一种推广信息的投放方法、装置和系统与流程

本发明涉及通信技术领域，具体涉及一种推广信息的投放方法、装置和系统。

背景技术：

推广信息，如广告对于一个产品或事物的推广而言，具有举足轻重的作用，因此，如何对推广信息进行投放，一直以来都是业界较为重视的一个问题。

以广告为例，在现有技术中，在为展示广告寻找投放用户时，一般都会先分析用户对广告的感兴趣程度，比如通过用户行为或用户标签等方式来确定用户对广告的感兴趣程度，然后基于该感兴趣程度对用户进行打分，按分数从高到低的顺序向用户投放广告。

在对现有技术的研究和实践过程中，本发明的发明人发现，虽然现有技术在一定程度上可以提高推广信息如广告的投放精准性，但是其投放效果并不佳。

技术实现要素：

本发明实施例提供一种推广信息的投放方法、装置和系统，可以提高投放的灵活性，以及提高投放效果。

本发明实施例提供一种推广信息的投放方法，包括：

获取需要进行投放的推广信息，以及用户行为数据；

根据所述用户行为数据确定用户与所述推广信息的相关度；

根据所述用户行为数据计算用户的个人影响度和社会影响度；

基于用户与所述推广信息的相关度、个人影响度和社会影响度确定所述推广信息的投放对象；

对所述投放对象进行推广信息的投放。

相应的，本发明实施例还提供一种推广信息的投放装置，包括：

获取单元，用于获取需要进行投放的推广信息，以及用户行为数据；

相关度确定单元，用于根据所述用户行为数据确定用户与所述推广信息的相关度；

运算单元，用于根据所述用户行为数据计算用户的个人影响度和社会影响度；

对象确定单元，用于基于用户与所述推广信息的相关度、个人影响度和社会影响度确定所述推广信息的投放对象；

投放单元，用于对所述投放对象进行推广信息的投放。

此外，本发明实施例还提供一种推广信息的投放系统，包括本发明实施例提供的任一种推广信息的投放装置。

本发明实施例采用获取需要进行投放的推广信息，以及用户行为数据，然后，根据用户行为数据确定用户与该推广信息的相关度，以及根据该用户行为数据计算用户的个人影响度和社会影响度，再然后，基于用户与该推广信息的相关度、个人影响度和社会影响度确定该推广信息的投放对象，并对该投放对象进行推广信息的投放；由于该方案在进行推广信息的投放时，除了考虑到用户兴趣之外，还将用户的个人影响度和社会影响度也作为考量因素之一，基于社交网络中人对人的影响作用对广告的投放策略进行了优化，因此，可以提高投放的灵活性，以及增强投放效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1a是本发明实施例提供的推广信息的投放系统的场景示意图；

图1b是本发明实施例提供的推广信息的投放方法的流程图；

图2是本发明实施例提供的推广信息的投放方法的另一流程图；

图3是本发明实施例提供的推广信息的投放装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

该推广信息的投放系统可以包括本发明实施例所提供的任一种推广信息的投放装置，参见图1a，该推广信息的投放装置具体可以集成在服务器，如投放服务器中。此外，该推广信息的投放系统还可以包括其他的设备，比如用户设备和用户服务器，其中，用户设备可以用于接收投放服务器所投放的推广信息，并对该推广信息进行操作，而用户服务器则可以用于收集各个用户的行为，生成用户行为数据，并将用户行为数据提供给投放服务器。

如图1a所示，当需要对某推广信息，如广告进行投放时，可以由投放服务器从用户服务器中获取用户行为数据，然后，根据该用户行为数据确定用户与该推广信息的相关度，以及根据该用户行为数据计算用户的个人影响度和社会影响度，再然后，基于用户与该推广信息的相关度、个人影响度和社会影响度确定该推广信息的投放对象，并对该投放对象所在的用户设备进行推广信息，如广告的投放。

以下将分别进行详细说明。

实施例一、

本实施例将从推广信息的投放装置的角度进行描述，该推广信息的投放装置具体可以集成在服务器，如投放服务器等设备中。

一种推广信息的投放方法，包括：获取需要进行投放的推广信息，以及用户行为数据，根据该用户行为数据确定用户与该推广信息的相关度，以及根据该用户行为数据计算用户的个人影响度和社会影响度，基于用户与该推广信息的相关度、个人影响度和社会影响度确定该推广信息的投放对象，对该投放对象进行推广信息的投放。

