒体资源；对所述第二数量的候选多媒体资源进行第二粒度排序处理，得到所述排序结果。
8.可选地，所述确定需进行第二粒度排序处理的所述候选多媒体资源的第二数量，包括：确定所述最大流量请求数与接收到客户端发送的内容请求的目标时刻所在的时间间
隔的预估流量请求数的比值；基于所述比值以及第二预设数量，确定所述第二数量；其中，所述第二预设数量为：所述服务端按照所述最大流量请求数所确定的需进行第二粒度排序处理的多媒体资源候选队列对应的数量。
9.可选地，所述第一数量与所述预估流量请求数呈负相关，所述第二数量与所述预估流量请求数呈负相关。
10.可选地，所述对筛选出的候选多媒体资源进行第一粒度排序处理，获得经过第一粒度排序处理的候选多媒体资源，包括：获取筛选出的候选多媒体资源中每个候选多媒体资源的第一推荐评估指标信息；基于所述第一推荐评估指标信息，对筛选出的候选多媒体资源进行第一粒度排序处理，获得经过第一粒度排序处理的候选多媒体资源。
11.可选地，所述对所述第二数量的候选多媒体资源进行第二粒度排序处理，得到所述排序结果，包括：获取所述第二数量的候选多媒体资源中每个候选多媒体资源的第二推荐评估指标信息；基于所述第二推荐评估指标信息，对所述第二数量的候选多媒体资源进行第二粒度排序处理，获得所述排序结果。
12.可选地，所述预估流量请求数为将与所述时间间隔相关的特征输入流量请求预测模型得到的。
13.根据本公开实施例的第二方面，提供一种多媒体资源提供装置，包括：确定模块，被配置为确定接收到客户端发送的内容请求的目标时刻所在的时间间隔的预估流量请求数，其中，所述预估流量请求数为所述时间间隔内服务端接收到的内容请求的总数量；所述确定模块，被配置为基于所述预估流量请求数和多媒体资源候选队列对应的第一预设数量，确定多媒体资源候选队列对应的第一数量，其中，所述第一预设数量为所述服务端按照最大流量请求数所确定的多媒体资源候选队列对应的数量；排序模块，被配置为筛选出所述第一数量的候选多媒体资源，并对筛选出的候选多媒体资源进行排序处理；提供模块，被配置为根据排序结果，向所述客户端提供多媒体资源。
14.可选地，所述确定模块被配置为：确定所述最大流量请求数与接收到客户端发送的内容请求的目标时刻所在的时间间隔的预估流量请求数的比值；基于所述比值以及所述服务端按照最大流量请求数所确定的多媒体资源候选队列对应的第一预设数量，确定所述第一数量。
15.可选地，所述排序模块被配置为：对筛选出的候选多媒体资源进行第一粒度排序处理，获得经过第一粒度排序处理的候选多媒体资源；根据所述目标时刻，确定需进行第二粒度排序处理的所述候选多媒体资源的第二数量；从所述经过第一粒度排序处理的候选多媒体资源中选择所述第二数量的候选多媒体资源；对所述第二数量的候选多媒体资源进行第二粒度排序处理，得到所述排序结果。
16.可选地，所述排序模块被配置为：确定所述最大流量请求数与接收到客户端发送的内容请求的目标时刻所在的时间间隔的预估流量请求数的比值；基于所述比值以及第二预设数量，确定所述第二数量；其中，所述第二预设数量为：所述服务端按照所述最大流量请求数所确定的需进行第二粒度排序处理的多媒体资源候选队列对应的数量。
17.可选地，所述第一数量与所述预估流量请求数呈负相关，所述第二数量与所述预估流量请求数呈负相关。
18.可选地，所述排序模块被配置为：获取筛选出的候选多媒体资源中每个候选多媒
体资源的第一推荐评估指标信息；基于所述第一推荐评估指标信息，对筛选出的候选多媒体资源进行第一粒度排序处理，获得经过第一粒度排序处理的候选多媒体资源。
19.可选地，所述排序模块被配置为：获取所述第二数量的候选多媒体资源中每个候选多媒体资源的第二推荐评估指标信息；基于所述第二推荐评估指标信息，对所述第二数量的候选多媒体资源进行第二粒度排序处理，获得所述排序结果。
20.可选地，所述预估流量请求数为将与所述时间间隔相关的特征输入流量请求预测模型得到的。
21.根据本公开实施例的第三方面，提供一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现根据本公开的多媒体资源提供方法。
22.根据本公开实施例的第四方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行根据本公开的多媒体资源提供方法。
