资源推荐信息的获取方法、装置、计算机设备及存储介质与流程

1.本公开涉及信息技术领域，特别涉及一种资源推荐信息的获取方法、装置、计算机设备及存储介质。


背景技术：

2.随着信息技术和信息网络越来越发达，在一些短视频平台中提供对内容项的投放业务，能够向不同用户来投放不同的内容项。在内容项的投放过程中，通常会基于设定的资源来决策需要向哪些账号投放内容项。目前，在对内容项投放过程中，基于用户在历史投放过程设定的资源来进行资源推荐，因此，资源推荐准确度较低，效率较低。


技术实现要素：

3.本公开提供一种资源推荐信息的获取方法、装置、计算机设备及存储介质，以至少提升内容项投放过程中的资源推荐准确度。本公开的技术方案如下：
4.根据本公开实施例的一方面，提供一种资源推荐信息的获取方法，包括：
5.获取目标内容项在第一时间段的预设虚拟资源和资源反馈数据；
6.基于所述预设虚拟资源和在所述第一时间段投放所述目标内容项的投放虚拟资源，确定校准系数；
7.基于所述校准系数，对所述资源反馈数据进行校准，得到校准反馈数据；
8.基于所述预设虚拟资源和所述校准反馈数据，获取所述目标内容项的资源推荐信息，所述资源推荐信息用于对在第二时间段投放所述目标内容项消耗的虚拟资源进行推荐。
9.在一些实施例中，所述基于所述预设虚拟资源和所述校准反馈数据，获取所述目标内容项的资源推荐信息包括：
10.基于所述预设虚拟资源和所述校准反馈数据，预测得到所述目标内容项在所述第二时间段的目标虚拟资源和目标反馈数据；
11.基于所述投放虚拟资源和所述目标虚拟资源，确定所述目标内容项的全量虚拟资源；
12.基于在所述第一时间段投放所述目标内容项的投放反馈数据和所述目标反馈数据，确定所述目标内容项的全量反馈数据；
13.基于所述全量虚拟资源和所述全量反馈数据，获取所述资源推荐信息。
14.在一些实施例中，所述基于所述预设虚拟资源和所述校准反馈数据，预测得到所述目标内容项在所述第二时间段的目标虚拟资源和目标反馈数据包括：
15.获取所述第二时间段的请求比例，所述请求比例表征所述第二时间段的预计接收到的请求数量与所述第一时间段已接收到的请求数量之间的比值；
16.基于所述请求比例和所述预设虚拟资源，确定所述目标虚拟资源；
17.基于所述请求比例和所述校准反馈数据，确定所述目标反馈数据。
18.在一些实施例中，所述资源推荐信息包括至少一个资源推荐值和所述至少一个资源推荐值各自的反馈数据；
19.所述基于所述全量虚拟资源和所述全量反馈数据，获取所述资源推荐信息包括：
20.基于所述全量虚拟资源和所述全量反馈数据，拟合得到资源反馈曲线，所述资源反馈曲线表征在目标时间段中投放所述目标内容项消耗的虚拟资源和收获的反馈数据之间的变化关系，所述目标时间段由所述第一时间段和所述第二时间段构成；
21.基于所述资源反馈曲线，确定所述至少一个资源推荐值和所述至少一个资源推荐值各自的反馈数据。
22.在一些实施例中，所述基于所述资源反馈曲线，确定所述至少一个资源推荐值和所述至少一个资源推荐值各自的反馈数据包括：
23.基于对内容项的历史投放信息，确定历史平均资源值；
24.基于所述历史平均资源值，获取所述至少一个资源推荐值；
25.在所述资源反馈曲线中，获取所述至少一个资源推荐值各自的反馈数据。
26.在一些实施例中，所述基于所述全量虚拟资源和所述全量反馈数据，拟合得到资源反馈曲线包括：
27.对任一资源阈值，在所述全量虚拟资源等于所述资源阈值的情况下，将所述全量虚拟资源所预期获得的全量反馈数据确定为所述资源阈值的反馈数据；
28.基于多个资源阈值和所述多个资源阈值各自的反馈数据，拟合得到所述资源反馈曲线。
29.在一些实施例中，所述资源反馈曲线包括下述至少一项：资源反馈量随着资源阈值的变化曲线；或，资源回报率随着资源阈值的变化曲线；或，资源互动量随着资源阈值的变化曲线。
30.在一些实施例中，所述获取目标内容项在第一时间段的预设虚拟资源和资源反馈数据包括：
31.对所述第一时间段内接收到的任一业务请求，获取所述业务请求的资源消耗量和请求重要度，所述资源消耗量表征对所述业务请求返回所述目标内容项时所需从预设虚拟资源中消耗的资源量，所述请求重要度表征对所述业务请求返回所述目标内容项时资源反馈量与资源消耗量的比值；
32.基于所述第一时间段内接收到的多个业务请求各自的资源消耗量和请求重要度，获取所述预设虚拟资源和所述资源反馈数据。
33.在一些实施例中，所述获取所述业务请求的请求重要度包括：
34.对发起所述业务请求的账号，预测所述账号对所述目标内容项的点击行为参数和转化行为参数，所述点击行为参数表征所述账号点击所述目标内容项的可能性，所述转化行为参数表征所述账号消费或激活所述目标内容项所关联对象的可能性；
35.基于所述点击行为参数和所述转化行为参数，确定所述业务请求的资源反馈量；
36.将所述资源反馈量与所述资源消耗量之间的比值确定为所述请求重要度。
37.在一些实施例中，所述基于所述第一时间段内接收到的多个业务请求各自的资源消耗量和请求重要度，获取所述预设虚拟资源和所述资源反馈数据包括：
38.对任一预设虚拟资源，按照请求重要度从高到低的顺序，从所述多个业务请求中
筛选得到至少一个目标业务请求，所述至少一个目标业务请求的资源消耗量的和值不超过所述预设虚拟资源；
39.将所述至少一个目标业务请求的资源反馈量之和确定为与所述预设虚拟资源相关联的资源反馈数据。
40.在一些实施例中，所述按照请求重要度从高到低的顺序，从所述多个业务请求中筛选得到至少一个目标业务请求包括：
41.按照请求重要度从高到低的顺序，对所述多个业务请求进行排序；
42.从所述排序中位于首位的业务请求开始，累计在所述排序中位于前目标位的业务请求的资源消耗量的和值；
43.在所述和值累计至不超过所述预设虚拟资源且最接近所述预设虚拟资源的情况下，将已累计的前目标位的业务请求确定为所述至少一个目标业务请求。
44.在一些实施例中，所述基于所述预设虚拟资源和在所述第一时间段投放所述目标内容项的投放虚拟资源，确定校准系数包括：
45.将所述投放虚拟资源和所述预设虚拟资源相减，得到资源误差数据；
46.基于所述投放虚拟资源和所述资源误差数据，确定得到所述校准系数。
47.根据本公开实施例的另一方面，提供一种资源推荐信息的获取装置，包括：
48.第一获取单元，被配置为执行获取目标内容项在第一时间段的预设虚拟资源和资源反馈数据；
49.确定单元，被配置为执行基于所述预设虚拟资源和在所述第一时间段投放所述目标内容项的投放虚拟资源，确定校准系数；
50.校准单元，被配置为执行基于所述校准系数，对所述资源反馈数据进行校准，得到校准反馈数据；
51.第二获取单元，被配置为执行基于所述预设虚拟资源和所述校准反馈数据，获取所述目标内容项的资源推荐信息，所述资源推荐信息用于对在第二时间段投放所述目标内容项消耗的虚拟资源进行推荐。
52.在一些实施例中，所述第二获取单元包括：
53.预测子单元，被配置为执行基于所述预设虚拟资源和所述校准反馈数据，预测得到所述目标内容项在所述第二时间段的目标虚拟资源和目标反馈数据；
54.确定子单元，被配置为执行基于所述投放虚拟资源和所述目标虚拟资源，确定所述目标内容项的全量虚拟资源；
55.所述确定子单元，还被配置为执行基于在所述第一时间段投放所述目标内容项的投放反馈数据和所述目标反馈数据，确定所述目标内容项的全量反馈数据；
56.第一获取子单元，被配置为执行基于所述全量虚拟资源和所述全量反馈数据，获取所述资源推荐信息。
57.在一些实施例中，所述预测子单元被配置为执行：
58.获取所述第二时间段的请求比例，所述请求比例表征所述第二时间段的预计接收到的请求数量与所述第一时间段已接收到的请求数量之间的比值；
59.基于所述请求比例和所述预设虚拟资源，确定所述目标虚拟资源；
60.基于所述请求比例和所述校准反馈数据，确定所述目标反馈数据。
61.在一些实施例中，所述资源推荐信息包括至少一个资源推荐值和所述至少一个资源推荐值各自的反馈数据；
62.所述第一获取子单元包括：
63.拟合子子单元，被配置为执行基于所述全量虚拟资源和所述全量反馈数据，拟合得到资源反馈曲线，所述资源反馈曲线表征在目标时间段中投放所述目标内容项消耗的虚拟资源和收获的反馈数据之间的变化关系，所述目标时间段由所述第一时间段和所述第二时间段构成；
64.第一确定子子单元，被配置为执行基于所述资源反馈曲线，确定所述至少一个资源推荐值和所述至少一个资源推荐值各自的反馈数据。
65.在一些实施例中，所述第一确定子子单元被配置为执行：
66.基于对内容项的历史投放信息，确定历史平均资源值；
67.基于所述历史平均资源值，获取所述至少一个资源推荐值；
68.在所述资源反馈曲线中，获取所述至少一个资源推荐值各自的反馈数据。
69.在一些实施例中，所述拟合子子单元被配置为执行：
70.对任一资源阈值，在所述全量虚拟资源等于所述资源阈值的情况下，将所述全量虚拟资源所预期获得的全量反馈数据确定为所述资源阈值的反馈数据；
71.基于多个资源阈值和所述多个资源阈值各自的反馈数据，拟合得到所述资源反馈曲线。
