CN111626805B - 信息展示方法和装置 - Google Patents

Abstract

本申请实施例公开了信息展示方法和装置。该方法的一具体实施方式包括：对于至少一个目标物品信息中的目标物品信息，获取与该目标物品信息相关的特征集合，以及将与该目标物品信息相关的特征集合所包括的特征输入预先训练的点击率预测模型，得到该目标物品信息的点击率信息；根据所得到的至少一个点击率信息，确定至少一个目标物品信息的待展现位次；根据至少一个目标物品信息的待展现位次，生成展示信；将展示信息发送至通信连接的终端设备，以使终端设备按照展示信息对至少一个目标物品信息进行展示。该实施方式在生成目标物品信息的点击率时，将目标物品信息的历史展现位次考虑在内，进而得到目标物品信息在各展现位次的点击率。

Description

信息展示方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及信息展示方法和装置。

背景技术

各电商平台中通常展示有各种各样的物品信息，往往需要预测所展示的物品信息的点击率。实践中，在预测物品信息的点击率时，往往没有将物品信息的历史展现位次考虑在内，由此，无法得到物品信息在各展现位次的点击率。

发明内容

本申请实施例提出了信息展示方法和装置。

第一方面，本申请实施例提供了一种信息展示方法，该方法包括：对于至少一个目标物品信息中的目标物品信息，获取与该目标物品信息相关的特征集合，以及将与该目标物品信息相关的特征集合所包括的特征输入预先训练的点击率预测模型，得到该目标物品信息的点击率信息，其中，特征集合中包括表征目标物品信息的历史展现位次的展现位次信息，点击率信息用于表征目标物品信息在预设数目个展现位次的点击率，点击率预测模型用于表征与物品信息相关的特征集合和物品信息的点击率信息之间的对应关系；根据所得到的至少一个点击率信息，确定至少一个目标物品信息的待展现位次；根据至少一个目标物品信息的待展现位次，生成展示信，其中，展示信息用于标识至少一个目标物品信息的待展现位次；将展示信息发送至通信连接的终端设备，以使终端设备按照展示信息对至少一个目标物品信息进行展示。

在一些实施例中，点击率预测模型通过如下步骤训练得到：获取样本集合，其中，样本包括与样本物品信息相关的样本特征集合和样本点击率信息，样本特征集合中包括表征样本物品信息的历史展现位次的展现位次信息，样本点击率信息用于表征样本物品信息在预设数目个展现位次的点击率；从样本集合中选取至少一个样本，以及执行如下训练步骤：将选取的至少一个样本的样本特征集合所包括的样本特征分别输入初始模型，得到与至少一个样本中的每个样本的样本特征集合相关的样本物品信息的点击率信息；将与至少一个样本中的每个样本的样本特征集合相关的样本物品信息的点击率信息和对应的样本点击率信息进行比较；基于比较结果，确定初始模型是否训练完成；响应于确定训练完成，将训练完成的初始模型确定为点击率预测模型。

在一些实施例中，训练点击率预测模型的步骤还包括：响应于确定未训练完成，调整初始模型的相关参数，以及从样本集合中选取至少一个未使用过的样本，使用调整后的初始模型作为初始模型，继续执行训练步骤。

在一些实施例中，特征集合中还包括以下至少一项：与目标物品信息相关的用户特征，目标物品信息所指示的物品的物品特征，用户检索目标物品信息的检索信息，表征目标物品信息是否被点击的点击信息。

在一些实施例中，在上述根据所得到的至少一个点击率信息，确定至少一个目标物品信息的待展现位次之前，上述方法还包括：生成目标物品信息集合，其中，目标物品信息集合中包括至少一个目标物品信息。

在一些实施例中，上述根据所得到的至少一个点击率信息，确定至少一个目标物品信息的待展现位次，包括：从预设数目个展现位次中选取展现位次，以及执行如下确定步骤：基于至少一个点击率信息，确定目标物品信息集合中的目标物品信息在该展现位次的点击率和与目标物品信息对应的相乘值的乘积；将最大乘积所指示的目标物品信息确定为该展现位次待展现的目标物品信息；上述方法还包括：响应于确定存在未选取过的展现位次，从目标物品信息集合中删除最大乘积所指示的目标物品信息；使用删除目标物品信息后的目标物品信集合作为目标物品信息集合；从预设数目个展现位次中选取未选取过的展现位次，以及继续执行确定步骤。

在一些实施例中，上述根据至少一个目标物品信息的待展现位次，生成展示信息，包括：按照至少一个目标物品信息的待展现位次的序号由小至大的顺序，对至少一个目标物品信息进行排序，生成排序信息作为展示信息。

第二方面，本申请实施例提供了一种信息展示装置，该装置包括：获取单元，被配置成对于至少一个目标物品信息中的目标物品信息，获取与该目标物品信息相关的特征集合，以及将与该目标物品信息相关的特征集合所包括的特征输入预先训练的点击率预测模型，得到该目标物品信息的点击率信息，其中，特征集合中包括表征目标物品信息的历史展现位次的展现位次信息，点击率信息用于表征目标物品信息在预设数目个展现位次的点击率，点击率预测模型用于表征与物品信息相关的特征集合和物品信息的点击率信息之间的对应关系；确定单元，被配置成根据所得到的至少一个点击率信息，确定至少一个目标物品信息的待展现位次；第一生成单元，被配置成根据至少一个目标物品信息的待展现位次，生成展示信，其中，展示信息用于标识至少一个目标物品信息的待展现位次；发送单元，被配置成将展示信息发送至通信连接的终端设备，以使终端设备按照所述展示信息对至少一个目标物品信息进行展示。

