策略更新方法以及装置与流程

1.本说明书实施例涉及计算机技术领域，特别涉及策略更新方法以及装置。


背景技术：

2.随着互联网技术的发展，越来越多的业务开始线上化，并且为了能够向有需求的用户提供优质的线上服务，通常会采用大范围推广的方式触达有效用户。而edm(email direct marketing)是重要手段之一。其通过邮件的形式，主动向用户推送平台相关内容或消息，承担触达有效用户的重任。而基于edm推送信息其主要实现是基于人群圈选决定，人群的大小直接决定了推送成功率的上限。但无限扩选人群，其退订率等负向指标过高也会影响渠道健康度，因此亟需一种有效的方案平衡召回效率和退订率的问题。


技术实现要素：

3.有鉴于此，本说明书实施例提供了一种策略更新方法。本说明书一个或者多个实施例同时涉及一种策略更新装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。
4.根据本说明书实施例的第一方面，提供了一种策略更新方法，包括：
5.接收针对目标业务的推送策略提交的策略更新请求；
6.根据所述策略更新请求确定初始推送参数、推送参数步长和多个推送迭代周期；
7.根据所述初始推送参数和所述推送参数步长计算每个推送迭代周期对应的推送人群信息，并根据所述推送人群信息确定多个中间推送参数；
8.按照预设收敛函数在所述多个中间推送参数中筛选目标推送参数；
9.基于所述目标推送参数对所述推送策略进行更新，并利用更新后的推送策略确定所述目标业务关联的业务用户集合。
10.根据本说明书实施例的第二方面，提供了一种策略更新装置，包括：
11.接收模块，被配置为接收针对目标业务的推送策略提交的策略更新请求；
12.确定模块，被配置为根据所述策略更新请求确定初始推送参数、推送参数步长和多个推送迭代周期；
13.计算模块，被配置为根据所述初始推送参数和所述推送参数步长计算每个推送迭代周期对应的推送人群信息，并根据所述推送人群信息确定多个中间推送参数；
14.筛选模块，被配置为按照预设收敛函数在所述多个中间推送参数中筛选目标推送参数；
15.更新模块，被配置为基于所述目标推送参数对所述推送策略进行更新，并利用更新后的推送策略确定所述目标业务关联的业务用户集合。
16.根据本说明书实施例的第三方面，提供了一种计算设备，包括：
17.存储器和处理器；
18.所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行
指令时实现任上述策略更新方法的步骤。
19.根据本说明书实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述策略更新方法的步骤。
20.根据本说明书实施例的第五方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述策略更新方法的步骤。
21.本说明书提供的策略更新方法，为了能够最大化正向召回有效用户，可以在接收到针对目标业务的推送策略提交的策略更新请求后，根据策略更新请求确定初始推送参数、推送参数步长以及多个推送迭代周期；之后利用初始推送参数和推送参数步长计算每个推送迭代周期对应的推送人群信息，以根据推送人群信息确定优选的多个中间推送参数，而为了能够定位目标业务的合理推送人群，可以按照预设收敛函数在多个中间推送参数中筛选目标推送参数，最后基于目标推送参数对推送策略进行更新，并利用更新后的推送策略确定目标业务关联的业务用户集合即可，实现了通过计算每个周期的推送人群信息，可以精准的筛选出目标推送参数，以通过该参数最大化正向召回业务用户，实现目标业务可以触达有需求的用户，以向该部分用户提供相应的业务服务。
附图说明
22.图1是本说明书一个实施例提供的一种策略更新方法的流程图；
23.图2是本说明书一个实施例提供的一种策略更新方法的处理过程流程图；
24.图3是本说明书一个实施例提供的一种策略更新装置的结构示意图；
25.图4是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
26.在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
27.在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
28.应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
29.首先，对本说明书一个或多个实施例涉及的名词术语进行解释。
30.edm(email direct marketing)：指通过邮件的形式，主动向用户推送平台的相关内容或消息，即向目标客户发送edm邮件，建立同目标顾客的沟通渠道，向其直接传达相关信息；以发送电子广告、产品信息、销售信息、市场调查、市场推广活动信息等。
31.模拟退火算法：来源于固体退火原理，是一种基于概率的算法，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。实质即为是通过赋予搜索过程一种时变且最终趋于零的概率突跳性，从而可有效避免陷入局部极小并最终趋于全局最合理的串行结构的优化算法。
32.在本说明书中，提供了一种策略更新方法，本说明书同时涉及一种策略更新装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，在下面的实施例中逐一进行详细说明。
33.实际应用中，在以edm方式进行人群圈定和信息推送时，其主要构思是假设是越活越的用户，越容易打开，且对edm打扰的容忍度越强。但是这一构思主要是基于理想环境才能够实现，并且这种假设最大的问题就是对人群刻画的表达能力较弱，且不灵活、难扩展，限制了人群的大小。很难有效的确定edm方案对应的优选人群。因此亟需一种有效的方案以解决上述问题。
