相关申请的交叉引用本申请要求2014年4月29日提交的题为“METHODSANDSYSTEMSFORDISPLAYINGATTRIBUTIONCREDITDATABASEDONPARAMETERS”的美国专利申请No.14/264,666、2013年12月11日提交的题为“METHODSANDSYSTEMSFORCREATINGADATA-DRIVENATTRIBUTIONMODELFORASSIGNINGATTRIBUTIONCREDITTOAPLURALITYOFEVENTS”的美国专利申请No.14/103,589、2013年12月11日提交的题为“METHODSANDSYSTEMSFORSELECTINGCONTENTFORDISPLAYBASEDONCONVERSIONPROBABILITIESOFPATHS”的美国专利申请No.14/103,487、2013年12月11日提交的题为“METHODSANDSYSTEMSFORMEASURINGCONVERSIONPROBABILITIESOFPATHSFORANATTRIBUTIONMODEL”的美国专利申请No14/103,440、2013年12月11日提交的题为“METHODSANDSYSTEMSFORCREATINGADATA-DRIVENATTRIBUTIONMODELFORASSIGNINGATTRIBUTIONCREDITTOAPLURALITYOFEVENTS”的美国专利申请No.14/103,453的权益和优先权，其中每个申请都要求2013年12月5日提交的题为“METHODSANDSYSTEMSFORCREATINGADATA-DRIVENATTRIBUTIONMODELFORASSIGNINGATTRIBUTIONCREDITTOAPLURALITYOFEVENTS”的美国临时申请No.61/912,356的优先权，其公开内容通过引用整个并入本文。
背景技术：
在线用户现如今接触(beexposedto)过多的媒体接触(mediaexposure)，诸如网幅广告、电子邮件广告、显示广告、自然和付费搜索结果等等。这些媒体接触可以被配置将用户导向特定网站。当在线用户执行诸如进行在线购买的转化行为时，广告主希望知道用户所接触的各种媒体接触中哪些对用户的转化行为负责。历史上来说，用户最近接触的媒体接触将得到该转化的所有得分(credit)，而用户接触的所有其他媒体接触将什么也得不到。该归因(attribution)模型被称为最近点击归因。
技术实现要素：
这里描述用于创建归因模型的方法、装置和系统，归因模型不仅将归因得分(attributioncredit)分配给用户在转化行为之前接触的最近的媒体接触，而且分配给部分地为转化行为的出现负责的其他媒体接触。特别地，这里描述的归因模型依赖于对网站进行访问的访问相关数据，包括但不限于，访问者访问网站所采用的路径的转化概率。因此，本公开涉及用于分配归因得分给与路径和转化概率确定引擎相关联的各种媒体接触的数据驱动归因模型，所述转化概率确定引擎被配置为确定路径转化可能性。根据一个方面，一种用于创建数据驱动归因模型的方法包括，识别在给定时段内对特定网站的多个访问。处理器然后对于与所识别的多个访问相关联的每个访问者标识符，识别与该访问者标识符相关联的路径。所述路径包括至少一个事件，所述至少一个事件中的每个事件具有对应的索引位置，该索引位置指示该事件相对于路径中所包括的其他事件的位置的位置。所述处理器然后对于与所识别的路径相关联的每个路径类型，基于与该路径类型相对应的导致了转化的访问的数目，确定路径类型转化概率。然后，对于与所识别的路径相关联的多个路径类型中的每个路径类型，基于给定路径类型的转化概率和不包括为之计算了反事实增益的事件的路径类型的转化概率，处理器计算每个事件的反事实增益。对于所述多个路径类型中的每个路径类型的每个事件，基于所计算的该事件的反事实增益，处理器确定归因得分。对于与所识别的路径相关联的所述多个路径类型中的每个路径类型，处理器然后存储在该路径类型中所包括的每个事件的所确定的归因得分。在一些实施方式中，处理器那个识别对特定网站的多个访问包括从数据库识别所述多个访问，所述数据库识别来自存储包括与多个访问相关联的访问相关信息的条目。在一些实施方式中，每个条目包括访问者标识符、转化指示、或媒体接触，访问者标识符识别与所述访问相关联的访问者设备，转化指示指示了在所述访问期间是否发生了转化，媒体接触与通过其发生了对网站的访问的事件相对应。在一些实施方式中，处理器能够对于路径类型中的每个路径类型创建用于分配归因得分的规则。在一些实施方式中，处理器能够确定所计算的给定事件的反事实增益小于零以及响应于确定所计算的给定事件的反事实增益小于零而为给定事件存储零的归因得分。在一些实施方式中，对于给定路径类型，处理器能够通过对于给定路径类型，识别在给定事件之前的第一排序的事件序列和在给定事件之后的第二排序的事件序列，来计算给定路径类型的给定事件的反事实增益。处理器然后能够从与所识别的路径相关联的路径类型识别比较路径类型，比较路径类型包括后面紧接着所述第二排序的事件序列的第一排序的事件序列。处理器然后对于给定事件，计算给定路径类型的转化概率与比较路径类型的转化概率之间的差。在一些实施方式中，对于多个路径类型中每个路径类型的每个事件，处理器能够通过确定给定事件的反事实增益与给定事件所属于的路径类型中所包括的事件中的每个事件的反事实增益的总和之间的比率，而基于所计算的事件的反事实增益确定归因得分。在一些实施方式中，所述事件包括以下中的一个：访问者通过网幅内容项、自然搜索结果内容项、付费搜索结果内容项、电子邮件内容项中的一个来访问网站、直接访问、或社交网络推介。在一些实施方式中，对于与所识别的路径相关联的多个路径中的每个路径，为路径类型中包括的每个事件存储所确定的归因得分包括：对于每个路径类型，创建用于分配归因得分的规则。根据另一方面，一种用于创建数据驱动归因模型的系统，包括：具有数据驱动归因模型创建模块的数据处理系统。所述数据处理系统进一步包括：存储器，所述存储器存储处理器可执行指令；以及处理器，所述处理器被配置为执行所述处理器可执行指令。处理器被配置为识别在给定时段内对特定网站的多个访问。处理器被配置为，对于与所识别的多个访问相关联的每个访问者标识符，识别与该访问者标识符相关联的路径。所述路径包括至少一个事件，所述至少一个事件中的每个事件具有对应的索引位置，该索引位置指示该事件相对于所述路径中所包括的其他事件的位置的位置。处理器被配置为，对于与所识别的路径相关联的每个路径类型，基于与该路径类型相对应的导致了转化的访问的数目，确定路径类型转化概率。处理器被配置为，对于与所识别的路径相关联的多个路径类型中的每个路径类型，基于给定路径类型的转化概率和不包括为之计算了反事实增益的事件的路径类型的转化概率，为每个事件计算反事实增益。处理器被配置为，对于多个路径类型中的每个事件，基于所计算的该事件的反事实增益，确定归因得分。处理器还进一步被配置为，对于与所识别的路径相关联的所述多个路径类型中的每个路径类型，存储在该路径类型中所包括的每个事件的所确定的归因得分。在一些实施方式中，处理器能够识别对特定网站的多个访问包括：从数据库识别所述多个访问，所述数据库存储包括与多个访问相关联的访问相关信息的条目。在一些实施方式中，每个条目包括访问者标识符、转化指示、或媒体接触，访问者标识符识别与所述访问相关联的访问者设备，转化指示指示在所述访问期间是否发生了转化，媒体接触与通过其发生了对网站的访问的事件相对应。在一些实施方式中，处理器能够为每个路径类型创建用于分配归因得分的规则。在一些实施方式中，处理器能够确定所计算的给定事件的反事实增益小于零以及响应于确定所计算的所述给定事件的反事实增益小于零，而为给定事件存储零的归因得分。在一些实施方式中，处理器能够通过对于给定路径类型，识别在所述给定事件之前的第一排序的事件序列和在所述给定事件之后的第二排序的事件序列，来对于给定路径类型计算给定路径类型的给定事件的反事实增益。处理器然后能够从与所识别的路径相关联的路径类型识别比较路径类型，所述比较路径类型包括后面紧接着所述第二排序的事件序列的所述第一排序的事件序列。处理器然后对于给定事件，计算所述给定路径类型的转化概率与比较路径类型的转化概率之间的差。在一些实施方式中，处理器能够通过确定给定事件的反事实增益与给定事件所属于的路径类型中所包括的事件中的每个事件的反事实增益的总和之间的比率，来对于多个路径类型中每个路径类型的每个事件，基于所计算的该事件的反事实增益确定归因得分。所述事件包括以下中的一个：访问者通过网幅内容项、自然搜索结果内容项、付费搜索结果内容项、电子邮件内容项中的一个来访问网站、直接访问、或社交网络推介。对于与所识别的路径相关联的多个路径中的每个路径，为路径类型中包括的每个事件存储所确定的归因得分能够包括：对于每个路径类型，创建用于分配归因得分的规则。根据另一方面，一种计算机可读存储介质，具有经由计算机网络提供信息的指令。所述指令包括指令以用于：识别在给定时段内对特定网站的多个访问。指令还包括指令以用于：对于与所识别的多个访问相关联的每个访问者标识符，识别与该访问者标识符相关联的路径。所述路径包括至少一个事件，所述至少一个事件中的每个事件具有对应的索引位置，该索引位置指示该事件相对于所述路径中所包括的其他事件的位置的位置。指令还包括指令以便：对于与所识别的路径相关联的每个路径类型，基于对应于导致了转化的路径类型的访问数量，确定路径类型转化概率。指令还包括指令以用于：对于与所识别的路径相关联的多个路径类型中的每个路径类型，基于给定路径类型的转化概率和不包括为之计算了反事实增益的事件的路径类型的转化概率，为每个事件计算反事实增益。指令还包括指令以用于：对于所述多个路径类型中的每个路径类型的每个事件，基于所计算的该事件的反事实增益，确定归因得分。指令还包括指令用于：对于与所识别的路径相关联的所述多个路径类型中的每个路径类型，存储在路径类型中所包括的每个事件的所确定的归因得分。在一些实施方式中，用于对于给定路径类型，对于给定路径类型，为所述给定路径类型的给定事件计算反事实增益的指令包括，识别在所述给定事件之前的第一排序的事件序列和在所述给定事件之后的第二排序的事件序列的指令，从与所识别的路径相关联的路径类型识别比较路径类型，所述比较路径类型包括后面紧接着所述第二排序的事件序列所述第一排序的事件序列的指令，以及对于给定事件，计算所述给定路径类型的转化概率与所述比较路径类型的转化概率之间的差的指令。在一些实施方式中，对于所述多个路径类型中的每个路径类型的每个事件，基于所计算的该事件的反事实增益确定归因得分的指令包括：确定给定事件的反事实增益与所述给定事件所属于的路径类型中包括的每个事件的反事实增益的总和之间的比率的指令。在一些实施方式中，存储路径类型中所包括的每个事件的所确定的归因得分的指令包括：对于每个路径类型，创建用于分配归因得分的规则的指令。根据一个方面，一种用于创建用于在多个事件上分配归因得分的规则的方法，包括由处理器识别在特定网站的多个转化。处理器然后识别与所识别的转化相关联的路径类型。所识别的路径类型中的每个路径类型识别一个或多个事件和对应的索引位置，该索引位置指示事件相对于路径的其他事件的位置。处理器然后识别要根据路径重写策略来重写的所识别的路径类型的子集。处理器然后重写根据所述路径重写策略重写所识别的路径类型的所识别的子集作为重写路径类型。处理器对于重写路径类型和剩余的与所识别的转化相关联的所识别的路径类型中的每个路径类型，确定该路径类型中所包括的每个事件的归因得分。处理器然后对于重写路径类型和剩余的与所识别的转化相关联的所识别的路径类型中的每个路径类型，创建用于将所确定的归因得分分配给针对其创建规则的路径类型的每个事件的规则。在一些实施方式中，处理器能够识别在给定时段内在特定网站处的多个转化。在一些实施方式中，处理器能够从网站日志中检索与在网站转化相关联的访问相关数据。在一些实施方式中，处理器能够对于每个转化，识别与该转化相关联的访问者标识符。处理器能够识别在该转化之前对所述网站的符合资格的访问。处理器能够对于每个符合资格的访问，识别所述访问者访问所述网站所通过的事件。处理器随后以时间次序布置导致符合资格的访问的事件。在一些实施方式中，处理器能够确定路径类型不足够重要，并且响应于确定该路径类型不足够重要，二从针对其创建用于分配归因得分的规则的所识别的路径类型中移除该路径类型。在一些实施方式中，处理器能够对于每个路径类型，识别与所述路径类型相关联的转化的数目。处理器然后识别具有的转化的数目小于阈值的路径类型。处理器然后移除具有的转化数目小于阈值的所识别的路径类型。在一些实施方式中，处理器对于每个路径类型，识别与该路径类型相关联的转化的数目。处理器基于所识别的转化的数目，识别阈值频率，以及以所识别的与所述路径类型相关联的转化的数目的升序，移除一个或多个路径，直到移除的转化的数目超过阈值频率。根据另一方面，一种用于创建用于在多个事件上分配归因得分的规则的系统，包括具有规则创建模块的数据处理系统。所述数据处理系统进一步包括：存储器，所述存储器存储处理器可执行指令；以及处理器，所述处理器被配置为执行所述处理器可执行指令。处理器被配置为识别在特定网站的多个转化。处理器然后识别与所识别的转化相关联的路径类型。所识别的路径类型中的每个路径类型识别一个或多个事件和对应的索引位置，该索引位置指示事件相对于路径的其他事件的位置。处理器然后识别要根据路径重写策略来重写的所识别的路径类型的子集。处理器然后根据路径重写策略重写所识别的路径类型的所识别的子集作为重写路径类型。处理器对于重写路径类型和剩余的与所识别的转化相关联的所识别的路径类型中的每个路径类型，确定该路径类型中所包括的每个事件的归因得分。处理器然后对于重写路径类型和剩余的与所识别的转化相关联的所识别的路径类型中的每个路径类型，创建用于将所确定的归因得分分配给针对其创建规则的路径类型的每个事件的规则。在一些实施方式中，处理器能够识别在给定时段内在特定网站处的多个转化。在一些实施方式中，处理器能够从网站日志中检索与在网站处的转化相关联的访问相关数据。在一些实施方式中，处理器能够对于每个转化，识别与转化相关联的访问者标识符。处理器能够识别在转化前对网站的符合资格的访问。处理器能够对于每个符合资格的访问，识别访问者访问网站所通过的事件。处理器然后以时间次序布置导致该符合资格的访问的事件。在一些实施方式中，处理器能够确定路径类型不足够重要，以及响应于确定路径类型不足够重要，而从针对其创建用于分配归因得分的规则的所识别的路径类型中移除该路径类型。