23.根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据本公开的多媒体资源提供方法。
24.本公开的实施例提供的技术方案至少带来以下有益效果：由于不同时刻的线上流量分布情况是不同的，因此，本公开可以实现根据接收到客户端的内容请求的时刻对应的流量分布情况，动态确定多媒体资源候选队列对应的数量，并基于此进行后续筛选操作和排序操作，一方面避免在非流量高峰期计算资源过剩的情况出现，可以充分利用计算资源；另一方面可以为客户端提供更匹配的多媒体资源。
25.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
26.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，并不构成对本公开的不当限定。
27.图1是示出根据本公开的示例性实施例的一种多媒体资源提供方法的流程图；
28.图2是示出根据本公开的示例性实施例的一种多媒体资源提供装置的框图；
29.图3是示出根据本公开的示例性实施例的一种电子设备的框图。
具体实施方式
30.为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
31.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下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。
32.在此需要说明的是，在本公开中出现的“若干项之中的至少一项”均表示包含“该若干项中的任意一项”、“该若干项中的任意多项的组合”、“该若干项的全体”这三类并列的情况。例如“包括a和b之中的至少一个”即包括如下三种并列的情况：(1)包括a；(2)包括b；(3)包括a和b。又例如“执行步骤一和步骤二之中的至少一个”，即表示如下三种并列的情况：(1)执行步骤一；(2)执行步骤二；(3)执行步骤一和步骤二。
33.需要说明的是，本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
34.图1是示出根据本公开的示例性实施例的一种多媒体资源提供方法的流程图。
35.参照图1，在步骤101，可以确定接收到客户端发送的内容请求的目标时刻所在的时间间隔的预估流量请求数。其中，该预估流量请求数可以为时间间隔内服务端接收到的内容请求的总数量。
36.需要说明的是，客户端发来的内容请求可以为用于请求自然作品的请求，该自然作品可以为视频；候选多媒体资源可以为广告。例如，用户使用客户端上的视频类应用观看视频时，用户每刷完固定数量的视频，例如，每刷完5个视频，客户端可以向服务端发送一次用于更新视频的内容请求；或者，客户端也可以每隔预设时长向服务端发送一次用于更新视频的内容请求。服务端可以根据接收到的内容请求向客户端返回自然作品，例如，最新推荐的视频，同时，还可以一起向客户端返回几个广告。
37.服务端在筛选向客户端推送的广告时，一般可分为定向阶段、召回阶段和排序阶段，其中，排序阶段还可以包含粗排阶段和精排阶段。
38.需要说明的是，在接收客户端发送的内容请求之前，可以针对不同的用户进行离线数据挖掘。例如，可以分析用户最近购买过哪些商品、观看过哪些视频、浏览过哪些网页，进而确定用户所属的人群类型、有没有车、有没有房、有没有小孩以及所属的地域等等。其中，人群类型可以为热爱运动类型人群、爱看电影类型人群、喜欢购物类型人群等等。例如，如果某个用户最近经常看育儿类的视频，经常购买母婴用品，则可以确定该用户是有小孩的。并且，广告主在投放广告时，会圈定其投放的广告所针对的用户群体。例如，广告主a投放的广告针对的是热爱运动的人群；广告主b投放的广告针对的是有小孩的人群；广告主c投放的广告针对的是有车的人群；广告主d投放的广告针对的是爱看电影的人群。客户端向服务端发来的内容请求可以包含用户id，服务端根据用户id即可以查找到之前离线挖掘的该用户的特征，即该用户所属的人群类型、有没有车、有没有房、有没有小孩以及所属的地域等等。