34.本说明书提供的策略更新方法，为了能够最大化正向召回有效用户，可以在接收到针对目标业务的推送策略提交的策略更新请求后，根据策略更新请求确定初始推送参数、推送参数步长以及多个推送迭代周期；之后利用初始推送参数和推送参数步长计算每个推送迭代周期对应的推送人群信息，以根据推送人群信息确定优选的多个中间推送参数，而为了能够定位目标业务的合理推送人群，可以按照预设收敛函数在多个中间推送参数中筛选目标推送参数，最后基于目标推送参数对推送策略进行更新，并利用更新后的推送策略确定目标业务关联的业务用户集合即可，实现了通过计算每个周期的推送人群信息，可以精准的筛选出目标推送参数，以通过该参数最大化正向召回业务用户，实现目标业务可以触达有需求的用户，以向该部分用户提供相应的业务服务。
35.图1示出了根据本说明书一个实施例提供的一种策略更新方法的流程图，具体包括以下步骤。
36.步骤s102，接收针对目标业务的推送策略提交的策略更新请求。
37.具体的，目标业务具体是指能够通过edm进行推荐的业务，包括但不限于购物业务、游戏业务、视频业务、应用程序业务等。也就是说，需要采用edm方式确定上述业务对应的业务用户集群，并向其推荐业务相关的信息，以达到推广的目的，同时实现触达更多需要业务服务的用户，提高用户的体验。相应的，推送策略具体是指确定目标业务用户对应的用户集群，并向该用户集群推送关联目标业务的信息的策略，该策略决定用户集群的大小，以及推送消息的成功率。也就是说，只要合理的设置推送策略，可以实现在较大的用户集群中成功触达更多的用户，从而达到有效推广的目的。相应的，策略更新请求具体是指对目标业务关联的推送策略进行更新的请求，该请求可以在推送策略达不到预期推送效果的时候触发，也可以由业务管理方根据需求主动触发，以实现更新出较优的推送策略，提高目标业务的曝光率。
38.实际应用中，策略更新请求的触发方式可以根据实际应用场景进行设定，本实施例在此不作任何限定。进一步的，为了方便对策略更新方法进行描述，本实施例以目标业务为购物业务为例进行描述，即需要针对购物平台更新出满足其预期推广效果的推送策略，实现在较大的人群中触达更多的用户，达到有效推广的目的。其他场景中的策略更新方法
均可参见本实施例中相同或相应的描述内容，在此不作过多赘述。
39.进一步的，为了能够精准的更新推送策略，实现更加灵活和细致的定位有效用户人群，最大化正向召回用户，可以在策略更新前，先进行初步的关系推导，以明确策略调整方向，从而实现更新出满足业务需求的推送策略，本实施例中，具体实现方式如下：
40.确定所述目标业务对应的订阅用户集合以及退订用户集合，并根据所述订阅用户集合和所述退订用户集合构建所述目标业务对应的业务推送关系；根据所述业务推送关系确定所述目标业务关联的所述初始推送参数；在接收到针对所述推送策略提交的更新指令的情况下，根据所述更新指令中携带的策略更新参数和所述初始推送参数生成所述推送策略对应的所述策略更新请求。
41.具体的，订阅用户集合具体是指历史消息推送过程中，推送成功的用户组成的集合；即当使用邮件向用户发送关于目标业务的信息后，这部分用户开启邮件并对关于目标业务的信息进行有效阅读。相应的，退订用户集合具体是指历史消息推送过程中，推送失败的用户组成的集合；即当使用邮件向用户发送关于目标业务的信息后，这部分用户未开启邮件。相应的，业务推送关系具体是指退订用户集合和订阅用户集合之间的内在关系，该关系能够体现目标业务可以有效触达的用户数量。也就是说，业务推送关系能够表征目标业务亟需推送信息的用户集群。相应的，初始推送参数具体是指针对目标业务筛选用户集群的参数，即初始推送参数是筛选目标业务关联的用户集群的筛选条件，通过对该参数进行调整，可以使得用户集群中包含的数量发生变化，从而影响目标业务的信息推送成功率，因此只需要精准调整初始推送参数即可实现对推送策略完成更新。
42.相应的，更新指令具体是指由系统自动触发或者由目标业务的管理方主动提交的指令，用于指示对推荐策略进行更新；相应的，策略更新参数具体是指预设或人为设定的对推荐策略进行更新时所需要使用的参数，例如需要求解最合理推送参数，则可以设定求解周期参数和求解时间参数等，以达到确定目标推送参数，更新推送策略的目的。
43.基于此，为了能够精准的完成策略更新，可以先确定目标业务对应的订阅用户集合以及退订用户集合，并根据订阅用户集合和退订用户集合确定目标业务对应的业务推送关系，此时根据业务推送关系可以体现影响目标业务推送成功的参数，因此可以利用业务推送关系确定目标业务关联的初始推送参数，之后当接收到针对推送策略提交的更新指令的情况下，即可根据更新指令中携带的策略更新参数和初始推送参数生成策略更新请求，以实现后续根据策略更新请求触发更新处理操作，以生成对应目标业务的目标推送参数。
44.实际应用中，更新指令可以受控于初始推送参数生成，当目标业务使用初始推送参数进行用户集群的确定和消息推送时，如果推送效果达不到预期，则此时即可自动生成更新指令，或者向业务管理方发送提醒，以使得业务管理方可以根据的需求创建更新指令，实现后续可以生成触发更新策略的策略更新请求。具体实施时，更新指令的触发可以根据需求设定，本实施例在此不作任何限定。
45.具体实施时，在创建策略更新请求的过程中，为了能够在后续精准的计算出目标推送参数，可以通过如下公式(1)确定关联目标业务的用户集群确定方案：
46.istarget(u)＝isgood(u)-isbad(u)
ꢀꢀꢀꢀꢀꢀ
(1)
47.其中，u表示用户，istarget表示目标业务对应的业务用户集合，isgood表示喜欢邮件的用户，倾向于打开邮件的用户，即订阅用户集合，isbad表示不喜欢邮件的用户，倾向
于退订邮件的用户，即退订用户集合。由此可知，目标业务对应的业务用户集合应该属于喜欢打开邮件且不会退订邮件的用户，因此为了达到有效触达更多的用户，需要精准的确定订阅用户集合以及退订用户集合。
48.基于此，可以通过下述公式(2)和(3)确定这两部分用户集合：
49.objective：max recalluv(u)
ꢀꢀꢀꢀꢀꢀ
(2)
50.s.t.unsubscribeuv(u)≤threshold
ꢀꢀꢀꢀꢀꢀꢀ
(3)
51.其中，recalluv即为打开邮件的用户，即对应订阅用户集合；公式(2)的目标就是能够选取满足公式(1)的用户集合，使得打开邮件的用户数最大。unsubscribeuv即为退订邮件的用户，即对应退订用户集合。公式(3)的目标就是能够选取满足公式(1)的用户集合的同时，让退订邮件的用户数小于给定阈值threshold，从而实现保证最终确定的业务用户集合更加符合目标业务的推送策略。