在一些实施方式中，处理器能够对于每个路径类型，识别与该路径类型相关联的转化的数目。处理器然后识别具有小于阈值的转化数目的路径类型。处理器然后移除所识别的具有的小于阈值的转化数目的路径类型。在一些实施方式中，处理器对于每个路径类型，识别与该路径类型相关联的转化的数目。处理器基于所识别的转化的数目，识别阈值频率，以及以所识别的与该路径类型相关联的转化的数目的升序，移除一个或多个路径，直到所移除的转化的数目超过阈值频率。在一些实施方式中，处理器能够接收对于向给定路径类型的多个事件分配归因得分的请求。处理器能够确定给定路径类型不与任何所创建的规则相匹配。处理器然后能够根据回退归因模型，向所识别的路径中所包括的多个事件中的每个事件分配归因得分，所述回退归因模型不同于用来分配用于创建其规则的路径类型的事件的归因得分的归因模型。在一些实施方式中，所述回退归因模型是最近点击归因模型。在一些实施方式中，处理器能够对于所识别的子集的给定路径，确定该路径具有大于事件的阈值数目的路径长度。处理器能够对于给定路径，识别该给定路径中与导致了对网站的访问的第一事件集合相对应的第一数目事件。处理器然后可以对于给定路径，识别给定路径中与紧邻在转化之前的第二事件集合相对应的第二数目事件。处理器还可以识别该给定路径的没有被识别为第一数目事件且没有被识别为第二数目事件的给定路径的一个或多个事件作为剩余事件。处理器然后可以用未分配任何归因得分的虚拟变量来替代该给定路径的所述剩余事件。根据另一方面，一种具有经由计算机网络提供信息的指令的计算机可读存储介质。所述指令包括指令，从而识别在特定网站的多个转化。所述指令包括指令，从而识别与所识别的转化相关联的路径类型。所识别的路径类型中的每个路径类型识别一个或多个事件和对应的索引位置，该索引位置指示事件相对于路径的其他事件的位置。所述指令包括指令，从而识别要根据路径重写策略来重写的所识别的路径类型的子集。所述指令包括指令，从而重写根据路径重写策略重写所识别的路径类型的所识别的子集作为重写路径类型。所述指令包括指令，从而对于重写路径类型和剩余的与所识别的转化相关联的所识别的路径类型中的每个，为路径类型中包括的每个事件确定归因得分。所述指令包括指令，从而对于重写路径类型和剩余的与所识别的转化相关联的所识别的路径类型中的每个路径类型，创建用于将所确定的归因得分分配给创建规则的路径类型的每个事件的规则。在一些实施方式中，识别在特定网站的多个转化包括在给定时段上识别在特定网站的多个转化。在一些实施方式中，所述指令能够包括指令，从而对于所识别的子集的给定路径，确定该路径具有大于事件的阈值数目的路径长度。所述指令能够包括指令，从而对于给定路径，识别与导致了对网站的访问的第一事件集合相对应的给定路径的第一数目事件。所述指令能够包括指令，从而对于给定路径，识别与紧邻在转化之前的给定路径的第二事件集合的第二数目事件。所述指令能够包括指令，从而识别该给定路径中没有被识别为第一数目事件且没有被识别为第二数目事件的一个或多个事件为作剩余事件。所述指令能够包括指令，从而用未分配任何归因得分的虚拟变量来替代给定路径的剩余事件。根据一个方面，一种用于测量归因模型的多个路径类型的转化概率的方法，包括由处理器识别访问者访问特定网站所采用的多个路径。所述路径中的一个或多个所述路径与事件序列相对应，每个事件使得访问者访问所述网站。处理器能够对于与访问者通过其访问网站的事件序列相对应的每个路径，识别与到网站的每个访问相对应的一个或多个子路径作为路径。处理器能够对于所识别的路径中的每个路径，确定该路径是转化的或者非转化的。处理器计算每个路径类型的总路径计数。所述路径类型识别具有相关联索引位置的一个或多个事件，该索引位置指示该事件相对于其他事件的位置。处理器针对每个路径类型识别转化路径计数，该转化路径计数指示访问者所采用的导致了网站处的转化的路径的数目。处理器对于每个路径类型，基于与路径类型相对应的转化路径计数与总路径计数的比率计算转化的概率。处理器然后对于用于向路径事件分配归因得分的归因模型，为给定路径类型提供所计算的转化的概率。在一些实施方式中，处理器能够对于所识别路径的第一路径，确定与第一路径相关联的第一访问者在第一路径的最近事件之后进行了转化。处理器能够响应于确定第一访问者在第一路径的最近事件之后进行了转化而识别第一路径是转化的。处理器能够对于所识别路径的第二路径，确定与第二路径相关联的第二访问者在第二路径的最近事件之后没有进行转化，以及响应于确定第二访问者在第二路径的最近事件之后没有进行转化而识别第二路径是非转化的。在一些实施方式中，所述事件包括以下中的一个：访问者通过网幅内容项、自然搜索结果内容项、付费搜索结果内容项、电子邮件内容项中的一个来访问网站、直接访问、或社交网络推介。在一些实施方式中，处理器识别具有相关联访问者标识符的访问者对网站的访问。所述访问者经由第一事件访问网站。处理器然后确定访问者对网站最近访问的时间以及确定所确定的时间超过阈值时间。处理器然后响应于确定所确定的时间超过阈值时间，识别第一事件不是路径中与对网站的最近访问相对应的部分。在一些实施方式中，处理器能够对于对网站的每个访问，在数据结构中存储对于访问者唯一的访问者标识符、与访问者到达网站的事件和访问者到达网站的时间相关联的信息、以及指示访问者在访问期间是否进行了转化的转化指示符。在一些实施方式中，处理器能够对于对网站的每个访问，在数据结构中存储访问者的路径。所述路径与访问者先前到达网站的一个或多个事件相对应。在一些实施方式中，处理器能够识别具有大于事件阈值数目的路径长度的路径。处理器然后能够重写所识别的具有大于事件阈值数目的路径长度的路径，使得经重写的路径具有不大于事件的阈值数目的新路径长度，且其中，所述经重写的路径包括等价于一个或多个事件的单个虚拟变量。处理器然后将经重写的所识别的路径识别为属于特定路径类型。根据另一方面，一种用于测量归因模型的多个路径类型的转化概率的系统，包括具有转化概率确定模块数据处理系统。所述数据处理系统进一步包括：存储器，所述存储器存储处理器可执行指令；以及处理器，所述处理器被配置为执行所述处理器可执行指令。处理器被配置为识别访问者访问特定网站所采用的多个路径。所述路径中的一个或多个所述路径与事件序列相对应，每个事件使得访问者访问网站。处理器能够对于与访问者通过其访问网站的事件序列相对应的每个路径，识别与到网站的每个访问相对应的一个或多个子路径作为路径。处理器能够对于每个所识别的路径中的每个路径，确定该路径是转化的或者非转化的。处理器计算每个路径类型的总路径计数。所述路径类型识别具有相关联索引位置的一个或多个事件，该索引位置指示所述事件相对于其他事件的位置。处理器针对每个路径类型识别转化路径计数，该转化路径计数指示访问者所采用的导致了网站处的转化的路径的数目。处理器对于每个路径类型，基于与该路径类型相对应的转化路径数与总路径数的比率，计算转化的概率。处理器然后对于用于向路径事件分配归因得分的归因模型，为给定路径类型提供所计算的转化的概率。在一些实施方式中，处理器能够对于所识别路径的第一路径，确定与第一路径相关联的第一访问者在第一路径的最近事件之后转化。处理器能够响应于确定第一访问者在第一路径的最近事件之后进行了转化而识别第一路径是转化的。处理器能够对于所识别路径的第二路径，确定与第二路径相关联的第二访问者在第二路径的最近事件之后没有进行转化，以及响应于确定第二访问者在第二路径的最近事件之后没有进行转化而识别第二路径是非转化的。在一些实施方式中，所述事件包括以下中的一个：访问者通过网幅内容项、自然搜索结果内容项、付费搜索结果内容项、电子邮件内容项中的一个来访问网站、直接访问、或社交网络推介。在一些实施方式中，处理器识别具有相关联访问者标识符的访问者对网站的访问。所述访问者经由第一事件访问网站。处理器然后确定访问者对网站的最近访问的时间以及确定所确定的时间超过阈值时间。处理器响应于确定所确定的时间超过阈值时间，识别第一事件不是路径中与对网站的最近访问相对应的部分。在一些实施方式中，处理器能够为对网站的每个访问，在数据结构中存储对于访问者唯一的访问者标识符、与访问者到达网站的事件和访问者到达网站的时间相关联的信息、以及指示访问者在访问期间是否进行了转化的转化指示符。在一些实施方式中，处理器能够对于对所述网站的每个访问，在数据结构中存储访问者的路径。所述路径与访问者通过其先前到达网站的一个或多个事件相对应。在一些实施方式中，处理器能够识别具有大于事件阈值数目的路径长度的路径。处理器然后能够重写所识别的具有大于事件阈值数目的路径长度的路径，使得经重写的路径具有不大于事件的阈值数目的新路径长度，且其中，经重写的路径包括等价于一个或多个事件的单个虚拟变量。处理器然后将经重写的所识别的路径识别为属于特定路径类型。根据另一方面，一种具有经由计算机网络提供信息的指令的计算机可读存储介质。所述指令包括指令，从而识别访问者访问特定网站所采用的多个路径。所述路径中的一个或多个所述路径与事件序列相对应，每个事件使得访问者访问网站。所述指令包括指令，从而对于与访问者通过其访问网站的事件序列相对应的每个路径，识别与到网站的每个访问相对应的一个或多个子路径作为路径。所述指令包括指令，从而对于所识别的路径中的每个路径，确定该路径是转化的或者非转化的。所述指令包括指令，从而计算每个路径类型的总路径计数，所述路径类型识别具有相关联索引位置的一个或多个事件，该索引位置指示该事件相对于其他事件的位置。所述指令包括指令，从而针对每个路径类型识别转化路径计数，该转化路径计数指示访问者所采用的导致了网站处的转化的路径的数目。所述指令包括指令，从而对于每个路径类型，基于与路径类型相对应的转化路径计数与总路径计数的比率，计算转化的概率。所述指令包括指令，从而对于用于向路径事件分配归因得分的归因模型，为给定路径类型提供所计算的转化的概率。在一些实施方式中，所述指令包括指令，从而对于所识别路径的第一路径，确定与第一路径相关联的第一访问者在第一路径的最近事件之后进行了转化。所述指令包括指令，从而响应于确定第一访问者在第一路径的最近事件之后进行了转化而识别第一路径是转化的。所述指令包括指令，从而对于所识别路径的第二路径，确定与第二路径相关联的第二访问者在第二路径的最近事件之后没有进行转化，以及响应于确定第二访问者在第二路径的最近事件之后没有进行转化而识别第二路径是非转化的。在一些实施方式中，所述事件包括以下中的一个：访问者通过网幅内容项、自然搜索结果内容项、付费搜索结果内容项、电子邮件内容项中的一个来访问网站、直接访问、或社交网络推介。在一些实施方式中，所述指令包括指令，从而识别具有相关联访问者标识符的访问者对网站的访问。所述访问者经由第一事件访问网站。所述指令包括指令，从而确定访问者对网站的最近访问的时间。所述指令包括指令，从而确定所确定的时间超过阈值时间。所述指令包括指令，从而响应于确定所确定的时间超过阈值时间，识别第一事件不是路径中与对网站的最近访问的部分。在一些实施方式中，所述指令包括指令，从而对于对网站的每个访问，在数据结构中存储对于访问者唯一的访问者标识符、与访问者到达网站的事件和访问者到达网站的时间相关联的信息、以及指示访问者在访问期间是否转化的转化指示符。在一些实施方式中，所述指令包括指令，从而对于对网站的每个访问，在数据结构中存储访问者的路径。所述路径与访问者通过其先前到达网站的一个或多个事件相对应。在一些实施方式中，所述指令包括指令，从而识别具有大于事件的阈值数目的路径长度的路径。所述指令包括指令，从而重写所识别的具有大于事件的阈值数目的路径长度的路径，使得经重写的路径具有新的路径长度，新的路径长度不大于事件的阈值数目且其中，经重写的路径包括等价于一个或多个事件的单个虚拟变量。所述指令包括指令，从而将经重写的所识别的路径识别为属于特定路径类型。根据一个方面，一种用于选择内容以便在设备上显示的方法，包括由处理器识别与要显示内容的设备相关联的访问者标识符。处理器能够识别与访问者标识符相关联的路径。所述路径与访问者标识符已经通过其访问网站的一个或多个事件序列相对应。处理器能够识别所识别的路径的转化概率。所述的所识别的路径的转化概率指示访问者标识符将在网站处进行转化的可能性。所述的所识别的路径的转化概率是给定时段内在网站处的转化数目与对网站的访问数目的比率。处理器能够选择内容以用于显示。所述内容基于被识别的所识别的路径的转化概率来选择的。在一些实施方式中，处理器能够响应于接收到对于提供内容的请求而识别访问者标识符，所述请求识别所述访问者标识符。在一些实施方式中，处理器能够网站日志中检索访问者标识符的路径，所述网站日志存储与对网站的访问相关的访问相关信息。在一些实施方式中，处理器能够确定与访问者标识符相关联的路径。所述路径通过识别访问者标识符对网站的一个或多个先前访问且以开始于最早访问的时间顺序布置先前访问来确定。在一些实施方式中，处理器能够从数据存储中检索转化概率。所述数据存储存储了与多个所识别路径相关联的转化概率。在一些实施方式中，处理器能够确定能够与访问者标识符相关联的可能路径的转化概率，所述可能路径包括在所识别的路径的事件序列之后的一个或多个附加事件。处理器能够响应于确定可能路径的转化概率，基于可能路径的转化概率而选择内容。在一些实施方式中，所述事件能够包括以下中的一个：与访问者标识符相关联的访问者通过网幅内容项、自然搜索结果内容项、付费搜索结果内容项、电子邮件内容项中的一个来访问网站、直接访问、或社交网络推介。根据另一方面，一种用于选择内容以便在设备上显示的系统，包括具有内容选择模块的数据处理系统。所述数据处理系统进一步包括：存储器，所述存储器存储处理器可执行指令；以及处理器，所述处理器被配置为执行所述处理器可执行指令。处理器能够识别与要在其上显示内容的设备相关联的访问者标识符。处理器能够识别与访问者标识符相关联的路径。所述路径与访问者标识符已经通过其访问网站的一个或多个事件的序列相对应。处理器能够识别所识别的路径的转化概率。所识别的路径的转化概率指示访问者标识符将在网站进行转化的可能性。所述的所识别的路径的转化概率是给定时段内在网站处的转化数目与对网站的访问数目的比率。处理器能够选择内容以用于显示。所述内容是基于被识别的所识别的路径的转化概率来选择的。在一些实施方式中，处理器能够响应于接收到对于提供内容的请求而识别访问者标识符，所述请求识别所述访问者标识符。在一些实施方式中，处理器能够从网站日志中检索访问者标识符的路径，所述网站日志存储与对网站的访问相关的访问相关信息。