在一些实施例中，上述装置还包括训练单元，其中，模型训练单元包括：获取模块，被配置成获取样本集合，其中，样本包括与样本物品信息相关的样本特征集合和样本点击率信息，样本特征集合中包括表征样本物品信息的历史展现位次的展现位次信息，样本点击率信息用于表征样本物品信息在预设数目个展现位次的点击率；训练模块，被配置成从样本集合中选取至少一个样本，以及执行如下训练步骤：将选取的至少一个样本的样本特征集合所包括的样本特征分别输入初始模型，得到与至少一个样本中的每个样本的样本特征集合相关的样本物品信息的点击率信息；将与至少一个样本中的每个样本的样本特征集合相关的样本物品信息的点击率信息和对应的样本点击率信息进行比较；基于比较结果，确定初始模型是否训练完成；响应于确定训练完成，将训练完成的初始模型确定为点击率预测模型。

在一些实施例中，上述模型训练单元还包括：调整模块，被配置成响应于确定未训练完成，调整初始模型的相关参数，以及从样本集合中选取至少一个未使用过的样本，使用调整后的初始模型作为初始模型，继续执行训练步骤。

在一些实施例中，特征集合中还包括以下至少一项：与目标物品信息相关的用户特征，目标物品信息所指示的物品的物品特征，用户检索目标物品信息的检索信息，表征目标物品信息是否被点击的点击信息。

在一些实施例中，上述装置还包括：第二生成单元，被配置成生成目标物品信息集合，其中，目标物品信息集合中包括至少一个目标物品信息。

在一些实施例中，上述确定单元包括：确定模块，被配置成从预设数目个展现位次中选取展现位次，以及执行如下确定步骤：基于至少一个点击率信息，确定目标物品信息集合中的目标物品信息在该展现位次的点击率和与目标物品信息对应的相乘值的乘积；将最大乘积所指示的目标物品信息确定为该展现位次待展现的目标物品信息；执行模块，被配置成响应于确定存在未选取过的展现位次，从目标物品信息集合中删除最大乘积所指示的目标物品信息；使用删除目标物品信息后的目标物品信集合作为目标物品信息集合；从预设数目个展现位次中选取未选取过的展现位次，以及继续执行确定步骤。

在一些实施例中，上述生成单元进一步被配置成：按照至少一个目标物品信息的待展现位次的序号由小至大的顺序，对至少一个目标物品信息进行排序，生成排序信息作为展示信息。

第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的信息展示方法和装置，首先，对于至少一个目标物品信息中的每个目标物品信息，可以获取与该目标物品信息相关的特征集合，以及将与该目标物品信息相关的特征集合输入至预先训练的点击率预测模型，得到该目标物品信息的点击率信息。然后，可以根据所得到的至少一个点击率信息，确定上述至少一个目标物品信息的待展现位次。而后，可以根据所确定的至少一个目标物品信息的待展现位次，生成展示信。从而，可以将所生成的展示信息发送至通信连接的终端设备，以使终端设备按照接收到的展示信息对上述至少一个目标物品信息进行展示。从而，在生成目标物品信息的点击率时，可以将目标物品信息的历史展现位次考虑在内，得到目标物品信息在各展现位次的点击率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的信息展示方法的一个实施例的流程图；

图3是根据本申请实施例的信息展示方法的一个应用场景的示意图；

图4是根据本申请的信息展示方法的又一个实施例的流程图；

图5是根据本申请的信息展示装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的信息展示方法或信息展示装置的示例性架构100。

如图1所示，系统架构100可以包括终端设备101、102，网络103和服务器104。网络103用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102通过网络103与服务器104交互，以接收或发送消息等。终端设备101、102上可以安装有各种通讯客户端应用(Application,APP)，例如购物类应用、搜索类应用、浏览器类应用、网页浏览器应用等。

终端设备101、102可以是硬件，也可以是软件。当终端设备101、102为硬件时，可以是具有显示屏并且支持网页浏览功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器104可以是提供各种服务的服务器。例如，可以是终端设备101、102上的购物类应用的后台服务器。作为示例，后台服务器可以将所生成的展示信息发送至终端设备，以使终端设备按照接收到的展示信息对至少一个目标物品信息进行展示。

服务器104可以是硬件，也可以是软件。当服务器104为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器104为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的信息展示方法一般由服务器104执行，相应地，信息展示装置一般设置于服务器104中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的信息展示方法的一个实施例的流程200。该信息展示方法包括以下步骤：

步骤201，对于至少一个目标物品信息中的目标物品信息，获取与该目标物品信息相关的特征集合，以及将与该目标物品信息相关的特征集合所包括的特征输入预先训练的点击率预测模型，得到该目标物品信息的点击率信息。

在本实施例中，信息展示方法的执行主体(如图1所示的服务器104)可以从本地或者通信连接的数据库服务器获取与上述至少一个目标物品信息中的每个目标物品信息相关的特征集合。

实践中，物品信息通常是电商平台中用于介绍各种物品的信息，可以包括但不限于以下至少一项：图片，文字，视频。例如，物品为某款手机。那么，物品信息可以由以下至少一项组成：该款手机的图片，介绍该款手机的文字，关于该款手机的视频。目标物品信息还可以是根据实际需求，预先指定的物品信息。例如，从电商平台中展示的物品信息中指定的相同检索词可以检索到的物品信息。例如，预先指定的展示于电商平台中同一类目下(如手机类目)的物品信息。上述至少一个目标物品信息所指示的物品通常属于同一类别。例如，所指示的物品均为手机。