72.在一些实施例中，所述资源反馈曲线包括下述至少一项：资源反馈量随着资源阈值的变化曲线；或，资源回报率随着资源阈值的变化曲线；或，资源互动量随着资源阈值的变化曲线。
73.在一些实施例中，所述第一获取单元包括：
74.第二获取子单元，被配置为执行对所述第一时间段内接收到的任一业务请求，获取所述业务请求的资源消耗量和请求重要度，所述资源消耗量表征对所述业务请求返回所述目标内容项时所需从预设虚拟资源中消耗的资源量，所述请求重要度表征对所述业务请求返回所述目标内容项时资源反馈量与资源消耗量的比值；
75.第三获取子单元，被配置为执行基于所述第一时间段内接收到的多个业务请求各自的资源消耗量和请求重要度，获取所述预设虚拟资源和所述资源反馈数据。
76.在一些实施例中，所述第二获取子单元被配置为执行：
77.对发起所述业务请求的账号，预测所述账号对所述目标内容项的点击行为参数和转化行为参数，所述点击行为参数表征所述账号点击所述目标内容项的可能性，所述转化行为参数表征所述账号消费或激活所述目标内容项所关联对象的可能性；
78.基于所述点击行为参数和所述转化行为参数，确定所述业务请求的资源反馈量；
79.将所述资源反馈量与所述资源消耗量之间的比值确定为所述请求重要度。
80.在一些实施例中，所述第三获取子单元包括：
81.筛选子子单元，被配置为执行对任一预设虚拟资源，按照请求重要度从高到低的顺序，从所述多个业务请求中筛选得到至少一个目标业务请求，所述至少一个目标业务请求的资源消耗量的和值不超过所述预设虚拟资源；
82.第二确定子子单元，被配置为执行将所述至少一个目标业务请求的资源反馈量之
和确定为与所述预设虚拟资源相关联的资源反馈数据。
83.在一些实施例中，所述筛选子子单元被配置为执行：
84.按照请求重要度从高到低的顺序，对所述多个业务请求进行排序；
85.从所述排序中位于首位的业务请求开始，累计在所述排序中位于前目标位的业务请求的资源消耗量的和值；
86.在所述和值累计至不超过所述预设虚拟资源且最接近所述预设虚拟资源的情况下，将已累计的前目标位的业务请求确定为所述至少一个目标业务请求。
87.在一些实施例中，所述确定单元还被配置为执行：
88.将所述投放虚拟资源和所述预设虚拟资源相减，得到资源误差数据；
89.基于所述投放虚拟资源和所述资源误差数据，确定得到所述校准系数。
90.根据本公开实施例的另一方面，提供一种计算机设备，包括：
91.一个或多个处理器；
92.用于存储所述一个或多个处理器可执行指令的一个或多个存储器；
93.其中，所述一个或多个处理器被配置为执行上述一方面的任一种可能实施方式中的资源推荐信息的获取方法。
94.根据本公开实施例的另一方面，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至少一条指令由计算机设备的一个或多个处理器执行时，使得所述计算机设备能够执行上述一方面的任一种可能实施方式中的资源推荐信息的获取方法。
95.根据本公开实施例的另一方面，提供一种计算机程序产品，包括一条或多条指令，所述一条或多条指令可以由计算机设备的一个或多个处理器执行，使得所述计算机设备能够执行上述一方面的任一种可能实施方式中的资源推荐信息的获取方法。
96.本公开的实施例提供的技术方案至少带来以下有益效果：
97.通过机器预测的预设虚拟资源和实际消耗的投放虚拟资源，来获取到一个校准系数，这一校准系数能够对资源反馈数据进行校准，使得校准所得的校准反馈数据能够尽量向投入该预设虚拟资源后所得到的实际反馈数据靠拢，由于校准反馈数据的预测准确度得到了大幅提升，从而能够提高根据预设虚拟资源和校准反馈数据获取到的资源推荐信息的准确度，也即提升了资源推荐准确度。
98.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
99.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。
100.图1是根据一示例性实施例示出的一种资源推荐信息的获取方法的实施环境示意图；
101.图2是根据一示例性实施例示出的一种资源推荐信息的获取方法的流程图；
102.图3是根据一示例性实施例示出的一种资源推荐信息的获取方法的交互流程图；
103.图4是本技术实施例提供的一种资源消耗量和请求重要度的获取方式的流程图；
104.图5是本技术实施例提供的一种求解预设虚拟资源和资源反馈数据的方式的流程
图；
105.图6是本技术实施例提供的一种资源推荐值和反馈数据的获取方法的流程图；
106.图7是本技术实施例提供的一种展示资源反馈曲线的界面示意图；
107.图8是本技术实施例提供的一种资源推荐信息的获取方式的原理性流程图；
108.图9是根据一示例性实施例示出的一种资源推荐信息的获取装置的逻辑结构框图；
109.图10是本公开实施例提供的一种计算机设备的结构示意图。
具体实施方式
110.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。
111.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。
112.需要说明的是，本技术所涉及的信息(包括但不限于用户的设备信息、用户的个人信息等)、数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)以及信号，均为经用户授权或者经过各方充分授权的，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。例如，本技术中涉及到的业务请求中若携带用户相关的数据，都是在充分授权的情况下获取的。
113.在一些实施例中，a和/或b的含义包括：a和b，a，b这三种情况。
114.随着信息技术和信息网络越来越发达，在一些短视频平台中提供对内容项的投放业务，能够向不同用户来投放不同的内容项。在内容项的投放过程中，通常会基于设定的资源来决策需要向哪些账号投放内容项，来优化内容项的投入和产出。目前，在对内容项投放过程中，基于用户在历史投放过程设定的资源来进行资源推荐，因此，资源推荐准确度较低。
115.此外，由于用户在投放内容项时，很可能不确定本次需要投入多少虚拟资源，并且本次投放之后能够达到多少反馈数据也是较难预估的，通常会基于本次投放预计会向多少账号投放内容项，来确定本次设定的资源，并非所有被投放了内容项的账号都对内容项感兴趣，因此很可能被投放了内容项的账号不会点击查看内容项，更不会与内容项进行交互来产生下一步互动行为，这样导致资源推荐过程不确定性较大，存在内容项投放需求的用户无法预估本次可能的消耗，也难以知晓确定的虚拟资源与反馈数据之间的关系，因此，在对内容项投放过程中需要投入多少虚拟资源的决策成本较高、决策效率较低，并且，存在内容项投放需求的用户可能会在同一内容项的投放周期内反复修改设定的资源，影响平台的稳定性。
116.图1是根据一示例性实施例示出的一种资源推荐信息的获取方法的实施环境示意图，参见图1，在该实施环境中可以包括至少一个终端101和服务器102，下面进行详述：
117.终端101上安装和运行有支持显示内容项的应用程序，该内容项是指被投放到终端101上的多媒体资源，例如，该多媒体资源包括：视频资源或图片资源。可选地，该应用程序是任一支持显示内容项的客户端，用户在终端101上启动该应用程序，并随着用户在应用程序中访问各类业务，终端101向服务器102发送业务请求，服务器102会对业务请求进行请求重要度的评估，以确定是否要对终端101返回携带目标内容项的业务响应，若终端101接收到携带目标内容项的业务响应，终端101上会显示业务请求所请求的资源以及目标内容项，当用户对目标内容项感兴趣时，可以通过与目标内容项进行交互，以进入到目标内容项的落地页中进行激活等转化行为。可选地，该应用程序包括但不限于：短视频应用、音视频应用、购物应用等。
118.终端101通过有线或无线通信方式与服务器102进行直接或间接地连接，本公开实施例对此不进行限定。
119.服务器102用于向终端101上运行的该应用程序提供后台服务，服务器102包括一台服务器、多台服务器、云计算平台或者虚拟化中心中的至少一项。可选地，服务器102承担主要计算工作，终端101承担次要计算工作；或者，服务器102承担次要计算工作，终端101承担主要计算工作；或者，服务器102和终端101之间采用分布式计算架构进行协同计算。
120.由于服务器102维护了上述应用程序所提供的内容交互平台，因此，存在内容项投放需求的用户可以通过服务器102来选择本次需要投放什么样的目标内容项，同时还可以给定对本次投放目标内容项的虚拟资源。
121.由于内容项投放后的成效是具有不确定性的，因此上述存在内容项投放需求的用户很可能难以决策虚拟资源应该设定成多少，有鉴于此，本技术实施例提供一种资源推荐信息的获取方法，用于在内容项投放之前，通过预测投入不同虚拟资源的情况下预期取得多少反馈数据，能够帮助用户决策和设定对内容项的投入多少虚拟资源。