在一些实施方式中，处理器能够确定与访问者标识符相关联的路径。所述路径通过识别访问者标识符对网站的一个或多个先前访问且以开始于最早访问的时间顺序布置所述先前访问来确定。在一些实施方式中，处理器能够从数据存储中检索转化概率。所述数据存储存储了与多个所识别路径相关联的转化概率。在一些实施方式中，处理器能够确定能够与访问者标识符相关联的可能路径的转化概率，所述可能路径包括在所识别的路径的事件序列之后的一个或多个附加事件。处理器能够响应于确定可能路径的转化概率，基于可能路径的转化概率而选择内容。所述事件能够包括以下中的一个：与访问者标识符相关联的访问者通过网幅内容项、自然搜索结果内容项、付费搜索结果内容项、电子邮件内容项中的一个来访问网站、直接访问、或社交网络推介。根据另一方面，一种具有经由计算机网络提供信息的指令的计算机可读存储介质。所述指令包括指令，从而识别与要在其上显示内容的设备相关联的访问者标识符。所述指令包括指令，从而识别与访问者标识符相关联的路径。所述路径与访问者标识符已经通过其访问网站的一个或多个事件的序列相对应。所述指令包括指令，从而识别所识别的路径的转化概率。所述的所识别的路径的转化概率指示访问者标识符将在网站处进行转化的可能性。所述的所识别的路径的转化概率是给定时段内在网站处的转化数目与对网站的访问数目的比率。所述指令包括指令，从而选择内容以显示。所述内容基于被识别的所识别的路径的转化概率来选择。在一些实施方式中，所述指令包括指令，从而响应于接收到对于提供内容的请求而识别访问者标识符，所述请求识别所述访问者标识符。在一些实施方式中，所述指令包括指令，从而网站日志中检索访问者标识符的路径，所述网站日志存储与对网站的访问相关的访问相关信息。在一些实施方式中，所述指令包括指令，从而确定与访问者标识符相关联的路径。所述路径通过识别访问者标识符对网站的一个或多个先前访问且以开始于最早访问的时间顺序布置先前访问来确定。在一些实施方式中，所述指令包括指令，从而从数据存储中检索转化概率。所述数据存储存储了与多个所识别路径相关联的转化概率。在一些实施方式中，所述指令包括指令，从而确定能够与访问者标识符相关联的可能路径的转化概率，所述可能路径包括在所识别的路径的事件序列之后的一个或多个附加事件。所述指令包括指令，从而响应于确定可能路径的转化概率，基于可能路径的转化概率而选择内容。根据一个方面，一种提供与一个或多个事件相关联的归因数据以用于显示的方法。处理器识别多个路径。所述多个路径中的每个路径包括一个或多个事件。每个事件与多个渠道中的一个渠道相对应以及与参数数据相对应，所述参数数据与和所述事件相关联的一个或多个参数相对应。处理器从所述多个路径中识别要针对其确定归因得分的一个或多个渠道。对于渠道中的每个渠道，处理器使用归因模型确定分配给与该渠道相对应的所述多个路径中所包括的每个事件的归因得分和分配给该渠道的归因得分的总数目。处理器从所述多个路径中识别多个事件参数对。每个事件参数对与所识别的渠道中的相应渠道相对应且与和所述事件相关联的一个或多个参数相对应。处理器对于每个所识别的事件参数对，基于分配给该事件参数对所对应的事件的归因得分的聚合确定权重。处理器然后提供视觉对象以用于显示，所述视觉对象包括与事件参数对中的至少一个事件参数对所确定的权重相对应的指示符。在一些实施方式中，提供视觉对象以用于显示包括：提供视觉对象以用于显示，所述视觉对象包括分配给与所述指示相对应的渠道的归因得分的总数目。在一些实施方式中，对于渠道中的每个渠道，确定分配给与该渠道相对应的多个路径中所包括的每个事件的归因得分包括：从所述多个路径中识别候选路径，在所述候选路径中至少一个事件与该渠道相对应，以及对于所述候选路径中的每个候选路径，基于反事实增益确定分配给该路径的每个事件的归因得分。在一些实施方式中，事件中的每个事件的参数数据识别沿路径的位置，该事件在该位置处执行，且其中，每个事件参数对包括与沿着该路径的位置相对应的事件位置对，该事件在该位置执行。在一些实施方式中，提供视觉对象以用于显示包括：提供视觉矩阵以用于显示，所述视觉矩阵包括与相交行和列相对应的多个单元格。每行单元格包括针对与该行所对应的特定渠道相对应的特定位置所确定的权重以及分配给所述特定渠道的归因得分的总数目。在一些实施方式中，对于每个所识别的事件位置对，基于分配给该事件位置对所对应的事件的归因得分的聚合确定权重包括：从所述多个路径中识别包括与事件位置对相对应的事件的候选路径，以及对于所识别的候选路径，确定分配给该候选路径中每个事件的归因得分。处理器从分配给该候选路径中的每个事件的归因得分中确定分配给该事件的归因得分的聚合。处理器对于沿着路径的每个位置，聚合分配给在所述位置处执行的该候选路径中包括的事件的归因得分，以及基于分配给在该位置处执行的该候选路径中包括的事件的归因得分之和与分配给事件的归因得分的聚合的比率，确定所识别的事件位置对的权重。在一些实施方式中，所述渠道与一个或多个类型的事件相对应。在一些实施方式中，提供视觉对象以用于显示包括：提供包括一个或多个项的视觉对象以用于显示，所述一个或多个项的视觉特征与该项所对应的事件参数对的权重相对应。根据另一方面，一种提供与一个或多个事件相关联的归因数据以用于显示的系统，包括具有归因数据显示模块的数据处理系统。所述数据处理系统进一步包括：存储器，所述存储器存储处理器可执行指令；以及处理器，所述处理器被配置为执行所述处理器可执行指令。处理器识别多个路径。所述多个路径中的每个路径包括一个或多个事件。每个事件与多个渠道中的一个渠道相对应以及与参数数据相对应，所述参数数据与和所述事件相关联的一个或多个参数相对应。处理器从所述多个路径中识别要针对其确定归因得分的一个或多个渠道。对于所述渠道中的每个渠道，处理器使用归因模型确定分配给与该渠道相对应的所述多个路径中所包括的每个事件的归因得分和分配给该渠道的归因得分的总数目。处理器从所述多个路径中识别多个事件参数对。每个事件参数对与所识别的渠道中的相应渠道相对应且与和所述事件相关联的所述一个或多个参数相对应。对于每个所识别的事件参数对，处理器基于分配给该事件参数对所对应的事件的归因得分的聚合确定权重。处理器然后提供视觉对象以用于显示，所述视觉对象包括与事件参数对中的至少一个事件参数对的所确定的权重相对应的指示符。在一些实施方式中，提供视觉对象以用于显示包括：提供视觉对象以用于显示，所述视觉对象包括分配给与所述指示符相对应的渠道的归因得分的总数目。在一些实施方式中，对于渠道中的每个渠道，确定分配给与该渠道相对应的所述多个路径中包括的每个事件的归因得分包括：从所述多个路径中识别候选路径，在所述候选路径中至少一个事件与该渠道相对应，以及对于所述候选路径中的每个候选路径，基于反事实增益确定分配给该路径的每个事件的归因得分。在一些实施方式，事件中的每个事件的参数数据识别沿路径的位置，该事件在该位置处执行，且其中，每个事件参数对包括与沿着该路径的位置相对应的事件位置对，该事件在该位置执行。在一些实施方式中，提供视觉对象以用于显示包括：提供视觉矩阵以用于显示，所述视觉矩阵包括与相交行和列相对应的多个单元格。每行单元格包括与该行所对应的特定渠道相对应的针对特定位置所确定的权重以及分配给所述特定渠道的归因得分的总数目。在一些实施方式中，对于每个所识别的事件位置对，基于分配给该事件位置对所对应的事件的归因得分的聚合确定权重，包括：从所述多个路径中识别包括与事件位置对相对应的事件的候选路径，以及对于所识别的候选路径，确定分配给该候选路径中每个事件的归因得分。处理器然后从分配给该候选路径中每个事件的归因得分中确定分配给该事件的归因得分的聚合。处理器对于沿着路径的每个位置，聚合分配给在该位置处执行的候选路径中包括的事件的归因得分，以及基于分配给在该位置处执行的候选路径中包括的事件的归因得分之和与分配给处事件的归因得分的聚合的比率，确定所识别的事件位置对的权重。在一些实施方式中，所述渠道与一个或多个类型的事件相对应。在一些实施方式中，提供视觉对象以用于显示，包括：提供包括一个或多个项的视觉对象以用于显示，所述一个或多个项的视觉特征与该项所对应的事件参数对的权重相对应。根据另一方面，一种具有经由计算机网络提供信息的指令的计算机可读存储介质。所述指令可由处理器执行。处理器能够识别多个路径。所述多个路径中的每个路径包括一个或多个事件。每个事件与一个或多个渠道相对应以及与位置数据相对应，所述位置数据沿着路径识别执行该事件的位置。处理器能够从所述多个路径中识别要针对其确定归因得分的一个或多个渠道。处理器能够对于所述渠道中的每个渠道，使用归因模型确定分配给与该渠道相对应的所述多个路径中所包括的每个事件的归因得分和分配给该渠道的归因得分的总数目。处理器能够从所述多个路径中识别多个事件位置对。每个事件位置对与所识别的渠道中的相应渠道相对应且在所述多个路径的相应位置处被执行。处理器能够对于每个所识别的事件位置对，基于分配给事件位置对所对应的事件的归因得分的聚合确定权重。处理器提供视觉对象以用于显示，所述视觉对象包括与事件位置对中的至少一个事件位置对所确定的权重的指示。在一些实施方式中，提供视觉对象以用于显示包括：提供视觉对象以用于显示，所述视觉对象包括分配给与所述指示符相对应的渠道的归因得分的总数目。提供视觉对象以用于显示包括：提供视觉矩阵以用于显示，所述视觉矩阵包括与相交行和列相对应的多个单元格，其中，每行单元格包括与该行所对应的特定渠道相对应的针对特定位置所确定的权重以及分配给特定渠道的归因得分的总数目。在一些实施方式中，对于渠道中的每个渠道，确定分配给与该渠道相对应的多个路径中包括的每个事件的归因得分包括：从所述多个路径中识别候选路径，在所述候选路径中至少一个事件与该渠道相对应，以及基于反事实增益，为所述候选路径中的每个候选路径确定分配给该路径的每个事件的归因得分。在每个方面，可以选择内容以用于显示。所选内容可以被传送到与用户相关联的计算机，以用于作为用户接口的一部分来显示。内容可以采用任何方便形式，并且可以例如是交互图形用户接口的组件。将认识到，本发明的各个方面可以以任何方便的形式实现。例如，本发明可以由适当计算机程序来实现，计算机程序可以在适当载体介质上承载，载体介质可以是有形载体介质(例如盘)或者无形载体介质(例如通信信号)。本发明的各个方面还可以使用合适装置来实现，合适装置可以采用运行被布置为实现本发明的计算机程序的可编程计算机的形式。本发明的各个方面可以组合且一个方面的上下文中所述的特征可以与其他方面的特征相组合。下面详细讨论这些和其他方面和实施方式。前述信息和下面的具体实施方式包括各种方面和实施方式的说明性示例，并且提供用于理解所要求保护的方面和实施方式实施方式的性质和特征的概览或框架。附图提供了对各个方面和实施方式的说明和进一步理解，并且结合到说明书中并构成本说明书的一部分。附图说明附图不旨在按比例绘制。各个图中的相同附图标记和指示表示相同元件。为了清楚的目的，并非每个组件都可以在每个图上标出。在附图中：图1是根据说明性实施方式描绘用于使用包括内容扩展的内容项来识别竞争者的环境的一个实施方式的框图；图2A-2C示出多个所识别的路径的概念性图示；图2D示出描绘分配给路径的每个事件的反事实增益和归因得分的概念性图示；图2E示出相同路径类型的两个路径的概念性图示；图3是描绘模型比较工具的用户接口的截屏；以及图4是描绘用来创建数据驱动归因模型的步骤的一个实施方式的流程图；图5示出包括数据驱动归因模型的包括多个规则的关联阵列的一部分；图6是描绘用来为数据驱动归因模型创建规则的步骤的一个实施方式的流程图，数据驱动归因模型在转化路径中所包括的多个事件上分配归因得分；图7是描绘用来测量多个路径类型的转化概率以创建数据驱动归因模型的步骤的一个实施方式的流程图；图8是描绘用来基于转化的概率提供用于显示的内容的步骤的一个实施方式的流程图；图9是识别多个事件和对应的转化得分的用户接口的一部分的屏幕截图；图10是描绘用来提供归因数据以用于显示的步骤的一个实施方式的流程图；以及图11是图示用于计算机系统的通用架构的实施方式的框图，所述计算机系统可以被采用来实现这里描述和图示的系统和方法的各个元素。具体实施方式下面是对涉及用于创建归因模型的方法、装置和系统的各种概念及其实施方式的更详细描述，所述归因模型不仅向在转化行为之前用户所接触的最近的媒体接触分配归因得分而且向部分地为转化行为的出现而负责的其他媒体接触分配归因得分。特别是，这里所述的归因模型依赖于对网站的访问的访问相关数据，包括但不限于访问者访问网站所采用的路径的转化概率。因此，本公开涉及数据驱动归因模型，用于分配归因得分给与路径和转化概率确定引擎相关联的各种媒体接触，转化概率确定引擎被配置为确定路径转化的可能性。上面引入且在下面更详细讨论的各种概念可以以许多方式中的任何一种来实现，因为所述的概念不限于实施方式的任何特定方式。特定实施方式和应用的示例主要提供用于说明性目的。特别是，尽管下面的描述通常针对向用户配置广告，将认识到的是，所提供的内容可以是交互的用户接口的任何合适的组件，其中用户能够选择用户接口的交互组件。因此，下面所述的建模能够分析用户与用户接口的交互且能够提供内容，例如以交互组件或信息的形式，其方式为用户接口基于下面所述的技术而被改善。如上所述，在线用户如今接触过多的媒体接触或市场接触点，诸如网幅广告、电子邮件广告、显示广告、自然和付费搜索结果、社交媒体贴子或通知等。接触这样的媒体接触的用户可能采取与媒体接触相关的动作，例如点击媒体接触。通常，一旦对用户所接触的媒体接触采取了动作，用户就可以被导向链接至该媒体接触的网站，而导致用户访问。在用户在网站执行转化行为的情况下，例如进行在线购买或注册账号，广告主希望知道是否有任何用户所接触的媒体接触应当得到用户转化行为的归因得分，如果有的话，归因得分的量是多少。另外或替选地，通过更好地理解用户怎样与诸如网站的用户接口交互，有可能改善提供给用户的用户接口。也就是，下面所述的建模技术允许改进向用户配置数据使得数据可以基于建模技术来显示给用户，以提供改进的用户接口和交互的用户体验。历史上，在最近点击归因模型中，用户最近接触的媒体接触将得到所有的转化得分，而用户接触的所有其他媒体接触将什么也得不到。但是，最近点击归因模型并不公平，因为其没有向应得到归因得分的媒体接触给出得分。应该理解，最近点击归因是不太理想的，并且因此开发了各种替选的归因模型。这些归因模型包括基于简单规则的方法，诸如在用户在转化行为之前所接触的所有媒体接触之间平均地划分得分。但是，这些现有归因模型中没有依赖于与访问特定网站相关联的历史数据来确定应得媒体或用户接口组件接触应该接收的归因得分的量。