[发明专利]页面点击率数据处理方法、装置及系统

权利要求书

1.一种页面点击率数据处理方法，其特征在于，包括以下步骤：

S1用于分别获取不同页面的页面点击率信息的步骤；

S2用于对获取的不同页面的页面点击率信息进行分析处理并生成推荐页面结果信息的步骤；

S3用于输出推荐页面结果信息的步骤。

2.如权利要求1所述的方法，其特征在于，所述S1用于分别获取不同页面的页面点击率信息的步骤包括：

S11设定各页面点击率的事前机率分布值信息；

S12获取每个页面的历史页面点击率信息。

3.如权利要求2所述的方法，其特征在于，当编号为i的页面点击率的事前几率分布模型呈高斯分布(Gaussian distribution)，事前几率分布参数为平均值μ_i及标准差σ_i(>0)时，机率密度函数为

4.如权利要求3所述的方法，其特征在于，所述S2用于对获取的不同页面的页面点击率信息进行分析处理并生成-推荐页面结果信息的步骤包括：

S21根据获取每个页面的历史页面点击率信息和所述事前机率分布值信息，计算出页面点击率的事后机率分布信息；

S22根据历史点击记录，计算各页面的显示次数占比；

S23根据所述事后机率分布信息，计算各页面的胜率；本领域技术人员可以理解，所述该页面的胜率指该页面成为推荐页面的胜出百分比；

S24根据上述步骤计算获得的各页面的所述显示次数占比及所述胜率事后机率分布信息计算推荐页面结果信息。

5.如权利要求4所述的方法，其特征在于，所述根据获取每个页面的历史页面点击率信息和所述事前机率分布值信息，计算出页面点击率的事后机率分布信息的步骤运用贝氏推理的方法进行计算，从而得出页面点击率的事后机率分布信息。

6.如权利要求5所述的方法，其特征在于，所述运用贝氏推理的方法进行计算的方法为：

其中，θ为事前几率分布参数，p(θ)为事前机率分布，p(x|θ')为相似函数，p(θ|x)为事后机率分布。

7.如权利要求6所述的方法，其特征在于，所述S22根据历史点击记录，计算各页面的显示次数占比的步骤中，当编号为i的页面显示的累计次数占比值为b_i，编号为j的历史页面显示信息的样本大小(采样次数)为n_j时，采用如下方式进行计算：

8.如权利要求7所述的方法，其特征在于，当所述事后机率分布信息的机率密度函数为f_j(x)，所述事后机率分布信息的机率累积密度函数为F_j(x)时，二者之间的关系为

9.如权利要求8所述的方法，其特征在于，当编号为i的页面的所述事后机率分布信息的机率密度函数为f_i(x)，当编号为j的页面的所述事后机率分布信息的机率累积密度函数为F_j(x)、及编号为i的页面的所述胜率p_i之间的关系为

10.如权利要求9所述的方法，其特征在于，所述推荐页面k的胜率p_k与该推荐页面的累计的显示次数占比b_k二者的差值p_k-b_k大于其他页面i的胜率p_i与该页面的累计的显示次数占比b_i二者的差值p_i-b_i。

11.如权利要求2至10中任一项所述的方法，其特征在于，所述S3用于输出最大点击率结果信息的步骤包括：

S31显示推荐页面结果；

S32用户根据显示的推荐页面结果选择相应的显示页面并生成新的历史页面点击率信息；

S33返回步骤S12。