据及第三数据。基于此，信息 发布系统使用Storm等流式数据处理工具实现实时回流有关发布信息的检索和排序数据， 以协助服务器快速分析发布信息曝光波动的原因。这里，本发明实施例使用Storm等流式数 据处理工具进行实时数据处理流程如图11所示。
[0147] 步骤c2,服务器利用所述第一数据和所述第二数据进行建模得到用于计算所述X 个逻辑单元中每一个逻辑单元对应影响因子的第二数据模型；
[0148] 具体地，提取经X个逻辑单元分别处理时所耗费的资源占用量resy和rest作为第一 数据，其中，res y表示某发布信息（如广告)在y时间段进入逻辑单元的流量资源，rest表示t 时间的流量资源;提取经X个逻辑单元分别处理时所能达到的竞争能力强度pr〇y和prot作为 第二数据，其中，pr 〇y表示y时间某发布信息(如广告)通过该逻辑单元的竞争能力强度，pr〇t 表示t时间某发布信息的竞争能力强度;之后，根据所述第一数据和所述第二数据进行建模 得到第二数据模型如图8所示。
[0149] 步骤c3,服务器根据所述第二数据模型按照第二预定规则确定所述X个逻辑单元 中每一个逻辑单元对应的第一影响因子和第二影响因子；
[0150] 这里，基于如图8所示的第二数据模型，可以得知，y时刻通过逻辑单元的流量资源 flowy = resy Xproy，t时刻通过逻辑单元的流量资源flowt = restXprot，那么t时刻与y时刻 的输出波动量f 1 〇w = f 1 owf fl owy=A1+A2+A3，其中：
[0151 ] Ai = resyX (pr〇t-proy),
[0152] A2 = proy X (rest-resy)，
[0153] A3= (pr〇t_proy) X (rest_resy);
[0154] 服务器根据如图8所示的第二数据模型按照耦合分解算法确定所述X个逻辑单元 中每一个逻辑单元对应的第一影响因子weight_res和第二影响因子weight_pro,其计算如 下：
[0155] 1)当心与六2符号相同时，
[0156] weight_res=A2+(A2/(A1+A2)) XA3,weight_pro=Ai+(Ai/(A1+A2)) XA3；
[0157] 2)当心与六3符号相同时，
[0158] weight_ _res=Ai+A3，weigh t-pro=A2;
[0159] 3)当A2与A3符号相同时，
[0160] weight_ _r e s = Ai，we i gh t_pro = A2+A3 〇
[0161] 步骤c4,服务器按照第一预定规则基于X个逻辑单元所属系统层架构进行建模得 到第一数据模型，如图5所示。
[0162] 具体地，基于X个逻辑单元所属系统层架构一般由检索、粗排、精排等部分组成，每 个部分中又会包含逻辑单元，这些不同部分的逻辑单元之间通过层次树级联的方式加以抽 象，得到如图5所示的第一数据模型。所述第一数据模型中，包括对应各个逻辑单元的一级 波动原因和二级波动原因。
[0163] 当然，在实际应用中，也可以基于X个逻辑单元所属系统层架构采用其他方式加以 抽象，如层次不止两层或者采用并联串联的方式建模。
[0164] 步骤c5,服务器按照所述第一数据模型对所述第一影响因子进行归一化处理，得 到第一归一化影响因子；
[0165] 步骤c6,服务器按照第三预定规则根据获取的第三数据确定与所述N个第三特征 量对应的N个第三影响因子，按照所述第一数据模型基于第四预定规则对所述第三影响因 子进行归一化处理，得到第三归一化影响因子。
[0166] 这里，基于如图5所示的第一数据模型，这些逻辑单元各自通过耦合分解算法得到 的第一影响因子weight_res，对应图5中的一级波动原因 A、B、C、D等，通过级联相乘归一化 得到第一归一化影响因子;其中，
[0167] 这里，根据如图5所示的层次树模型，每一层的一级波动原因权重，即第一影响因 子之和为1;
[0168] weigh t_A+we ight_B+weight_C=l
[0169] -级波动原因下面的二级波动原因权重，即第三影响因子之和亦为1;
[0170] weight_a+weight_P+weight_ γ =1
[0171] 进一步地，当前层第一归一化影响因子为第一影响因子乘以上层对应的第一归一 化影响因子：
[0172] norma1i z e d_we i ght_C=we g i ht_C X norma1i z e d_we i ght_D