52.基于上述分析可知，只要考虑关系目标业务的用户活跃度，即可确定目标业务的信息推送够能够有效触达的用户。因此可以通过下述公式(4)建立目标业务与初始推送参数的对应关系：
[0053][0054]
其中，login(u，ai，bi)为真实描述用户u在最近ai天来访目标业务至少bi次，即ai表示来访天数，bi表示来访次数，即ai和bi为目标业务对应的初始推送参数；因此只要来访天数足够小，且来访次数足够多，那么确定的用户集群将越容易被触达。但是考虑到这两个参数的设定会使得用户集群中的用户数降低，也会影响推送效果。因此还需要以isbad作为约束条件，从而得到ai和bi的最合理解。
[0055]
更进一步的，描述近期用户活跃度不达标的情况下不应该向用户推送业务相关的邮件，目标人群圈选条件需要在满足退订邮件的用户数的条件下，达到召回用户最大化才能够达到预期推广效果。因此圈选目标人群的方案可以在上述前提下，通过增加来访天数a，或者减少访问次数b，来提高圈选人群的数量。因此可以通过如下公式(5)建立目标人群的模式化表达，以达到确定ai和bi对应的最合理解，达到访问天数和访问次数均衡合理的情况下，圈选更多的用户群体。
[0056][0057]
其中，i表示来访次数。也就是说，通过上述公式(5)求解i＝1时的a1，i＝2时的a2，以及i＝3时的a3，即可得到来访1、2和3次时优选的时间长度，并按照该来访时间和来访次数可以圈选足够大的业务用户集合。
[0058]
本实施例为方便描述，仅以i取值到3为例进行说明，实际应用场景中，i的取值可以根据实际应用场景进行设定，本实施例在此不作任何限定。
[0059]
步骤s104，根据所述策略更新请求确定初始推送参数、推送参数步长和多个推送迭代周期。
[0060]
具体的，在上述确定策略更新请求后，进一步的，考虑到策略更新请求需要对目标业务的推送策略进行更新，而推送策略受控于初始推送参数，初始推送参数决定用户访问天数和访问次数，因此初始推送参数将决定着目标业务对应的业务用户集合的大小，而为
了最大化召回用户，可以根据策略更新请求确定初始推送参数、推送参数步长以及多个推送迭代周期，方便后续可以结合模拟退火算法求解最合理推送参数，以达到将推送策略更新为符合业务预期的策略。
[0061]
其中，初始推送参数具体是指针对目标业务筛选用户集群的参数，即初始推送参数是筛选目标业务关联的用户集群的筛选条件，通过对该参数进行调整，可以使得用户集群中包含的数量发生变化，从而影响目标业务的信息推送成功率，因此只需要精准调整初始推送参数即可实现对推送策略完成更新。相应的，推送参数步长具体是指在基于模拟退火算法计算目标推送参数时，每个步长周期对应的参数步长，用于精准的计算来访天数。相应的，多个推送迭代周期具体是指在基于模拟退火算法计算目标推送参数时，每个步长周期内需要迭代计算的周期数量，其可以根据实际需求进行设定，本实施例在此不作任何限定。
[0062]
进一步的，在确定初始推送参数、推送参数步长以及多个推送迭代周期时，考虑到决定推送策略且对业务用户集合产生影响的参数为访问天数和访问次数，而访问天数和访问次数的求解是通过模拟退火算法完成，因此需要通过读取的方式确定相关参数，本实施例中，具体实现方式如下：
[0063]
根据所述策略更新请求确定策略更新规则，并按照所述策略更新规则读取推送时间参数和推送次数参数组成所述初始推送参数；对所述策略更新请求进行解析，获得所述推送参数步长和所述多个推送迭代周期。
[0064]
具体的，策略更新规则具体是指更新初始推送参数的规则，而初始推送参数与时间和次数相关，因此可以基于策略更新规则读取目标业务关联的推送时间参数和推送次数参数。其中，推送时间参数具体是指访问天数，推送次数参数具体是指访问次数。且推送时间参数和推送次数参数具有关联关系，其一同决定业务用户集合的用户数量。
[0065]
基于此，当根据策略更新请求确定策略更新规则后，可以按照策略规则读取推送时间参数和推送次数参数组成所述初始推送参数；同时对策略更新请求进行解析，可以获得所述推送参数步长和所述多个推送迭代周期。以实现后续能够基于模拟退火算法求解目标推送参数，从而达到更新策略的目的。
[0066]
综上，通过采用策略更新规则进行参数的确定，可以保证后续能够基于模拟退火算法精准的计算出目标推送参数，从而实现可以最大化正向召回用户。
[0067]
步骤s106，根据所述初始推送参数和所述推送参数步长计算每个推送迭代周期对应的推送人群信息，并根据所述推送人群信息确定多个中间推送参数。
[0068]
步骤s108，按照预设收敛函数在所述多个中间推送参数中筛选目标推送参数。
[0069]
具体的，在上述确定初始推送参数、推送参数步长以及多个推送迭代周期后，进一步的，为了能够表征每个周期内推送参数对应的用户集合，可以根据初始推送参数和推送参数步长计算每个推送迭代周期对应的推送人群信息，实现通过一一计算的方式确定每个推送迭代周期不同推送参数能够触达的目标用户集群，最后再基于推送人群信息确定多个中间推送参数，用于后续通过收敛的方式确定目标推送参数即可。
[0070]
其中，推送人群信息具体是指每个推送迭代周期内利用初始推送参数计算出的目标人群数量，该人群数量用于体现推送参数能够圈定的人群数量。相应的，中间推送参数具体是指每个周期内圈定人群数量最多的推送参数，最后通过将全部周期对应的推送参数进
行比较，并通过收敛即可确定目标推送参数。相应的，预设收敛函数具体是指在多个中间推送参数中筛选满足预设条件的函数，其涉及到的函数用于约束推送参数对用户人群数量的均衡；相应的，目标推送参数具体是指能够基于该推送参数触达足够多的业务用户，也就是说，目标推送参数能够在有限推送参数的限定下，最大化正向召回用户。
[0071]
在此基础上，当通过login(u，ai，bi)来表达需要确定的业务用户集群时，实则不同的参数之间都会影响用户集群的数量大小：
[0072]
(1)if b≥c，该条件下，a表示访问天数，b和c均表示访问次数；也就是说，如果来访问天数相同的情况下，访问次数越低覆盖的人群越大，反之，访问次数越高覆盖的人群越小。
[0073]