如图1b所示，该推广信息的投放方法的具体流程可以如下：

101、获取需要进行投放的推广信息，以及用户行为数据。

其中，推广信息可以是广告，也可以是其他一些需要进行推广和投放的信 息，该推广信息可以存储在该推广信息的投放装置中，也可以存储在其他的设备，比如广告服务器等设备中。

用户行为数据指的是可供用户行为分析的相关数据，比如用户的浏览记录、点击记录、下载记录、评论记录、回复记录和/或点赞记录等数据。这些用户行为数据可以存储在该推广信息的投放装置中，也可以存储在其他的设备，比如用户服务器等设备中。

以推广信息存储在广告服务器，且用户行为数据存储在用户服务器为例，则此时，具体可以从广告服务器中获取推广信息，以及从用户服务器中获取用户行为数据。

102、根据该用户行为数据确定用户与该推广信息的相关度。

例如，具体可以根据该用户行为数据确定用户兴趣，根据该用户兴趣计算用户与该推广信息的相关度。

比如，可以基于用户兴趣计算推广信息与用户兴趣匹配度，得到用户与该推广信息的相关度。

其中，用户兴趣的计算方式可以有多种，比如可以根据该用户行为数据计算用户在预置时间范围内的兴趣权值，等等，在此不再赘述。

103、根据该用户行为数据计算用户的个人影响度和社会影响度，例如，具体可以如下：

(1)根据该用户行为数据确定用户对其他用户的影响力，得到个人影响度。

其中，根据该用户行为数据计算个人影响度的方式可以有多种，比如，可以如下：

例如，具体可以根据该用户行为数据统计第一互动率和第二互动率，根据该第一互动率和第二互动率计算个人影响度，比如，分别为第一互动率和第二互动率设置相应的权重，然后将第一互动率和第二互动率分别乘以相应的权重后进行相加，将得到的和作为个人影响度；或者，也可以采用其他的方式进行计算，具体可根据实际应用的需求而定。

其中，第一互动率为历史上，即在过去预置时间内用户与推广信息的互动 率，所谓用户与推广信息的互动率指的是“用户与推广信息的互动数”与“投放给该用户的推广信息数”的比值，用户与推广信息的互动指的是用户对该推广信息存在相应的操作行为，比如转发、回复、点赞或评论，等等。

第二互动率为历史上，即在过去预置时间内，在用户与推广信息互动后，用户好友与该用户的互动率，所谓用户好友与该用户的互动率指的是互动人数与好友人数的比值，比如，回帖转发人数与总好友数的比值，等等；其中，在用户与推广信息互动后，用户好友与该用户的互动指的是用户好友对于用户所操作的推广信息存在相应的操作行为，比如转发、回复、点赞或评论，等等；比如，当用户转发某推广的广告后，用户好友对该转发的广告进行转发、回复、点赞或评论等，则表示该用户好友在用户与推广信息互动后，存在有与该用户的互动。

其中，该预置时间可以根据实际应用的需求进行设置。

又例如，还可以根据该用户行为数据确定用户好友与该用户的每一次互动，并对每一次互动进行评分，然后根据评分统计所有用户好友与该用户的互动的总分数，根据该总分数和用户好友数量计算该用户的个人影响度，等等。

(2)根据该用户行为数据确定用户好友对用户的影响力，得到社会影响度。

例如，具体可以根据该用户行为数据确定在预设投放阶段，用户好友对推广信息产生互动的互动信息，以及与推广信息具有互动的用户好友与其他用户的互动信息，然后根据该用户好友对推广信息产生互动的互动信息，以及该“与推广信息具有互动的用户好友与其他用户的互动信息”计算在该预设投放阶段，用户的社会影响度。

其中，根据推广信息的投放需求可以将该推广信息的投放时间划分为若干个阶段，这些阶段即称为投放阶段。

该投放阶段具体可根据实际应用的需求而定，比如，可以将某一推广信息的投放时间分为投放前期，投放中期和投放后期，其中，投放前期的时间范围为t1，投放中期的时间范围为t2，投放后期的时间范围为t3；或者，也可以分为投放第一阶段、投放第二阶段……投放第n阶段，等等。