122.在一些实施例中，终端101的设备类型包括：智能手机、平板电脑、电子书阅读器、mp3(moving picture experts group audio layer iii，动态影像专家压缩标准音频层面3)播放器、mp4(moving picture experts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机或者台式计算机中的至少一种。例如，终端101是智能手机，或者其他手持便携式电子设备。以下实施例，以终端101包括智能手机来举例说明。
123.本领域技术人员可以知晓，上述终端101的数量可以更多或更少。比如上述终端101仅为一个，或者上述终端101为几十个或几百个，或者更多数量。本公开实施例对终端101的数量和设备类型不加以限定。
124.图2是根据一示例性实施例示出的一种资源推荐信息的获取方法的流程图，参见图2，该资源推荐信息的获取方法由计算机设备执行，下面以计算机设备为服务器为例进行说明。
125.在步骤201中，服务器获取目标内容项在第一时间段的预设虚拟资源和资源反馈数据。
126.服务器是计算机设备的一种示例性说明，例如，服务器是指上述实施环境中介绍的服务器102，可选地，服务器包括一台服务器、多台服务器、云计算平台或者虚拟化中心中的至少一项。
127.本技术实施例涉及的目标内容项是指：存在内容项投放需求的用户在本次投放过
程中已投放但尚未截止投放的内容项，其中，内容项是以多媒体资源的形式来承载某一产品或服务的相关资讯内容，该多媒体资源包括视频资源或图片资源，本公开实施例不对该内容项的形式进行具体限定。
128.本技术实施例涉及的第一时间段是指：在本次投放过程中从开始投放的时刻到当前时刻所构成的时间段，当前时刻是指获取预设虚拟资源和资源反馈数据的时刻。
129.本技术实施例涉及的预设虚拟资源，是指服务器通过算法预测的在第一时间段内预计投放目标内容项所消耗的虚拟资源。
130.本技术实施例涉及的资源反馈数据，是指服务器通过算法针对预测得到的，在消耗该预设虚拟资源来投放目标内容项的情况下，所预期能够达到的反馈数据。
131.需要说明的是，预设虚拟资源和资源反馈数据具有一一对应的关系，即有可能会预测出目标内容项在第一时间段内的多对资源-反馈数据，每对资源-反馈数据包含了一个预设虚拟资源以及与该预设虚拟资源相关联的资源反馈数据。
132.在一些实施例中，存在内容项投放需求的用户(后文中称为目标用户)在本次投放过程中，可以随时通过终端登录内容项投放平台，以修改本次投放过程中的第二时间段内投入的虚拟资源，其中，第二时间段是指本次投放过程的投放周期中除了第一时间段以外剩余的时间段，例如，本次投放过程的投放周期是指一天，在一天是指自然日的情况下，第一时间段是指从当天0点开始到当前时刻构成的时间段，第二时间段是指从当前时刻到当天24点构成的时间段，在一天是指从开始投放的时刻开始计时的24小时的情况下，第一时间段是指从当天开始投放的时刻(例如为当天早上8点)到当前时刻构成的时间段，第二时间段是指从当前时刻到第二天的开始投放的时刻(例如为次日早上8点)构成的时间段，当然，投放周期除了一天之外，还可以是7天、半个月、一个月等，本技术实施例对此不进行具体限定。
133.在一些实施例中，目标用户在终端上登录内容项投放平台后，进入到内容项投放设置界面，在该内容项投放设置界面中提供有虚拟资源的编辑框以及资源推荐选项，响应于目标用户对资源推荐选项的触发操作，终端向服务器发送资源推荐请求。服务器响应于该资源推荐请求，确定从开始投放目标内容项的时刻到当前时刻构成的第一时间段，接着，获取目标内容项在该第一时间段的预设虚拟资源和资源反馈数据。预设虚拟资源和资源反馈数据的获取方式将在下一实施例中详细说明，这里不做赘述。
134.在步骤202中，服务器基于该预设虚拟资源和在该第一时间段投放该目标内容项的投放虚拟资源，确定校准系数。
135.本技术实施例涉及的投放虚拟资源，是指目标用户在第一时间段内用于投放目标内容项实际已经消耗的虚拟资源，可视为是目标用户在第一时间段内已消耗完毕的虚拟资源。
136.本技术实施例涉及的校准系数，是指用于对资源反馈数据进行校准的一个调整因子，这一调整因子是基于预设虚拟资源和投放虚拟资源确定得到的，关于校准系数的获取方式将在下一实施例中详细说明，这里不做赘述。
137.在一些实施例中，服务器基于机器预测的预设虚拟资源和实际消耗的投放虚拟资源，能够确定出机器预测结果与实际投入资源之间的误差，这一误差可用于获取到一个校准系数，利用该校准系统能够对资源反馈数据进行校准，使得资源反馈数据能够尽量向投
入该预设虚拟资源后所得到的实际反馈数据靠拢，从而提升对反馈数据的预测准确度。
138.在步骤203中，服务器基于该校准系数，对该资源反馈数据进行校准，得到校准反馈数据。
139.在一些实施例中，通过上述步骤202获取到的校准系数，能够对资源反馈数据进行校准，由于在上述步骤201中介绍过了，有可能获取到的是多对资源-反馈数据，每对资源-反馈数据包含了一个预设虚拟资源以及与该预设虚拟资源相关联的资源反馈数据，在这种情况下，服务器可以利用校准系数，对每对资源-反馈数据中的资源反馈数据都进行校准，得到一个校准后的校准反馈数据。需要说明的是，在利用校准系数进行校准时，仅对资源反馈数据进行校准，无需对预设虚拟资源进行校准。
140.在步骤204中，服务器基于该预设虚拟资源和该校准反馈数据，获取该目标内容项的资源推荐信息，该资源推荐信息用于对在第二时间段投放该目标内容项消耗的虚拟资源进行推荐。
141.在一些实施例中，服务器基于预设虚拟资源和经过校准后的校准反馈数据，来获取资源推荐信息的过程中，由于校准反馈数据是经过校准系数进行校准后的反馈数据，因此校准反馈数据比资源反馈数据更加靠近投入该预设虚拟资源后所得到的实际反馈数据，相当于校准反馈数据的预测准确度得到了大幅提升，从而能够获取到更加精准、贴合实际的资源推荐信息，提高了根据预设虚拟资源和校准反馈数据获取到的资源推荐信息的准确度。关于资源推荐信息的获取方式将在下一实施例中详细说明，这里不做赘述。
142.本公开实施例提供的方法，通过机器预测的预设虚拟资源和实际消耗的投放虚拟资源，来获取到一个校准系数，这一校准系数能够对资源反馈数据进行校准，使得校准所得的校准反馈数据能够尽量向投入该预设虚拟资源后所得到的实际反馈数据靠拢，由于校准反馈数据的预测准确度得到了大幅提升，从而能够提高根据预设虚拟资源和校准反馈数据获取到的资源推荐信息的准确度，也即提升了资源推荐准确度。
143.在一些实施例中，基于该预设虚拟资源和该校准反馈数据，获取该目标内容项的资源推荐信息包括：
144.基于该预设虚拟资源和该校准反馈数据，预测得到该目标内容项在该第二时间段的目标虚拟资源和目标反馈数据；
145.基于该投放虚拟资源和该目标虚拟资源，确定该目标内容项的全量虚拟资源；
146.基于在该第一时间段投放该目标内容项的投放反馈数据和该目标反馈数据，确定该目标内容项的全量反馈数据；
147.基于该全量虚拟资源和该全量反馈数据，获取该资源推荐信息。
148.在一些实施例中，基于该预设虚拟资源和该校准反馈数据，预测得到该目标内容项在该第二时间段的目标虚拟资源和目标反馈数据包括：
149.获取该第二时间段的请求比例，该请求比例表征该第二时间段的预计接收到的请求数量与该第一时间段已接收到的请求数量之间的比值；
150.基于该请求比例和该预设虚拟资源，确定该目标虚拟资源；
151.基于该请求比例和该校准反馈数据，确定该目标反馈数据。
152.在一些实施例中，该资源推荐信息包括至少一个资源推荐值和该至少一个资源推荐值各自的反馈数据；
153.基于该全量虚拟资源和该全量反馈数据，获取该资源推荐信息包括：
154.基于该全量虚拟资源和该全量反馈数据，拟合得到资源反馈曲线，该资源反馈曲线表征在目标时间段中投放该目标内容项消耗的虚拟资源和收获的反馈数据之间的变化关系，该目标时间段由该第一时间段和该第二时间段构成；
155.基于该资源反馈曲线，确定该至少一个资源推荐值和该至少一个资源推荐值各自的反馈数据。
156.在一些实施例中，基于该资源反馈曲线，确定该至少一个资源推荐值和该至少一个资源推荐值各自的反馈数据包括：
157.基于对内容项的历史投放信息，确定历史平均资源值；
158.基于该历史平均资源值，获取该至少一个资源推荐值；
159.在该资源反馈曲线中，获取该至少一个资源推荐值各自的反馈数据。
160.在一些实施例中，基于该全量虚拟资源和该全量反馈数据，拟合得到资源反馈曲线包括：
161.对任一资源阈值，在该全量虚拟资源等于该资源阈值的情况下，将该全量虚拟资源所预期获得的全量反馈数据确定为该资源阈值的反馈数据；
162.基于多个资源阈值和该多个资源阈值各自的反馈数据，拟合得到该资源反馈曲线。
163.在一些实施例中，该资源反馈曲线包括下述至少一项：资源反馈量随着资源阈值的变化曲线；或，资源回报率随着资源阈值的变化曲线；或，资源互动量随着资源阈值的变化曲线。