(2)if a≤c，该条件下，a和c表示访问天数，b表示访问次数；也就是说，如果来访次数相同的情况下，访问天数越大覆盖的人群越大，反之，访问天数越小覆盖的人群越小。
[0074]
(3)if a≤c and b≥d，该条件下，a和c表示访问天数，b和d表示访问次数；也就是说，访问次数越低且访问天数越大覆盖的人群越大；访问次数越高且访问天数约小覆盖的人群越小。
[0075]
参见上述条件(2)可知，存在多个b值相同的login(u，ai，b)人群取并集时，只要保留最大ai即可在有限访问次数下，确定目标业务对应的最大且合理的业务用户集合。同时根据条件(3)可知，访问次数最多的ai(访问天数)要大于访问次数最少的ai(访问天数)。即当访问次数为1,2和3时，a1≤a2≤a3，例如目标业务需要在180天来访至少3次的人群基础上进行扩展，提高人群数量，可以通过增加访问天数180，或者降低来访问次数3的条件，以达到扩增的目的。
[0076]
基于此，为了能够在访问次数固定的情况下求解最合理的访问天数，以结合二者圈定目标业务对应的最大业务用户集合，可以先确定访问次数，之后结合订阅邮件用户数量作为条件，以及退订邮件用户数量作为约束条件，以此来计算访问天数最合理解。本实施例为方便描述，以访问次数为1,2和3为例进行说明，其他访问次数的计算过程均可参见本实施例相同或相应的描述内容，在此不作任何限定。
[0077]
进一步的，根据上述条件可以确定访问天数与用户人群数量之间的关系，即进一步的，根据上述条件可以确定访问天数与用户人群数量之间的关系，即objective：max f(a1，a2，a3)；s.t.g(a1，a2，a3)≤threshold。其中，a1为访问次数为1时的访问天数；a2为访问次数为2时的访问天数；a3为访问次数为3时的访问天数。
[0078]
基于此，通过计算最合理参数组合{a1，a2，a3}，在退订用户g(a1，a2，a3)满足threshold的条件下，使得召回用户uvf(a1，a2，a3)最大化，从而才能够确定不同访问次数对应的最大业务用户集合；其中f函数，g函数均为稳定统计函数，通过参数组合求解约束g的最大化即可得到最大业务用户集合。
[0079]
在此基础上，只需要计算出a1，a2，a3分别对应的最合理解即可。而在此基础上，可以采用模拟退火算法求解，即将参数组合{a1，a2，a3}作为该算法中的分子，推送参数步长作为该算法中的初始温度，通过计算内能的变化，计算每个温度内的内能最低值，即可得到最
合理解{a1，a2，a3}，即通过计算每个步长内的推送人群数，即可得到能够最大化业务用户集合的目标推送参数{a1，a2，a3}。也就是说，通过求解待约束函数g的最大化f，即可得到能够确定最大用户集合的目标推送参数，即objective：max r(a1，a2，a3)＝f(a1，a2，a3)-k*max[0.g(a1，a2，a3)-threshold]，其中k表示超参，可以将其设置为较大的值，实现在退订用户g(a1，a2，a3)超过threshold时，可以起到熔断的作用。
[0080]
更进一步的，在通过模拟退火算法计算参数组合{a1，a2，a3}的取值时，可以先针对每个访问次数对应的访问天数给定默认访问天数，之后在此技术上进行迭代计算即可。例如访问次数为1时，访问天数a1的默认值为90，如访问次数为2时，访问天数a2的默认值为180，如访问次数为3时，访问天数a3的默认值为180，在此基础上进行计算即可。
[0081]
进一步的，推送迭代周期可以设置为n，推送参数步长设置为α，α可以为5,10或者15等值，同时为了避免单纯进行步长的增加会影响精度，可以设置ei作为权重，其中ei∈[-1,0,1]，即在下一个推送迭代周期确定访问天数时，可以随机在[-1,0,1]中选择一个值，之后与推送参数步长α乘积，并在上一个推送迭代周期的访问天数的基础上加上该乘积结果，即可得到下一推送迭代周期中的访问天数，并以此计算推送人群信息即可。即即可得到下一推送迭代周期中的访问天数，并以此计算推送人群信息即可。即其中，表示下一推送迭代周期中访问1次的访问天数，表示下一推送迭代周期中访问2次的访问天数，表示下一推送迭代周期中访问3次的访问天数。之后利用访问天数和访问次数计算每个推送迭代周期对应的用户集群集合。
[0082]
而在此过程中，需要设定
△e表示当前推送迭代周期与上一推送迭代周期的推送人群数量差值，rn表示当前推送迭代周期对应的推送人群数量，r
n-1
表示上一推送迭代周期对应的推送人群数量，并且在
△e＞0或者以exp(-c
△e/α)(其中c为探索参数，对每个推送迭代周期对应的访问天数进行更新，即将a1更新为a2更新为a3更新为将其作为下一个推送迭代周期的访问天数，再进行计算即可。
[0083]
通过重复上述计算过程，并按照推送参数步长进行降温e.gα＝0.99α，直至推送迭代周期n或者结果收敛，即可得到最合理参数组合{a1，a2，a3}，此时业务根据该参数进行确定业务用户集合即可。
[0084]
进一步的，在基于模拟退火算法进行计算目标推送参数时，实则是通过迭代计算的方式求解每个推送迭代周期对应的推送人群信息，之后按照推送人群信息选择初步满足条件的饿中间推送参数，用于后续进行更新策略，实现对业务用户集合的确定，本实施例中，具体实现方式如下：
[0085]
将所述初始推送参数作为第j推送迭代周期对应的基准推送参数；根据所述基准推送参数计算第j推送迭代周期对应的推送人群信息；判断第j推送迭代周期对应的推送人群信息是否满足周期结束条件；若否，根据所述推送参数步长和第j推送迭代周期对应的基准推送参数，确定j 1推送迭代周期对应的基准推送参数，j自增1，并执行所述根据所述基准推送参数计算第j推送迭代周期对应的推送人群信息步骤；若是，执行所述根据所述推送人群信息确定多个中间推送参数步骤。
[0086]
具体的，基准推送参数具体是指推送迭代周期用于计算推送人群信息的参数，即对应访问天数和访问次数；相应的，周期结束条件具体是指达到最大迭代周期或者无法进
行更多推送人群数量的条件。其中，j为正整数，且j从1开始取值。
[0087]
