位最精准的筛选机制，才能确保最终在二终端呈 现的广告信息的最终展示结果是最准确和符合用户关注度需求的结果。而且，兼顾定位准 确和提高其用户侧终端展示的最终信息展现的结果(如曝光概率更高），使得信息内容不仅 定位精准，而且对"少量的小众用户群体"也能实现大量的展现结果(提高曝光概率)也符合 大数据时代信息分享和传播的需求。最终，通过上述从商品层面的维度处理和"窄定向策 略"得到的第一信息发送给第二终端的用户侧进行信息展现，就可以得到最终针对用户关 注度定位准确，定向推送结果也更加精确，大量的展现结果(提高曝光概率)也符合大数据 时代信息分享和传播的需求。在实际操作中，在给予窄定向商品的广告更高曝光概率，即： 兼顾定位准确和提高其用户侧终端展示的最终信息展现的结果(如曝光概率更高），不仅符 合大数据时代信息分享和传播的需求，而且还能避免对同一个广告进行定向拆分获得更高 曝光概率的问题(或称为防止作弊）。
[0116] 实施例五：
[0117] 基于实施例四，本发明实施例的服务器中，所述筛选单元进一步包括:维度参数获 取子单元，用于根据所述第一维度参数，获取与所述第一维度参数对应的第二维度参数，所 述第二维度参数用于表征与广告特征属性相关的信息;所述筛选单元还包括:信息筛选子 单元，用于将根据所述第二维度参数从所述X个第一信息中筛选得到的至少一个第一信息， 确定为所述与第一维度参数对应的Y个第一信息。
[0118] 在本发明实施例一实施方式中，所述服务器还包括:第一提取子单元，用于从所述 X个第一信息中提取出第一标识ID，作为所述第一维度参数；以及，第二提取子单元，用于从 所述X个第一信息中提取出与所述第一 ID对应的第二ID组，作为所述第二维度参数，第二ID 组记为第二ID_0，…，第二ID_i，i为大于0的正整数。
[0119] 相应的，所述信息筛选子单元，进一步用于:根据所述第二ID_0，···，第二ID_i检索 所述X个第一信息，得到所述Y个第一信息，将所述Y个第一信息确定为商品维度对应的所有 广告信息;所述Y〈X，为大于1的正整数。
[0120] 在本发明实施例一实施方式中，所述优先级排序单元，进一步包括:商品覆盖人数 获取子单元，用于获取所述商品维度对应的所有广告信息所针对的用户人数Μ，将所述用户 人数Μ确定为商品覆盖人数;相应的，所述优先级排序单元，还包括策略生成子单元，用于获 取低于第一阈值的Ν个用户，给予所述Ν个用户在第二终端进行信息展示时更多的展示频率 和/或次数，并据此生成所述第一策略，所述Ν〈Μ，为大于1的正整数。
[0121] 在本发明实施例一实施方式中，所述策略生成子单元，进一步用于:将所述N个用 户确定为所述商品覆盖人数中覆盖人数少的目标用户;将所述目标用户对应的广告信息按 照点击率参数和/或中小广告主消耗比例参数进行排序，得到包括1，…，j个排序值的排序 结果参数，j为>1的自然数;为第1个排序值对应的加权处理增加权重，为第2个至第j个排 序值在加权处理时进行加权递减处理。
[0122] 实施例六：
[0123] 这里需要指出的是，上述第一终端和第二终端可以为PC这种电子设备，还可以为 如PAD，平板电脑，手提电脑这种便携电子设备、还可以为如手机这种智能移动终端，不限于 这里的描述;所述服务器可以是通过集群系统构成的，为实现各单元功能而合并为一或各 单元功能分体设置的电子设备，客户端和服务器都至少包括用于存储数据的数据库和用于 数据处理的处理器，或者包括设置于服务器内的存储介质或独立设置的存储介质。
[0124] 其中，对于用于数据处理的处理器而言，在执行处理时，可以采用微处理器、中央 处理器（CPU，Central Processing Unit)、数字信号处理器（DSP，Digital Singnal Processor)或可编程逻辑阵列（FPGA，Field - Programmable Gate Array)实现；对于存储 介质来说，包含操作指令，该操作指令可以为计算机可执行代码，通过所述操作指令来实现 上述本发明实施例信息处理方法流程中的各个步骤。
[0125] 该第一终端、第二终端和该服务器作为硬件实体S11的一个示例如图6所示。所述 装置包括处理器61、存储介质62以及至少一个外部通信接口 63;所述处理器61、存储介质62 以及外部通信接口 63均通过总线64连接。
[0126] 这里需要指出的是：以上涉及客户端和服务器项的描述，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。对于本发明客户端和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。
[0127] 以一个现实应用场景为例对本发明实施例阐述如下：
[0128] 本应用场景是针对第一终端推送的广告信息在服务器按照窄定向策略处理后，得 到处理后的广告信息在第二终端展示的情况而言，对于本应用场景采用本发明实施例是一 个基于商品覆盖人数调整广告信息曝光概率的技术方案。其中，本文中涉及的广告主指投 放广告的主体;曝光指广告在排序中胜出，展示给用户；消耗指广告主投放广告所消耗钱 的金额，在广告主设定的限额内消耗越多说明广告曝光越充足，对广告主越有利;广告的消 耗指广告所消耗钱的金额;广告主的消耗指广告主账户下所有广告所消耗钱的金额的和； 定向条件指广告主在投放广告时选择的目标人群需要符合的条件，这些条件之间存在 "与"、"或"关系，如选择性别男"与"地区北京"或"天津，则定向条件为北京地区的男性和天 津地区的男性;对于商品对应的广告/广告对应的商品，一个商品可对应多个广告，一个广 告只属于一个商品，对应关系如图3所示;广告覆盖人数指符合广告定向条件的人的数量； 商品覆盖人数指商品对应的所有广告的覆盖人群的并集中的人数；窄定向为一个相对概 念，指用户选择的定向条件越多越明确，则覆盖人数越少，定向越窄。