164.在一些实施例中，获取目标内容项在第一时间段的预设虚拟资源和资源反馈数据包括：
165.对该第一时间段内接收到的任一业务请求，获取该业务请求的资源消耗量和请求重要度，该资源消耗量表征对该业务请求返回该目标内容项时所需从预设虚拟资源中消耗的资源量，该请求重要度表征对该业务请求返回该目标内容项时资源反馈量与资源消耗量的比值；
166.基于该第一时间段内接收到的多个业务请求各自的资源消耗量和请求重要度，获取该预设虚拟资源和该资源反馈数据。
167.在一些实施例中，获取该业务请求的请求重要度包括：
168.对发起该业务请求的账号，预测该账号对该目标内容项的点击行为参数和转化行为参数，该点击行为参数表征该账号点击该目标内容项的可能性，该转化行为参数表征该账号消费或激活该目标内容项所关联对象的可能性；
169.基于该点击行为参数和该转化行为参数，确定该业务请求的资源反馈量；
170.将该资源反馈量与该资源消耗量之间的比值确定为该请求重要度。
171.在一些实施例中，基于该第一时间段内接收到的多个业务请求各自的资源消耗量和请求重要度，获取该预设虚拟资源和该资源反馈数据包括：
172.对任一预设虚拟资源，按照请求重要度从高到低的顺序，从该多个业务请求中筛选得到至少一个目标业务请求，该至少一个目标业务请求的资源消耗量的和值不超过该预设虚拟资源；
173.将该至少一个目标业务请求的资源反馈量之和确定为与该预设虚拟资源相关联的资源反馈数据。
174.在一些实施例中，按照请求重要度从高到低的顺序，从该多个业务请求中筛选得到至少一个目标业务请求包括：
175.按照请求重要度从高到低的顺序，对该多个业务请求进行排序；
176.从该排序中位于首位的业务请求开始，累计在该排序中位于前目标位的业务请求的资源消耗量的和值；
177.在该和值累计至不超过该预设虚拟资源且最接近该预设虚拟资源的情况下，将已累计的前目标位的业务请求确定为该至少一个目标业务请求。
178.在一些实施例中，基于该预设虚拟资源和在该第一时间段投放该目标内容项的投放虚拟资源，确定校准系数包括：
179.将该投放虚拟资源和该预设虚拟资源相减，得到资源误差数据；
180.基于该投放虚拟资源和该资源误差数据，确定得到该校准系数。
181.上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
182.图3是根据一示例性实施例示出的一种资源推荐信息的获取方法的交互流程图，如图3所示，资源推荐信息的获取方法由计算机设备执行，下面以计算机设备为服务器为例进行说明，该实施例包括以下步骤。
183.在步骤301中，对第一时间段内接收到的任一业务请求，服务器获取该业务请求的资源消耗量和请求重要度。
184.其中，该资源消耗量表征对该业务请求返回该目标内容项时所需从预设虚拟资源中消耗的资源量，即，资源消耗量表征了如果要向发起该业务请求的账号投放目标内容项，那么需要从目标用户(指存在内容项投放需求的用户)设定的资源中消耗多少资源量，换言之，资源消耗量表征了向发起业务请求的账号投放该目标内容项所需消耗的虚拟资源，通常，在计费算法中不同的账号对应于不同的资源消耗量。
185.其中，该请求重要度表征对该业务请求返回该目标内容项时资源反馈量与资源消耗量的比值，在本技术实施例中，以资源反馈量作为预期反馈数据的衡量指标，资源反馈量表征了发起该业务请求的账号预计有多大的可能性会对该目标内容项执行转化行为，即，资源反馈量用于衡量业务请求的质量高低，高质量请求通常带来的预期反馈数据较高，低质量请求通常带来的预期反馈数据较低，通过资源反馈量能够对预期反馈数据进行很好地评估，将资源反馈量与资源消耗量的比值作为请求重要度，能够很好地通过请求重要度来衡量向发起该业务请求的账号投放目标内容项时，所需消耗的虚拟资源与所预期获得的反馈数据是否对等，业务请求的请求重要度越高，代表消耗虚拟资源来向发起该业务请求的账号投放目标内容项的效果越高，业务请求的请求重要度越低，代表消耗虚拟资源来向发起该业务请求的账号投放目标内容项的效果越低。
186.在本技术实施例中，对第一时间段内接收到的每个业务请求，由于不确定是否要向发起该业务请求的账号投放目标内容项，因此需要预测向该账号投放目标内容项的资源消耗量，同时还需要预测向该账号投放目标内容项的资源反馈量(作为预期反馈数据的衡量指标)，从而将资源反馈量与资源消耗量的比值作为业务请求的请求重要度，从而能够基
于请求重要度来决策是否要向该账号投放目标内容项，能够有利于在给定资源的约束下，灵活决策消耗资源向哪些账号投放目标内容项，以获取到较好的预期反馈数据。
187.图4是本技术实施例提供的一种资源消耗量和请求重要度的获取方式的流程图，下面，将分别介绍业务请求的资源消耗量和请求重要度各自的获取方式。
188.在步骤3011中，服务器基于计费算法，确定对发起该业务请求的账号投放目标内容项所需的资源消耗量。
189.在一些实施例中，服务器可基于预先设定的计费算法，对每个业务请求都通过该计费算法，计算出来预计对发起该业务请求的账号投放该目标内容项时需要从设定资源中扣除的资源消耗量。
190.在一些实施例中，该计费算法包括但不限于按时长计费、按展示计费等，本技术实施例对目标内容项所采用的计费算法不进行具体限定。
191.在步骤3012中，服务器对发起该业务请求的账号，预测该账号对该目标内容项的点击行为参数和转化行为参数。
192.其中，该点击行为参数表征该账号点击该目标内容项的可能性，因此，该点击行为参数也视为是在向该账号投放该目标内容项后，预计该账号对该目标内容项的点击率。
193.其中，该转化行为参数表征该账号消费或激活该目标内容项所关联对象的可能性，因此，该转化行为参数也视为是在向该账号投放该目标内容项后，预计该账号会对该目标内容项执行交互行为，并消费该目标内容项所关联对象的转化率，例如，当目标内容项所关联对象为某项商品或服务时，转化行为是指账号消费了该商品或服务，根据目标内容项所关联对象的不同，转化行为的含义也不进行相同，本技术实施例对此不进行具体限定。
194.在一些实施例中，服务器侧可以预先训练好针对内容项的点击率(click through rate，ctr)预估模型和转化率(conversion rate，cvr)预估模型，接着，通过该ctr预估模型来预测得到该账号对该目标内容项的点击行为参数，通过该cvr预估模型来预测得到该账号对该目标内容项的转化行为参数。
195.可选地，该ctr预估模型或cvr预估模型可以是任一机器学习模型，比如，该机器学习模型的架构包括但不限于：dnn(deep neural networks，深度神经网络)、mlp(multilayer perception，多层感知机)、cnn(convolutional neural networks，卷积神经网络)等，需要说明的是，ctr预估模型和cvr预估模型可以具有相同或不同的架构，本技术实施例对此不进行具体限定。
196.在一些实施例中，服务器针对该账号提取到账号特征，针对该目标内容项提取到内容项特征，将账号特征和内容项特征进行拼接(concat)得到拼接特征，再将该拼接特征分别输入到ctr预估模型和cvr预估模型中，通过ctr预估模型来对该拼接特征预测得到点击行为参数，通过cvr预估模型对该拼接特征预测得到转化行为参数，这样能够通过不同的预估模型来有针对性的分别预测点击行为参数和转化行为参数。
197.在一些实施例中，服务器侧还可以预先训练好一个集成预估模型，集成预估模型用于通过集成模型来预估该账号对该目标内容项的点击行为参数和转化行为参数，在这种情况下，服务器针对该账号提取到账号特征，针对该目标内容项提取到内容项特征，将账号特征和内容项特征进行拼接得到拼接特征，在将该拼接特征输入到集成预估模型中，通过集成预估模型对该拼接特征预测得到一个点击行为参数和一个转化行为参数，这样能够通
过一个集成模型来一次性预估点击行为参数和转化行为参数，简化了点击行为参数和转化行为参数的获取流程。
198.在步骤3013中，服务器基于该点击行为参数和该转化行为参数，确定该业务请求的资源反馈量。
199.在一些实施例中，由于该点击行为参数表征该账号点击该目标内容项的可能性，该转化行为参数表征该账号消费该目标内容项所关联对象的可能性，因此，对同一账号来说，将该账号的点击行为参数和转化行为参数相乘，即可得到该账号对目标内容项执行点击行为并执行转化行为的行为概率，这一行为概率表征了在向该账号投放目标内容项的情况下，该账号预计将会在点击该目标内容项之后消费目标内容项所关联对象的概率，因此这一行为概率反映了该业务请求的资源反馈量。
200.在步骤3014中，服务器将该资源反馈量与该资源消耗量之间的比值确定为该请求重要度。
201.在一些实施例中，服务器将该资源反馈量和资源消耗量相除，得到该请求重要度，即，服务器将资源反馈量除以资源消耗量所得的数值确定为该请求重要度。在业务请求的资源反馈量越高时，向发起业务请求的账号投放目标内容项的预期反馈数据就会越高，反之，在业务请求的资源反馈量越低时，向发起业务请求的账号投放目标内容项的预期反馈数据就会越低。