在一些实施方式中，网站可以监测对网站的访问并且维护该访问的日志。在一些实施方式中，数据处理系统可以为该网站维护这样的日志。在任何一种情况下，无论何时访问者访问网站，访问记录都被创建。在一些实施方式中，记录包括对设备、浏览器、账户或访问者访问网站的其他可识别的组件唯一的访问者标识符；访问的时间戳；访问者从其到达该网站的源，例如另一网站的名称；指示访问者通过其到达该网站的媒体接触类型的媒体接触类型，例如付费广告等等；以及指示访问是否导致用户执行转化行为的指示。对于网站监测对该网站的访问的情形，网站不能确定访问者的身份。对于访问者的路径被记录的程度，网站不存储与访问者相关联的个人信息。网站可以能够使用上述的访问者标识符来识别和追踪访问者的之前的访问，但是，访问者标识符不包括与访问者标识符相关联的访问者的个人信息。对于这里讨论的系统接收或收集有关访问者的个人信息的程度，或者可以利用个人信息的程度，访问者可以被提供机会来控制可以收集个人信息(例如，有关用户的社交网络、社交动作或活动、用户偏好、或用户当前位置的信息)的程序还是特征，或者控制是否和/或怎样从可以与用户更相关的内容服务器接收内容。此外，特定数据可以在其被存储或使用之前被以一种或多种方式匿名，使得个人可识别的信息在生成参数(例如人口参数)时被移除。例如，用户身份可以被匿名，使得没有个人可识别信息能够被确定用于该用户，或者获得位置信息的用户的地理位置可以被一般化(诸如到城市、邮编或州级)，使得用户的具体位置不会被确定。因此，用户可以对怎样收集关于他或她的信息以及内容服务器怎样使用该信息进行控制。在一些实施方式中，如果访问者之前在自从上次访问的预定时间段内已经访问过网站，所述记录还可以包括访问者的路径。访问者的路径包括事件序列，其中每个事件与之前对该网站的特定访问相对应。路径还可以包括指示用户是否执行了转化行为的指示。在一些这样的实施方式中，该指示还可以识别相对于该路径中所包括的其他事件，转化行为何时发生。例如，如果访问者访问网站三次——第一次访问网站是通过付费搜索广告；第二次访问网站是通过电子邮件广告；以及第三次访问网站是通过另一付费搜索广告，访问者的路径与“付费搜索1”-“电子邮件”-“付费搜索2”相对应。访问和访问者通过其访问网站的媒体接触类型中的每一个都与事件相对应，并且事件中的每个事件与指示该事件相对于路径的其他事件的位置的索引位置相关联。因此，事件‘付费搜索1’具有索引位置1，事件‘电子邮件’具有索引位置2，且事件‘付费搜索2’具有索引位置3。尽管这里所述的事件的类型涉及媒体接触类型，事件的类型不限于此。例如，取代与不同类型的媒体接触相对应的事件，事件可以与在一天中不同时间期间发生的事件相对应。在一些这样的实施方式中，示例路径可以表现为“上午-晚上-下午-上午”。其他类型的事件可以是具有更大或更小粒度的媒体接触类型。在一些这样的实施方式中，示例路径可以表现为‘付费搜索(运动商品)’-‘推介(第三方运动网站)’-‘付费搜索(运动新闻)’。在这个示例中，存在两个不同的付费搜索事件类型，即涉及在运动商品浏览网站上示出的媒体接触的付费搜索事件类型以及在运动新闻网站上示出的付费搜索广告的另一个付费搜索事件类型。本公开的方面涉及用于创建依赖于与访问特定网站相关联的历史数据的数据驱动归因模型的方法和系统。归因模型能够特定于特定网站。归因模型能够包括一个或多个规则，所述一个或多个规则基于与各种路径类型相关联的转化概率。因此，为了创建这样的归因模型，能够采用用于基于与访问网站相关联的历史数据而在多个事件类型之间分配归因得分的方法和系统。根据一个方面，一种用于基于与访问网站相关联的历史数据在多个事件类型之间分配归因得分的系统包括数据处理系统。数据处理器系统能够在给定的时间段内识别对特定网站的多个访问。对于来自多个访问的每个访问者，数据处理系统能够识别该访问者访问该网站所采取的一个或多个路径。每个路径可以与该访问者通过其访问该网站的事件序列相对应。对于每个路径类型，数据处理系统能够基于与导致转化的路径类型相对应的访问数目来确定转化概率。对于具有多个事件的给定路径类型，数据处理系统随后可以基于给定路径类型的转化概率和不包括为之计算了反事实增益的事件的路径类型的转化概率，为每个事件计算反事实增益。数据处理系统随后可以向为之计算了反事实增益的给定路径类型的事件分配归因得分。在一些实施方式中，一旦每个事件路径类型中的每个事件能够被分配以根据刚刚描述的系统所确定的归因得分，就创建归因模型。由于该归因模型依赖于与对网站的访问相对应的历史数据，该归因模型是数据驱动归因模型。上述的系统所创建的数据驱动归因模型可以被用于向与执行转化行为的用户相关联的路径的各个事件分配归因得分。为了这么做，数据处理系统能够首先识别用户执行转化行为所采用的路径。数据处理系统随后能够确定所识别的路径与归因模型中包括的路径相匹配，并且响应于确定该路径与归因模型的路径相匹配，而基于分配给归因模型中包括的路径的每个事件的所分配的归因得分来向用户所采用的路径中所包括的每个事件提供归因得分。下面在部分A中提供用于创建数据驱动归因模型的方法和系统的附加细节。如上所述，新归因模型依赖于基于特定网站的访问者所采用的路径确定路径类型的转化概率。依赖于确定路径类型的转化概率而创建归因模型的一个挑战在于需要被处理的数据量。可能需要被处理的数据量能够基于到网站的路径的总数目、每个路径中的事件的数目、以及不同类型路径的数目等等。尽管更多的被处理的数据可以帮助在计算每个路径类型的转化概率中达到更高准确性，对于更高准确性的需要应该由所利用的计算资源来平衡。因此，本公开的各方面还涉及用于处理数据以准确确定路径类型的转化概率同时有效利用计算资源的方法和系统。关于此，本公开提供了用于创建用于归因模型的规则的、平衡准确性和计算资源要求的方法和系统。根据一个方面，一种用于基于与对网站的访问相关联的历史数据创建用于归因模型的规则的系统包括数据处理系统。数据处理系统能够在给定时间段内识别特定网站的访问者所进行的多个转化。数据处理系统能够对于每个转化识别进行该转化的访问者所采用的路径。该路径能够识别一个或多个事件以及指示事件相对于该路径的其他事件的位置的对应的索引位置。数据处理系统能够确定与所识别的路径相对应的转化的数目。数据处理系统能够从所识别的路径中识别具有大于事件阈值数目的路径长度的路径。数据处理系统能够根据路径重写策略重写具有大于事件的阈值数目的路径长度的所识别的路径，使得经重写的路径具有新的路径长度，新的路径长度不大于事件的阈值数目。经重写的路径能够包括等价于一个或多个事件的单个虚拟变量。数据处理系统能够选择具有相关联数目的的一个或多个路径，所述相关联数目大于规则中所包括的转化阈值数目。在下面的部分B提供用于基于与对网站的访问相关联的历史数据来创建用于归因模型的规则的方法和系统的附加细节。上述的数据驱动归因模型依赖于访问者的在先转化路径的使用来确定各种路径类型的转化概率。基于各种路径类型的转化概率，可以为给定路径类型的每个事件计算反事实增益，所述反事实增益可以用来确定归因得分和向给定路径类型的事件分配归因得分。对于具有多于一个事件的给定路径类型，事件中的每个事件的归因得分可以通过为每个事件计算反事实增益来确定。基于给定路径类型的转化概率以及不包括为之计算了反事实增益的事件的路径类型的转化概率来计算反事实增益。准确地计算各种路径类型的转化概率会非常具有挑战性。因此，本公开的各方面涉及用于测量多个路径类型的转化概率以创建数据驱动归因模型的方法和系统。根据一个方面，一种用于为归因模型测量多个路径类型的转化概率的系统包括数据处理系统。数据处理系统能够识别访问者访问特定网站所采用的多个路径。所述路径与一个或多个事件的序列相对应。为了清楚起见，一个事件的序列与包括单个事件的路径相对应，而多于一个事件的序列与包括两个或更多个事件的路径相对应，其中事件中的每个事件具有对应的索引位置，所述索引位置指示该事件相对于路径中其他事件的位置。事件表示对网站的访问的类型。这样的事件的示例能够是访问者或访问者标识符与付费搜索广告、自然搜索结果、社交网络动作、推介链接、电子邮件的交互，或者与直接引导访问者到网站的网络浏览器的交互，等等。在一些实施方式中，事件使得访问者访问网站。对于与访问者通过其访问网站的事件序列相对应的每个路径，数据处理系统能够识别与对网站的每个访问相对应的一个或多个子路径作为路径。对于所识别的路径中的每个路径，数据处理系统能够确定该路径是转化的还是非转化的。数据处理系统随后能够为每个路径类型计算总路径计数。每个路径类型识别具有相关联索引位置的一个或多个事件，相关联索引位置指示事件相对于路径中其他事件的位置。数据处理系统随后能够为每个路径类型确定转化路径计数，所述转化路径计数指示访问者所采取的导致网站处的转化的路径的数目。数据处理系统随后能够基于转化路径计数与和该路径类型相对应的总路径计数的比率为每个路径类型计算转化的概率。数据处理系统随后能够为给定路径类型提供所计算的转化概率，用于在分配归因得分给路径事件中使用的归因模型。下面在部分C提供用于测量用于归因模型的多个路径类型的转化概率的方法和系统的附加细节。如上所述，数据驱动归因模型依赖于各种路径类型的转化概率以确定给定路径的事件应得的归因得分的量。如这里所述，路径类型的转化概率能够帮助确定给定路径类型的各种事件的归因得分。而且，对于内容选择而言，各种路径类型的转化概率能够极大地有价值。例如，市场人员和广告主能够使用与访问者标识符相关联的路径的转化概率来确定响应于接触特定类型的媒体接触，访问者标识符将进行转化的可能性。本公开的方面涉及用于基于转化的概率提供内容以用于显示的方法和系统。特别是，本公开涉及用于基于与访问者标识符相关联的转化概率而选择内容以用于在与访问者标识符相关联的设备处显示的方法和系统。根据一个方面，数据处理系统能够识别与网站相关联的访问者标识符。访问者标识符能够与路径类型相关联，该路径类型指示一个或多个事件的序列，访问者标识符先前通过这一个或多个事件访问了网站。数据处理系统能够识别与所识别的访问者标识符相关联的路径类型的转化概率。数据处理系统随后可以基于所识别的与所识别的访问者标识符相关联的路径类型的转化概率来选择内容项以用于显示。下面在部分D中提供用于基于转化的概率而提供内容以用于显示的方法和系统的附加细节。图1是描绘用于创建不仅分配归因得分给用户在转化行为之前接触的最近媒体接触还给部分地为转化行为的出现负责的其他媒体接触的归因模型的环境的一个实施方式的框图。特别是，这里所述的归因模型依赖于对网站访问的访问相关数据，包括但不限于，访问网站的访问者所采用的路径的转化概率。特别是，图1图示了用于创建和使用公平分配归因得分给部分地为转化行为的出现而负责的媒体接触的归因模型的系统100。特别是，这里所述的归因模型依赖于对网站的访问的访问相关数据，包括但不限于，访问网站的访问者所采用的路径的转化概率。系统100包括至少一个数据处理系统110。数据处理系统110包括至少一个处理器和存储器，即处理电路。存储器存储处理器可执行指令，所述处理器可执行指令当由处理器执行时，使得处理器执行一个或多个这里所述的操作。处理器可以包括微处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等等或其组合。存储器可以包括，但不限于，电子、光学、磁性、或能够向处理器提供程序指令的任何其他的存储或传输设备。存储器可以进一步包括软盘、CD-ROM、DVD、磁盘、存储器芯片、ASIC、FPGA、只读存储器(ROM)、随机存取存储器(RAM)、电可擦除ROM(EEPROM)、可擦除可编程ROM(EPROM)、闪速存储器、光学媒体、或处理器可以从其读取指令的任何其他合适存储器。指令可以包括但不限于C、C++、C#、Java、JavaScript、Perl、Python和VisualBasic。数据处理系统能够包括可以执行各种功能的一个或多个计算设备或服务器。在一些实施方式中，数据处理系统能够包括被配置成托管拍卖的广告拍卖系统。在一些实施方式中，数据处理系统不包括广告拍卖系统但被配置为经由网络105与广告拍卖系统通信。在一些实施方式中，数据处理系统110能够包括数据驱动归因模型创建模块120，数据驱动归因模型创建模块120被配置为针对特定网站创建数据驱动属性模型。数据驱动归因模型创建模块120的细节将在下面本公开的部分A中提供。数据处理系统110还能够包括规则创建模块125，规则创建模块125被配置为基于与对特定网站的访问相关联的各种路径类型创建归因得分分配规则。规则创建模块125的细节将在下面本公开的部分B中提供。数据处理系统110还能够包括转化概率确定模块130，转化概率确定模块130被配置为确定特定网站的访问者所采用的路径的转化概率。转化概率确定模块130的细节将在下面本公开的部分C中提供。数据处理系统110还能够包括内容选择模块135，内容选择模块135被配置为基于与访问者标识符相关联的路径的转化概率而选择内容以在与访问者标识符相关联的设备上显示。内容选择模块135的细节将在下面本公开的部分D中提供。数据处理系统110还能够包括归因数据显示模块138，归因数据显示模块138被配置为提供归因数据以用于显示。归因数据显示模块138的细节将在下面本公开的部分E中提供。数据处理系统110能够进一步包括一个或多个处理器或其他逻辑设备，诸如具有处理器以经由网络105与至少一个用户计算设备115通信的计算设备。在一些实施方式中，用户计算设备115和数据处理系统110能够经由网络105互相通信。网络105可以是任何形式的计算机网络，其在用户计算设备115、数据处理系统110、和一个或多个内容源(例如网络服务器、广告服务器等等)之间中继信息。例如，网络105可以包括互联网和/或其他类型的数据网络，诸如局域网(LAN)、广域网(WAN)、蜂窝网络、卫星网络、或其他类型的数据网络。网络105还可以包括任何数目的计算设备(例如计算机、服务器、路由器、网络交换机等等)，所述计算设备被配置为在网络105内接收和/或发射数据。网络105可以进一步包括任何数目的硬连线和/或无线连接。例如，用户计算设备115可以无线地(例如经由WiFi、蜂窝、无线电等等)与硬连线(例如经由光纤电缆、CAT5电缆等等)到网络105中的其他计算设备的收发信机通信。用户计算设备115可以是任何数目的不同的用户电子设备，例如膝上型计算机、桌面计算机、平板计算机、智能电话、数字视频记录器、电视机顶盒、视频游戏控制台、或者被配置为经由网络105通信的任何其他计算设备。