基于此，首先根据初始推送参数确定第j推送迭代周期对应的基准推送参数；之后利用基准推送参数计算第j推送迭代周期对应的推送人群信息；并判断第j推送迭代周期对应的推送人群信息是否满足周期结束条件；若满足，说明每个推送迭代周期的推送人群信息计算完成，则以推送人群信息确定中间推送参数即可，用于后续筛选目标推送参数。若不满足，说明还需要计算下一推送迭代周期对应的推送人群信息，而j 1推送迭代周期对应的基准推送参数是根据j推送迭代周期的基准推送参数决定，因此需要先根据推送参数步长和j推送迭代周期的基准推送参数计算j 1推送迭代周期对应的基准推送参数，之后j自增1，并继续进行推送人群信息的确定即可，直至满足条件。
[0088]
更进一步的，考虑到实际应用场景中可能设置多个步长，用于从不同时间精度的基础上求解目标推送参数，因此在不同的步长下基准推送参数也将不同，本实施例中，具体实现方式如下：
[0089]
在所述推送参数步长中确定第i步长周期对应的基准推送参数步长；在第i步长周期对应的基准推送参数步长中，将所述初始推送参数作为第j推送迭代周期对应的基准推送参数；相应的，所述根据所述推送人群信息确定多个中间推送参数步骤执行之前，还包括：判断所述推送参数步长中是否存在剩余推送参数步长；若是，在所述剩余推送参数步长中确定第i 1步长周期对应的基准推送参数步长，i自增1，并执行所述在第i步长周期对应的基准推送参数步长中，将所述初始推送参数作为第j推送迭代周期对应的基准推送参数步骤；若否，执行所述根据所述推送人群信息确定多个中间推送参数步骤。其中，i从1开始取值，且i为正整数。
[0090]
基于此，首先在推送参数步长中确定第i步长周期对应的基准推送参数步长，之后在第i步长周期对应的基准推送参数步长中，将初始推送参数作为第j推送迭代周期对应的基准推送参数；之后根据所述基准推送参数计算第j推送迭代周期对应的推送人群信息；并判断第j推送迭代周期对应的推送人群信息是否满足周期结束条件；若否，说明还需要计算下一推送迭代周期对应的推送人群信息，而j 1推送迭代周期对应的基准推送参数是根据j推送迭代周期的基准推送参数决定，因此需要先根据第i步长周期对应的基准推送参数步长j推送迭代周期的基准推送参数计算j 1推送迭代周期对应的基准推送参数，之后j自增1，并继续进行推送人群信息的确定即可；若是，说明每个推送迭代周期的推送人群信息计算完成，则此时说明第i步长周期完成了计算，可以再次判断推送参数步长中是否存在剩余推送参数步长。
[0091]
若存在，说明推送参数步长中还存在不同于第i步长周期的基准推送参数步长，还需要继续进行计算，则此时可以在剩余推送参数步长中确定第i 1步长周期对应的基准推送参数步长，i自增1之后，再执行i 1步长周期内迭代计算推送人群信息的过程；若不存在，说明已经计算完成，则整合全部推送人群信息确定中间推送参数即可。
[0092]
举例说明，为了能够针对购物平台有效触达更多的用户，将采用edm方式进行消息推送，在此过程中，为保证最大人群数满足预期需求，将设定a1为访问邮件1次的天数，a2为访问邮件2次的天数，a3为访问邮件3次的天数；同时设定迭代周期为n，步长为5,10和15。并设定a1默认天数为90，a2默认天数为180，a3默认天数为180进行迭代计算。
[0093]
进一步的，计算步长为5的周期内a1，a2和a3对应的最合理值，即计算a1＝90天内
访问关联购物平台推送邮件1次的用户人数为s511，a2＝180天内访问关联购物平台推送邮件2次的用户人数为s512，a3＝180天内访问关联购物平台推送邮件3次的用户人数为s513；此时确定未达到迭代周期n，则根据步长5和a1＝90、a2＝180以及a3＝180计算下一迭代周期的访问天数，确定下一周期内a1＝95，a2＝185以及a3＝185，并以此类推，直至当前步长周期中迭代次数达到n后，将计算步长为10的周期内a1，a2和a3对应的最合理值。
[0094]
更进一步的，当每个步长周期中a1，a2和a3对应的值都计算完成之后，将确定a1，a2和a3取不同值分别对应的用户人群数量，在此基础上，后续结合用户人群数量从多个a1，a2和a3中筛选出最合理参数组合集合，以方便后续按照该参数进行业务用户集群的圈定。
[0095]
综上，通过采用模拟退火算法的方式进行计算目标推送参数，可以实现更轻量化的完成计算处理操作。同时可解释性更强，以达到精准更新推送策略的目的。
[0096]
此外，由于推送人群信息是对应每个推送迭代周期的，因此将得到不同推送参数对应的不同推送人群信息，而步长周期又至少包含一个，因此需要先以步长周期为基础选择中间推送参数，本实施例中，具体实现方式如下：
[0097]
根据每个推送迭代周期对应的推送人群信息，筛选每个步长周期对应的目标推送人群信息；根据每个步长周期对应的目标推送人群信息确定每个步长周期对应的中间推送参数；通过对每个步长周期对应的中间推送参数进行整合，获得所述多个中间推送参数。
[0098]
具体的，目标推送人群信息具体是指每个推送迭代周期中人群数量最对的人群信息。基于此，当得到每个推送迭代周期对应的推送人群信息后，可以筛选每个步长周期对应的最大推送人群数量作为目标推送人群信息，之后选择计算出目标推送人群信息的推送参数确定为中间推送参数，并将其整合为多个中间推送参数即可。
[0099]
沿用上例，确定步长为5时，每个迭代周期的推送人群数分别为{s511，s512，s513}{s521，s522，s523}
…
{s5n1，s5n2，s5n3}，步长为10时，每个迭代周期的推送人数为
…
；通过将每个步长周期内的推送人群数量进行比较，确定步长为5时，推送人群数最大的为{s521，s522，s523}，步长为10时，推送人群数最大的为{s1011，s1012，s1013}，步长为15时，推送人群数最大的为{s1531，s1532，s1533}，之后确定{s521，s522，s523}分别对应的访问天数为a1＝100，a2＝190，a3＝190；同理，确定{s1011，s1012，s1013}分别对应的访问天数为a1＝100，a2＝190，a3＝190；确定{s1531，s1532，s1533}分别对应的访问天数为a1＝135，a2＝225，a3＝225；将其作为中间参数组合，以用于后续即可。
[0100]