202.在上述过程中，通过对第一时间段内接收到的每个业务请求都计算请求重要度，通过下述步骤302来决策是否要向该账号投放目标内容项，能够有利于在给定资源的约束下，灵活决策消耗资源向哪些账号投放目标内容项，以获取到效果更好的预期反馈数据。
203.在步骤302中，服务器基于该第一时间段内接收到的多个业务请求各自的资源消耗量和请求重要度，获取目标内容项在该第一时间段的预设虚拟资源和资源反馈数据。
204.在一些实施例中，服务器在已经通过上述步骤301，对第一时间段内接收到的每个业务请求都获取到请求重要度和资源消耗量的基础上，对目标内容项的投放策略可以视为在给定资源约束下如何取得效果更好的预期反馈数据的问题。
205.在内容项投放场景中，涉及到如下任务：在限定的虚拟资源内，如何选择向哪些业务请求对应的账号投放目标内容项，才能够取得效果更好的预期反馈数据。
206.在给定资源约束下如何取得效果更好的预期反馈数据的思路基础上，图5是本技术实施例提供的一种求解预设虚拟资源和资源反馈数据的方式的流程图，下面将对求解预设虚拟资源和资源反馈数据的方式进行说明。
207.在步骤3021中，对任一预设虚拟资源，服务器按照请求重要度从高到低的顺序，从该多个业务请求中筛选得到至少一个目标业务请求。
208.其中，目标业务请求是指在给定的预设虚拟资源的基础上，经过筛选后需要消耗虚拟资源来向发起账号投放目标内容项的业务请求。
209.其中，该至少一个目标业务请求的资源消耗量的和值不超过该预设虚拟资源，即，筛选得到的所有目标业务请求的资源消耗量之和不能超过总的虚拟资源(即预设虚拟资源)。
210.在一些实施例中，上述筛选目标业务请求的过程，可视为一个按照请求重要度从高到低的顺序，依次将排序位于前面的业务请求挑选作为目标业务请求的过程，为了达到
效果更好的预期反馈数据，可以设定尽可能选中更多的请求重要度较高的目标业务请求，直到剩余资源无法再匹配下一个业务请求的资源消耗量时，停止对该下一个业务请求的挑选，将该下一个业务请求之前的所有业务请求都确定为筛选得到的目标业务请求。
211.在一些实施例中，服务器采取下述方式来筛选目标业务请求：按照请求重要度从高到低的顺序，对该多个业务请求进行排序；从该排序中位于首位的业务请求开始，累计在该排序中位于前目标位的业务请求的资源消耗量的和值；在该和值累计至不超过该预设虚拟资源且最接近该预设虚拟资源的情况下，将已累计的前目标位的业务请求确定为该至少一个目标业务请求。
212.在一个示例中，按照请求重要度从高到低的顺序，对第一时间段内接收到的多个业务请求进行排序，从排序中位于首位的业务请求(指请求重要度最高的业务请求)开始，累计业务请求的资源消耗量的和值，在仅选中一个业务请求时，资源消耗量的和值等于第一个业务请求自身的资源消耗量，若资源消耗量的和值小于预设虚拟资源，将排序中后一位的业务请求(例如排序位于第二位的业务请求)的资源消耗量与原本的和值相加，得到新的资源消耗量的和值，判断新的资源消耗量的和值是否仍然小于预设虚拟资源，如果仍然小于预设虚拟资源，则迭代执行上述步骤，直到发现某次将第i(i≥1)个业务请求资源消耗量累计后所得的新的资源消耗量的和值超过了预设虚拟资源，则将第i个业务请求之前的所有业务请求(不包括该第i个业务请求)即第1个至第i-1个业务请求确定为一共i-1个目标业务请求，这些目标业务请求就是在优先挑选请求重要度更高的原则下，所筛选得到的资源消耗量的和值不超过且最接近预设虚拟资源的业务请求，即保证了尽可能消耗资源来转化请求重要度更高的目标业务请求。
213.在步骤3022中，服务器将该至少一个目标业务请求的资源反馈量之和确定为与该预设虚拟资源相关联的资源反馈数据。
214.在一些实施例中，在通过上述步骤3021筛选得到了在预设虚拟资源的约束下，要对哪些目标业务请求返回目标内容项的基础上，以筛选得到的至少一个目标业务请求的资源反馈量之和来表征预期取得的资源反馈数据，至少一个目标业务请求的资源反馈量之和反映了总体向目标业务请求投放目标内容项之后，预期所得的最大资源互动量。
215.在一些实施例中，在对至少一个目标业务请求筛选完毕后，可以从筛选得到的该至少一个目标业务请求的请求重要度中，确定最小请求重要度，这一最小请求重要度可视为是在给定的预设虚拟资源的约束下，能够被选中的目标业务请求中取值最低的请求重要度阈值。
216.在一些实施例中，在设定取值不同的多个预设虚拟资源的情况下，可以分段求解得到每一取值的预设虚拟资源各自的资源反馈数据以及最小请求重要度。在一些实施例中，在设定资源越多的情况下，在固定请求量的网络环境下，被选中的目标业务请求的请求重要度可以适当降低。
217.需要说明的是，这里仅以使用最大资源互动量(即目标业务请求的资源反馈量之和)来表征资源反馈数据为例进行说明，可选地，在目标内容项所关联对象为商品或服务的情况下，还可以针对筛选得到的目标业务请求预测在投放后预计各个账号的总消费资源，比如，对每个账号都预测该账号预计会消费多少资源来购买目标内容项所关联的商品或服务，再将各个账号的预计消费资源之和作为总消费资源，再将该总消费资源作为资源反馈
数据，又例如，还可以在获取到最大资源互动量之后，将总虚拟资源(即对应的预设虚拟资源)除以最大资源互动量所得的单个账号的平均转化资源作为资源反馈数据，本技术实施例对资源反馈数据的类型不进行具体限定。
218.在上述过程中，通过求解在给定资源约束下如何取得效果更好的预期反馈数据的问题，能够在第一时间段内每次接收到业务请求时，服务器侧综合考虑业务请求的资源反馈量和资源消耗量，决策是否要消耗虚拟资源来转化发起该业务请求的账号，从而能够保证在总虚拟资源即预设虚拟资源确定的情况下，尽可能挑选到保证最大资源互动量的目标业务请求，即，保证将虚拟资源尽可能的消耗在请求重要度更高的目标业务请求上，从而能够优化在给定虚拟资源的情况下，针对目标内容项的投放策略。
219.在上述步骤301-302中，提供了获取目标内容项在第一时间段的预设虚拟资源和资源反馈数据的一种可能实施方式，即，通过求解在给定资源约束下如何取得效果更好的预期反馈数据的问题，能够保证将资源尽可能的消耗在请求重要度更高的目标业务请求上，从而能够优化在给定虚拟资源的情况下，针对目标内容项的投放策略，在一些实施例中，还可以将对目标内容项的预期曝光量、预期点击量等作为资源反馈数据，本技术实施例对此不进行具体限定。
220.在步骤303中，服务器基于该预设虚拟资源和在该第一时间段投放该目标内容项的投放虚拟资源，确定校准系数。
221.在一些实施例中，服务器可以将该投放虚拟资源和该预设虚拟资源相减，得到资源误差数据，这一资源误差数据表征了机器预测的预设虚拟资源和实际投入的投放虚拟资源之间的差异程度；接着，基于该投放虚拟资源和该资源误差数据，确定得到该校准系数，即通过资源误差数据和投放虚拟资源，确定出一个校准系数，使得在校准系数的作用下来对资源反馈数据进行一定比例的缩放，能够使得机器预测的资源反馈数据在经过校准系数的调整后，更加靠近于真实可能取得的实际反馈数据，从而能够通过校准系数来促使经过校准的校准反馈数据向真实可能取得的实际反馈数据进行靠拢。
222.示意性地，以xc表征目标用户在第一时间段内投放该目标内容项实际消耗的投放虚拟资源，以xt表征机器对第一时间段预测得到的预设虚拟资源，那么有资源误差数据gap＝xc-xt；接着，服务器获取预先设定的放大系数和平滑常量(两者均为技术人员预先设定的超参数)，根据资源误差数据gap、预设虚拟资源xc、放大系数和平滑常量，确定本次投放的校准系数α。
223.在一个示例中，校准系数α的表达式如下：
224.α＝(xc-gap*放大系数 平滑常量)/(xc 平滑常量)。
225.上述表达式仅给出了针对校准系数α的一种可能实施方式，技术人员可根据业务需求设定其他的校准系数α的获取方式，或者，针对不同类型的内容项设定不同类型的校准系数α的获取方式，本技术实施例对此不进行具体限定。
226.在步骤304中，服务器基于该校准系数，对该资源反馈数据进行校准，得到校准反馈数据。
227.在一些实施例中，通过上述步骤303获取到的校准系数，能够对资源反馈数据进行校准，由于在上述步骤301-302中介绍过了，有可能获取到的是多对资源-反馈数据，每对资源-反馈数据包含了一个预设虚拟资源以及与该预设虚拟资源相关联的资源反馈数据，在
这种情况下，服务器可以利用校准系数，对每对资源-反馈数据中的资源反馈数据都进行校准，得到一个校准后的校准反馈数据。需要说明的是，在利用校准系数进行校准时，仅对资源反馈数据进行校准，无需对预设虚拟资源进行校准。
228.换言之，针对上述步骤301-302获取到每一对预设虚拟资源xi_raw和资源反馈数据yi_raw，在利用校准系数α进行校准后，令xi表征校准后的预设虚拟资源，由于无需对预设虚拟资源进行校准，则有xi＝xi_raw，同时，令yi表征校准后的校准反馈数据，将资源反馈数据yi_raw与校准系数α相乘，得到经过校准后的校准反馈数据yi＝yi_raw*α。