用户计算设备115能够包括处理器和存储器，即处理电路。存储器存储机器指令，所述机器指令当由处理器执行时，使得处理器执行一个或多个这里所述的操作。处理器可以包括微处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等等或其组合。存储器可以包括，但不限于，电子、光学、磁性、或能够向处理器提供程序指令的任何其他的存储或传输设备。存储器可以进一步包括软盘、CD-ROM、DVD、磁盘、存储器芯片、ASIC、FPGA、只读存储器(ROM)、随机存取存储器(RAM)、电可擦除ROM(EEPROM)、可擦除可编程ROM(EPROM)、闪速存储器、光学媒体、或处理器可以从其读取指令的任何其他合适存储器。指令可以包括但不限于C、C++、C#、Java、JavaScript、Perl、Python和VisualBasic。用户计算设备115还可以包括一个或多个用户接口设备。通常，用户接口设备指的是通过生成感觉信息(例如显示器上的视觉化、一个或多个声音等等)和/或将从用户接收到的感觉信息转化为电子信号来传送数据到用户的任何电子设备(例如键盘、鼠标、指示设备、触摸屏显示器、麦克风等等)。根据各种实施方式，一个或多个用户接口设备可以在用户计算设备115壳体内部(例如，内置显示器、麦克风等等)或者在用户计算设备115壳体外部(例如连接到用户计算设备115的监视器、连接到用户计算设备115的扬声器等等)。例如，用户计算设备115可以包括电子显示器，其使用从一个或多个内容源和/或从数据处理系统110经由网络105接收的网页数据来视觉地显示网页。在一些实施方式中，内容放置活动管理者或广告主能够与数据处理系统110经由用户计算设备115通信。在一些实施方式中，广告主能够经由在用户计算设备115的用户接口设备上显示的用户接口与数据处理系统110通信。用户接口的各方面下面结合图3来描述。数据处理系统还能够包括一个或多个内容库或数据库140。数据库140能够位于数据处理系统110本地。在一些实施方式中，数据库140能够远离数据处理系统110但可以与数据处理系统110经由网络105通信。数据库140能够存储与大量网站相关联的信息，数据处理系统被配置为针对所述大量网站创建归因模型。数据库140内容的附加细节将在下面提供。A.用于创建依赖于网站的过去访问相关数据的数据驱动归因模型的方法和系统数据驱动归因模型创建模块120可以被设计、构造或配置为创建归因模型，所述归因模型在导致转化行为的路径的事件之间公平地分配归因得分。在一些实施方式中，数据驱动归因模型能够使用与对特定网站的访问相关联的访问相关数据来创建。因此，所创建的归因模型能够特定于特定网站。数据驱动归因模型创建模块120能够被配置为访问存储与对特定网站的访问相关联的访问相关数据的数据库。在一些实施方式中，数据驱动归因模型创建模块120能够被配置为在诸如数据库140的一个或多个数据库中存储访问相关数据。在一些实施方式中，数据驱动归因模型创建模块120或数据处理系统110的一些其他模块能够被配置为监测对特定网站的访问。在一些实施方式中，网站能够包括一个或多个网页。在一些实施方式中，对其的访问要被监测或记录的每个网页能够包括脚本、指令、或一些其他计算机可执行代码，所述网页使得数据驱动归因模型创建模块120或数据处理系统110的其他模块创建对网站访问的记录。在一些实施方式中，数据驱动归因模型创建模块120可以不存储访问相关数据而可以被配置为从数据库140访问这样的数据。在一些实施方式中，与每个访问相关联的信息被存储为数据库中分立的条目。在一些实施方式中，每个条目能够包括唯一识别访问者设备的访问者标识符。在一些实施方式中，访问者标识符能够是与网站相对应的cookie。条目还能够包括访问的时间戳。条目还能够包括对于访问者在访问期间是否执行转化行为的指示。此外，条目能够包括访问者到达网站的源，例如，访问者执行与媒体接触交互的另一网站的名称。条目还能够包括指示访问者通过其到达网站的媒体接触类型的媒体接触类型的身份，例如，付费广告、电子邮件广告、社交网络帖子等等。在一些实施方式中，条目还能够包括访问者的路径。路径能够包括使得访问者先前访问该站点的事件的序列。在一些实施方式中，诸如数据驱动归因模型创建模块120的配置为创建记录的模块能够识别与访问相关联的访问者标识符并且识别与网站任何先前的交互。在一些实施方式中，数据驱动归因模块创建模块120可以识别在预定时间范围(例如2013年10月份)内发生的与网站的先前交互。在一些实施方式中，数据驱动归因模型创建模块120能够识别与在发生之前访问的预定时间段(诸如4天)内发生的与网站的所有先前交互。在一些实施方式中，数据驱动归因模型创建模块120能够识别在发生之前访问的预定时间段内发生的以及在预定时间范围内发生的与网站的所有先前交互。数据驱动归因模型创建模块120能够被配置为识别对特定网站的多个访问。在一些实施方式中，数据驱动归因模型创建模块120能够识别在给定时间段内对网站的多个访问。在一些实施方式中，时间段能够基于该网站在给定时间段内接收的业务流量。在一些实施方式中，时间段能够基于要分析的访问的数目。在一些实施方式中，要分析的访问的数目能够是1000个访问到超过1千万个访问。在一些实施方式中，数据驱动归因模型创建模块120能够被配置为通过从诸如数据库140的存储访问相关信息的数据库中检索访问相关条目来识别对网站的多个访问。数据驱动归因模型创建模块120能够被配置为从数据库请求与给定时间段相对应的预定数目的访问相关条目。例如，请求能够是接收与在2013年10月份发生的访问相对应的1千万个条目。在一些实施方式中，访问者标识符与对网站的每个访问相关联。访问者标识符能够特定于特定访问者设备。当访问者标识符访问网站多次时，多次访问导致创建与访问者标识符相关联的路径。该路径能够包括一个或多个事件。每个事件能够提供关于在事件所对应的访问期间访问者如何到达网站的信息。事件能够识别指示访问者从其到达该网站的源以及指示访问者所接触的媒体接触的类型的媒体接触类型。在一些实施方式中，事件能够是对网站的直接访问。也就是，访问者访问网站而不与媒体接触交互。出于本公开的目的，对网站的直接访问能够被视为媒体接触类型。路径中事件的顺序是重要的，因此，事件中的每个事件能够具有或者能够与相对应的索引位置相关联，相对应的索引位置指示事件相对于路径中所包括的其他事件的位置的位置。路径中的每个路径能够与特定路径类型相对应。相同的路径与相同的路径类型相对应。任何路径类型的特性包括事件的类型、事件的数目、和事件中的每个事件所发生的次序。如果两个路径具有相同数目的事件且事件类型中的每个事件类型发生的次序都相同，则两个路径是相同路径类型。反之，如果两个路径具有不同数目的事件或者事件类型中的每个事件类型发生的次序不同，则两个路径与不同路径类型相对应。数据驱动归因模型创建模块120可以被配置为识别与所识别的访问相关联的访问者标识符。数据驱动归因模型创建模块120能够进一步被配置为识别与关联于所识别的访问的每个访问者标识符相关联的路径。在一些实施方式中，数据驱动归因模型创建模块120每次记录对网站的访问时，数据驱动归因模型创建模块120识别与访问相关联的访问者标识符、执行对与相同访问者标识符相关联的先前访问的查找、以及利用所记录的访问来存储对应于先前访问的路径。这样，数据驱动归因模型创建模块120能够被配置为从所识别的多个访问中识别与关联于所识别的访问的每个访问者标识符相关联的路径。在一些实施方式中，数据驱动归因模型创建模块120能够识别与关联于一个或多个所识别的访问的给定访问者标识符相关联的路径。在一些实施方式中，数据驱动归因模型创建模块120能够通过针对给定访问者标识符识别与给定标识符相对应的一个或多个条目来识别路径。从所识别的条目中，根据在条目中所包括的访问的时间戳来对条目排序。数据驱动归因模型创建模块120随后可以以从对应于最早时间戳的条目开始的升序布置与每个条目相关联的事件。这样，与给定标识符相关联的路径包括以升序布置的条目。在一些实施方式中，数据驱动归因模型创建模块120能够被配置为确定两个连续事件之间的时间量是否大于阈值时间段。在一些这样的实施方式中，如果数据驱动归因模型创建模块120确定两个连续事件之间的时间量大于阈值时间段，则当识别与给定访问者标识符相关联的路径时，数据驱动归因模型创建模块120能够被配置为忽视两个连续事件中较早出现的事件以及在该较早出现事件之前的所有其他事件。在一些实施方式中，数据驱动归因模型创建模块120能够被配置为确定一个特定类型事件和紧邻的前一个事件(任何类型)之间的时间量是否小于阈值时间段。在一些这样的实施方式中，如果数据驱动归因模型创建模块120确定该特定事件类型的发生与其紧邻的前一个事件之间的时间量小于阈值时间段，则数据驱动归因模型创建模块120能够被配置为当识别与给定访问者路径相关联的路径时忽视该特定事件类型的发生。在一些实施方式中，数据驱动归因模型创建模块120能够被配置为忽视在从之前事件开始的阈值时间窗口内发生的一个或多个事件。例如，数据驱动归因模型创建模块120能够被配置为忽视在从之前事件开始的阈值时间窗口内发生的与对网站的直接访问相关联的一个或多个事件。在一些实施方式中，阈值时间窗口能够是大约24小时。数据驱动归因模型创建模块120能够被配置成为每个路径类型确定转化概率。在一些实施方式中，数据驱动归因模型创建模块120能够基于与导致转化的路径类型相对应的访问的数目而确定给定路径类型的转化概率。数据驱动归因模型创建模块120能够通过首先从多个所识别的路径识别与相同路径类型相对应的所有路径来确定给定路径类型的转化概率。图2A示出多个所识别路径的概念图示，其中一些路径导致转化而另外的则没有。如图2A中所示，路径212包括第一事件202a，之后是第二事件202b，然后是第三事件202c，接着是转化事件204。数据驱动归因模型创建模块120随后能够为每个路径类型确定总路径计数，所述总路径计数指示特定于每个路径类型的路径的总数目。数据驱动归因模块创建模块120还能够被配置成为每个路径类型确定转化路径计数，所述转化路径计数指示特定于每个路径类型的转化的总数目。给定路径类型的转化概率是给定路径类型的转化路径计数与总路径计数的比率。图2B示出按照路径类型所布置的图2A中所示的多个识别路径的概念图示。在图2B中，三个列表示三个路径类型。左列示出的第一路径类型212包括5个路径，其中2个转化了。因此，第一路径类型的转化概率214是2/5或40％。中间列示出的第二路径类型222包括3个路径，其中1个转化了。因此，第二路径类型222的转化概率224是1/3或33.33％。右列示出的第三路径类型232包括4个路径，其中1个转化了。因此，第三路径类型232的转化概率234是1/4或25％。数据驱动归因模型创建模块120可以被配置为对于具有多个事件的给定路径类型，为给定路径类型中所包括的每个事件计算反事实增益。在一些实施方式中，数据驱动归因模型创建模块120能够被配置为基于给定路径类型的转化概率和不包括为之计算了反事实增益的事件的路径类型的转化概率，为每个事件计算反事实增益。图2C示出图2B中所示的路径中的两个路径。如图2C中所示，第一路径类型212包括第一事件‘自然搜索’，之后是第二事件‘付费搜索’，然后是第三事件‘推介’，且如上所述转化概率为0.4。第二路径类型222包括第一事件‘自然搜索’，之后是第二事件‘推介’，且转化概率是0.33。第一路径类型212和第二路径类型222之间的差别在于，第二路径类型222在‘自然搜索’事件和‘推介’事件之间不包括事件‘付费搜索’。数据驱动归因模型创建模块120能够被配置为，通过确定第一路径类型212和第二路径类型222的转化概率之差来计算第一路径类型的‘付费搜索’的反事实增益，其中除了第二路径类型222不包括要为之计算反事实增益的‘付费搜索’事件之外，第二路径类型222与第一路径类型是相同的。数据处理系统能够被配置成计算特定路径类型中所包括的每个事件的反事实增益以确定分配给路径类型的事件中的每个事件的归因得分的量。如图2D中所示，示出了第一事件类型212中每个事件的反事实增益的概念图示。为了计算‘自然搜索’事件的反事实增益，数据驱动归因模型创建模块120能够首先确定只包括‘付费搜索’事件、之后是‘推介’事件的路径类型的转化概率。第一事件类型和只包括‘付费搜索’事件、之后是‘推介’事件的路径类型的转化概率之差与‘自然搜索’事件的反事实增益相对应。类似地，为了计算‘推介’事件的反事实增益，数据驱动归因模型创建模块120能够首先确定只包括‘自然搜索’事件、之后是‘付费搜索’事件、然后是‘推介’事件的路径类型的转化概率。第一事件类型和只包括‘自然搜索’事件、之后是‘付费搜索’事件、然后是‘推介’事件的路径类型的转化概率之差与‘推介’事件的反事实增益相对应。更一般地，数据驱动归因模型创建模块120能够被配置成通过首先针对给定路径类型识别在给定事件之前的第一排序的事件序列和在给定事件之后的第二排序的事件序列，来计算给定路径类型的事件的反事实增益。在一些实施方式中，如果事件是给定路径类型的第一事件，则数据驱动归因模型创建模块120不识别第一排序的事件序列。在一些实施方式中，如果事件是给定路径类型的最后事件，则数据驱动归因模型创建模块120不识别第二排序的事件序列。在一些实施方式中，事件序列能够包括一个或多个事件。数据驱动归因模型创建模块120随后能够从所识别的路径类型中识别比较路径类型，所述比较路径类型包括之后紧跟第二排序的事件序列的第一排序的事件序列。换种方式来陈述，除了比较路径类型不包括数据驱动归因模型创建模块120正在为之计算反事实增益的事件之外，比较路径类型与给定路径类型是相同的。数据驱动归因模型创建模块120随后能够计算给定路径类型的转化概率与比较路径类型的转化概率之差。所计算的差是该事件的反事实增益。在一些实施方式中，给定路径类型中的特定事件的反事实增益能够是负数。然而，这能够逆向地影响怎样向一个或多个事件分配归因得分。例如，有可能数据驱动归因模型创建模块120能够将特定路径类型的最近事件的反事实增益计算为负数，即使最近事件能够导致转化。因此，向特定事件分配负归因得分是违反直觉的。为了考虑计算负反事实增益的可能性，数据驱动归因模型创建模块120能够被配置为确定给定事件的所计算的反事实增益小于零。数据驱动归因模型创建模块120能够响应于确定给定事件的所计算的反事实增益小于零，而将这样的事件的所计算的反事实增益修改为零。数据驱动归因模型创建模块120随后能够确定分配给给定路径类型的事件中的每个事件的归因得分。