39.服务端接收到客户端的内容请求之后，需要先经过定向阶段对广告进行筛选。例如，服务端可根据接收到的内容请求里面的用户id确定发送该内容请求的用户为甲，且服务端根据之前离线挖掘的甲的特征确定甲热爱运动、没有小孩、有车。此时，可以向甲推荐的广告即为广告主a投放的广告以及广告主c投放的广告。即定向阶段是使用一些过滤条件对数量庞大的，例如，十几万个广告进行硬过滤，进而筛选出一部分广告，例如几万个广告给后续的召回阶段进行进一步的筛选。
40.在召回阶段，可以获取发来内容请求的用户最近买过哪些商品、观看过哪些视频作品等用户行为信息，进而可以将获取到的用户行为信息以及通过定向阶段筛选出的几万
个广告输入至神经网络，由神经网络筛选出与用户行为信息比较匹配的几千个广告。然后，神经网络筛选出的几千个广告，即通过召回阶段筛选出的一定数量的广告就可以供给后续的粗排阶段进行进一步的筛选。需要说明的是，召回阶段属于比较粗粒度的筛选阶段，目的是排除与用户不相关的大部分广告。
41.根据本公开的示例性实施例，可以获取筛选出的候选多媒体资源中每个候选多媒体资源的第一推荐评估指标信息，进而可以基于第一推荐评估指标信息，对筛选出的候选多媒体资源进行第一粒度排序处理，获得经过第一粒度排序处理的候选多媒体资源。其中，第一粒度排序处理即为粗排处理。
42.在粗排阶段，针对召回阶段供给的几千个广告中的每个广告，可以使用点击率(click through rate，ctr)模型预测每个广告的点击率；可以利用转化率(click value rate，cvr)模型预测每个广告的转化率。点击率ctr是指广告的点击次数占广告的展示次数的百分比；转化率cvr是指广告直接收益转化数目占广告点击次数的百分比，即用户点击广告到成为一个有效激活或者注册甚至付费用户的转化率。接下来，可以计算每个广告的点击率、每个广告的转化率以及该广告的广告主的出价三者的乘积，该乘积即为该广告的第一推荐评估指标信息。并且，广告对应的上述乘积越大，该广告为广告发布平台带来的收益就越多，就越倾向于推荐该广告。上述广告主的出价可以为广告转化一次的价格。这样，粗排阶段可以根据ctr模型的预估值和cvr模型的预估值，按照广告为广告发布平台带来的收益对广告进行排序，进而可以选择出粗排结果中前一定数量的广告提供给后续精排阶段进行进一步精排。
43.根据本公开的示例性实施例，还可以获取第二数量的候选多媒体资源中每个候选多媒体资源的第二推荐评估指标信息，进而可以基于第二推荐评估指标信息，对第二数量的候选多媒体资源进行第二粒度排序处理，获得排序结果。其中，第二粒度排序处理即为精排处理。
44.在精排阶段，针对粗排阶段筛选出的广告，可以使用相较于粗排阶段预测精度更高的点击率模型预测每个广告的点击率，并使用相较于粗排阶段预测精度更高的转化率模型预测每个广告的转化率。接下来，可以计算每个广告的点击率、每个广告的转化率以及该广告的广告主的出价三者的乘积，该乘积即为该广告的第二推荐评估指标信息。并且，广告对应的上述乘积越大，该广告为广告发布平台带来的收益就越多，就越倾向于推荐该广告。精排阶段与粗排阶段相比，ctr模型和cvr模型的精度更高，预测的点击率和转化率更准确。这样，精排阶段可以根据ctr模型的预估值和cvr模型的预估值，按照广告为广告发布平台带来的收益对广告进行排序，进而可以选择出最终投放的，可以为广告发布平台带来较大收益的广告。
45.可以看出，在召回阶段所需筛选出的广告越多，后续粗排阶段所需计算的广告也越多；在粗排阶段所需筛选出的广告越多，后续精排阶段所需计算的广告也越多。
46.每个广告筛选阶段可以对应各自的服务集群，每个服务集群所包含的机器数一般是固定的，因此，每个阶段对应的服务集群的算力也是固定的。针对每个广告筛选阶段的实际算力需求，可以利用当前时刻服务端接收到的内容请求的数量与该阶段的候选广告的队列长度的乘积来衡量。由于每个阶段的算力是固定的，在相关技术中，针对每个排序阶段，通常按照服务端能够承受的最大内容请求数量(即，流量最高峰的情况)来统一确定排序阶