上述特征集合中可以包括表征目标物品信息的历史展现位次的展现位次信息。其中，历史展现位次可以是过去一段时间内目标物品信息在电商平台中所展示过的位次。需要说明的是，展现位次信息可以通过以下至少一项进行表示：数字，字母，文字。以用数字表示展现位次信息为例。目标物品信息在电商平台中的历史展现位次包括第2位、第3位、第6位。实践中，展现位次信息可以是一个序列。作为示例，在一些应用场景中，表征目标物品信息的历史展现位次的展现位次信息的序列中，每个分量可以用于表征目标物品信息曾经被展示的历史展现位次的序号。例如，用于表征目标物品信息的历史展现位次的展现位次信息的序列为“2，3，6”，那么可以理解为目标物品信息曾经在第2位、第3位和第6位的位次展现过。或者，在另一些应用场景中，表征目标物品信息的历史展现位次的展现位次信息的序列中，每一个分量还可以用于表征目标物品信息是否在该分量在序列中所处位置所对应的历史展现位次展现过。例如，可以使用“1”表示目标物品信息在该分量在序列中所处位置所对应的历史展现位次展现过，使用“0”表示目标物品未在该分量在序列中所处位置所对应的历史展现位次展现过。此时，用于表征目标物品信息的历史展现位次的展现位次信息的序列为“0，1，1，0，0，1”，那么，该序列中的第一个分量“0”表示目标物品信息未曾在第1展现位次展现过，而该序列中的第二个分量“1”则表示目标物品信息曾在第2展现位次展现过。以此类推，可以得出，目标物品信息曾经在第2、第3和第6展现位次展现过，而未曾在第1、第4和第5展现位次展现过。

在本实施例中，上述执行主体还可以将与每个目标物品信息相关的特征集合所包括的特征输入预先训练的点击率预测模型，得到每个目标物品信息的点击率信息。

上述点击率信息用于表征目标物品信息在预设数目个展现位次的点击率。实践中，点击率信息可以是一个由预设数目个点击率组成的序列，序列中的第一个分量可以是目标物品信息在第1展现位次的点击率，序列中的第二个分量可以是目标物品信息在第2展现位次的点击率，以此类推。需要说明的是，上述预设数目可以根据实际需求而定，在此不做具体限定。

上述点击率预测模型可以用于表征与物品信息相关的特征集合和物品信息的点击率信息之间的对应关系。例如，点击率预测模型可以是技术人员根据大量的历史数据，统计所得到的展现位次信息和点击率信息之间的对应关系的对应关系表。再例如，点击率预测模型还可以是根据步骤401和步骤402所描述的方法，训练得到的机器学习模型。

作为示例，上述执行主体可以将与每个目标物品信息相关的特征集合所包括的展现位次信息输入上述对应关系表中，而后，将与输入的展现位次信息相匹配的展现位次信息对应的点击率信息，确定为目标物品信息的点击率信息。此处，所说的匹配可以是相同，也可以是相似度大于等于预设阈值。

在本实施例的一些可选的实现方式中，上述特征集合中还可以包括以下至少一项：与目标物品信息相关的用户特征，目标物品信息所指示的物品的物品特征，用户检索目标物品信息的检索信息，表征目标物品信息是否被点击的点击信息。

上述用户特征可以是在预设时间内浏览目标物品信息的用户所具有的特征，包括但不限于以下至少一项：性别，年龄，地域，购买力，品牌偏好，账号，会员等级等。上述物品特征可以是目标物品信息所指示的物品所具有的特征，包括但不限于以下至少一项：品牌，价格，型号，销量，用户评分等。上述检索信息可以是用户在预设时间内检索目标物品信息时，所涉及到的信息，包括但不限于以下至少一项：检索词，用户检索目标物品信息时的时间，用户检索目标物品信息时的天气状况等。上述点击信息可以是用于表示目标物品信息在预设时间内是否被点击的信息，可以通过以下任意一项进行表示：数字，字母，文字等。例如，数字“1”可以表示目标物品信息被点击，数字“0”可以表示目标物品信息未被点击。

在这些实现方式中，上述执行主体可以通过如下步骤，得到每个目标物品信息的点击率信息。首先，对特征集合所包括的特征进行编码。然后，对于预设数目个展现位次中的每个展现位次，指定特征集合所包括的特征在该展现位次的权重值；将编码后的特征和在该展现位次的权重值进行相乘，以及将相乘的结果值进行相加。而后，可以将得到的预设数目个结果值转换到0到1范围内，作为目标物品信息的点击率信息，即目标物品信息在预设数目个展现位次的点击率。需要说明的是，实践中，可以使用各种方法对特征进行编码，例如one-hot编码(一位有效编码)、TF-IDF(Term Frequency-Inverse DocumentFrequency，词频-逆文本频率指数)算法等。可以使用各种方法将得到的预设数目个结果值转换到0到1范围内，例如Sigmoid函数、离差标准化(min-max标准化)、Z-score标准化等。

步骤202，根据所得到的至少一个点击率信息，确定至少一个目标物品信息的待展现位次。

在本实施例中，得到上述至少一个目标物品信息的点击率信息之后，便可以确定每个目标物品信息在上述预设数目个展现位次中的每个展现位次的点击率。而后，上述执行主体可以进一步确定每个目标物品信息的待展现位次。

作为示例，对于上述预设数目个展现位次中的每个展现位次，上述执行主体首先可以确定每个目标物品信息在该展现位次的点击率，然后可以将点击率最大且未确定待展现位次的目标物品信息确定为该展现位次待展现的目标物品信息。确定每个展现位次待展现的目标物品信息之后，意味着确定了每个目标物品信息的待展现位次。需要说明的是，若在某一展现位次，存在点击率相同的至少两个目标物品信息，那么上述执行主体可以进一步确定上述至少两个目标物品信息的点击出价(物品信息被点击一次，广告商的出价)，进而将点击出价最高的目标物品信息确定为该展现位次待展现的目标物品信息。

在本实施例的一些可选的实现方式中，在确定上述至少一个目标物品信息的待展现位次之前，上述执行主体可以生成目标物品信息集合。其中，目标物品信息集合中可以包括上述至少一个目标物品信息。具体的，上述执行主体可以直接将上述至少一个目标物品信息所组成的集合确定为目标物品信息集合。