229.需要说明的是，由于预设虚拟资源和资源反馈数据是构成一对资源-反馈数据的，因此在本步骤304中利用校准系数进行校准时，也可以以每对资源-反馈数据进行校准，从而在经过校准后会得到预设虚拟资源的校准反馈数据构成的一对经过校准的资源-反馈数据。
230.在步骤305中，服务器基于该预设虚拟资源和该校准反馈数据，预测得到该目标内容项在第二时间段的目标虚拟资源和目标反馈数据。
231.在一些实施例中，针对目标内容项的投放周期中除了第一时间段以外剩余的第二时间段，服务器获取该第二时间段的请求比例，其中，该请求比例表征该第二时间段的预计接收到的请求数量与该第一时间段已接收到的请求数量之间的比值，即，先获取第一时间段中已收到的全部请求数量，再根据历史投放周期预测得到一个第二时间段中预计可能会接收到的预计请求数量，接着，将预计请求数量除以该全部请求数量所得的比值确定为第二时间段的请求比例。
232.在一些实施例中，服务器基于该请求比例和该预设虚拟资源，确定该目标虚拟资源，比如，服务器将该预设虚拟资源和该请求比例相乘，得到该目标虚拟资源，例如，使用xi表征预设虚拟资源，使用xi_left表征目标虚拟资源，则有xi_left＝xi*请求比例。
233.在一些实施例中，服务器基于该请求比例和该校准反馈数据，确定该目标反馈数据，比如，服务器将该校准反馈数据和该请求比例相乘，得到该目标反馈数据，例如，使用yi表征校准反馈数据，使用yi_left表征目标反馈数据，则有yi_left＝yi*请求比例。
234.在上述过程中，通过利用请求比例来对第一时间段内预设虚拟资源和校准反馈数据进行放缩，能够预测得到更加精准的第二时间段预计的目标虚拟资源和对应的目标反馈数据，由于校准反馈数据是经过校准系数校准后的更加精准的预期反馈数据，那么通过对校准反馈数据放缩得到的目标反馈数据也能够更加精准的反映出来在第二时间段的预期反馈数据，这样能够提升目标反馈数据的预测准确度。
235.需要说明的是，由于上述步骤304中会对每对资源-反馈数据中的资源反馈数据利用校准系数进行校准，得到在一对经过校准的资源-反馈数据，因此，对每一对经过校准的资源-反馈数据，都可以通过本步骤305利用请求比例进行缩放，得到一对经过缩放的第二时间段预估的资源-反馈数据，即目标虚拟资源和目标反馈数据也是一一对应的，且可以对多对预设虚拟资源和校准反馈数据缩放得到多对目标虚拟资源和目标反馈数据。
236.在步骤306中，服务器基于该投放虚拟资源和该目标虚拟资源，确定该目标内容项的全量虚拟资源。
237.在一些实施例中，由于在目标内容项的投放周期中，第一时间段是已投放目标内容项的时间段，第二时间段是指在投放周期中剩余的未投放目标内容项的时间段，而在第
一时间段内由于已经完成了对目标内容项的投放工作，因此第一时间段内投放目标内容项所实际消耗的投放虚拟资源是一个固定值，因此，将第一时间段实际的投放虚拟资源和上述步骤305预测得到的第二时间段的目标虚拟资源相加，即可得到在整个投放周期的全量虚拟资源。例如，使用x0表征第一时间段实际的投放虚拟资源，使用xi_left表征第二时间段预计的目标虚拟资源，那么有全量虚拟资源xi_all＝x0 xi_left。
238.需要说明的是，由于上述步骤305中可能会获取到多对目标虚拟资源和目标反馈数据，因此在本步骤306中获取全量虚拟资源时，投放虚拟资源x0是一个固定值，但目标虚拟资源xi_left则是一个可变量，随着目标虚拟资源xi_left的分段取值的不同，会得到多个全量虚拟资源xi_all。
239.在步骤307中，服务器基于在该第一时间段投放该目标内容项的投放反馈数据和该目标反馈数据，确定该目标内容项的全量反馈数据。
240.在一些实施例中，由于在目标内容项的投放周期中，第一时间段是已投放目标内容项的时间段，第二时间段是指在投放周期中剩余的未投放目标内容项的时间段，而在第一时间段内由于已经完成了对目标内容项的投放工作，因此第一时间段内投放目标内容项所实际取得的投放反馈数据也是一个固定值，因此，将第一时间段实际的投放反馈数据和上述步骤305预测得到的第二时间段的目标反馈数据相加，即可得到在整个投放周期的全量反馈数据。例如，使用y0表征第一时间段实际的投放反馈数据，使用yi_left表征第二时间段预计的目标反馈数据，那么有全量反馈数据yi_all＝y0 yi_left。
241.需要说明的是，由于上述步骤305中可能会获取到多对目标虚拟资源和目标反馈数据，因此在本步骤307中获取全量反馈数据时，投放反馈数据y0是一个固定值，但目标反馈数据yi_left则是一个可变量，随着目标反馈数据yi_left的分段取值的不同，会得到多个全量反馈数据yi_all。
242.在步骤308中，服务器基于该全量虚拟资源和该全量反馈数据，获取该目标内容项的资源推荐信息。
243.其中，该资源推荐信息用于对在第二时间段投放该目标内容项消耗的虚拟资源进行推荐。
244.在一些实施例中，该资源推荐信息包括至少一个资源推荐值和该至少一个资源推荐值各自的反馈数据，即服务器会对目标用户先确定出至少一个资源推荐值，再针对每个资源推荐值给出对应的反馈数据，以便于目标用户一目了然的查看推荐采用多少资源，以及每种资源预期收获多少反馈数据，从而便于降低目标用户设定资源时的决策成本，提升目标用户对虚拟资源的决策效率。
245.在一些实施例中，以资源推荐信息包括至少一个资源推荐值和该至少一个资源推荐值各自的反馈数据为例，对资源推荐信息的获取方式进行说明，图6是本技术实施例提供的一种资源推荐值和反馈数据的获取方法的流程图，下面将对资源推荐值和反馈数据的获取方法进行说明。
246.在步骤3081中，服务器基于该全量虚拟资源和该全量反馈数据，拟合得到资源反馈曲线。
247.其中，该资源反馈曲线表征在目标时间段中投放该目标内容项消耗的虚拟资源和收获的反馈数据之间的变化关系，该目标时间段由该第一时间段和该第二时间段构成，换
言之，目标时间段是指对目标内容项的整个投放周期。
248.在一些实施例中，如步骤306和307中介绍的，服务器获取到的全量虚拟资源可能是多个不同的资源阈值，而服务器获取到的全量反馈数据则可能是多个全量虚拟资源分别所预期取得的多个不同的反馈数据，即，全量虚拟资源和全量反馈数据也会构成多对资源-反馈数据，因此，可以以不同的全量虚拟资源作为不同资源阈值，将不同的全量反馈数据作为提供资源阈值下所预期取得的反馈数据，来构建以资源阈值为横轴、以反馈数据为纵轴的坐标系。在构建了坐标系的情况下，对任一资源阈值，在该全量虚拟资源等于该资源阈值的情况下，将该全量虚拟资源所预期获得的全量反馈数据确定为该资源阈值的反馈数据，从而能够在该坐标系中，对每一对全量虚拟资源和全量反馈数据都能够找到一个唯一对应的坐标点，这一坐标点的横坐标等于全量虚拟资源即资源阈值，这一坐标点的纵坐标等于与该全量虚拟资源所对应的全量反馈数据即资源阈值所预期取得的反馈数据，接着，根据在该坐标系中确定与多对全量虚拟资源和全量反馈数据分别对应的多个坐标点，拟合得到一条资源反馈曲线，换言之，由于每个坐标点的横坐标表征资源阈值、纵坐标表征资源阈值的反馈数据，因此相当于服务器基于多个资源阈值和该多个资源阈值各自的反馈数据，拟合得到该资源反馈曲线。通过对资源反馈曲线进行拟合，能够方便地根据有限的多对全量虚拟资源和全量反馈数据，来预估任意取值的虚拟资源和预期反馈数据，从而方便了进行资源投放的精准决策。
249.在一些实施例中，服务器在进行曲线拟合时，可以直接将多个坐标点相连构成的折线作为资源反馈曲线，或者，在技术人员预先设定了拟合函数的情况下，还可以根据拟合函数来基于该多个坐标点拟合得到一条符合该拟合函数的资源反馈曲线，比如，拟合函数可以是线性拟合函数、多项式拟合函数、最小二乘拟合函数等，本技术实施例对资源反馈曲线的拟合方式不进行具体限定。
250.在上述过程中，通过针对多对全量虚拟资源和全量反馈数据分别对应的多个坐标点进行曲线拟合，使得拟合所得的资源反馈曲线能够表征出来在的目标内容项整个投放周期中虚拟资源和预期反馈数据之间的变化关系，由于全量虚拟资源是基于第一时间段真实消耗的投放虚拟资源和第二时间段经过缩放后精准预测的目标虚拟资源相加得到的，而全量反馈数据则是基于第一时间段真实取得的投放反馈数据和第二时间段经过校准和缩放后精准预测的目标反馈数据相加得到的，这保证了每对全量虚拟资源和全量反馈数据都具有很高的预测准确性，从而保证了用于拟合资源反馈曲线的多个坐标点更加精准且贴合实际，因此提升了拟合得到的资源反馈曲线的预估精准度。
251.在一些实施例中，由于在步骤3022中介绍了反馈数据具有多种不同的形式，如最大资源互动量、总消费资源、单个账号的平均转化资源等，而同一目标内容项可能会需要同时评估最大资源互动量、总消费资源、平均转化资源中的至少一项，因此，服务器在反馈数据的形式不同时，拟合所得的资源反馈曲线也不尽相同，比如，当反馈数据为总消费资源时，拟合所得的资源反馈曲线是一条资源反馈量随着资源阈值的变化曲线(即横坐标为资源阈值、纵坐标为总消费资源即资源反馈量)，又例如，当反馈数据为最大资源互动量时，拟合所得的资源反馈曲线是一条资源互动量随着资源阈值的变化曲线(即横坐标为资源阈值、纵坐标为最大资源互动量)。