段要排序的候选广告的队列长度，以保证排序阶段的实际算力不会超出承受能力，但这往往导致在接收到的内容请求数量没有达到最大内容请求数量时(即，非流量最高峰的情况)，仍按照针对流量最高峰所设置的固定数量的候选广告来进行排序计算，没有充分利用算力，会浪费计算资源。因此，本公开考虑到，每个排序阶段的候选广告的队列长度可与当前时刻服务端接收到的内容请求的数量成反比，即每个排序阶段的候选广告的队列长度可随着流量分布的变化而变化，也即每个排序阶段的候选广告的供给数量可随着流量分布的变化而变化。这样，能够在服务端接收到的内容请求的数量较少时，针对每个内容请求，对较多的候选广告进行排序计算，一方面，能够充分利用计算资源，另一方面，候选广告越多，排序可选择的余地越大，也能够提升广告推荐效果。
47.如前所述，服务端可以确定接收到客户端发送的内容请求的目标时刻所在的时间间隔的预估流量请求数。例如，可根据实际需求和实际情况来设置时间间隔，例如，时间间隔可为每小时或每10分钟，本公开对此不作限制。例如，假设服务端接收到客户端的内容请求的时刻为12：05，则可以预估12：00～12：10这个时间间隔的流量请求数。接下来，可以根据预估的流量请求数，确定第一数量。该第一数量可以为粗排阶段的候选广告的队列长度，即粗排阶段的候选广告的供给数量；也可以为精排阶段的候选广告的队列长度，即精排阶段的候选广告的供给数量。其中，第一数量与预估的流量请求数呈负相关。例如，粗排阶段的候选广告的队列长度与预估的当前时刻所在时间间隔的流量请求数成反比；或者，精排阶段的候选广告的队列长度与预估的当前时刻所在时间间隔的流量请求数成反比。
48.需要说明的是，粗排阶段提供给精排阶段的候选广告的供给数量会直接影响精排阶段的广告候选池大小。如果召回阶段和粗排阶段能够供给更多的候选广告，那么最终精排阶段也能在更大的广告候选池中进行选择，从而获得更好的广告推荐效果。因此，本公开可以根据接收到客户端的内容请求的时刻所在时间间隔对应的流量分布情况，动态调整召回阶段给粗排阶段的候选广告的队列长度，以及粗排阶段给精排阶段的候选广告的队列长度，从而可以充分利用非流量高峰期时的计算资源，通过在更多的候选广告中进行筛选来获得与用户更匹配，可以为广告发布平台带来更多收益的优质广告。
49.在步骤102，可以基于预估流量请求数和多媒体资源候选队列对应的第一预设数量，确定多媒体资源候选队列对应的第一数量。其中，该第一预设数量为服务端按照最大流量请求数所确定的多媒体资源候选队列对应的数量。
50.根据本公开的示例性实施例，可以确定最大流量请求数与接收到客户端发送的内容请求的目标时刻所在的时间间隔的预估流量请求数的比值。然后，可以基于该比值以及服务端按照最大流量请求数所确定的多媒体资源候选队列对应的第一预设数量，确定第一数量。例如，第一预设数量可以为服务端接收到最大流量请求数的内容请求时，粗排阶段的候选广告的供给数量。
51.根据本公开的示例性实施例，如前所述，第一数量与预估流量请求数可以呈负相关。
52.进一步的，可以利用以下公式计算多媒体资源候选队列对应的第一数量，即接收到客户端的内容请求的目标时刻所在时间间隔的粗排阶段的候选广告的队列长度：
53.54.其中，l
粗排
为多媒体资源候选队列对应的第一数量，即接收到客户端的内容请求的目标时刻所在时间间隔的粗排阶段的候选广告的队列长度，l
原始粗排
为第一预设数量，即服务端接收到最大流量请求数的内容请求时，粗排阶段的候选广告的供给数量，t
max
为服务端在每个时间间隔所能承载的最大流量请求数，t
predict
为预估的接收到客户端的内容请求的目标时刻所在时间间隔的流量请求数，r1为权衡比例，且r1的取值范围为0～1。实际上，在相关技术中，不区分实际情况，粗排阶段的候选广告的队列长度始终固定为l
原始粗排
。
55.例如，假设权衡比例r的值为1，在流量最高峰期，流量请求数在一个时间间隔可能达到巅峰的1000个，此时，粗排阶段的候选广告的队列长度可能为2000个。接收到客户端的内容请求之后，如果预估出的接收到该内容请求的目标时刻所在时间间隔的流量请求数仅为流量最高峰期的流量请求数的一半，即为500个，那么粗排阶段的候选广告的队列长度可以由流量最高峰期的2000个增加为流量低谷期的4000个。因此，本公开可以根据接收到客户端的内容请求的目标时刻所在时间间隔对应的流量分布情况，动态调整召回阶段给粗排阶段的候选广告的队列长度，可以使粗排阶段在更多的候选广告中进行筛选，即选择的余地更大，可以筛选出与用户更匹配、可以为广告发布平台带来更多收益的优质广告。