在本实施例的一些可选的实现方式中，生成目标物品信息集合之后，上述执行主体还可以通过如下步骤确定上述至少一个目标物品信息中的每个目标物品信息的待展现位次。

第一步，上述执行主体可以从上述预设数目个展现位次中选取展现位次，然后执行如下步骤S1和步骤S2所描述的确定步骤。

步骤S1，基于至少一个点击率信息，确定目标物品信息集合中的目标物品信息在该展现位次的点击率和与目标物品信息对应的相乘值的乘积。其中，相乘值通常是目标物品信息的点击出价。

首先，对于上述目标物品信息集合中的每个目标物品信息，上述执行主体可以从该目标物品信息的点击率信息中确定该目标物品信息在选取的展现位次的点击率。然后，对于目标物品信息集合中的每个目标物品信息，上述执行主体可以将该目标物品信息在选取的展现位次的点击率与该目标物品信息的点击出价相乘。需要说明的是，上述执行主体可以按照展现位次的序号由小至大的顺序，从预设数目个展现位次中选取展现位次，也可以根据实际需求从预设数目个展现位次中选取展现位次。

作为示例，目标物品信息集合中包括目标物品信息ad₁，目标物品信息ad₂，…和目标物品信息ad_n。其中，目标物品信息ad₁的点击率信息为“p₁₁，p₁₂，…，p_1k，…”，目标物品信息ad₂的点击率信息为“p₂₁，p₂₂，…，p_2k，…”，目标物品信息ad_n的点击率信息为“p_n1，p_n2，…，p_nk，…”。目标物品信息ad₁、目标物品信息ad₂和目标物品信息ad_n的点击出价分别为a、b、和c。此处，n表示目标物品信息的序号，k表示展现位次的序号，p_nk表示目标物品信息ad_n在第k个展现位次的点击率。以选取的展现位次为第k个展现位次为例，上述执行主体可以将目标物品信息集合中的每个目标物品信息在第k个展现位次的点击率与该目标物品信息的点击出价相乘，得到乘积(a*p_1k)，(b*p_2k)，…，(c*p_nk)。

可以理解，在选取的展现位次，对于上述目标物品信息集合中的每个目标物品信息，均可以得到一个对应的乘积。

步骤S2，将最大乘积所指示的目标物品信息确定为该展现位次待展现的目标物品信息。其中，相乘值通常是物品信息的点击出价。

在选取的展现位次，得到目标物品信息集合中的每个目标物品信息对应的乘积之后，上述执行主体可以将乘积最大的目标物品信息确定为所选取的展现位次待展现的目标物品信息。

继续以上一个示例为例，若乘积(a*p_1k)最大，那么上述执行主体可以将目标物品信息ad₁确定为第k个展现位次待展现的目标物品信息。

第二步，响应于确定存在未选取过的展现位次，从目标物品信息集合中删除最大乘积所指示的目标物品信息；使用删除目标物品信息后的目标物品信集合作为目标物品信息集合；从上述预设数目个展现位次中选取未选取过的展现位次，以及继续执行上述确定步骤。

仍然以上一个示例为例，响应于确定预设数目个展现位次中还存在未选取过的展现位次，上述执行主体可以从目标物品信息集合中删除目标物品信息ad₁。此时，目标物品信息集合中包括目标物品信息ad₂，…，目标物品信息ad_n。然后，上述执行主体可以使用删除目标物品信息后的目标物品信息集合作为下一次执行确定步骤的目标物品信息集合。接下来，上述执行主体可以选取未选取过的展现位次，继续执行上述确定步骤。

由此，上述执行主体可以根据所生成的至少一个点击率信息，确定上述预设数目个展现位次中的每个展现位次待展现的目标物品信息，即确定每个目标物品信息的待展现位次。

步骤203，根据至少一个目标物品信息的待展现位次，生成展示信。

在本实施例中，确定上述至少一个目标物品信息中的每个目标物品信息的待展现位次之后，上述执行主体可以进一步生成展示信息。其中，展示信息用于标识上述至少一个目标物品信息的待展现位次。实践中，展示信息可以采用各种形式，例如可以包括但不限于以下至少一项：数字，字母，文字，图片等。

作为示例，若目标物品信息ad₁、目标物品信息ad₂和目标物品信息ad₃的待展现位次分别为第2个展现位次、第1个展现位次和第3个展现位次，那么展示信息可以是各种能够标识目标物品信息ad₁、目标物品信息ad₂和目标物品信息ad₃的待展现位次的信息。例如，展示信息可以是“ad_1:2，ad_2:1,ad_3:3”。

在本实施例的一些可选的实现方式中，上述根据至少一个目标物品信息的待展现位次，生成展示信息，还可以包括：按照至少一个目标物品信息的待展现位次的序号由小至大的顺序，对至少一个目标物品信息进行排序，生成排序信息作为展示信息。其中，排序信息可以是用于标识至少一个目标物品信息的排序结果的信息。实践中，排序信息可以采用各种形式，例如可以包括但不限于以下至少一项：数字，字母，文字，图片等。

还以上一个示例为例，按照待展现位次的序号由小至大的顺序，对目标物品信息ad₁、目标物品信息ad₂和目标物品信息ad₃进行排序，得到的排序信息可以是各种能够标识目标物品信息ad₁、目标物品信息ad₂和目标物品信息ad₃的排序结果的信息。例如，排序信息可以是“1:ad₂，2:da₁，3:da₃”。

步骤204，将展示信息发送至通信连接的终端设备，以使终端设备按照展示信息对至少一个目标物品信息进行展示。

在本实施例中，生成展示信息之后，上述执行主体可以将展示信息发送至通信连接的终端设备，而后终端设备可以按照接收到的展示信息，对上述预设数目个展现位次所展现的目标物品信息进行更新。