数据驱动归因模型创建模块120能够首先确定与对应于给定路径类型的事件中的每个事件的反事实增益之和相对应的总增益值。数据驱动归因模型创建模块120随后能够通过确定给定事件的反事实增益与总增益值的比率来确定事件中的每个事件的归因得分。如图2D中所示，总增益值是‘自然搜索’事件、‘付费搜索’事件、和‘推介’事件中的每个事件的反事实增益之和。对于‘自然搜索’事件，归因得分是0.1/0.32的比率，即大约31％。对于‘付费搜索’事件，归因得分是0.07/0.32的比率，即大约22％。对于‘推介’事件，归因得分是0.15/0.32的比率，即大约47％。数据驱动归因模型创建模块120随后能够向为之计算了反事实增益的给定路径类型中的每个事件分配所确定的归因得分。在一些实施方式中，在总增益值为零的情况下，数据驱动归因创建模块120能够被配置为根据回退归因模型向路径中每个事件分配归因得分。在一些实施方式中，回退归因模型能够是最近点击归因模型。在一些实施方式中，回退归因模型能够是向每个事件分配相等的归因得分量的归因模型。数据驱动归因模型创建模块120能够被配置为对于导致转化的所识别的路径，确定应用于每个事件类型的归因得分的量。图2E示出相同路径类型的两个路径的概念图示。如图2E中所示，示出第一路径类型212的两个转化路径。数据驱动归因模型创建模块120能够通过将归因得分乘到第一路径类型的转化总数来计算第一路径类型的事件中的每个事件应得的归因得分的量。因此，相应地，分配给‘自然搜索’事件的归因得分是0.63，分配给‘付费搜索’事件的是0.44，且分配给‘推介’事件的是0.94。与之对照，如果应用最近点击归因模型，则分配给‘自然搜索’事件和‘付费搜索’事件的归因得分将是零，而分配给‘推介’事件的归因得分将是2。数据处理系统数据驱动归因模型创建模块120能够进一步被配置为针对与所识别的路径相关联的多个路径类型中的每个路径类型，存储该路径类型中所包括的每个事件的所确定的归因得分(块430)。数据驱动归因模型创建模块120能够被配置为在诸如数据库140的数据库中存储该路径类型中所包括的每个事件的所确定的归因得分。在一些实施方式中，数据驱动归因模型创建模块120能够存储给定路径类型的每个事件的所确定的归因得分作为单个归因规则。这样，数据驱动归因模型创建模块120能够存储多个归因规则以基于各种路径类型的转化概率来创建归因模型。在一些实施方式中，数据驱动归因模型创建模块120能够存储从所确定的归因得分创建的归因规则，其方式为数据驱动归因模型创建模块120能够在稍后时间访问归因规则以向导致转化的路径类型的事件分配归因得分。在一些实施方式中，一旦数据处理系统已经使用多个归因规则创建了归因模型，则数据处理系统能够被配置为向导致转化的给定路径的各个事件分配归因得分。为了这样做，数据处理系统能够首先识别转化了的路径的路径类型。数据处理系统能够随后使用与所识别的路径类型相对应的归因规则来向所识别的路径的事件中的每个事件分配归因得分。在一些实施方式中，数据处理系统能够被配置成为一个或多个内容发布者维护统计数据。在一些实施方式中，一旦数据处理系统已经向路径的事件中的每个事件分配了归因得分，则数据处理系统能够更新网站的转化表，所述转化表通过将与事件中的每个事件相关联的归因得分添加到对应事件的现有总得分中，来维护与各个事件相关联的归因得分的记录(tally)。图3是描绘模型比较工具的用户接口的截屏。用户接口能够比较分配给用于转化的给定集合的两个不同归因模型的转化的数目。如图3中所示，用户接口中所示的数据与表达为“最近交互”的最近点击归因模型和表达为“数据驱动”的数据驱动归因模型相对应。最近点击归因模型的结果在列310中示出，而数据驱动归因模型的结果在列320中示出。诸如自然搜索、直接、推介、社交网络的各种事件类型314，分别基于最近点击归因模型和数据驱动归因模型连同其对应的归因得分一起示出。不同事件类型314中的每个事件类型的转化是通过确定被分配给接收到转化的第一路径类型的每个事件的归因得分来计算的。特别是，数据处理系统能够识别转化路径、确定经转化的路径的事件中的每个事件的归因得分、以及将所确定的与每个事件相对应的归因得分添加到由数据处理系统110维护的正在运行的事件的总得分中。在一些实施方式中，用于计算转化的数据基于时间段，例如2013年10月1日到2013年10月31日。对于这个时间段，所有转化的路径能够被分析、转化的路径的每个事件的归因得分能够被确定、并被相加以确定给定事件类型的总转化数。如图3中所示，根据数据驱动归因模型，通过‘自然搜索’事件或媒体接触的转化的总数目为6,051.54。与之对照，根据最近点击归因模型，通过‘自然搜索’事件或媒体接触的转化的总数目为5589。图4是描绘创建数据驱动归因模型所采用的步骤的一个实施方式的流程图。在简述中，数据处理系统能够在给定时间段内识别对特定网站的多个访问(块405)。数据处理系统随后能够针对与所识别的多个访问相关联的每个访问者标识符，识别与该访问者标识符相关联的路径(块410)。数据处理系统能够针对与所识别的访问者标识符相关联的每个路径类型，基于与导致转化的路径类型相对应的访问的数目而确定路径类型转化概率(块415)。数据处理系统随后能够针对与所识别的访问者标识符相关联的多个路径类型中的每个路径类型，基于给定路径类型的转化概率和不包括为之计算了反事实增益的事件的路径类型的转化概率而计算每个事件的反事实增益(块420)。数据处理系统随后能够确定多个路径类型中的每个路径类型的每个事件的归因得分(块425)。数据处理系统随后能够针对与所识别的路径相关联的多个路径类型中的每个路径类型，存储在该路径类型中所包括的每个事件的所确定的归因得分(块430)。在进一步的细节中，数据处理系统能够在给定时间段内识别对特定网站的多个访问(块405)。在一些实施方式中，数据处理系统能够在给定事件段内识别对网站的多个访问。在一些实施方式中，该时间段能够基于网站在给定时间段内接收的业务流量。在一些实施方式中，该时间段能够基于要被分析的访问的数目。在一些实施方式中，要被分析的访问的数目能够是1000个访问到超过1千万个访问。在一些实施方式中，数据处理系统能够被配置为通过从存储访问相关信息的数据库中检索访问相关条目来识别对网站的多个访问。数据处理系统能够被配置为从数据库请求与给定时间段相对应的预定数目的访问相关条目。在一些实施方式中，数据处理系统能够从存储包括与多个访问相关联的访问相关信息的条目的数据库中识别多个访问。在一些实施方式中，条目中的一个或多个条目包括识别与访问相关联的访问者设备的访问者标识符、指示在该访问期间是否发生了转化的转化指示、或者与通过其发生了对该网站的访问的事件相对应的媒体接触。数据处理系统随后能够针对与所识别的多个访问相关联的每个访问者标识符，识别与访问者标识符相关联的路径(块410)。在一些实施方式中，访问者标识符与对网站的每个访问相关联。访问者标识符能够特定于特定访问者设备。由于访问者标识符多次访问网站，多次访问导致与该访问者标识符相关联的路径的创建。路径能够包括一个或多个事件。每个事件能够提供关于在事件所对应的访问期间访问者怎样到达网站的信息。事件能够识别指示访问者从其到达网站的的网站的源以及指示访问者所接触的媒体接触的类型的媒体接触类型。在一些实施方式中，事件能够是对网站的直接访问。也就是，访问者访问网站而不用与媒体接触交互。出于本公开的目的，对网站的直接访问能够被视为媒体接触类型。路径中的事件序列是重要的，因此，事件中的每个事件能够具有或能够与对应的索引位置相关联，该索引位置指示该事件相对于路径中所包括的其他事件的位置的位置。在一些实施方式中，数据处理系统能够识别与和所识别的访问中的一个或多个访问相对应的给定访问者标识符相关联的路径。在一些实施方式中，数据处理系统能够通过针对给定的访问者标识符识别与该给定标识符相对应的一个或多个条目来识别路径。根据所识别的条目，依据条目中所包括的访问的时间戳来对所述条目进行排序。数据处理系统随后能够以从与最早时间戳相对应的条目开始的升序来布置与条目中的每个条目相关联的事件。这样，与给定标识符相关联的路径包括以升序布置的条目。在一些实施方式中，数据处理系统能够确定两个连续事件之间的时间量是否大于阈值时间段。在一些这样的实施方式中，如果数据处理系统确定两个连续事件之间的时间量大于阈值时间段，则当识别与给定访问者标识符相关联的路径时，数据处理系统能够忽视两个连续事件中较早发生的事件以及在较早发生的事件之前的所有其他事件。在一些实施方式中，数据处理系统能够确定一个特定类型事件和紧邻的之前事件(任意类型)之间的时间量是否小于阈值时间段。在一些这样的实施方式中，如果数据处理系统确定该特定事件类型的发生和其紧邻的前驱事件之间的时间量小于阈值时间段，则当识别与给定访问者路径相关联的路径时，数据处理系统能够忽视特定事件类型的发生。数据处理系统可以针对与所识别的访问者标识符相关联的每个路径类型，基于与导致转化的路径类型相对应的访问的数目而确定路径类型转化概率(块415)。数据处理系统能够被配置为确定每个路径类型的转化概率。数据处理系统能够通过首先从多个所识别的路径中识别与相同路径类型相对应的所有路径来确定给定路径类型的转化概率。数据处理系统随后能够确定每个路径类型的总路径计数，所述总路径计数指示特定于每个路径类型的路径的总数目。数据处理系统还能够确定每个路径类型的转化路径计数，所述转化路径计数指示特定于每个路径类型的转化的总数目。给定路径类型的转化概率是给定路径类型的转化路径计数与总路径计数之比。数据处理系统随后能够针对与识别的访问者标识符相关联的多个路径类型中的每个路径类型，基于给定路径类型的转化概率和不包括为之计算了反事实增益的事件的路径类型的转化概率来计算每个事件的反事实增益(块420)。数据处理系统能够被配置为针对具有多个事件的给定路径类型，确定给定路径类型中所包括的每个事件的反事实增益。在一些实施方式中，数据处理系统能够被配置为基于给定路径类型的转化概率和不包括为之计算了反事实增益的事件的路径类型的转化概率而计算每个事件的反事实增益。数据处理系统能够被配置成计算特定路径类型中所包括的每个事件的反事实增益以确定分配给路径类型的每个事件的归因得分的量。数据处理系统能够被配置为通过首先针对给定路径类型识别给定事件之前的第一排序的事件序列和给定事件之后的第二排序的事件序列来计算给定路径类型的事件的反事实增益。在一些实施方式中，如果事件是给定路径类型的第一事件，则数据处理系统不识别第一排序的事件序列。在一些实施方式中，如果事件是给定路径类型的最后事件，则数据处理系统不识别第二排序的事件序列。在一些实施方式中，事件序列能够包括一个或多个事件。数据处理系统随后能够从所识别的路径类型中识别包括第一排序的事件序列、后面紧跟第二排序的事件序列的比较路径类型。用另一种方式来陈述，比较路径类型与给定路径类型相同，除了比较路径类型不包括数据处理系统正在为之计算反事实增益的事件之外，比较路径类型和给定路径类型是相同的。数据处理系统随后能够计算给定路径类型的转化概率和比较路径类型的转化概率之间的差。所计算的差是该事件的反事实增益。在一些实施方式中，给定路径类型中的特定事件的反事实增益能够是负数。然而，这可以逆向地影响怎样向一个或多个事件分配归因得分。例如，有可能数据处理系统能够将特定路径类型的最近事件的反事实增益计算为负数，即使最近事件能够导致转化。因此，向特定事件分配负的归因得分是违反直觉的。为了考虑计算负反事实增益的可能性，数据处理系统能够被配置为确定给定事件的所计算的反事实增益小于零。数据处理系统能够响应于确定给定事件的所计算的反事实增益小于零而将这样的事件的所计算的反事实增益修改为零。数据处理系统随后能够确定多个路径类型中的每个路径类型的每个事件的归因得分(块425)。数据处理系统能够首先确定与对应于给定路径类型的事件中的每个事件的反事实增益之和相对应的总增益值。数据处理系统随后能够通过确定给定事件的反事实增益与总增益值的比率来确定事件中的每个事件的归因得分。数据处理系统随后能够向为之计算了反事实增益的给定路径类型中的每个事件分配所确定的归因得分。在一些实施方式中，在总增益值为零的情况下，数据处理系统能够根据回退归因模型向路径中的每个事件分配归因得分。在一些实施方式中，回退归因模型是最近点击归因模型。在一些实施方式中，回退归因模型可以是向每个事件分配相等量的归因得分的模型。数据处理系统能够针对与所识别的路径相关联的多个路径类型中的每个路径类型，存储路径类型中所包括的每个事件的所确定的归因得分(块430)。在一些实施方式中，数据处理系统能够存储给定路径类型的每个事件的所确定归因得分作为单独归因规则。这样，数据处理系统能够存储多个归因规则以基于各种路径类型的转化概率创建归因模型。在一些实施方式中，数据处理系统可以存储从所确定的归因得分创建的归因规则，其方式为数据处理系统能够在稍后时间访问归因规则以向导致转化的路径类型的事件分配归因得分。在一些实施方式中，一旦数据处理系统已经使用多个归因规则创建了归因模型，则数据处理系统能够被配置为向导致转化的给定路径的各个事件分配归因得分。为了这样做，数据处理系统能够首先识别转化了的路径的路径类型。数据处理系统随后能够使用与所识别的路径类型相对应的归因规则来向所识别的路径的事件中的每个事件分配归因得分。在一些实施方式中，数据处理系统能够被配置成为一个或多个内容发布者维护统计数据。在一些实施方式中，一旦数据处理系统已经向路径的事件中的每个事件分配了归因得分，则数据处理系统能够更新网站的转化表，所述转化表通过将与事件中的每个事件相关联的归因得分添加到对应事件的现有总得分中，来维护与各个事件相关联的归因得分的记录(tally)。B.用于基于与对网站的访问相关联的历史数据创建用于归因模型的规则的方法和系统上面简单描述的数据驱动归因模型依赖于访问者的之前转化路径的使用，来向应得媒体接触分配归因得分。归因模型包括用于向给定路径类型的事件分配归因得分的多个规则。规则中的每个规则能够对于给定的路径类型而唯一。对于具有多于一个事件的给定路径类型，给定路径类型中所包括的事件中的每个事件的归因得分能够通过如部分A中所述的计算每个事件的反事实增益来确定。反事实增益是基于给定路径类型的转化概率和不包括为之计算了反事实增益的事件的路径类型的转化概率而计算的。归因模型对计算给定路径类型的每个事件的反事实增益的依赖引起了之前未确知的问题。创建这样的归因模型的挑战之一是分派或管理资源以用于计算访问者可以采用的每个路径类型中所包括的每个事件的反事实增益。