当然，也可以将推广信息的投放时间只划分为一个阶段，在此不再赘述。

在不同的投放阶段，用户的社会影响度可能相同，也可能会存在差异。

104、基于用户与该推广信息的相关度、个人影响度和社会影响度确定该推广信息的投放对象。

例如，具体可以根据该用户与该推广信息的相关度、个人影响度和社会影响度，按照预置算法计算在预设投放阶段，将该推广信息投放给用户的得分，得到用户在该预设投放阶段的分值，然后将分值超过预置阈值的用户确定为该预设投放阶段的投放对象。

其中，预置算法和阈值均可以根据实际应用的需求进行设置。

可选的，由于在不同的投放阶段，用户的个人影响力和社会影响力可能会存在变化，因此，为了提高计算的准确性，还可以针对不同的投放阶段，对户的个人影响力和社会影响力进行调整，即步骤“根据该用户与该推广信息的相关度、个人影响度和社会影响度，按照预置算法计算在预设投放阶段，将该推广信息投放给用户的得分，得到用户在该预设投放阶段的分值”，具体可以如下：

(1)获取该预设投放阶段对应的个人影响力系数和社会影响力系数。

其中，该个人影响力系数和社会影响力系数的具体设置可以根据实际应用的需求而定，例如：

个人影响度体现了某个用户的行为对其他用户的影响力。在与推广信息如广告的互动中，个人影响力高的用户，首先有较多的互动(能被好友看见的行为，如点赞、评论、转发等)，其次，其与推广信息的互动行为更易引发其好友对该广告的互动，因此，可以设置在投放前期重点对这类人进行投放，这样在投放初期就能获得较多的互动，同时带领其他人一起互动起来。所以，在投放初期，比如投放阶段t较小时，个人影响力系数可以设置较大，即令个人影响力系数与投放阶段t成反比。

社会影响力体现用户好友对用户的影响力。在与推广信息如广告的互动中，当某用户的好友都对该推广信息进行了点赞或评论等行为时，其对推广信息产生互动的概率将大幅上升。因此，在推广信息投放后期，可以多投给那些 已有大量好友对推广信息产生互动的用户，这样更容易产生互动。所以，在投放阶段t较大时，社会影响力系数可以设置较大，即令社会影响力系数与投放阶段t成正比。

(2)采用该个人影响力系数对用户的个人影响度进行调整，得到调整后个人影响度。

例如，可以将该个人影响力系数乘以用户的个人影响度，得到调整后个人影响度，等等。

(3)采用该社会影响力系数对用户的社会影响度进行调整，得到调整后社会影响度。

例如，可以将该社会影响力系数乘以用户的社会影响度进行调整，得到调整后社会影响度，等等。

(4)计算该用户与该推广信息的相关度、调整后个人影响度、以及调整后社会影响度的和，得到用户在该预设投放阶段的分值。例如，可以用下面的公式来表示：

score_t＝relevance+α_t·PI+β_t·SI_t

其中，score_t表示用户在该预设投放阶段t(比如t时刻)的分值，得分越高越先投放。relevance为用户与该推广信息的相关度，即用户对该推广信息如广告的感兴趣程度。PI为用户的个人影响度，SI_t为用户在投放阶段t的社会影响度，α_t为在投放阶段t的个人影响力系数，β_t为在投放阶段t的社会影响力系数，不同投放阶段，SI_t、α_t和β_t都可能有所不同。

105、对该投放对象进行推广信息的投放。

由上可知，本实施例采用获取需要进行投放的推广信息，以及用户行为数据，然后，根据用户行为数据确定用户与该推广信息的相关度，以及根据该用户行为数据计算用户的个人影响度和社会影响度，再然后，基于用户与该推广信息的相关度、个人影响度和社会影响度确定该推广信息的投放对象，并对该投放对象进行推广信息的投放；由于该方案在进行推广信息的投放时，除了考虑到用户兴趣之外，还将用户的个人影响度和社会影响度也作为考量因素之一，基于社交网络中人对人的影响作用对广告的投放策略进行了优化，因此， 可以提高投放的灵活性，以及增强投放效果。