综上，通过采用周期内比较的方式确定中间推送参数，可以使得中间推送参数确定的更加精准，从而方便后续以此为基础进行有效用户的圈定。
[0101]
更进一步的，所述按照预设收敛函数在所述多个中间推送参数中筛选目标推送参数，包括：根据所述预设收敛函数确定每个中间推送参数对应的初始业务用户集合；根据所述初始业务用户集合中包含的订阅用户数量和退订用户数量，计算所述初始业务用户集合的退订率；按照所述退订率在每个中间推送参数对应的初始业务用户集合中确定目标业务用户集合，并将所述目标业务用户集合对应的中间推送参数作为所述目标推送参数。
[0102]
具体的，初始业务用户集合具体是指每个中间推送参数对应的业务用户集合，且初始业务用户集合中包含订阅用户和退订用户，通过结合订阅用户数量和退订用户数量即可计算出通过该参数得到的退订率，并在退订率大于阈值的情况下，说明无法圈定有效的业务用户，因此可以选择退订率最低的中间推送参数作为目标推送参数。即按照所述退订
率可以在每个中间推送参数对应的初始业务用户集合中确定目标业务用户集合，并将目标业务用户集合对应的中间推送参数作为所述目标推送参数即可。
[0103]
沿用上例，在确定每个步长对应的中间访问天数{a1＝100，a2＝190，a3＝190}{a1＝100，a2＝190，a3＝190}和{a1＝135，a2＝225，a3＝225}后，可以基于每组访问天数对应的推送人群数计算退订率，并将其与约束条件进行比较，最后选择最合理访问天数作为目标访问条数即可，根据比较结果确定{a1＝100，a2＝190，a3＝190}为目标访问天数，以用于后续进行业务用户集群的确定，和消息的推送即可。
[0104]
综上，通过采用预设收敛函数进行目标推送参数的确定，可以实现在多个中间推送参数中，选择出最大化召回用户的参数，并以此进行后续的策略更新，可以实现针对目标业务圈定更为广泛的用户集合。
[0105]
步骤s110，基于所述目标推送参数对所述推送策略进行更新，并利用更新后的推送策略确定所述目标业务关联的业务用户集合。
[0106]
具体的，在上述确定目标推送参数后，进一步的，即可按照目标推送参数对推送策略进行更新，以使得推送策略可以更新为响应于策略更新请求的策略，实现利用更新后的推送策略可以圈定目标业务关联的业务用户集合，从而使得目标业务可以有效的被推广，同时能够更好的服务于业务用户集合中的用户。
[0107]
进一步的，所述基于所述目标推送参数对所述推送策略进行更新，并利用更新后的推送策略确定所述目标业务关联的业务用户集合，包括：
[0108]
在所述推送策略中确定业务推送参数；根据所述目标推送参数对所述业务推送参数进行更新，并根据更新结果确定目标推送策略；根据所述目标推送策略确定目标访问时间和目标访问次数，按照所述目标访问时间和所述目标访问次数确定所述目标业务关联的所述业务用户集合。
[0109]
具体的，业务推送参数具体是指推测策略中未被更新的推送参数，通过该参数圈定的用户集合无法满足当前的需求；相应的，目标推送策略具体是指将业务推送参数更新为目标推送参数的策略；相应的，目标访问时间具体是指点击邮件的最大访问天数；相应的，目标访问次数具体是指对应目标访问天数，且点击邮件的最少访问次数。
[0110]
基于此，为了能够精准的对推送策略进行更新，可以在推送策略中确定业务推送参数；之后根据目标推送参数对所述业务推送参数进行更新，以实现对策略中的业务推送参数进行替换，从而获得目标推送策略；当进行业务用户集合圈定时，即可根据目标推送策略确定目标访问时间和目标访问次数，之后按照目标访问时间和所述目标访问次数确定所述目标业务关联的所述业务用户集合即可。
[0111]
综上，通过以目标推送参数确定目标访问时间和目标访问次数，并以此进行用户的圈定，可以实现更加精准的圈定符合目标业务需求的用户集合，实现业务用户集合中包含的用户更加符合预期效果。
[0112]
更进一步的，在确定目标业务用户集合后，即可向各个用户发送信息，即确定所述目标业务对应的推送信息；按照更新后的推送策略向所述业务用户集合中包含的业务用户发送所述推送信息。其中，推送信息具体是指关联目标业务的信息，用以通过邮件的形式发送到各个业务用户集合中的各个用户。
[0113]
本说明书提供的策略更新方法，为了能够最大化正向召回有效用户，可以在接收
到针对目标业务的推送策略提交的策略更新请求后，根据策略更新请求确定初始推送参数、推送参数步长以及多个推送迭代周期；之后利用初始推送参数和推送参数步长计算每个推送迭代周期对应的推送人群信息，以根据推送人群信息确定优选的多个中间推送参数，而为了能够定位目标业务的合理推送人群，可以按照预设收敛函数在多个中间推送参数中筛选目标推送参数，最后基于目标推送参数对推送策略进行更新，并利用更新后的推送策略确定目标业务关联的业务用户集合即可，实现了通过计算每个周期的推送人群信息，可以精准的筛选出目标推送参数，以通过该参数最大化正向召回业务用户，实现目标业务可以触达有需求的用户，以向该部分用户提供相应的业务服务。
[0114]
下述结合附图2，以本说明书提供的策略更新方法在游戏平台信息推送场景中的应用为例，对所述策略更新方法进行进一步说明。其中，图2示出了本说明书一个实施例提供的一种策略更新方法的处理过程流程图，具体包括以下步骤。
[0115]
步骤s202，接收针对目标业务的推送策略提交的策略更新请求。
[0116]
步骤s204，根据所述策略更新请求确定策略更新规则，并按照所述策略更新规则读取推送时间参数和推送次数参数组成所述初始推送参数。
[0117]
步骤s206，对所述策略更新请求进行解析，获得所述推送参数步长和所述多个推送迭代周期。
[0118]
步骤s208，在所述推送参数步长中确定第i步长周期对应的基准推送参数步长。
[0119]
步骤s210，在第i步长周期对应的基准推送参数步长中，将所述初始推送参数作为第j推送迭代周期对应的基准推送参数。
[0120]
步骤s212，根据所述基准推送参数计算第j推送迭代周期对应的推送人群信息。
[0121]
步骤s214，判断第j推送迭代周期对应的推送人群信息是否满足周期结束条件；若否，执行步骤s216，若是，执行步骤s218。
[0122]