252.在一些实施例中，由于上述最大资源互动量和单个账号的平均转化资源之间是具
有一定转换关系的，即平均转化资源是由资源阈值除以最大资源互动量所得的数值，因此不同的资源反馈曲线之间也具有一定的转换关系，服务器可以针对一个目标内容项，拟合得到一条或多条资源反馈曲线，并将这些资源反馈曲线均展示给目标用户，以便于目标用户从多种反馈数据的不同指标来综合衡量要将本次投放的虚拟资源设定为多少。
253.图7是本技术实施例提供的一种展示资源反馈曲线的界面示意图，如图7所示，以本次参与成效估算的投放周期为内容项投放的首日为例进行说明，在资源推荐信息的展示界面700中，提供有资源反馈曲线的展示区域，在展示区域中，提供有两条不同的资源反馈曲线701和702。
254.在步骤3082中，服务器基于该资源反馈曲线，确定至少一个资源推荐值和该至少一个资源推荐值各自的反馈数据。
255.在一些实施例中，服务器可以从该资源反馈曲线中获取至少一个采样点，每个采样点的横坐标取值代表了一个资源推荐值，纵坐标取值代表了该资源推荐值的反馈数据，从而基于该至少一个采样点，能够确定出来至少一个资源推荐值和该至少一个资源推荐值各自的反馈数据，上述至少一个资源推荐值和该至少一个资源推荐值各自的反馈数据即为最终需要输出的资源推荐信息。
256.在一些实施例中，服务器可以基于目标用户的历史平均资源值，来从资源反馈曲线中进行采样，以获取到资源推荐值和对应的反馈数据，下面进行说明：
257.在一些实施例中，服务器基于目标用户对内容项的历史投放信息，确定历史平均资源值，这一历史平均资源值是指目标用户在历史时间段内对其他内容项的历史投放过程中平均转化单个账号所消耗的平均资源值。
258.可选地，服务器基于目标用户在指定的历史时间段的历史投放信息，确定目标用户的历史投放总资源和历史总转化数，将历史投放总资源除以历史总转化数，得到历史平均资源值，可选地，历史时间段由技术人员或目标用户进行自定义设定，比如历史时间段可以是最近一周、最近一个月、最近半年、最近一年等，本技术实施例对此不进行具体限定。
259.在一些实施例中，服务器基于该历史平均资源值，获取该至少一个资源推荐值。比如，假设拟合的是单个账号的平均转化资源随着资源阈值变化的资源反馈曲线，则直接可以以该历史平均资源值作为纵坐标，在资源反馈曲线中采样得到取值等于该纵坐标的采样点，将该采样点的横坐标作为一个资源推荐值，接着，还可以对该历史平均资源值进行缩放，得到多个缩放平均资源值，并基于类似的方式也从资源反馈曲线中采样得到多个资源推荐值。又比如，假设拟合的是最大资源互动量随着资源阈值变化的资源反馈曲线，则可以先根据最大资源互动量随着资源阈值变化的资源反馈曲线，转换得到一条平均转化资源随着资源阈值变化的资源反馈曲线，再通过上述方式采样得到至少一个资源推荐值，本技术实施例对资源推荐值的获取方式不进行具体限定。
260.在一个示例中，在基于历史平均资源值采样得到一个资源推荐值之后，将历史平均资源值提升设定百分比和降低设定百分比作为两个缩放平均资源值，即在历史平均资源值的基础上，按照设定百分比进行缩小和/或放大，得到对应的缩放平均资源值，并基于类似的方式也从资源反馈曲线中采样得到与这两个缩放平均资源值各自对应的两个资源推荐值，结合原本历史平均资源值采样到的资源推荐值，一共得到了三个资源推荐值，这里仅是对采样方式的一种示例，但不构成对获取的资源推荐值的数量的具体限定。其中，设定百
分比是预先设定的任一百分比。
261.在图7的基础上继续进行说明，在资源推荐信息的展示界面700中，还提供有资源推荐信息的展示区域，在资源推荐信息的展示区域中，显示有三档可选的资源推荐值，并展示了每一档资源推荐值各自的反馈数据，由于针对两类反馈数据拟合了两条资源反馈曲线，例如，三档资源推荐值包括：保守型、平衡型和放量型，保守型是根据历史平均资源值按照设定百分比缩小后的缩放平均资源值采样到的资源推荐值，平衡型是根据历史平均资源值采样到的资源推荐值，放量型是根据历史平均资源值按照设定百分比放大后的缩放平均资源值采样到的资源推荐值。可选地，在资源推荐信息的展示区域中，还提供有采纳资源选项703，目标用户可以通过对采纳资源选项703执行触发操作，来触发将选中的资源推荐值作为本次修改后的虚拟资源，可选地，在目标用户对采纳资源选项703执行触发操作后，自动返回在开启资源推荐功能之前的上一个内容项投放设置界面，并将选中的资源推荐值填入到该内容项投放设置界面中针对虚拟资源的编辑框，极大降低了目标用户对虚拟资源的决策成本，提升了目标用户对虚拟资源的决策效率。
262.在一些实施例中，由于已经确定了至少一个资源推荐值(即确定了至少一个采样点的横坐标)，只需要在该资源反馈曲线中，确定横坐标取值为该至少一个资源推荐值的至少一个采样点，再将该至少一个采样点各自的纵坐标取值获取为该至少一个资源推荐值各自的反馈数据。
263.在上述过程中，示出了基于历史平均资源值来采样资源推荐值的一种可能实施方式，这样能够尽量保证向目标用户给出的资源推荐值不至于太过偏移和以往历史投放过程的人均转化消耗资源，具有很高的易用性和参考价值。
264.在一些实施例中，除了利用历史平均资源值来采样资源推荐值之外，还可以采用历史平均消耗值(即在指定的历史时间段内的历史投放总资源除以历史投放次数所得的数值)等来对资源推荐值进行采样，本技术实施例对资源推荐值的采样方式不进行具体限定。
265.图8是本技术实施例提供的一种资源推荐信息的获取方式的原理性流程图，如图8所示，示出了整个资源推荐信息的获取流程：先根据第一时间段内对多个业务请求计算得到的原始表log(用于记录对每个业务请求预计的资源消耗量)；接着，根据上述原始表log，产出原始的成效预估数据：多对预设虚拟资源xi_raw和资源反馈数据yi_raw；接着，利用校准系数α来进行成效预估校准，即，获取到校准后的预设虚拟资源xi＝xi_raw(无需校准)，和校准后的校准反馈数据yi＝yi_raw*α；接着，以投放周期为目标内容项的投放首日(从开始投放的时刻起算的24小时)为例，基于投放首日中除了已投放的第一时间段以外剩余的第二时间段的请求比例，对校准后的预设虚拟资源xi和校准反馈数据yi进行放缩，得到目标虚拟资源xi_left＝xi*请求比例，以及目标反馈数据yi_left＝yi*请求比例，可选地，利用目标虚拟资源xi_left和目标反馈数据yi_left可以拟合得到第二时间段的资源反馈曲线(拟合方式与全天的资源反馈曲线类似，这里不做赘述)；接着，按照第一时间段实际的投放虚拟资源x0和第二时间段预计的目标虚拟资源xi_left，获取到首日的全量虚拟资源xi_all＝x0 xi_left，同理，按照第一时间段实际的投放反馈数据y0和第二时间段预计的目标反馈数据yi_left，获取到首日的全量反馈数据yi_all＝y0 yi_left，可选地，利用全量虚拟资源xi_all和全量反馈数据yi_all，可以拟合得到投放首日全天的资源反馈曲线；接着，在全天的资源反馈曲线上按照历史平均资源值进行采样，例如，在历史平均资源值的基础
上按照设定百分比n％进行缩放，得到三档资源推荐值包括：保守型、平衡型和放量型，即分别给出相当于历史平均资源值(-n％、0、 n％)三个档次取值情况下的资源推荐值和预期的反馈数据，n＞0；接着，上述第二时间段的资源反馈曲线、全天的资源反馈曲线以及三档资源推荐值都可以提供给优化师来进行综合的成效预估。此外，在第二时间段的资源反馈曲线的基础上，还可以获取到第二时间段内所预期的剩余虚拟资源x’，剩余虚拟资源x’可以是根据历史平均资源值在第二时间段的资源反馈曲线采样到的资源值，或者，剩余虚拟资源x’还可以是第二时间段的资源反馈曲线中针对资源阈值计算得到的数学期望，本技术实施例对此不进行具体限定；接着，由于剩余虚拟资源x’仅代表了在总资源中用于转化发起业务请求的账号所需消耗的资源，但很可能目标用户还可能产生其他类型的资源消耗，因此，可以将该剩余虚拟资源x’发送给检索引擎，以便于生成与这一剩余虚拟资源x’相匹配的预期虚拟资源，并将预期虚拟资源展示给目标用户进行参考。
266.在上述步骤305-308中，提供了服务器基于该预设虚拟资源和该校准反馈数据，获取该目标内容项的资源推荐信息的一种可能实施方式，即，服务器利用预设虚拟资源和校准反馈数据，先按照请求比例缩放得到第二时间段内的目标虚拟资源和目标反馈数据，再结合第一时间段实际消耗的投放虚拟资源和实际取得的投放反馈数据，确定在整个投放周期内的全量虚拟资源和全量反馈数据，进而来拟合资源反馈曲线，将从资源反馈曲线中采样到的资源推荐值和对应的反馈数据作为资源推荐信息，使得整个资源推荐信息的获取方式不但具有更高的精准性，而且还具有很高的易用性。
267.上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