实施例二、

根据实施例一所描述的方法，以下将举例作进一步详细说明。

在本实施例中，将以该推广信息的投放装置具体集成在投放服务器中，且该推广信息具体为广告为例进行说明。

如图2所示，一种推广信息的投放方法，具体流程可以如下：

201、投放服务器从广告服务器中获取需要进行投放的广告，以及从用户服务器中获取用户行为数据。

其中，用户行为数据指的是是可供用户行为分析的相关数据，比如用户的浏览记录、点击记录、下载记录、评论记录、回复记录和/或点赞记录等数据。

202、投放服务器根据该用户行为数据确定用户兴趣。

其中，用户兴趣的计算方式可以有多种，比如可以根据该用户行为数据计算用户在预置时间范围内的兴趣权值，等等，在此不再赘述。

203、投放服务器根据该用户兴趣计算用户与该广告的相关度。

例如，投放服务器可以基于用户兴趣计算广告与用户兴趣匹配度，得到用户与该广告的相关度。

比如，如果某个广告为汽车广告，而用户对汽车比较感兴趣，则可以确定该汽车广告与用户的匹配度较高，具体的匹配度的值可以根据预置的算法来计算得出，具体可参见现有技术，在此不再赘述，

204、投放服务器根据该用户行为数据确定用户对其他用户的影响力，得到个人影响度。

其中，根据该用户行为数据计算个人影响度的方式可以有多种，比如，可以如下：

例如，具体可以根据该用户行为数据统计第一互动率和第二互动率，然后，根据该第一互动率和第二互动率计算个人影响度，比如，分别为第一互动率和第二互动率设置相应的权重，然后将第一互动率和第二互动率分别乘以相应的权重后进行相加，将得到的和作为个人影响度；或者，也可以采用其他的方式进行计算，具体可根据实际应用的需求而定。

其中，第一互动率为历史上，即在过去预置时间内用户与广告的互动率，所谓用户与广告的互动率指的是“用户与广告的互动数”与“投放给该用户的广告数”的比值，用户与广告的互动指的是用户对该广告存在相应的操作行为，比如转发、回复、点赞或评论，等等。

第二互动率为历史上，即在过去预置时间内，在用户与广告互动后，用户好友与该用户的互动率，所谓用户好友与该用户的互动率指的是互动人数与好友人数的比值，比如，回帖转发人数与总好友数的比值，等等；其中，在用户与广告互动后，用户好友与该用户的互动指的是用户好友对于用户所操作的广告存在相应的操作行为，比如转发、回复、点赞或评论，等等；比如，当用户转发某广告后，用户好友对该转发的广告进行转发、回复、点赞或评论等，则表示该用户好友在用户与广告互动后，存在有与该用户的互动。

根据该第一互动率和第二互动率计算个人影响度的方式可以根据实际应用的需求而定，比如，可以设置该第一互动率和第二互动率与个人影响度之间满足一定的函数关系，又比如，可以将第一互动率和第二互动率按照一定的权重进行相加，得到个人影响度，等等，在此不再赘述。

其中，该预置时间可以根据实际应用的需求进行设置。

又例如，还可以根据该用户行为数据确定用户好友与该用户的每一次互动，并对每一次互动进行评分，然后根据评分计算所有用户好友与该用户的互动的总分数，根据该总分数和用户好友数量计算该用户的个人影响度，等等。

其中，评分规则可以根据实际应用的需求而定，可以为所有互动都设置相同的分值，也可以为不同的互动分别设置不同的分值，比如，广告评论中用户A对用户B的评论进行回复，则用户B对用户A的影响力加1分，表示为“B->A,+1”，朋友圈发表中用户A对用户B的发表点赞，则用户B对用户A的影响力加1分，表示为“B->A,+1”、用户A对用户B的发表进行评论，则用户B对用户A的影响力加1分，表示为“B->A,+1”、用户B在用户B的发表下对用户A的评论进行回复则用户A对用户B的影响力加0.5分，表示为“A->B,+0.5”，用户A在用户B的发表下回复，则用户B对用户A的影响力加1分，表示为“B->A,+1”，用户A在用户B的发表下回复C，则用户B对用户A的影响力加0.5分，用户C对 用户A的影响力加0.5分，表示为“B->A,+1”，“C->A,+0.5)”。最终对这些分值进行分别统计，即可以得到每个用户对其他人的影响力分数，将该用户的分人影响力分数(pi_sum)，以及该用户的所有好友数量(pi_num)按照预置算法进行计算，比如可以将pi_sum和pi_num分别乘以相应的权重后进行相加，等等，便可以得到该用户的个人影响力得分(pi)，即该用户的个人影响力。