作为示例，对上述预设数目个展现位次中的展现位次，终端设备可以确定该展现位次当前展现的目标物品信息与展示信息所指示的该展现位次待展现的目标物品信息是否一致，若不一致，终端设备可以将该展现位次当前展示的目标物品信息更新为展示信息所指示的该展现位次待展现的目标物品信息。

作为又一示例，对于上述至少一个目标物品信息中的每个目标物品信息，终端设备可以确定该目标物品信息的当前展现位次与展示信息所指示的该目标物品信息的待展现位次是否一致，若不一致，终端设备可以将该目标物品信息展现于展示信息所指示的该目标物品信息的待展现位次。

继续参见图3，图3是根据本实施例的信息展示方法的应用场景的一个示意图。在图3的应用场景中，服务器301为智能手机302中所安装的购物类应用的后台服务器，目标物品信息A、目标物品信息B和目标物品信息C是智能手机302中所安装的购物类应用中某一类目下的物品信息。

首先，服务器301可以从本地获取目标物品信息A的特征集合303，目标物品信息B的特征集合304和目标物品信息C特征集合305。其中，特征集合303中包括目标物品信息A的展现位次信息，特征集合304中包括目标物品信息B的展现位次信息，特征集合305中包括目标物品信息C的展现位次信息。

下面以点击率预测模型306为对应关系表为例。其中，对应关系表中展现位次信息和点击率信息关联存储。然后，服务器301可以将特征集合303中的展现位次信息、特征集合304中的展现位次信息和特征集合305中的展现位次信息分别输入到对应关系表中进行匹配，得到目标物品信息A的点击率信息307、目标物品信息B的点击率信息308和目标物品信息C的点击率信息309。

而后，对于第1个到第3个展现位次中的每个展现位次，服务器301可以确定目标物品信息A、目标物品信息B和目标物品信息C在该展现位次的点击率，以及将点击率最大且未确定待展现位次的目标物品信息确定为该展现位次待展现的目标物品信息。可以理解，确定每个展现位次待展现的目标物品信息之后，便可以确定目标物品信息A、目标物品信息B和目标物品信息C的待展现位次。假设目标物品信息A的待展现位次为第2个展现位次，目标物品信息B的待展现位次为第1个展现位次，目标物品信息C的待展现位次为第3个展现位次。进而服务器301可以生成展示信息310，如图中所示的“目标物品信息A:2,目标物品信息B:1,目标物品信息C:3”。

进而，服务器301可以将展示信息310发送至终端设备302。接收到展示信息310之后，终端设备302可以分别确定目标物品信息A、目标物品信息B和目标物品信息C的当前展现位次与展示信息310所指示的待展现位次是否一致。若不一致，则将目标物品信息A、目标物品信息B和目标物品信息C展示于展示信息310所指示的待展现位次。

本申请的上述实施例提供的方法，首先，对于至少一个目标物品信息中每个目标物品信息，可以获取与该目标物品信息相关的特征集合，以及将与该目标物品信息相关的特征集合输入至预先训练的点击率预测模型，得到该目标物品信息的点击率信息。然后，可以根据所得到的至少一个点击率信息，确定上述至少一个目标物品信息的待展现位次。而后，可以根据所确定的至少一个目标物品信息的待展现位次，生成展示信。从而，可以将所生成的展示信息发送至通信连接的终端设备，以使终端设备按照接收到的展示信息对上述至少一个目标物品信息进行展示。由此，在生成目标物品信息的点击率时，可以将目标物品信息的历史展现位次考虑在内，得到目标物品信息在各展现位次的点击率。

进一步参考图4，其示出了信息展示方法的又一个实施例的流程400。该信息展示方法的流程400，包括以下步骤：

步骤401，获取样本集合。

在本实施例中，样本集合中的样本可以包括与样本物品信息相关的样本特征集合和样本点击率信息。其中，样本物品信息可以是技术人员从电商平台所展示过的物品信息中选取的物品信息。样本点击率信息可以用于表征样本物品信息在预设数目个展现位次的点击率。样本特征集合通常由与样本物品信息相关的特征所组成。例如，样本特征集合中可以包括表征样本物品信息的历史展现位次的展现位次信息。

在本实施例的一些可选的实现方式中，样本特征集合中还可以包括以下至少一项：与样本物品信息相关的用户特征，样本物品信息所指示的物品的物品特征，用户检索样本物品信息的检索信息，表征样本物品信息是否被点击的点击信息。

在本实施例中，训练点击率预测模型的执行主体(如图1所示的服务器104)可以通过各种方法获取样本集合。例如，若样本集合存储于本地，训练点击率预测模型的执行主体可以直接从本地获取样本集合。例如，若样本集合存储于通信连接的数据库服务器，训练点击率预测模型的执行主体可以从通信连接的数据库服务器获取样本集合。

步骤402，从样本集合中选取至少一个样本，以及执行如下训练步骤。

在本实施例中，首先，训练点击率预测模型的执行主体可以从样本集合中选取至少一个样本。然后，可以通过步骤4021到步骤4024，训练得到点击率预测模型。

步骤4021，将选取的至少一个样本的样本特征集合所包括的样本特征分别输入初始模型，得到与至少一个样本中的每个样本的样本特征集合相关的样本物品信息的点击率信息。

在本实施例中，对于所选取的至少一个样本中的每个样本，训练点击率预测模型的执行主体可以对该样本的样本特征集合所包括的特征进行编码。而后，可以得到至少一个编码后的样本。进一步，对于编码后的至少一样本中的每个样本，可以将该样本的样本特征集合所包括的特征输入初始模型，得到与该样本的样本特征集合相关的样本物品信息的点击率信息。需要说明的是，上述对样本特征进行编码的方式可以是各种方式，例如one-hot编码、TF-IDF算法等。上述初始模型可以是利用人工神经网络(Artificial NeuralNetwork，ANN)所搭建的机器学习模型，可以包括输入层、池化层、全连接层、输出层。其中，池化层可以对输入层所输入的编码后的特征进行降维。全连接层可以对降维后的特征进行综合。输出层预先设置有预设数目个输出，其中，预设数目可以根据实际需求而定。此处，初始模型所包括的池化层和全连接层的层数可以是任意的，在此不做具体限定。