步骤s216，根据第i步长周期对应的基准推送参数步长和第j推送迭代周期对应的基准推送参数，确定j 1推送迭代周期对应的基准推送参数，j自增1，并执行步骤s212。
[0123]
步骤s218，判断所述推送参数步长中是否存在剩余推送参数步长；若是，执行步骤s220；若否，执行步骤s222。
[0124]
步骤s220，在所述剩余推送参数步长中确定第i 1步长周期对应的基准推送参数步长，i自增1，并执行步骤s210。
[0125]
步骤s222，根据每个推送迭代周期对应的推送人群信息，筛选每个步长周期对应的目标推送人群信息。
[0126]
步骤s224，根据每个步长周期对应的目标推送人群信息确定每个步长周期对应的中间推送参数。
[0127]
步骤s226，通过对每个步长周期对应的中间推送参数进行整合，获得所述多个中间推送参数。
[0128]
步骤s228，根据所述预设收敛函数确定每个中间推送参数对应的初始业务用户集合。
[0129]
步骤s230，根据所述初始业务用户集合中包含的订阅用户数量和退订用户数量，计算所述初始业务用户集合的退订率。
[0130]
步骤s232，按照所述退订率在每个中间推送参数对应的初始业务用户集合中确定
目标业务用户集合，并将所述目标业务用户集合对应的中间推送参数作为所述目标推送参数。
[0131]
步骤s234，在所述推送策略中确定业务推送参数，根据所述目标推送参数对所述业务推送参数进行更新，并根据更新结果确定目标推送策略。
[0132]
步骤s236，根据所述目标推送策略确定目标访问时间和目标访问次数，按照所述目标访问时间和所述目标访问次数确定所述目标业务关联的所述业务用户集合。
[0133]
进一步的，确定所述目标业务对应的推送信息；按照更新后的推送策略向所述业务用户集合中包含的业务用户发送所述推送信息。
[0134]
综上所述，为了能够最大化正向召回有效用户，可以在接收到针对目标业务的推送策略提交的策略更新请求后，根据策略更新请求确定初始推送参数、推送参数步长以及多个推送迭代周期；之后利用初始推送参数和推送参数步长计算每个推送迭代周期对应的推送人群信息，以根据推送人群信息确定优选的多个中间推送参数，而为了能够定位目标业务的合理推送人群，可以按照预设收敛函数在多个中间推送参数中筛选目标推送参数，最后基于目标推送参数对推送策略进行更新，并利用更新后的推送策略确定目标业务关联的业务用户集合即可，实现了通过计算每个周期的推送人群信息，可以精准的筛选出目标推送参数，以通过该参数最大化正向召回业务用户，实现目标业务可以触达有需求的用户，以向该部分用户提供相应的业务服务。
[0135]
与上述方法实施例相对应，本说明书还提供了策略更新装置实施例，图3示出了本说明书一个实施例提供的一种策略更新装置的结构示意图。如图3所示，该装置包括：
[0136]
接收模块302，被配置为接收针对目标业务的推送策略提交的策略更新请求；
[0137]
确定模块304，被配置为根据所述策略更新请求确定初始推送参数、推送参数步长和多个推送迭代周期；
[0138]
计算模块306，被配置为根据所述初始推送参数和所述推送参数步长计算每个推送迭代周期对应的推送人群信息，并根据所述推送人群信息确定多个中间推送参数；
[0139]
筛选模块308，被配置为按照预设收敛函数在所述多个中间推送参数中筛选目标推送参数；
[0140]
更新模块310，被配置为基于所述目标推送参数对所述推送策略进行更新，并利用更新后的推送策略确定所述目标业务关联的业务用户集合。
[0141]
一个可选的实施例中，所述接收模块302进一步被配置为：
[0142]
确定所述目标业务对应的订阅用户集合以及退订用户集合，并根据所述订阅用户集合和所述退订用户集合构建所述目标业务对应的业务推送关系；根据所述业务推送关系确定所述目标业务关联的所述初始推送参数；在接收到针对所述推送策略提交的更新指令的情况下，根据所述更新指令中携带的策略更新参数和所述初始推送参数生成所述推送策略对应的所述策略更新请求。
[0143]
一个可选的实施例中，所述确定模块304进一步被配置为：
[0144]
根据所述策略更新请求确定策略更新规则，并按照所述策略更新规则读取推送时间参数和推送次数参数组成所述初始推送参数；对所述策略更新请求进行解析，获得所述推送参数步长和所述多个推送迭代周期。
[0145]
一个可选的实施例中，所述计算模块306进一步被配置为：
[0146]
将所述初始推送参数作为第j推送迭代周期对应的基准推送参数；根据所述基准推送参数计算第j推送迭代周期对应的推送人群信息；判断第j推送迭代周期对应的推送人群信息是否满足周期结束条件；若否，根据所述推送参数步长和第j推送迭代周期对应的基准推送参数，确定j 1推送迭代周期对应的基准推送参数，j自增1，并执行所述根据所述基准推送参数计算第j推送迭代周期对应的推送人群信息步骤；若是，执行所述根据所述推送人群信息确定多个中间推送参数步骤。
[0147]
一个可选的实施例中，所述计算模块306进一步被配置为：
[0148]
在所述推送参数步长中确定第i步长周期对应的基准推送参数步长；在第i步长周期对应的基准推送参数步长中，将所述初始推送参数作为第j推送迭代周期对应的基准推送参数；相应的，所述根据所述推送人群信息确定多个中间推送参数步骤执行之前，还包括：判断所述推送参数步长中是否存在剩余推送参数步长；若是，在所述剩余推送参数步长中确定第i 1步长周期对应的基准推送参数步长，i自增1，并执行所述在第i步长周期对应的基准推送参数步长中，将所述初始推送参数作为第j推送迭代周期对应的基准推送参数步骤；若否，执行所述根据所述推送人群信息确定多个中间推送参数步骤。
[0149]
一个可选的实施例中，所述计算模块306进一步被配置为：
[0150]
根据每个推送迭代周期对应的推送人群信息，筛选每个步长周期对应的目标推送人群信息；根据每个步长周期对应的目标推送人群信息确定每个步长周期对应的中间推送参数；通过对每个步长周期对应的中间推送参数进行整合，获得所述多个中间推送参数。
[0151]
一个可选的实施例中，所述筛选模块308进一步被配置为：
[0152]