可选的，在获取到历史得分时，可以设置相应的衰减分子，比如将衰减分子设置为0.9，此外，还可以为这些互动的存活期间，比如，可以设置对好友一次评论行为带来的影响持续约一周，等等。

205、投放服务器根据该用户行为数据确定用户好友对用户的影响力，得到社会影响度。

例如，具体可以根据该用户行为数据确定在预设投放阶段，用户好友对广告(即与用户产生互动的广告)产生互动的互动信息，以及与广告具有互动的用户好友与其他用户的互动信息，然后根据该用户好友对广告产生互动的互动信息，以及该与广告具有互动的用户好友与其他用户的互动信息计算在该预设投放阶段，用户的社会影响度。

根据该用户好友对广告产生互动的互动信息，以及与推广信息具有互动的用户好友与其他用户的互动信息计算社会影响度的方式也可以根据实际应用的需求而定，比如，可以设置该用户好友对广告产生互动的互动信息，以及与广告具有互动的用户好友与其他用户的互动信息，与社会影响度之间满足一定的函数关系。

例如，可以先确定哪些用户好友对该用户所转发的广告产生了互动，比如点赞、评论或回复等等，然后再确定这些与广告具有互动的用户好友与其他用户是否具有互动，互动的数量是多少，每次互动的分值是多少(可以对不同的互动设置相应的分值，详见步骤204)，然后，对这些数量和分值进行统计，分别得到该影响该用户的用户好友的数量(si_num)，以及该用户受所有用户(包括用户好友，以及其他与用户好友有互动的用户)的影响程度(即这些互动的总分值si_sum)，根据该si_num和si_sum按照预置算法进行计算，比如，分别将si_num和si_sum分别乘以相应的预设权重后进行相加，等等，便可得到该用户 的社会影响力得分(si)，即用户的社会影响力。

在不同的投放阶段，用户的社会影响度可能相同，也可能会存在差异，例如，若在投放阶段t1，用户好友对广告产生互动的数量为SI_t1，则可以确定用户的社会影响度为SI_t1；又比如，若在投放阶段t2，用户好友对广告产生互动的数量为SI_t2，则可以确定用户的社会影响度为SI_t2，等等。

需说明的是，步骤203、204和205的执行可以不分先后。

206、投放服务器根据该用户与该广告的相关度、个人影响度和社会影响度，按照预置算法计算在预设投放阶段，将该广告投放给用户的得分，得到用户在该预设投放阶段的分值，并将分值超过预置阈值的用户确定为投放对象。

其中，预置算法和阈值均可以根据实际应用的需求进行设置。

可选的，由于在不同的投放阶段，用户的个人影响力和社会影响力可能会存在变化，因此，为了提高计算的准确性，还可以针对不同的投放阶段，对户的个人影响力和社会影响力进行调整，即步骤“根据该用户与该广告的相关度、个人影响度和社会影响度，按照预置算法计算在预设投放阶段，将该广告投放给用户的得分，得到用户在该预设投放阶段的分值”，具体可以如下：

(1)获取该预设投放阶段对应的个人影响力系数和社会影响力系数。

其中，该个人影响力系数和社会影响力系数的具体设置可以根据实际应用的需求而定，比如，可以令个人影响力系数与投放阶段t成反比，令社会影响力系数与投放阶段t成正比，等等。

(2)采用该个人影响力系数对用户的个人影响度进行调整，得到调整后个人影响度。

例如，可以将该个人影响力系数乘以用户的个人影响度，得到调整后个人影响度，等等。

(3)采用该社会影响力系数对用户的社会影响度进行调整，得到调整后社会影响度。

例如，可以将该社会影响力系数乘以用户的社会影响度进行调整，得到调整后社会影响度，等等。

(4)计算该用户与该广告的相关度、调整后个人影响度、以及调整后社 会影响度的和，得到用户在该预设投放阶段的分值。例如，可以用下面的公式来表示：

score_t＝relevance+α_t·PI+β_t·SI_t

其中，score_t表示用户在该预设投放阶段t(比如t时刻)的分值，得分越高越先投放。relevance为用户与该广告的相关度，即用户对该广告的感兴趣程度。PI为用户的个人影响度，SI_t为用户在投放阶段t的社会影响度，α_t为在投放阶段t的个人影响力系数，β_t为在投放阶段t的社会影响力系数，不同投放阶段，SI_t、α_t和β_t都可能有所不同。