具体的，首先，训练点击率预测模型的执行主体可以从上述至少一个编码后的样本中选取样本。然后，对所选取的编码后的样本执行如下所示的步骤S1到步骤S6。

步骤S1，通过输入层，将选取的编码后的样本的样本特征集合所包括的样本特征输入至初始模型。

步骤S2，通过池化层对输入的样本特征进行降维。

步骤S3，通过全连接层对降维后的样本特征进行综合，得到综合后的特征。实践中，在每一个展现位次，上述综合后的特征均预先设置有对应的权重值。

步骤S4，在预设数目个展现位次中的每个展现位次，训练点击率预测模型的执行主体可以将综合后的特征与对应的权重值进行相乘，以及将相乘后的结果进行相加。

步骤S5，可以将得到的预设数目个相加后的结果转换到0到1范围内，作为输入的样本特征所属的样本特征集合相关的样本物品信息的点击率信息。

实践中，可以使用各种方法将得到的预设数目个结果值转换到0到1范围内，例如Sigmoid函数、离差标准化、Z-score标准化等。

步骤S6，可以通过输出层将得到的点击率信息进行输出。

应该理解，训练点击率预测模型的执行主体可以对上述至少一个编码后的每个样本分别执行上述步骤S1到步骤S6。

步骤4022，将与至少一个样本中的每个样本的样本特征集合相关的样本物品信息的点击率信息和对应的样本点击率信息进行比较。

在本实施例中，对于上述至少一个样本中的每个样本，训练点击率预测模型的执行主体可以将得到的点击率信息和该样本的样本点击率信息进行比较，进而确定出所得到的点击率信息和该样本的样本点击率信息之间的差异。从而，训练点击率预测模型的执行主体可以将所得到的至少一个差异进行相加，得到总差异。需要说明的是，实践中，可以通过各种损失函数，得到总差异。例如对数损失函数、平方损失函数等。

在本实施例的一些可选的实现方式中，若样本特征集合中还包括以下至少一项：与样本物品信息相关的用户特征，样本物品信息所指示的物品的物品特征，用户检索样本物品信息的检索信息，表征样本物品信息是否被点击的点击信息。此时，训练点击率预测模型的执行主体还可以通过如下损失函数确定总差异。

其中，N表示与编码后的样本的样本特征集合相关的样本物品信息的总个数，i表示样本物品信息的序号。M表示展现位次的总个数，j表示展现位次的序号。y_i表示第i个样本物品信息是否被点击，例如，“0”表示未被点击，“1”表示被点击。loss表示交叉熵损失函数，p_j表示样本物品信息在第j个展现位次的点击率。I表示指示函数，S_i表示第i个样本物品信息的展现位次。

上述交叉熵损失函数的定义如下：

loss(y_i，p_j)＝-[y_ilnp_j+(1-y_i)ln(1-p_j)]

上述指示函数的定义如下：

可以看出，当S_i等于j时，指示函数的值为1，当S_i不等于j时，指示函数的值为0。

步骤4023，基于比较结果，确定初始模型是否训练完成。

在本实施例中，训练点击率预测模型的执行主体可以基于比较结果，确定初始模型是否训练完成。具体的，若所得到的总差异小于或者等于预设差异，可以确定上述初始模型训练完成。

步骤4024，响应于确定训练完成，将训练完成的初始模型确定为点击率预测模型。

在本实施例中，响应于确定上述初始模型训练完成，训练点击率预测模型的执行主体可以将训练完成的初始模型确定为点击率预测模型。

在本实施例的一些可选的实现方式中，响应于确定上述初始模型未训练完成，训练点击率预测模型的执行主体可以调整初始模型的相关参数。然后，从样本集合中选取至少一个未使用过的样本，使用调整后的初始模型作为初始模型，继续执行上述步骤4021到步骤4024，直至满足预设的训练结束条件，结束训练。在这里，预设的训练结束条件包括但不限于以下至少一项：训练次数超过预设次数；训练时间超过预设时长；所得到的总差异小于或者等于预设差异。实践中，可以通过各种算法对初始模型进行参数的调整，例如BP(Back Propagation，反向传播)算法、SGD(Stochastic Gradient Descent，随机梯度下降)算法。

需要说明的是，训练点击率预测模型的执行主体与信息展示方法的执行主体可以相同，也可以不同。若相同，在训练得到点击率预测模型之后，训练点击率预测模型的执行主体可以将训练好的点击率预测模型的结构信息和参数值存储在本地。若不同，在训练得到点击率预测模型之后，训练点击率预测模型的执行主体可以将训练好的点击率预测模型的结构信息和参数值发送至信息展示方法的执行主体。

步骤403，对于至少一个目标物品信息中的目标物品信息，获取与该目标物品信息相关的特征集合，以及将与该目标物品信息相关的特征集合所包括的特征输入预先训练的点击率预测模型，得到该目标物品信息的点击率信息。