56.根据本公开的示例性实施例，可以将与接收到客户端的内容请求的目标时刻所在的时间间隔相关的特征输入流量请求预测模型，得到预估的流量请求数。其中，与接收到客户端的内容请求的目标时刻所在的时间间隔相关的特征可以为是否为工作日以及接收到客户端的内容请求的具体时刻等等。需要说明的是，流量请求预测模型可以在一天开始前对这一天中各个时间段的流量请求数进行预估，也可以在接收到客户端的内容请求之后实时预估接收到内容请求的目标时刻所在的时间间隔的流量请求数。
57.在步骤103，可以筛选出第一数量的候选多媒体资源，并对筛选出的候选多媒体资源进行排序处理。
58.根据本公开的示例性实施例，可以对筛选出的候选多媒体资源进行第一粒度排序处理，获得经过第一粒度排序处理的候选多媒体资源。然后，可以根据目标时刻，确定需进行第二粒度排序处理的候选多媒体资源的第二数量。接下来，可以从经过第一粒度排序处理的候选多媒体资源中选择第二数量的候选多媒体资源。然后，可以对第二数量的候选多媒体资源进行第二粒度排序处理，得到排序结果。
59.如前所述，排序阶段可以包含粗排阶段和精排阶段。在粗排阶段，可以接收召回阶段筛选出的第一数量的广告，并对召回阶段筛选出的第一数量的广告进行第一粒度排序处理。如前，可以根据ctr模型的预估值和cvr模型的预估值，按照广告为广告发布平台带来的收益对第一数量的广告进行第一粒度排序处理。
60.接下来，可以根据接收到内容请求的目标时刻，确定需进行第二粒度排序处理的候选多媒体资源的第二数量，即可以确定需要输入至精排阶段的候选广告的队列长度。然后，可以对经过第一粒度排序处理后得到的排序队列中的前第二数量的候选多媒体资源进行排序，得到排序结果，即可以对经过粗排阶段排序处理后得到的排序队列中的前第二数量的候选广告进行排序，得到最终排序结果。
61.根据本公开的示例性实施例，可以确定最大流量请求数与接收到客户端发送的内容请求的目标时刻所在的时间间隔的预估流量请求数的比值。然后，可以基于该比值以及第二预设数量，确定第二数量，即可以确定精排阶段的候选广告的队列长度。其中，第二预
设数量为：服务端按照最大流量请求数所确定的需进行第二粒度排序处理的多媒体资源候选队列对应的数量。即第二预设数量可以为服务端接收到最大流量请求数的内容请求时，精排阶段的候选广告的供给数量。
62.根据本公开的示例性实施例，第二数量与预估流量请求数可以呈负相关。
63.进一步的，可以利用以下公式计算需进行第二粒度排序处理的候选广告的第二数量，即接收到客户端的内容请求的目标时刻所在时间间隔的精排阶段的候选广告的队列长度：
[0064][0065]
其中，l
精排
为需进行第二粒度排序处理的候选广告的第二数量，即接收到客户端的内容请求的目标时刻所在时间间隔的精排阶段的候选广告的队列长度，l
原始精排
为第二预设数量，即服务端接收到最大流量请求数的内容请求时，精排阶段的候选广告的供给数量，t
max
为服务端在每个时间间隔所能承载的最大流量请求数，t
predict
为预估的接收到客户端的内容请求的目标时刻所在时间间隔的流量请求数，r2为权衡比例，且r2的取值范围为0～1。实际上，在相关技术中，不区分实际情况，精排阶段的候选广告的队列长度始终固定为l
原始精排
。
[0066]
例如，假设权衡比例r2的值为1，在流量最高峰期，流量请求数在一个时间间隔可能达到巅峰的1000个，此时，精排阶段的候选广告的队列长度可能为100个。接收到客户端的内容请求之后，如果预估出的接收到该内容请求的目标时刻所在时间间隔的流量请求数仅为流量最高峰期的流量请求数的一半，即为500个，那么精排阶段的候选广告的队列长度可以由流量最高峰期的100个增加为流量低谷期的200个。因此，本公开可以根据接收到客户端的内容请求的目标时刻所在时间间隔对应的流量分布情况，动态调整粗排阶段给精排阶段的候选广告的队列长度，可以使精排阶段在更多的候选广告中进行筛选，即选择的余地更大，可以筛选出与用户更匹配、可以为广告发布平台带来更多收益的优质广告。
[0067]