例如，用户对广告的历史行为(主要指用户以往与广告的交互行为)可以包括评论、点赞或不感兴趣等。如用户历史上对广告有很多点赞与评论，即使其对当前投放广告不是特别感兴趣，也可将其召回，甚至靠前投放。相反，如果用户历史上都对广告点了不感兴趣，即使其对当前投放广告可能感兴趣，也不对其进行投放。假设用户对广告的历史点赞评论行为和不感兴趣行为分别被量化为pos和neg，个人影响力被量化为两个参数pi_num和pi_sum，社会影响力被量化为si_num和si_sum。

则可通过粗排公式来计算用户与该广告的相关度relevance，其中，lookalike为相似人群扩展系数，具体可以根据实际应用而定。

比如，粗排公式(和的形式)可以如下：

score₁＝lookalike+α·pos+β·neg

其中，可以将lookalike归一化到0～1。令α为0.1，β为-0.2(pos+2*neg主要集中在-3.0～3.0)，并且令α·pos+β·neg∈[-0.3,0.3]，这样，便可得到score₁＝lookalike±0.3。

或者，也可以采用如下的粗排公式(积的形式)为：

score₁＝lookalike×(1+α·pos+β·neg)

若采用积的形式的粗排公式，则Lookalike无需归一化，但需大于等于0。

可以令α为0.15，β为-0.3(pos+2*neg主要集中在-3.0～3.0)，并且令

α·pos+β·neg∈[-0.45,0.45]，这样，便可以得到

score₁∈[lookalike×0.55,lookalike×1.45]。

进一步，便可以预设投放阶段的分值，即采用进一步的排序公式计算出用户在该预设投放阶段的分值score_t，以下均以score₂为例，如下：

排序公式(和的形式)可以为：

其中，T为总投放次数(如5)，t为当前第几次投放(比如1～5)，投放前期个人影响力较重要，后期社会影响力重要，因此，可以令λ₁和λ₂为0.01，δ₁和δ₂为0.01，且λ₁·pi_num+λ₂·pi_sum和δ₁·si_num+δ₂·si_sum均属于[0,0.5]。

需说明的是，除了计算该用户与该广告的相关度、调整后个人影响度、以及调整后社会影响度的和，得到用户在该预设投放阶段的分值之外，也可以采用其他的算法，比如，在利用粗排公式进行计算之后，可以进一步采用如下积的形式的排序公式来计算用户在该预设投放阶段的分值，如下：

其中，可令λ₁和λ₂为0.01，δ₁和δ₂为0.01，且λ₁·pi_num+λ₂·pi_sum和δ₁·si_num+δ₂·si_sum均属于[0,0.5]。

当然还可以采用其他的算法，具体可跟实际应用的需求而定，在此不再赘述。

207、投放服务器对该投放对象进行广告的投放。

由上可知，本实施例采用获取需要进行投放的广告，以及用户行为数据，然后，根据用户行为数据确定用户与该广告的相关度，以及根据该用户行为数据计算用户的个人影响度和社会影响度，再然后，基于用户与该广告的相关度、个人影响度和社会影响度确定该广告的投放对象，并对该投放对象进行广告的投放；由于该方案在进行广告的投放时，除了考虑到用户兴趣之外，还将用户 的个人影响度和社会影响度也作为考量因素之一，基于社交网络中人对人的影响作用对不同投放阶段的广告的投放策略进行了优化，因此，可以提高投放的灵活性，以及增强投放效果。

实施例三、

为了更好地实施以上方法，本发明实施例还提供一种推广信息的投放装置，如图3所示，该推广信息的投放装置包括获取单元301、相关度确定单元302、运算单元303、对象确定单元304和投放单元305，如下：