步骤404，根据所得到的至少一个点击率信息，确定至少一个目标物品信息的待展现位次。

步骤405，根据至少一个目标物品信息的待展现位次，生成展示信。

步骤406，将展示信息发送至通信连接的终端设备，以使终端设备按照展示信息对至少一个目标物品信息进行展示。

上述步骤403、步骤404、步骤405和步骤406分别与前述实施例中的步骤201、步骤202、步骤203和步骤204一致，上文针对步骤201、步骤202、步骤203和步骤204的描述也适用于步骤403、步骤404、步骤405和步骤406，此处不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的信息展示方法的流程400体现了利用机器学习方法训练点击率预测模型的步骤。由此，本实施例描述的方案可以将样本物品信息的历史展现位次考虑在内，训练得到能够预测目标物品信息在各展现位次的点击率的点击率预测模型。从而，可以通过所训练的点击率预测模型，得到目标物品信息在各展现位次的点击率。现有的训练点击率预测模型的方法，一般不考虑物品信息的历史展现位次这一特征，预测得到的往往是物品信息的一个笼统的点击率，并非物品信息在每个展现位次的点击率，预测精度比较低。为了提高预测精度，可以通过位次修正的方法，对预测得到的点击率进行修正，但预测效率会降低。相比之下，本实施例中的方案，在不影响预测效率的前提下，可以进一步提高预测精度。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了信息展示装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例提供的信息展示装置500包括获取单元501、确定单元502、第一生成单元503和发送单元504。其中，获取单元501，可以被配置成：对于至少一个目标物品信息中的目标物品信息，获取与该目标物品信息相关的特征集合，以及将与该目标物品信息相关的特征集合所包括的特征输入预先训练的点击率预测模型，得到该目标物品信息的点击率信息，其中，特征集合中包括表征目标物品信息的历史展现位次的展现位次信息，点击率信息用于表征目标物品信息在预设数目个展现位次的点击率，点击率预测模型用于表征与物品信息相关的特征集合和物品信息的点击率信息之间的对应关系。确定单元502，可以被配置成：根据所得到的至少一个点击率信息，确定至少一个目标物品信息的待展现位次。第一生成单元503可以被配置成：根据至少一个目标物品信息的待展现位次，生成展示信，其中，展示信息用于标识至少一个目标物品信息的待展现位次。发送单元504可以被配置成：将展示信息发送至通信连接的终端设备，以使终端设备按照所述展示信息对至少一个目标物品信息进行展示。

在本实施例中，信息展示装置500中：获取单元501、确定单元502、第一生成单元503和发送单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述装置500还可以包括训练单元(图中未示出)。其中，训练单元可以包括获取模块(图中未示出)和训练模块(图中未示出)。获取模块可以被配置成：获取样本集合，其中，样本包括与样本物品信息相关的样本特征集合和样本点击率信息，样本特征集合中包括表征样本物品信息的历史展现位次的展现位次信息，样本点击率信息用于表征样本物品信息在预设数目个展现位次的点击率。训练模块可以被配置成：从样本集合中选取至少一个样本，以及执行如下训练步骤：将选取的至少一个样本的样本特征集合所包括的样本特征分别输入初始模型，得到与至少一个样本中的每个样本的样本特征集合相关的样本物品信息的点击率信息；将与至少一个样本中的每个样本的样本特征集合相关的样本物品信息的点击率信息和对应的样本点击率信息进行比较；基于比较结果，确定初始模型是否训练完成；响应于确定训练完成，将训练完成的初始模型确定为点击率预测模型。

在本实施例的一些可选的实现方式中，上述模型训练单元还可以包括调整模块(图中未示出)。其中，调整模块可以被配置成：响应于确定未训练完成，调整初始模型的相关参数，以及从样本集合中选取至少一个未使用过的样本，使用调整后的初始模型作为初始模型，继续执行训练步骤。

在本实施例的一些可选的实现方式中，上述特征集合中还可以包括以下至少一项：与目标物品信息相关的用户特征，目标物品信息所指示的物品的物品特征，用户检索目标物品信息的检索信息，表征目标物品信息是否被点击的点击信息。

在本实施例的一些可选的实现方式中，上述装置500还可以包括第二生成单元(图中未示出)。其中，第二生成单元可以被配置成：生成目标物品信息集合。目标物品信息集合中可以包括至少一个目标物品信息。

在本实施例的一些可选的实现方式中，上述确定单元502可以包括：确定模块(图中未示出)和执行模块(图中未示出)。其中，确定模块可以被配置成：从预设数目个展现位次中选取展现位次，以及执行如下确定步骤：基于至少一个点击率信息，确定目标物品信息集合中的目标物品信息在该展现位次的点击率和与目标物品信息对应的相乘值的乘积；将最大乘积所指示的目标物品信息确定为该展现位次待展现的目标物品信息。执行模块可以被配置成：响应于确定存在未选取过的展现位次，从目标物品信息集合中删除最大乘积所指示的目标物品信息；使用删除目标物品信息后的目标物品信集合作为目标物品信息集合；从预设数目个展现位次中选取未选取过的展现位次，以及继续执行确定步骤。

在本实施例的一些可选的实现方式中，上述第一生成单元503可以进一步被配置成：按照至少一个目标物品信息的待展现位次的序号由小至大的顺序，对至少一个目标物品信息进行排序，生成排序信息作为展示信息。

本申请的上述实施例提供的装置500，首先，可以通过获取单元501，获取与至少一个目标物品信息中的每个目标物品信息相关的特征集合，以及将与每个物品信息相关的特征集合所包括的特征输入预先训练的点击率预测模型，得到每个目标物品信息的点击率信息。然后，可以通过确定单元502，根据所得到的至少一个点击率信息，确定至少一个目标物品信息的待展现位次。而后，可以通过第一生成单元503，根据至少一个目标物品信息的待展现位次，生成展示信。进而，可以通过发送单元504，将展示信息发送至通信连接的终端设备，以使终端设备按照所述展示信息对至少一个目标物品信息进行展示。从而，在生成目标物品信息的点击率时，可以将目标物品信息的历史展现位次考虑在内，得到目标物品信息在各展现位次的点击率。