[0173] 第三归一化影响因子为第三影响因子乘以当前层第一归一化影响因子：
[0174] norma 1 ized_we ight_a = we ight_a X norma 1 ized_wegiht_C
[0175] norma1i z e d_we i gh?_β=we i gh?_β X norma1i z e d_we g i ht_C
[0176] normalized_weight_y =weight_y Xnormalized_wegiht_C
[0177] 这里，所述服务器执行步骤cl~c6的处理过程时，可以采用中央处理器、数字信号 处理器或可编程逻辑阵列等实现。
[0178] 步骤c7,服务器根据所述第一归一化影响因子和所述第二影响因子确定影响所述 X个逻辑单元中每一个逻辑单元发布决策的综合影响因子，并输出到第一终端，以由第一终 端根据所述综合影响因子将所述发布信息推送至第二终端(发布信息的接收端)进行信息 发布。
[0179] 这里，对本发明实施例涉及的缩略语和关键术语定义举例说明如下：
[0180] 1)流量资源:发布信息位请求量、进入粗排精排的次数等；
[0181] 2)竞争能力:发布信息本身的出价、行业特征、质量度等。
[0182] 这里需要指出的是：以下服务器项的描述，与上述方法描述是类似的，同方法的有 益效果描述，不做赘述。对于本发明服务器实施例中未披露的技术细节，请参照本发明方法 实施例的描述。
[0183] 实施例五：
[0184] 图12为本发明实施例服务器的组成结构示意图，如图12所示，本发明实施例服务 器包括：
[0185] 第一获取单元110,用于获取第一数据，所述第一数据用于表征发布信息经X个逻 辑单元分别处理时所耗费的第一特征量，所述X为> =2的正整数；
[0186] 第二获取单元120,用于获取第二数据，所述第二数据用于表征所述发布信息经X 个逻辑单元分别处理时所能达到的第二特征量；
[0187] 第一确定单元130,用于根据所述第一数据和所述第二数据确定所述X个逻辑单元 中每一个逻辑单元对应的第一影响因子和第二影响因子；
[0188] 处理单元140,用于根据所述第一影响因子和所述第二影响因子确定影响所述X个 逻辑单元中每一个逻辑单元发布决策的综合影响因子，发送所述综合影响因子给第一终 端。
[0189] 在本发明实施例实施方式中，所述处理单元，进一步包括：
[0190] 第一建模子单元，用于按照第一预定规则基于X个逻辑单元所属系统层架构进行 建模得到第一数据模型；
[0191] 第一处理子单元，用于按照所述第一数据模型对所述第一影响因子进行归一化处 理，得到第一归一化影响因子；
[0192] 第二处理子单元，用于根据所述第一归一化影响因子和所述第二影响因子确定影 响所述X个逻辑单元中每一个逻辑单元发布决策的综合影响因子。
[0193] 在本发明实施例实施方式中，所述第一确定单元，进一步包括：
[0194] 第二建模子单元，用于利用所述第一数据和所述第二数据进行建模得到用于计算 所述X个逻辑单元中每一个逻辑单元对应影响因子的第二数据模型；
[0195] 第三确定子单元，用于根据所述第二数据模型按照第二预定规则确定所述X个逻 辑单元中每一个逻辑单元对应的第一影响因子和第二影响因子。
[0196] 在本发明实施例实施方式中，所述第一确定单元，进一步包括：
[0197] 第一提取子单元，用于提取经X个逻辑单元分别处理时所耗费的资源占用量，作为 所述第一数据；
[0198] 第二提取子单元，用于提取经X个逻辑单元分别处理时所能达到的竞争能力强度， 作为所述第二数据；
[0199] 第二确定子单元，用于根据所述资源占用量和所述竞争能力强度确定资源占用权 重，将所述资源占用权重作为所述第一影响因子；
[0200] 第三确定子单元，用于根据所述资源占用量和所述竞争能力强度确定竞争能力权 重，将所述竞争能力权重作为所述第二影响因子。
[0201] 在本发明实施例实施方式中，所述服务器还包括：
[0202]第三获取单元，用于获取第三数据，所述第三数据用于表征所述发布信息经X个逻 辑单元分别处理时对应竞争失败影响程度的N个第三特征量，所述N为> =2的正整数；
[0203]第二确定单元，用于按照第三预定规则根据所述第三数据确定与所述N个第三特 征量对应的N个第三影响因子。
[0204] 在本