根据所述预设收敛函数确定每个中间推送参数对应的初始业务用户集合；根据所述初始业务用户集合中包含的订阅用户数量和退订用户数量，计算所述初始业务用户集合的退订率；按照所述退订率在每个中间推送参数对应的初始业务用户集合中确定目标业务用户集合，并将所述目标业务用户集合对应的中间推送参数作为所述目标推送参数。
[0153]
一个可选的实施例中，所述更新模块310进一步被配置为：
[0154]
在所述推送策略中确定业务推送参数；根据所述目标推送参数对所述业务推送参数进行更新，并根据更新结果确定目标推送策略；根据所述目标推送策略确定目标访问时间和目标访问次数，按照所述目标访问时间和所述目标访问次数确定所述目标业务关联的所述业务用户集合。
[0155]
一个可选的实施例中，所述策略更新装置，还包括：
[0156]
确定推送信息模块，被配置为确定所述目标业务对应的推送信息；按照更新后的推送策略向所述业务用户集合中包含的业务用户发送所述推送信息。
[0157]
本说明书提供的策略更新装置，为了能够最大化正向召回有效用户，可以在接收到针对目标业务的推送策略提交的策略更新请求后，根据策略更新请求确定初始推送参数、推送参数步长以及多个推送迭代周期；之后利用初始推送参数和推送参数步长计算每个推送迭代周期对应的推送人群信息，以根据推送人群信息确定优选的多个中间推送参数，而为了能够定位目标业务的合理推送人群，可以按照预设收敛函数在多个中间推送参数中筛选目标推送参数，最后基于目标推送参数对推送策略进行更新，并利用更新后的推送策略确定目标业务关联的业务用户集合即可，实现了通过计算每个周期的推送人群信息，可以精准的筛选出目标推送参数，以通过该参数最大化正向召回业务用户，实现目标业
务可以触达有需求的用户，以向该部分用户提供相应的业务服务。
[0158]
上述为本实施例的一种策略更新装置的示意性方案。需要说明的是，该策略更新装置的技术方案与上述的策略更新方法的技术方案属于同一构思，策略更新装置的技术方案未详细描述的细节内容，均可以参见上述策略更新方法的技术方案的描述。
[0159]
图4示出了根据本说明书一个实施例提供的一种计算设备400的结构框图。该计算设备400的部件包括但不限于存储器410和处理器420。处理器420与存储器410通过总线430相连接，数据库450用于保存数据。
[0160]
计算设备400还包括接入设备440，接入设备440使得计算设备400能够经由一个或多个网络460通信。这些网络的示例包括公用交换电话网(pstn)、局域网(lan)、广域网(wan)、个域网(pan)或诸如因特网的通信网络的组合。接入设备440可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(nic))中的一个或多个，诸如ieee802.11无线局域网(wlan)无线接口、全球微波互联接入(wi-max)接口、以太网接口、通用串行总线(usb)接口、蜂窝网络接口、蓝牙接口、近场通信(nfc)接口，等等。
[0161]
在本说明书的一个实施例中，计算设备400的上述部件以及图4中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图4所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
[0162]
计算设备400可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或pc的静止计算设备。计算设备400还可以是移动式或静止式的服务器。
[0163]
其中，处理器420用于执行如下计算机可执行指令，该计算机可执行指令被处理器执行时实现上述策略更新方法的步骤。
[0164]
上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的策略更新方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述策略更新方法的技术方案的描述。
[0165]
本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述策略更新方法的步骤。
[0166]
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的策略更新方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述策略更新方法的技术方案的描述。
[0167]
本说明书一实施例还提供一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述策略更新方法的步骤。
[0168]
上述为本实施例的一种计算机程序的示意性方案。需要说明的是，该计算机程序的技术方案与上述的策略更新方法的技术方案属于同一构思，计算机程序的技术方案未详细描述的细节内容，均可以参见上述策略更新方法的技术方案的描述。
[0169]
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来
执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0170]
所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0171]
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书实施例并不受所描述的动作顺序的限制，因为依据本说明书实施例，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书实施例所必须的。
[0172]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
[0173]
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书实施例的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书实施例的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。