(1)获取单元301；

获取单元301，用于获取需要进行投放的推广信息，以及用户行为数据。

其中，推广信息可以是广告，也可以是其他一些需要进行推广和投放的信息。

用户行为数据指的是是可供用户行为分析的相关数据，比如用户的浏览记录、点击记录、下载记录、评论记录、回复记录和/或点赞记录等数据。

(2)相关度确定单元302；

相关度确定单元302，用于根据该用户行为数据确定用户与该推广信息的相关度；

例如，该相关度确定单元302，具体可以用于根据该用户行为数据确定用户兴趣，根据该用户兴趣计算用户与该推广信息的相关度。

其中，用户兴趣的计算方式可以有多种，比如可以根据该用户行为数据计算用户在预置时间范围内的兴趣权值，等等，在此不再赘述。

(3)运算单元303；

运算单元303，用于根据该用户行为数据计算用户的个人影响度和社会影响度；

例如，该运算单元303可以包括第一计算子单元和第二计算子单元，如下：

第一计算子单元，用于根据该用户行为数据确定用户对其他用户的影响力，得到个人影响度；

例如，第一计算子单元，具体可以用于根据该用户行为数据统计第一互动率和第二互动率，根据该第一互动率和第二互动率计算个人影响度。

其中，该第一互动率为历史上，即在过去预置时间内用户与推广信息的互动率，该第二互动率为历史上，即在过去预置时间内，在用户与推广信息互动后，用户好友与该用户的互动率，具体可参见前面的实施例，在此不再赘述。

或者，该第一计算子单元，具体可以用于根据该用户行为数据确定用户好友与所述用户的每一次互动，并对每一次互动进行评分，根据改评分统计所有用户好友与该用户的互动的总分数，根据总分数和用户好友数量计算该用户的个人影响度，具体可参见前面的实施例，在此不再赘述。

第二计算子单元，用于根据该用户行为数据确定用户好友对用户的影响力，得到社会影响度。

例如，第二计算子单元，具体可以用于根据该用户行为数据确定在预设投放阶段，用户好友对推广信息产生互动的互动信息，以及与推广信息具有互动的用户好友与其他用户的互动信息，根据该用户好友对推广信息产生互动的互动信息，以及该与推广信息具有互动的用户好友与其他用户的互动信息计算在该预设投放阶段，用户的社会影响度，具体可参见前面的实施例，在此不再赘述。

其中，根据推广信息的投放需求可以将该推广信息的投放时间划分为若干个阶段，这些阶段即称为投放阶段。

该投放阶段具体可根据实际应用的需求而定，比如，可以将某一推广信息的投放时间分为投放前期，投放中期和投放后期，其中，投放前期的时间范围为t1，投放中期的时间范围为t2，投放后期的时间范围为t3，等等。

(4)对象确定单元304；

对象确定单元304，用于基于用户与该推广信息的相关度、个人影响度和社会影响度确定该推广信息的投放对象；

例如，该对象确定单元304，具体可以用于根据该用户与该推广信息的相关度、个人影响度和社会影响度，按照预置算法计算在预设投放阶段，将该推广信息投放给用户的得分，得到用户在该预设投放阶段的分值，将分值超过预置阈值的用户确定为在该预设投放阶段的投放对象。

其中，预置算法和阈值均可以根据实际应用的需求进行设置。

可选的，由于在不同的投放阶段，用户的个人影响力和社会影响力可能会存在变化，因此，为了提高计算的准确性，还可以针对不同的投放阶段，对户的个人影响力和社会影响力进行调整，即该对象确定单元304，具体可以用于：

获取该预设投放阶段对应的个人影响力系数和社会影响力系数；采用该个人影响力系数对用户的个人影响度进行调整，得到调整后个人影响度；采用该社会影响力系数对用户的社会影响度进行调整，得到调整后社会影响度；计算该用户与该推广信息的相关度、调整后个人影响度、以及调整后社会影响度的和，得到用户在该预设投放阶段的分值。例如，可以用下面的公式来表示：

score_t＝relevance+α_t·PI+β_t·SI_t

其中，score_t表示用户在该预设投放阶段t(比如t时刻)的分值，得分越高越先投放。relevance为用户与该推广信息的相关度，即用户对该推广信息的感兴趣程度。PI为用户的个人影响度，SI_t为用户在投放阶段t的社会影响度，α_t为在投放阶段t的个人影响力系数，β_t为在投放阶段t的社会影响力系数，不同投放阶段，SI_t、α_t和β_t都可能有所不同。