在步骤104，可以根据排序结果，向客户端提供多媒体资源。即，排序越靠前，越被优先提供。例如，可以根据排序结果，向客户端提供最终筛选出的广告。
[0068]
图2是示出根据本公开的示例性实施例的一种多媒体资源提供装置的框图。
[0069]
参照图2，该装置200可包括确定模块201，排序模块202和提供模块203。
[0070]
确定模块201，被配置为确定接收到客户端发送的内容请求的目标时刻所在的时间间隔的预估流量请求数，其中，所述预估流量请求数为所述时间间隔内服务端接收到的内容请求的总数量；
[0071]
所述确定模块201，被配置为基于所述预估流量请求数和多媒体资源候选队列对应的第一预设数量，确定多媒体资源候选队列对应的第一数量，其中，所述第一预设数量为所述服务端按照最大流量请求数所确定的多媒体资源候选队列对应的数量；
[0072]
排序模块202，被配置为筛选出所述第一数量的候选多媒体资源，并对筛选出的候选多媒体资源进行排序处理；
[0073]
提供模块203，被配置为根据排序结果，向所述客户端提供多媒体资源。
[0074]
根据本公开的示例性实施例，所述确定模块201被配置为：
[0075]
确定所述最大流量请求数与接收到客户端发送的内容请求的目标时刻所在的时
间间隔的预估流量请求数的比值；
[0076]
基于所述比值以及所述服务端按照最大流量请求数所确定的多媒体资源候选队列对应的第一预设数量，确定所述第一数量。
[0077]
根据本公开的示例性实施例，所述排序模块202被配置为：
[0078]
对筛选出的候选多媒体资源进行第一粒度排序处理，获得经过第一粒度排序处理的候选多媒体资源；
[0079]
根据所述目标时刻，确定需进行第二粒度排序处理的所述候选多媒体资源的第二数量；
[0080]
从所述经过第一粒度排序处理的候选多媒体资源中选择所述第二数量的候选多媒体资源；
[0081]
对所述第二数量的候选多媒体资源进行第二粒度排序处理，得到所述排序结果。
[0082]
根据本公开的示例性实施例，所述排序模块202被配置为：
[0083]
确定所述最大流量请求数与接收到客户端发送的内容请求的目标时刻所在的时间间隔的预估流量请求数的比值；
[0084]
基于所述比值以及第二预设数量，确定所述第二数量；
[0085]
其中，所述第二预设数量为：所述服务端按照所述最大流量请求数所确定的需进行第二粒度排序处理的多媒体资源候选队列对应的数量。
[0086]
根据本公开的示例性实施例，所述第一数量与所述预估流量请求数呈负相关，所述第二数量与所述预估流量请求数呈负相关。
[0087]
根据本公开的示例性实施例，所述排序模块202被配置为：
[0088]
获取筛选出的候选多媒体资源中每个候选多媒体资源的第一推荐评估指标信息；
[0089]
基于所述第一推荐评估指标信息，对筛选出的候选多媒体资源进行第一粒度排序处理，获得经过第一粒度排序处理的候选多媒体资源。
[0090]
根据本公开的示例性实施例，所述排序模块202被配置为：
[0091]
获取所述第二数量的候选多媒体资源中每个候选多媒体资源的第二推荐评估指标信息；
[0092]
基于所述第二推荐评估指标信息，对所述第二数量的候选多媒体资源进行第二粒度排序处理，获得所述排序结果。
[0093]
根据本公开的示例性实施例，所述预估流量请求数为将与所述时间间隔相关的特征输入流量请求预测模型得到的。
[0094]
图3是示出根据本公开的示例性实施例的一种电子设备300的框图。
[0095]
参照图3，电子设备300包括至少一个存储器301和至少一个处理器302，所述至少一个存储器301中存储有指令，当指令被至少一个处理器302执行时，执行根据本公开的示例性实施例的多媒体资源提供方法。
[0096]
作为示例，电子设备300可以是pc计算机、平板装置、个人数字助理、智能手机、或其他能够执行上述指令的装置。这里，电子设备300并非必须是单个的电子设备，还可以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。电子设备300还可以是集成控制系统或系统管理器的一部分，或者可被配置为与本地或远程(例如，经由无线传输)以接口互联的便携式电子设备。
[0097]