例如，为了计算具有5个事件的路径类型的每个事件的反事实增益，数据处理系统能够确定具有5个事件的路径类型的转化概率以及具有4个事件的至少4个不同路径类型的转化概率，其中4个事件包括5个事件的路径类型除去要为之计算反事实增益的事件的按顺序的相同事件。依据路径中的事件的数目，计算可能是非常资源密集的。因此，其可能希望创建依赖于计算给定路径类型的每个事件的反事实增益的数据驱动归因模型以平衡资源利用的准确性。如上所述，新的归因模型依赖于基于特定网站的访问者所采用的路径而确定路径类型的转化概率。创建依赖于确定路径类型的转化概率的归因模型的一个挑战是需要被处理的数据的量，所述数据需要被处理以能够可靠地确定转化概率以及多个路径类型中所包括的被分配了归因得分的每个事件的反事实增益。可能需要被处理的数据的量能够基于到网站的路径的总数目、路径中的每个路径中的事件的数目、以及路径的不同类型的数目等等。尽管使更多的数据被处理可以帮助在计算路径类型中的每个路径类型的转化概率时达到更高准确性，其能够希望平衡对于更高准确性的需求与所利用的计算资源的量。因此，本公开的方面还涉及用于处理数据以准确地确定路径类型的转化概率同时有效利用计算资源的方法和系统。在此方面，本公开提供了用于创建用于平衡准确性与计算资源要求的归因模型的规则的方法和系统。再参看图1，数据处理系统110的规则创建模块125能够被配置为执行数据驱动归因模型创建模块120的各方面。在一些实施方式中，规则创建模块125能够是数据驱动归因模型创建模块120的一部分。在一些实施方式中，规则创建模块125能够被配置为识别访问者在特定网站所进行的多个转化。在一些实施方式中，规则创建模块125能够被配置为识别在给定时间段内发生的多个转化。在一些实施方式中，给定时间段能够基于来自广告主的请求。在一些实施方式中，该时间段能够基于网站在给定时间段内所接收的业务流量。在一些实施方式中，该时间段能够基于要分析的访问的数目。在一些实施方式中，规则创建模块125能够被配置为通过从诸如数据库140的存储网站的访问相关信息的数据库中检索访问相关条目来识别多个转化。规则创建模块125能够被配置为从数据库请求在给定时间段内发生在网站处的多个转化。规则创建模块125能够针对多个转化中的每个所识别的转化来识别与该转化相关联的路径。该路径能够识别一个或多个事件和指示事件相对于路径中的其他事件的位置的对于索引位置。路径能够特定于特定访问者标识符，该访问者标识符识别访问者设备。路径表示导致访问者设备对网站的访问的事件序列。事件能够与访问者设备的交互和对应于网站的媒体接触相对应。在一些实施方式中，规则创建模块125能够通过从存储与对网站的访问相关的访问相关信息的数据库请求信息而识别与转化相关联的路径。在一些实施方式中，规则创建模块125能够通过针对与转化相关联的访问者标识符来识别对网站的一个或多个先前访问而确定与转化相关联的路径。一旦识别对网站的先前访问，规则创建模块125随后能够根据其时间戳以时间次序布置所述先前访问，其时间戳指示访问者访问网站的时间。在一些实施方式中，规则创建模块125能够确定对网站两次连续的访问之间的时间段是否超过阈值时间段。如果两次连续访问之间的时间段超过阈值时间段，则规则创建模块125能够忽视两次连续访问的后者之前的所有访问。阈值时间段能够预先确定。在一些实施方式中，阈值时间段的范围能够从几个小时到几个月。在一些实施方式中，规则创建模块125能够确定一个特定类型事件和紧邻的之前事件(任意类型)之间的时间量是否小于阈值时间段。在一些这样的实施方式中，如果数据规则创建模块125确定该特定事件类型的发生与其紧邻的前驱事件之间的时间量小于阈值时间段，则当识别与给定访问者路径相关联的路径时，规则创建模块125能够忽视该特定事件类型的出现。在一些实施方式中，规则创建模块125能够被配置为从所识别的路径或对应的转化中识别与所识别的转化中的每一个相关联的多个路径类型。每个路径类型的特征在于特定的事件序列。在一些实施方式中，规则创建模块125能够识别与每个路径类型相关联的转化计数。给定路径类型的转化计数是来自所识别的转化的与给定路径类型相对应的转化的数目。规则创建模块125能够进一步被配置为识别要被重写的路径类型的子集。在一些实施方式中，规则创建模块125能够根据路径重写策略来识别要被重写的路径类型的子集。路径重写策略能够包括用于识别要被重写的路径类型以及所识别的路径类型要被重写的方式的一个或多个规则。在一些实施方式中，路径重写策略能够包括用于重写路径的一个或多个规则，使得当确定路径中所包括的事件的归因得分时，一个或多个不同路径能够被视为相同的。在一些实施方式中，路径重写策略能够包括用以简化一个或多个路径类型的一个或多个规则。在一些实施方式中，路径重写策略能够被配置为重写具有大于事件阈值数目的路径长度的路径类型。在一些实施方式中，路径中的一个或多个路径的路径长度能够超过事件阈值数目。路径的路径长度是在该路径导致转化之前，在该路径中所包括的事件的数目。对于具有超过事件阈值数目的路径长度的这样的路径，其可能希望只向该路径中所包括的事件的子集分配归因得分。想象具有跨越2个月的活动的50个事件的路径-不太可能50个事件中的每个事件都应得归因得分，且即使每个事件都应得归因得分，在向事件分配归因得分时事件应得的归因得分的量可能微不足道到能够被忽略。因此，忽视路径长度超过事件阈值数目的路径中的一些事件是有意义的。但是，确定忽视哪些事件会很困难。因此，规则创建模块125能够重写路径以包括要分配归因得分的事件，而忽视不分配归因得分的事件。在一些实施方式中，事件阈值数目的范围能够是3-10。在一些实施方式中，事件阈值数目能够基于每路径类型的转化总数。在一些实施方式中，路径重写策略能够包括两个参数，第一子集长度和第二子集长度。对于路径长度大于第一子集长度和第二子集长度之和的每个路径，通过在与第一子集长度相对应的事件和与第二子集长度相对应的事件之间引入虚拟变量而使路径被重写。在一些实施方式中，第一子集长度能够是1而第二子集长度能够是2。在这里被表示为“ANY”的虚拟变量，能够是表示任意类型的一个或多个事件的令牌且被分配了零的归因得分。例如，第一路径能够与付费搜索-电子邮件-付费搜索-社交网络-推介-电子邮件相对应。第一路径能够被重写为付费搜索-ANY-推介-电子邮件。在另一示例中，第二路径能够与付费搜索-电子邮件-社交网络-付费搜索-电子邮件-付费搜索-推介-电子邮件相对应。类似于第一路径，第二路径能够被重写为付费搜索-ANY-推介-电子邮件。在一些实施方式中，规则创建模块125能够被配置为确定与所识别的转化相对应的一个或多个路径类型在统计上并不显著。在一些实施方式中，规则创建模块125能够以频率降低的次序布置路径类型。一旦以频率降低的次序布置路径类型，规则创建模块能够移除累积频率小于阈值频率的所有路径类型。在一些实施方式中，阈值频率能够被确定为所识别的转化的整体数目的百分比。因此，如果转化的整体数目是1千万，则阈值频率的范围能够从99％包含率的100,000到90％的包含率的1百万。在一些实施方式中，阈值频率能够被设置为任意预先确定的包含率。在一些实施方式中，规则创建模块125还能够移除具有小于阈值频率量的频率的任何路径类型。在一些实施方式中，阈值频率量能够基于所识别的转化的整体数目。例如，阈值频率量能够是1000个转化。在一些实施方式中，规则创建模块125能够进一步被配置为确定路径的每个事件的归因得分。规则创建模块125能够利用关于部分A所述的用于确定路径的事件的归因得分的过程。简单地说，规则创建模模块能够被配置为通过确定每个路径类型的转化概率、并且然后通过计算正在确定其归因得分的事件的反事实增益而确定每个事件的归因得分，来确定路径的事件中的每个事件的归因得分。在一些实施方式中，规则创建模块125能够创建与确定其归因得分的路径类型相对应的多个规则。在一些实施方式中，规则创建模块125能够创建包括所创建的规则中的一个或多个规则的关联阵列。关联阵列能够包括与和转化相关联的路径类型相对应的键。因此，阵列中的每个条目能够与唯一路径类型相对应且能够被认为是单个归因规则。例如，在处理1千万个转化之后，规则创建模块125能够包括用于具有34,222的频率的路径‘付费搜索’-‘电子邮件’-‘付费搜索’的归因规则。也就是，规则创建模块所识别的1千万个转化中，与路径‘付费搜索’-‘电子邮件’-‘付费搜索’相对应的归因规则导致了34,222个转化。在一些实施方式中，规则创建模块125能够包括与重写路径相对应的规则。这样，关联阵列不包括与具有超过事件阈值数目的路径长度的路径相对应的规则。在一些实施方式中，关联阵列还能够跟踪与规则中的每个规则相对应的转化的数目。在一些实施方式中，规则创建模块能够将属于与单个重写路径相关联的多个路径的转化关联，作为该单个重写路径的转化。这样，不具有高转化数但可以被视为类似的多个路径能够以这样的方式被重写以便与单个重写路径相关联。在一些实施方式中，规则创建模块125所创建的规则中的每个规则包括根据在部分A中描述的过程所确定的归因得分。这些归因得分与规则所关联的给定路径类型的事件中的每个事件相对应。对于还未创建其规则或不能向其构成事件分配归因得分的那些路径类型，能够根据回退归因模型(诸如最近点击归因)来分配归因得分。在一些实施方式中，归因得分能够根据由广告主或其他实体所选择的可配置的归因模型来分配，所述归因模型例如第一事件和最近事件每个得到25％的归因得分而剩余50％由该路径类型的其他事件共享的归因模型。图5示出包括多个规则的关联阵列的一部分，多个规则包括数据驱动归因模型。关联阵列500包括多个规则502-514，所述规则中的每个规则与特定路径类型相对应。每个路径类型包括事件序列。路径类型中的每个事件被分配归因得分值。特定路径类型的事件中的每个事件的归因得分值之和等于100％。关联阵列500能够被存储在诸如数据库140的数据库中。数据处理系统110能够访问关联阵列500以确定怎样针对给定路径类型分配归因得分。在转化发生在网站处的情况下，数据处理系统110能够被配置为识别与转化相关联的路径类型。数据处理系统110随后能够将所识别的路径类型与关联阵列500中所包括的规则相匹配。如果数据处理系统110确定路径类型与关联阵列的规则相匹配，则数据处理系统根据与关联阵列的规则相关联的所分配的归因得分而向与转化相对应的路径的事件分配归因得分。如果数据处理系统110确定路径类型不与关联阵列的规则相匹配，则数据处理系统110根据诸如最近点击归因的回退归因模型，向与转化相对应的路径的事件分配归因得分。应该理解，关联阵列中所包括的规则的数目越大，转化路径就越有可能与关联阵列中的规则匹配，由此降低能够向转化路径的事件中的每个事件分配归因得分的时间。但是，为了生成更大数目的规则，规则创建模块125必须采用更多的计算资源来处理所识别的多个转化并确定每个规则的每个事件的归因得分。而且，由于数据驱动归因模型比数据处理系统110所采用的任何回退归因模型都更准确，在转化情况下，在根据回退归因模型分配归因得分时存在准确性上的损失。因此，在通过生成更少数目的规则来降低计算资源的利用率的尝试中，数据处理系统也降低了分配给转化路径的事件的归因得分的准确性。图6是描绘被采用来针对在转化路径中所包括的多个事件上分配归因得分的数据驱动归因模型创建规则的一个实施方式步骤的流程图。特别是，图6是描绘被采用来创建用于在多个事件上分配归因得分的规则的一个实施方式步骤的流程图。数据处理系统能够识别特定网站的访问者所进行的多个转化(块605)。数据处理系统能够识别与所识别的转化相关联的路径类型(块610)。数据处理系统随后能够根据路径重写策略而识别要被重写的所识别的路径类型的子集(块615)。数据处理系统随后能够根据路径重写策略来重写所识别的路径类型的所识别的子集作为重写路径类型(块620)。数据处理系统能够针对重写路径类型和与所识别的转化相关联的剩余所识别路径类型中的每个路径类型，来确定在该路径类型中所包括的每个事件的归因得分(块625)。数据处理系统随后能够针对重写路径类型和与所识别的转化相关联的剩余所识别路径类型中的每个路径类型，来创建用于向为其创建规则的路径类型的每个事件分配所确定的属性得分的规则(块630)。更详细地，数据处理系统能够识别在特定网站处的多个转化(块605)。在一些实施方式中，数据处理系统能够被配置为识别在给定时间段内发生在网站处的多个转化。在一些实施方式中，给定时间段能够基于来自广告主的请求。在一些实施方式中，该时间段能够基于该网站在给定时间段内接收的业务流量。在一些实施方式中，该时间段能够基于要被分析的访问的数目。在一些实施方式中，数据处理系统能够被配置为通过从存储访问相关信息的数据库中检索访问相关条目来识别多个转化。数据处理系统能从数据库请求在给定时间段内发生在网站处的多个转化。在一些实施方式中，数据处理系统能够通过从特定网站日志中检索与在该网站处的转化相关联的访问相关数据，来识别在该网站处的多个转化。数据处理系统能够识别与所识别的转化相关联的路径类型(块610)。每个路径类型的特征在于特定的事件序列。在一些实施方式中，数据处理系统能够识别与每个路径类型相关联的转化计数。给定路径类型的转化计数是来自所识别的转化的与给定路径类型相对应的转化数目。数据处理系统能够通过针对每个转化识别与该转化相关联的访问者标识符来识别路径类型。数据处理系统随后能够识别在该转化之前对网站符合资格的访问。符合资格的访问能够包括在给定访问之前发生在阈值时间量内的任何先前访问。这样，如果阈值时间量是1天，则给定访问之前少于1天发生的任何访问都是符合资格的访问。在一些实施方式中，数据处理系统随后能够针对每个符合资格的访问识别访问者通过其访问网站的事件。事件的示例包括用户与多个媒体接触中任何一个媒体接触的交互，诸如付费搜索广告、显示广告、社交网络帖子、电子邮件广告、直接访问等等。数据处理系统随后能够以时间次序布置导致符合资格的访问的事件。数据处理系统随后能够根据路径重写策略识别要被重写的所识别路径类型的子集(块615)。路径重写策略能够包括一个或多个规则，用于识别要重写的路径类型以及所识别路径类型要被重写的方式。在一些实施方式中，路径重写策略能够包括用于重写路径的一个或多个规则，使得当确定路径中所包括的事件的归因得分时，一个或多个不同路径能够被视为相同的。在一些实施方式中，路径重写策略能够包括用以简化一个或多个路径类型的一个或多个规则。在一些实施方式中，路径重写策略能够被配置为重写具有大于事件阈值数目的路径长度的路径类型。