其中，该个人影响力系数β_t和社会影响力系数SI_t的具体设置可以根据实际应用的需求而定，比如，可以令个人影响力系数β_t与投放阶段t成反比，令社会影响力系数SI_t与投放阶段t成正比，等等。

(5)投放单元305；

投放单元305，用于对该投放对象进行推广信息的投放。

具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。

该推广信息的投放装置具体可以集成在服务器，如投放服务器等设备中。

由上可知，本实施例的推广信息的投放装置的获取单元302可以获取需要进行投放的推广信息，以及用户行为数据，然后，由相关度确定单元302根据用户行为数据确定用户与该推广信息的相关度，以及由运算单元303根据该用户行为数据计算用户的个人影响度和社会影响度，再然后，由对象确定单元304基于用户与该推广信息的相关度、个人影响度和社会影响度确定该推广信息的 投放对象，并由投放单元305对该投放对象进行推广信息的投放；由于该方案在进行推广信息的投放时，除了考虑到用户兴趣之外，还将用户的个人影响度和社会影响度也作为考量因素之一，基于社交网络中人对人的影响作用对广告的投放策略进行了优化，因此，可以提高投放的灵活性，以及增强投放效果。

实施例四、

相应的，本发明实施例还提供一种推广信息的投放系统，包括本发明实施例所提供的任一种推广信息的投放装置，该推广信息的投放装置具体可参见实施例三。

其中，该推广信息的投放装置具体可以集成在服务器，如投放服务器等设备中，例如，可以如下：

投放服务器，用于获取需要进行投放的推广信息，以及用户行为数据，根据该用户行为数据确定用户与该推广信息的相关度，以及根据该用户行为数据计算用户的个人影响度和社会影响度，基于用户与该推广信息的相关度、个人影响度和社会影响度确定该推广信息的投放对象，对该投放对象进行推广信息的投放。

该投放服务器，具体用于根据该用户行为数据确定用户兴趣，根据该用户兴趣计算用户与该推广信息的相关度。

该投放服务器，具体用于根据该用户行为数据确定用户对其他用户的影响力，得到个人影响度。比如，具体可以根据该用户行为数据统计第一互动率和第二互动率，根据该第一互动率和第二互动率计算个人影响度。

其中，第一互动率为历史上，即在过去预置时间内用户与推广信息的互动率，该第二互动率为历史上，即在过去预置时间内，在用户与推广信息互动后，用户好友与该用户的互动率，具体可参见前面的实施例，在此不再赘述。

该投放服务器，具体用于根据该用户行为数据确定用户好友对用户的影响力，得到社会影响度。比如，具体可以根据该用户行为数据确定在预设投放阶段，用户好友对推广信息产生互动的互动信息，以及与推广信息具有互动的用户好友与其他用户的互动信息；然后根据该用户好友对推广信息产生互动的互动信息，以及与推广信息具有互动的用户好友与其他用户的互动信息计算在该 预设投放阶段，用户的社会影响度。

该投放服务器，具体可以用于根据该用户与该推广信息的相关度、个人影响度和社会影响度，按照预置算法计算在预设投放阶段，将该推广信息投放给用户的得分，得到用户在该预设投放阶段的分值，然后将分值超过预置阈值的用户确定为该预设投放阶段的投放对象，详见前面的实施例，在此不再赘述。

此外，该推广信息的投放系统还可以包括其他的设备，比如用户设备和用户服务器，如下：

用户设备，可以用于接收投放服务器所投放的推广信息，并对该推广信息进行操作。

用户服务器，可以用于收集各个用户的行为，生成用户行为数据，并将用户行为数据提供给投放服务器。

以上各个设备的具体实施可参见前面的实施例，在此不再赘述。

由于该推广信息的投放系统可以包括本发明实施例所提供的任一种推广信息的投放装置，因此，可以实现本发明实施例所提供的任一种推广信息的投放装置所能实现的有益效果，详见前面的实施例，在此不再赘述。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

以上对本发明实施例所提供的一种推广信息的投放方法、装置和系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。