[0129] 目前，在当前广告系统中，广告主在投放广告时，会选择定向条件，如深圳、20岁~ 30岁、性别为女等，这些定向条件选择的越多，广告覆盖人数就越少，则广告的曝光量越少， 广告主消耗比例越低。另一方面，数据显示覆盖人数少的广告有更高的点击率，说明广告更 加精准。想让精准的广告有高的曝光量，对此应用场景，采用本发明实施例采用窄定向策 略，以提高对应商品覆盖人数少的广告的曝光概率，兼顾定向精准和更高的曝光概率的需 求，曝光概率越高，也能提升相应广告主的消耗。
[0130] 采用本发明实施例的窄定向策略，可以让对应商品覆盖人数更少的广告获得更高 的曝光概率。其中，所述窄定向策略的"窄"指：目标受众范围的宽窄，也称为目标覆盖人数 比较少的是窄定向。广告主选择的定向条件越多越明确，符合条件的目标受众越少，则定向 越窄。有些广告主很清楚自己广告的目标受众，则设置的广告定向较为精准，但是，最终所 覆盖的用户较少，如图7所示，图7为覆盖人数与广告信息点击率的关系图，以图1中服务器 11-ln对应的广告平台为广点通作为示例，在广点通平台的实际应用中，历史数据显示覆盖 人数越少的广告击率越高，说明用户越感兴趣，从而得到可以采用窄定向策略的统计规律 来提高曝光概率。
[0131] 当采用窄定向策略后，对应商品覆盖人数少的广告的消耗显著提升，如图8所示， 采用窄定向策略后显著提升了窄定向用户群体对应的广告消耗，计算消耗比的公式如下所 示：
[0132]
[0133] 在本发明实施例的窄定向策略中，覆盖人数范围的"宽窄"是从商品层面来衡量 的，也就是说，从商品层面衡量目标受众的"宽窄"，如图3所示，一个商品可对应多个广告， 一个广告只属于一个商品。如果从广告层面衡量，可能出现广告主通过将一个广告拆分成 多个窄定向的广告，来提升自己广告在排序中得分的这种不合理的情况，例如仍以上文提 及的表1为例，进彳丁说明：
[0134]
[uudj 霍丄
[0136] 表1所示的情境中，商品A和商品B的商品覆盖人数都是100万，商品A只有广告1，投 放给北京地区的人;商品B有广告2和广告3,分别投放给北京地区的男性和北京地区的女 性，相当于把广告1拆分成了广告2和广告3。如果按照广告覆盖人数来衡量，则广告2和广告 3的覆盖人数都小于广告1，应该给予广告2和广告3比广告1更高的曝光概率，则商品B的曝 光概率高于商品A，而广告主和用户真正关注是的商品而不是广告，实际上这两个商品覆盖 的是同样的人，应该给予商品A和B的广告同样的曝光概率。
[0137] 本应用场景采用本发明实施例，第一步，离线获取商品的覆盖人数，即：计算商品 覆盖人数;第二步，在排序模块中根据商品覆盖人数对广告进行加权，即：计算针对人数N少 的情况，提高其曝光概率，从而使其在排序中处于高优先级，这样，定向结果就更加精确，具 体的，如图9所示为采用窄定向策略的实现架构图，包括:广告发布端，窄定向数据模块，数 据库，人群预估模块，排序模块几个系统架构部件，通过这些系统架构部件实现的流程包 括：
[0138] 步骤711、窄定向数据模块向广告发布端发起读取请求，以获取到商品ID、每个商 品对应的所有广告ID、每个广告对应的广告定向属性。这里，广告定向属性的一个示例如表 2所示。
[0139]
[0140] 表2
[0141]表2中，包括以下数据项：
[0142] FMId:该广告在数据库中的键值，用于查询。
[0143] 定向字段包括:投放区域、年龄、性别、上网场景、学历、用户状态、商业兴趣、付费 用户、应用用户、穿衣指数、紫外线指数、化妆指数、气象、设备价格、操作系统、联网方式、电 信服务运营商。
[0144] 步骤712、窄定向数据模块将商品对应的所有广告的定向属性(或称为商品定向属 性)传输给人群预估模块。
[0145] 步骤713、人群预估模块根据步骤712传输来的商品定向属性计算商品ID对应的人 数并确定为商品覆盖人数，并将计算得到的商品覆盖人数传输给窄定向数据模块。
[0146] 这里，人群预估模块具备人群预估功能和如何应用宏观索引策略。其中，所述人群 预估功能指:通过人群预估服务根据广告的定向属性及历史曝光信息给出广告覆盖人数的 上限估计;所述宏观索引策略指:通过人群预估服务以目标人群的特征、广告的特征建立以 定向字段为键值的倒排索引，并对定向字段逻辑表达式建立索引。例如:对每个定向字段建 立倒排索引，倒排索引的一个实例如下所示：
[0147] 北京：U1，U8，U9
[0148] 上海:U2，U5，U6
[0149] 深圳：U3，U4，U7
[0150] 25 岁：U3，U5
[0151] 26 岁：U1，U2，U7
[0152] 则其定向字段逻辑表达式如图10所示（图10的定向字段逻辑表达式是针对窄定向 的策略进行说明如何实现定向），根据逻辑表达式中AND、0R、N0T的逻辑运算符对各个定向 字段索引中对应的用户进行集合运算，就得到广告覆盖的人数为：[[