在电子设备300中，处理器302可包括中央处理器(cpu)、图形处理器(gpu)、可编程逻辑装置、专用处理器系统、微控制器或微处理器。作为示例而非限制，处理器还可包括模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。
[0098]
处理器302可运行存储在存储器301中的指令或代码，其中，存储器301还可以存储数据。指令和数据还可经由网络接口装置而通过网络被发送和接收，其中，网络接口装置可采用任何已知的传输协议。
[0099]
存储器301可与处理器302集成为一体，例如，将ram或闪存布置在集成电路微处理器等之内。此外，存储器301可包括独立的装置，诸如，外部盘驱动、存储阵列或任何数据库系统可使用的其他存储装置。存储器301和处理器302可在操作上进行耦合，或者可例如通过i/o端口、网络连接等互相通信，使得处理器302能够读取存储在存储器中的文件。
[0100]
此外，电子设备300还可包括视频显示器(诸如，液晶显示器)和用户交互接口(诸如，键盘、鼠标、触摸输入装置等)。电子设备300的所有组件可经由总线和/或网络而彼此连接。
[0101]
根据本公开的示例性实施例，还可提供一种计算机可读存储介质，当计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述多媒体资源提供方法。这里的计算机可读存储介质的示例包括：只读存储器(rom)、随机存取可编程只读存储器(prom)、电可擦除可编程只读存储器(eeprom)、随机存取存储器(ram)、动态随机存取存储器(dram)、静态随机存取存储器(sram)、闪存、非易失性存储器、cd-rom、cd-r、cd r、cd-rw、cd rw、dvd-rom、dvd-r、dvd r、dvd-rw、dvd rw、dvd-ram、bd-rom、bd-r、bd-r lth、bd-re、蓝光或光盘存储器、硬盘驱动器(hdd)、固态硬盘(ssd)、卡式存储器(诸如，多媒体卡、安全数字(sd)卡或极速数字(xd)卡)、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及任何其他装置，所述任何其他装置被配置为以非暂时性方式存储计算机程序以及任何相关联的数据、数据文件和数据结构并将所述计算机程序以及任何相关联的数据、数据文件和数据结构提供给处理器或计算机使得处理器或计算机能执行所述计算机程序。上述计算机可读存储介质中的计算机程序可在诸如客户端、主机、代理装置、服务器等计算机设备中部署的环境中运行，此外，在一个示例中，计算机程序以及任何相关联的数据、数据文件和数据结构分布在联网的计算机系统上，使得计算机程序以及任何相关联的数据、数据文件和数据结构通过一个或多个处理器或计算机以分布式方式存储、访问和执行。
[0102]
根据本公开的示例性实施例，还可提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据本公开的多媒体资源提供方法。
[0103]
根据本公开的多媒体资源提供方法、装置、电子设备及存储介质，由于不同时刻的线上流量分布情况是不同的，因此，本公开可以实现根据接收到客户端的内容请求的目标时刻对应的流量分布情况，动态确定多媒体资源候选队列对应的数量，并基于此进行后续筛选操作和排序操作，一方面避免在非流量高峰期计算资源过剩的情况出现，可以充分利用计算资源；另一方面可以为客户端提供更匹配的多媒体资源。进一步的，本公开可以根据接收到客户端的内容请求的目标时刻所在时间间隔对应的流量分布情况，动态调整召回阶段给粗排阶段，以及粗排阶段给精排阶段的候选广告的队列长度，从而可以充分利用非流量高峰期的计算资源，通过在更多的候选广告中进行筛选来获得与用户更匹配，可以为广
告发布平台带来更多收益的优质广告。
[0104]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开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指出。
[0105]
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来限制。