268.本公开实施例提供的方法，通过机器预测的预设虚拟资源和实际消耗的投放虚拟资源，来获取到一个校准系数，这一校准系数能够对资源反馈数据进行校准，使得校准所得的校准反馈数据能够尽量向投入该预设虚拟资源后所得到的实际反馈数据靠拢，由于校准反馈数据的预测准确度得到了大幅提升，从而能够提高根据预设虚拟资源和校准反馈数据获取到的资源推荐信息的准确度，也即提升了资源推荐准确度。
269.在通过本技术实施例提供的方法，来评估给定资源下的反馈数据，并生成资源推荐信息的过程中，大幅提升了aa评估模式下的成效预估达标率，其中，aa评估是指在在使用本技术实施例的方式评估给定资源下的反馈数据之前，和使用本技术实施例的方式评估给定资源下的反馈数据之后，两种情况下成效预估达标率的对比，并且，在利用本技术实施例的方法生成资源推荐信息后，可以将这些资源推荐信息展示给目标用户等，以便于目标用户来参考决策本次要要投入多少资源，这些资源推荐信息具有自优化能力，并且还大幅提升了在相同转化目标(指相同类型的反馈数据的衡量指标)的情况下，预测的虚拟资源的确定性。
270.图9是根据一示例性实施例示出的一种资源推荐信息的获取装置的逻辑结构框图。参照图9，该装置包括第一获取单元901、确定单元902、校准单元903以及第二获取单元904。
271.第一获取单元901，被配置为执行获取目标内容项在第一时间段的预设虚拟资源和资源反馈数据；
272.确定单元902，被配置为执行基于该预设虚拟资源和在该第一时间段投放该目标
内容项的投放虚拟资源，确定校准系数；
273.校准单元903，被配置为执行基于该校准系数，对该资源反馈数据进行校准，得到校准反馈数据；
274.第二获取单元904，被配置为执行基于该预设虚拟资源和该校准反馈数据，获取该目标内容项的资源推荐信息，该资源推荐信息用于对在第二时间段投放该目标内容项消耗的虚拟资源进行推荐。
275.本公开实施例提供的装置，通过机器预测的预设虚拟资源和实际消耗的投放虚拟资源，来获取到一个校准系数，这一校准系数能够对资源反馈数据进行校准，使得校准所得的校准反馈数据能够尽量向投入该预设虚拟资源后所得到的实际反馈数据靠拢，由于校准反馈数据的预测准确度得到了大幅提升，从而能够提高根据预设虚拟资源和校准反馈数据获取到的资源推荐信息的准确度，也即提升了资源推荐准确度。
276.在一种可能实施方式中，基于图9的装置组成，该第二获取单元904包括：
277.预测子单元，被配置为执行基于该预设虚拟资源和该校准反馈数据，预测得到该目标内容项在该第二时间段的目标虚拟资源和目标反馈数据；
278.确定子单元，被配置为执行基于该投放虚拟资源和该目标虚拟资源，确定该目标内容项的全量虚拟资源；
279.该确定子单元，还被配置为执行基于在该第一时间段投放该目标内容项的投放反馈数据和该目标反馈数据，确定该目标内容项的全量反馈数据；
280.第一获取子单元，被配置为执行基于该全量虚拟资源和该全量反馈数据，获取该资源推荐信息。
281.在一种可能实施方式中，该预测子单元被配置为执行：
282.获取该第二时间段的请求比例，该请求比例表征该第二时间段的预计接收到的请求数量与该第一时间段已接收到的请求数量之间的比值；
283.基于该请求比例和该预设虚拟资源，确定该目标虚拟资源；
284.基于该请求比例和该校准反馈数据，确定该目标反馈数据。
285.在一种可能实施方式中，该资源推荐信息包括至少一个资源推荐值和该至少一个资源推荐值各自的反馈数据；
286.基于图9的装置组成，该第一获取子单元包括：
287.拟合子子单元，被配置为执行基于该全量虚拟资源和该全量反馈数据，拟合得到资源反馈曲线，该资源反馈曲线表征在目标时间段中投放该目标内容项消耗的虚拟资源和收获的反馈数据之间的变化关系，该目标时间段由该第一时间段和该第二时间段构成；
288.第一确定子子单元，被配置为执行基于该资源反馈曲线，确定该至少一个资源推荐值和该至少一个资源推荐值各自的反馈数据。
289.在一种可能实施方式中，该第一确定子子单元被配置为执行：
290.基于对内容项的历史投放信息，确定历史平均资源值；
291.基于该历史平均资源值，获取该至少一个资源推荐值；
292.在该资源反馈曲线中，获取该至少一个资源推荐值各自的反馈数据。
293.在一种可能实施方式中，该拟合子子单元被配置为执行：
294.对任一资源阈值，在该全量虚拟资源等于该资源阈值的情况下，将该全量虚拟资
源所预期获得的全量反馈数据确定为该资源阈值的反馈数据；
295.基于多个资源阈值和该多个资源阈值各自的反馈数据，拟合得到该资源反馈曲线。
296.在一种可能实施方式中，该资源反馈曲线包括下述至少一项：资源反馈量随着资源阈值的变化曲线；或，资源回报率随着资源阈值的变化曲线；或，资源互动量随着资源阈值的变化曲线。
297.在一种可能实施方式中，基于图9的装置组成，该第一获取单元901包括：
298.第二获取子单元，被配置为执行对该第一时间段内接收到的任一业务请求，获取该业务请求的资源消耗量和请求重要度，该资源消耗量表征对该业务请求返回该目标内容项时所需从预设虚拟资源中消耗的资源量，该请求重要度表征对该业务请求返回该目标内容项时资源反馈量与资源消耗量的比值；
299.第三获取子单元，被配置为执行基于该第一时间段内接收到的多个业务请求各自的资源消耗量和请求重要度，获取该预设虚拟资源和该资源反馈数据。
300.在一种可能实施方式中，该第二获取子单元被配置为执行：
301.对发起该业务请求的账号，预测该账号对该目标内容项的点击行为参数和转化行为参数，该点击行为参数表征该账号点击该目标内容项的可能性，该转化行为参数表征该账号消费或激活该目标内容项所关联对象的可能性；
302.基于该点击行为参数和该转化行为参数，确定该业务请求的资源反馈量；
303.将该资源反馈量与该资源消耗量之间的比值确定为该请求重要度。
304.在一种可能实施方式中，基于图9的装置组成，该第三获取子单元包括：
305.筛选子子单元，被配置为执行对任一预设虚拟资源，按照请求重要度从高到低的顺序，从该多个业务请求中筛选得到至少一个目标业务请求，该至少一个目标业务请求的资源消耗量的和值不超过该预设虚拟资源；
306.第二确定子子单元，被配置为执行将该至少一个目标业务请求的资源反馈量之和确定为与该预设虚拟资源相关联的资源反馈数据。
307.在一种可能实施方式中，该筛选子子单元被配置为执行：
308.按照请求重要度从高到低的顺序，对该多个业务请求进行排序；
309.从该排序中位于首位的业务请求开始，累计在该排序中位于前目标位的业务请求的资源消耗量的和值；
310.在该和值累计至不超过该预设虚拟资源且最接近该预设虚拟资源的情况下，将已累计的前目标位的业务请求确定为该至少一个目标业务请求。
311.在一种可能实施方式中，该确定单元902还被配置为执行：
312.将该投放虚拟资源和该预设虚拟资源相减，得到资源误差数据；
313.基于该投放虚拟资源和该资源误差数据，确定得到该校准系数。
314.上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
315.关于上述实施例中的装置，其中各个单元执行操作的具体方式已经在有关该资源推荐信息的获取方法的实施例中进行了详细描述，此处将不做详细阐述说明。
316.图10是本公开实施例提供的一种计算机设备的结构示意图，该计算机设备1000可
因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)1001和一个或一个以上的存储器1002，其中，该存储器1002中存储有至少一条程序代码，该至少一条程序代码由该处理器1001加载并执行以实现上述各个实施例提供的资源推荐信息的获取方法。当然，该计算机设备1000还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该计算机设备1000还可以包括其他用于实现设备功能的部件，在此不做赘述。
317.在示例性实施例中，还提供了一种包括至少一条指令的计算机可读存储介质，例如包括至少一条指令的存储器，上述至少一条指令可由计算机设备中的处理器执行以完成上述实施例中的资源推荐信息的获取方法。可选地，上述计算机可读存储介质可以是非临时性计算机可读存储介质，例如，该非临时性计算机可读存储介质可以包括rom(read-only memory，只读存储器)、ram(random-access memory，随机存取存储器)、cd-rom(compact disc read-only memory，只读光盘)、磁带、软盘和光数据存储设备等。
318.在示例性实施例中，还提供了一种计算机程序产品，包括一条或多条指令，该一条或多条指令可以由计算机设备的处理器执行，以完成上述各个实施例提供的资源推荐信息的获取方法。
319.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。
320.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。