下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括获取单元、确定单元、第一生成单元和发送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，确定单元还可以被描述为“根据所得到的至少一个点击率信息，确定至少一个目标物品信息的待展现位次的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的服务器中所包含的；也可以是单独存在，而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该服务器执行时，使得该服务器：对于至少一个目标物品信息中的目标物品信息，获取与该目标物品信息相关的特征集合，以及将与该目标物品信息相关的特征集合所包括的特征输入预先训练的点击率预测模型，得到该目标物品信息的点击率信息，其中，特征集合中包括表征目标物品信息的历史展现位次的展现位次信息，点击率信息用于表征目标物品信息在预设数目个展现位次的点击率，点击率预测模型用于表征与物品信息相关的特征集合和物品信息的点击率信息之间的对应关系；根据所得到的至少一个点击率信息，确定至少一个目标物品信息的待展现位次；根据至少一个目标物品信息的待展现位次，生成展示信，其中，展示信息用于标识至少一个目标物品信息的待展现位次；将展示信息发送至通信连接的终端设备，以使终端设备按照展示信息对至少一个目标物品信息进行展示。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种信息展示方法，包括：

对于至少一个目标物品信息中的目标物品信息，获取与该目标物品信息相关的特征集合，以及将与该目标物品信息相关的特征集合所包括的特征输入预先训练的点击率预测模型，得到该目标物品信息的点击率信息，其中，特征集合中包括表征目标物品信息的历史展现位次的展现位次信息，点击率信息用于表征目标物品信息在至少两个展现位次的点击率，所述点击率预测模型用于表征与物品信息相关的特征集合和物品信息的点击率信息之间的对应关系；

根据所得到的至少一个点击率信息，确定所述至少一个目标物品信息的待展现位次；

根据所述至少一个目标物品信息的待展现位次，生成展示信息，其中，所述展示信息用于标识所述至少一个目标物品信息的待展现位次；

将所述展示信息发送至通信连接的终端设备，以使所述终端设备按照所述展示信息对所述至少一个目标物品信息进行展示。

2.根据权利要求1所述的方法，其中，所述点击率预测模型通过如下步骤训练得到：

获取样本集合，其中，样本包括与样本物品信息相关的样本特征集合和样本点击率信息，样本特征集合中包括表征样本物品信息的历史展现位次的展现位次信息，样本点击率信息用于表征样本物品信息在至少两个展现位次的点击率；

从所述样本集合中选取至少一个样本，以及执行如下训练步骤：将选取的至少一个样本的样本特征集合所包括的样本特征分别输入初始模型，得到与至少一个样本中的每个样本的样本特征集合相关的样本物品信息的点击率信息；将与至少一个样本中的每个样本的样本特征集合相关的样本物品信息的点击率信息和对应的样本点击率信息进行比较；基于比较结果，确定初始模型是否训练完成；响应于确定训练完成，将训练完成的初始模型确定为点击率预测模型。

3.根据权利要求2所述的方法，其中，训练所述点击率预测模型的步骤还包括：

响应于确定未训练完成，调整初始模型的相关参数，以及从所述样本集合中选取至少一个未使用过的样本，使用调整后的初始模型作为初始模型，继续执行所述训练步骤。

4.根据权利要求1所述的方法，其中，所述特征集合中还包括以下至少一项：与所述目标物品信息相关的用户特征，所述目标物品信息所指示的物品的物品特征，用户检索所述目标物品信息的检索信息，表征所述目标物品信息是否被点击的点击信息。

5.根据权利要求1-4中任一所述的方法，其中，在所述根据所得到的至少一个点击率信息，确定所述至少一个目标物品信息的待展现位次之前，所述方法还包括：

生成目标物品信息集合，其中，所述目标物品信息集合中包括所述至少一个目标物品信息。

6.根据权利要求5所述的方法，其中，所述根据所得到的至少一个点击率信息，确定所述至少一个目标物品信息的待展现位次，包括：

从所述至少两个展现位次中选取展现位次，以及执行如下确定步骤：基于所述至少一个点击率信息，确定目标物品信息集合中的目标物品信息在该展现位次的点击率和与目标物品信息对应的相乘值的乘积；将最大乘积所指示的目标物品信息确定为该展现位次待展现的目标物品信息；

所述方法还包括：响应于确定存在未选取过的展现位次，从目标物品信息集合中删除最大乘积所指示的目标物品信息；使用删除目标物品信息后的目标物品信集合作为目标物品信息集合；从所述至少两个展现位次中选取未选取过的展现位次，以及继续执行所述确定步骤。

7.根据权利要求1-4中任一所述的方法，其中，所述根据所述至少一个目标物品信息的待展现位次，生成展示信息，包括：

按照所述至少一个目标物品信息的待展现位次的序号由小至大的顺序，对所述至少一个目标物品信息进行排序，生成排序信息作为所述展示信息。

8.一种信息展示装置，包括：

获取单元，被配置成对于至少一个目标物品信息中的目标物品信息，获取与该目标物品信息相关的特征集合，以及将与该目标物品信息相关的特征集合所包括的特征输入预先训练的点击率预测模型，得到该目标物品信息的点击率信息，其中，特征集合中包括表征目标物品信息的历史展现位次的展现位次信息，点击率信息用于表征目标物品信息在至少两个展现位次的点击率，所述点击率预测模型用于表征与物品信息相关的特征集合和物品信息的点击率信息之间的对应关系；

确定单元，被配置成根据所得到的至少一个点击率信息，确定所述至少一个目标物品信息的待展现位次；

第一生成单元，被配置成根据所述至少一个目标物品信息的待展现位次，生成展示信息，其中，所述展示信息用于标识所述至少一个目标物品信息的待展现位次；

发送单元，被配置成将所述展示信息发送至通信连接的终端设备，以使所述终端设备按照所述展示信息对所述至少一个目标物品信息进行展示。

9.一种服务器，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。