在一些实施方式中，路径中的一个或多个路径的路径长度能够超过事件阈值数目。路径的路径长度是在该路径导致转化之前，在该路径中所包括的事件的数目。在一些实施方式中，数据处理系统随后能够通过识别具有超过事件阈值数目的路径长度的路径类型来识别要被重写的所识别路径类型的子集。在一些实施方式中，数据处理系统还能够识别具有要被重写的重复事件序列的路径。例如，在包括一连串6个“直接”事件的路径类型能够根据路径重写策略而被识别为要被重写。数据处理系统随后能够根据路径重写策略而重写所识别的路径类型的所识别的子集作为重写路径类型(块620)。数据处理系统能够通过首先针对所识别子集的给定路径确定该路径具有大于事件阈值数目的路径长度来重写所识别的路径类型的所识别的子集作为重写路径类型。数据处理系统随后能够针对给定路径识别与导致对网站的访问的第一组事件相对应的给定路径的第一数目的事件，以及与给定路径的紧邻转化之前的第二组事件相对应的第二数目的事件。数据处理系统随后能够识别未被识别为第一数目的事件也未被识别为第二数目的事件的给定路径的一个或多个事件，作为剩余事件。数据处理系统随后能够用未被分配任何归因得分的虚拟变量来替代给定路径的剩余事件。在一些实施方式中，数据处理系统能够通过保持事件的一部分而移除路径类型中所包括的其他事件来重写具有超过事件阈值数目的路径长度的路径类型。要保持和移除的事件可以基于转化路径趋势来选择。在一些实施方式中，数据处理系统可以根据转化事件前面的最近事件来布置所有路径类型。数据处理系统随后能够进一步根据转化事件前面的最近两个事件来布置路径类型，以此类推。数据处理系统随后能够确定是否通过重写路径类型来忽视并非一个或多个合并路径类型所共有的事件而合并具有刚好在转化事件序列前面的部分事件的一个或多个路径类型。在一些实施方式中，数据处理系统能够确定路径类型不足够重要。数据处理系统随后能够响应于确定该路径类型不足够重要，而从针对其创建了用于分配归因得分的规则的所识别的路径类型中移除该路径类型。在一些实施方式中，数据处理系统能够通过首先识别与路径类型相关联的转化的数目而确定该路径类型不足够重要。数据处理系统随后能够识别具有小于阈值的转化数目的路径类型。数据处理系统能够移除具有小于阈值的转化数目的所识别的路径类型。在一些实施方式中，数据处理系统能够通过针对每个路径类型识别与该路径类型相关联的转化数目而确定该路径类型不足够重要。数据处理系统随后能够基于所识别的转化数目来识别阈值频率。在一些实施方式中，阈值频率能够是所识别的转化数目的1％(参见块605)。数据处理系统随后能够以与路径类型相关联的所识别的转化的数目的升序移除路径类型，直到所移除的转化数目超过阈值频率。在一些实施方式中，数据处理系统能够从具有最低频率的路径类型开始移除路径类型。数据处理系统能够针对重写路径类型和与所识别的转化相关联的剩余所识别路径类型中的每个路径类型，来确定在该路径类型中所包括的每个事件的归因得分(块625)。在一些实施方式中，数据处理系统能够利用关于部分A所述的用于确定路径的事件的归因得分的过程。简单地说，数据处理系统能够通过确定每个路径类型的转化概率、并且然后通过计算正在确定其归因得分的事件的反事实增益而确定每个事件的归因得分，来确定路径的事件中的每个事件的归因得分。数据处理系统随后能够针对重写路径类型和与所识别的转化相关联的剩余所识别路径类型中的每个路径类型，来创建用于向为其创建规则的路径类型的每个事件分配所确定的属性得分的规则(块630)。在一些实施方式中，数据处理系统能够创建包括所创建的规则中的一个或多个规则的关联阵列。关联阵列能够包括与和转化相关联的路径类型相对应的键。因此，阵列中的每个条目能够与唯一路径类型相对应且能够被认为是单个归因规则。在一些实施方式中，数据处理系统能够包括与重写路径相对应的规则。这样，关联阵列不包括与具有超过阈值时间数目的路径长度的路径相对应的规则。在一些实施方式中，关联阵列还能够跟踪与规则中的每个规则相对应的转化的数目。在一些实施方式中，数据处理系统能够将属于与单个重写路径相关联的多个路径的转化关联，作为单个重写路径的转化。这样，不具有高转化数目但可以类似处理的多个路径能够以这样的方式被重写以便与单个重写路径相关联。在一些实施方式中，数据处理系统所创建的规则包括所确定的归因得分。这些归因得分与规则所关联的给定路径类型的事件中的每个事件相对应。对于还未创建其规则或者不能向其构成事件分配归因得分的那些路径类型，能够根据回退归因模型(诸如最近点击归因)来分配归因得分。在一些实施方式中，能够任意地分配归因得分，使得第一事件和最近事件每个得到25％的归因得分，而剩余的50％由该路径类型的其他事件共享。在一些实施方式中，数据处理系统能够接收对于向给定路径类型的多个事件分配归因得分的请求。数据处理系统能够确定给定路径类型不与任何所创建的规则相匹配。数据处理系统能够随后根据回退归因模型向所识别的路径中包括的多个事件中的每个事件分配归因得分，所述回退归因模型不同于用于为针对其创建了规则的路径类型的事件分配归因得分的归因模型。在一些实施方式中，回退归因模型是最近点击归因模型。在一些实施方式中，回退归因模型能够是任何其他归因模型。C.用于测量用于归因模型的多个路径类型的转化概率的方法和系统这里所述的数据驱动归因模型依赖于访问者的之前转化路径的使用来确定各个路径类型的转化概率。基于各个路径类型的转化概率，能够计算给定路径类型的每个事件的反事实增益，这可用来确定和分配归因得分给给定路径类型的事件。对于具有多于一个事件的给定路径类型，能够通过计算每个事件的反事实增益来确定每个事件的归因得分。反事实增益是基于给定路径类型的转化概率和不包括为之计算了反事实增益的事件的路径类型的转化概率来计算的。准确地计算各种路径类型的转化概率能够是非常具有挑战的。为了使用这里所述的数据驱动归因模型来确定归因得分，需要一种能够根据多个事件以及这些事件的次序而测量网站访问者的转化倾向的方法。需要应该能够根据事件的数目、事件的类型、和事件发生的相对次序，来辨别网站访问者的转化倾向的方法。例如，能够在网站访问者在以下事件之后进行转化的倾向之间进行辨别的方法：i)仅经由电子邮件活动点击的事件；ii)经由电子邮件活动点击、之后是付费广告点击的事件；以及iii)经由付费广告点击、之后是电子邮件活动点击的事件。因此，本公开的各方面涉及用于测量多个路径类型的转化概率以创建数据驱动归因模型的方法和系统。再次参看图1，数据处理系统的转化概率确定模块130能够被配置为确定多个路径类型的转化概率。转化概率确定模块130能够被配置为识别访问者访问特定网站所采用的多个路径。如上所述，路径与事件序列相对应。每个事件能够与媒体接触或市场接触点相对应，接触该媒体接触的访问者通过市场接触点访问网站。在一些实施方式中，事件与访问者和媒体接触之间的交互相对应，例如在付费搜索广告上的点击、电子邮件广告上的点击、社交网络帖子上的点击、或在网络浏览器中键入网站的web地址。为了确定更准确的转化概率，转化概率确定模块130能够被配置为识别与所识别的多个路径中的每个路径相关联的一个或多个子路径。子路径是与访问者对网站的先前访问相对应的路径。例如，导致转化的路径‘付费搜索’-‘电子邮件’-‘推介’能够与两个子路径‘付费搜索’和‘付费搜索’-‘电子邮件’相关联。出于对转化路径的数目和非转化路径的数目进行计数的目的，转化概率确定模块130能够将所识别的子路径视为路径。识别与所识别的多个路径中的每个路径相关联的子路径的挑战之一是执行这样的功能所需的资源消耗。想象如果所识别的路径的数目为1千万且它们中的2百万在转化之前具有十个或更多事件。能够从1千万个路径中得到的子路径的数目能够明显大于1千万个最初识别的路径。因此，在一些实施方式中，转化概率确定模块130能够应用路径重写策略来重写识别路径中的一个或多个识别路径。在一些实施方式中，转化概率确定模块130能够重写具有大于事件阈值数目的路径长度的路径。在上面关于部分B所述的规则创建模块提供了对路径进行重写的细节。转化概率确定模块130能够被配置为确定给定路径或子路径是否是转化路径或非转化路径。转化路径是访问者在访问期间执行了由于特定路径的最近事件而导致的转化行为的路径。相反地，非转化路径是访问者在访问期间没有执行由于特定路径的最近事件而导致的转化行为的路径。使用上面的示例，路径‘付费搜索’-‘电子邮件’-‘推介’是转化路径，而子路径‘付费搜索’和‘付费搜索’-‘电子邮件’是非转化路径。在一些实施方式中，一旦转化概率确定模块130已经识别了所有路径，转化概率确定模块130就能够被配置为确定所识别的路径中的每个路径是转化路径还是非转化路径。为了清楚，路径包括由转化概率确定模块130最初识别的路径以及从最初识别的路径中导出的子路径。在一些实施方式中，路径能够包括导致多个转化的多个交互。例如，路径‘自然搜索’-‘付费搜索’-‘转化1’-‘社交’-‘电子邮件’-‘转化2’-‘转化3’与三个转化相对应。转化概率确定模块130能够从该示例路径导出下面的路径。子路径1:‘自然搜索’–不转化。子路径2:‘自然搜索’–‘付费搜索’–转化。子路径3:‘自然搜索’–‘付费搜索’–‘社交’–不转化。子路径4:‘自然搜索’–‘付费搜索’–‘社交’–‘电子邮件’–转化。因此，转化概率确定模块130可以被配置为将单个路径导出成四个分立的子路径，其中两个是转化路径，另两个是非转化路径。转化概率确定模块130还能够被配置为确定给定路径类型的转化路径计数。转化路径计数指示给定路径已经导致了网站上的转化的次数。在一些实施方式中，转化概率确定模块130能够确定每个路径类型的分别的转化路径计数。而且，转化概率确定模块130还能够被配置为确定给定路径类型的总路径计数。总路径计数指示给定路径已经导致转化或没有导致转化的次数。转化概率确定模块130能够确定每个给定路径类型的分别的总路径计数。转化概率确定模块130能够被配置为针对路径类型中的每个路径类型计算指示特定路径类型的转化的可能性的转化概率。转化概率能够基于给定路径类型的转化路径计数与相同路径类型的总路径计数的比率。转化概率确定模块130能够被配置为使用或共享一个或多个路径类型的转化概率来计算路径类型中所包括的事件的反事实增益，以及确定路径类型中所包括事件中的每个事件的归因得分。在一些实施方式中，转化概率确定模块130能够根据上面关于部分A所述的方法和系统来确定事件的反事实增益和归因得分。在一些实施方式中，转化概率确定模块130能够被配置为与数据驱动归因模型创建模块120共享各种路径类型的转化概率，用于创建使用反事实增益来向给定路径中所包括的事件分配归因得分的数据驱动归因模型。图7是描绘测量多个路径类型的转化概率以创建数据驱动归因模型所采用的步骤的一个实施方式的流程图。数据处理系统能够识别与和对特定网站的一个或多个访问相对应的访问者标识符相关联的多个路径(块705)。数据处理系统能够识别与所识别的多个路径中的每个路径相关联的一个或多个子路径(块710)。数据处理系统能够确定给定路径或子路径是转化路径还是非转化路径(块715)。数据处理系统能够随后确定给定路径类型的转化路径计数(块720)。数据处理系统能够确定给定路径类型的总路径计数(块725)。数据处理系统能够随后针对路径类型中的每个路径类型计算转化概率，所述转化概率指示特定路径类型的转化的可能性(块730)。数据处理系统随后能够提供一个或多个路径类型的转化概率以计算路径类型中所包括的事件的反事实增益并且确定路径类型中包括的事件中的每个事件的归因得分(块735)。更详细地，数据处理系统能够识别与和对特定网站的一个或多个访问相对应的访问者标识符相关联的多个路径(块705)。在一些实施方式中，数据处理系统能够维护网站日志，网站日志存储与对网站的访问相关联的访问相关信息。在一些实施方式中，数据处理系统能够识别与访问相关联的多个路径。数据处理系统能够识别与所识别的多个路径中的每个路径相关联的一个或多个子路径(块710)。子路径是与访问者对网站的之前访问相对应的路径。例如，导致转化的路径‘付费搜索’-‘电子邮件’-‘推介’能够与两个子路径‘付费搜索’和‘付费搜索-电子邮件’相关联。数据处理系统能够将所识别的子路径视为用于对转化路径数目和非转化路径数目进行计数的路径。数据处理系统能够确定给定路径或子路径是转化路径还是非转化路径(块715)。转化路径是访问者访问期间由于特定路径的最近事件而导致执行转化行为的路径。相反地，非转化路径是访问者访问期间没有由于特定路径的最近事件而导致执行转化行为的路径。使用上面的示例，路径‘付费搜索’-‘电子邮件’-‘推介’是转化路径，而子路径‘付费搜索’和‘付费搜索-电子邮件’是非转化路径。在一些实施方式中，一旦数据处理系统已经识别了所有路径，数据处理系统就能够被配置为确定所识别的路径中的每个路径是转化路径还是非转化路径。为了清楚，路径包括数据处理系统最初识别的路径以及由最初识别的路径导出的子路径。数据处理系统还能够针对给定路径类型确定转化路径计数(块720)。转化路径计数指示给定路径已经导致在该网站处转化的次数。在一些实施方式中，数据处理系统能够确定每个路径类型的分别的转化路径计数。而且，数据处理系统能够确定给定路径类型的总路径计数(块725)。总路径计数指示给定路径已经导致转化或不能导致转化的次数。数据处理系统能够确定每个给定路径类型的分别的总路径计数。数据处理系统能够针对路径类型中的每个路径类型计算转化概率，所述转化概率指示特定路径类型的转化的可能性(块730)。转化概率能够基于给定路径类型的转化路径计数与相同路径类型的总路径计数的比率。数据处理系统能够提供一个或多个路径类型的转化概率以计算该路径类型中所包括的事件的反事实增益，并且确定该路径类型中所包括的每个事件的归因得分(块735)。在一些实施方式中，数据处理系统能够被配置为使用一个或多个路径类型的转化概率来计算该路径类型中所包括的事件的反事实增益。在一些实施方式中，数据处理系统能够与数据处理系统的一个或多个其他模块共享一个或多个路径类型的转化概率，包括但不限于数据驱动归因模型创建模块1或规则创建模块。在一些实施方式中，数据处理系统能够根据上面关于部分A所述的方法和系统来确定事件的反事实增益和归因得分。在一些实施方式中，数据处理系统能够被配置为与数据驱动归因模型创建模块120共享各个路径类型的转化概率，所述数据驱动归因模型创建模块120用于在创建使用反事实增益来向给定路径中所包括的事件分配归因得分的数据驱动归因模型时使用。D.用于使用路径的实时转化概率的自动内容选择的方法和系统如上所述，数据驱动归因模型依赖于各个路径类型的转化概率来确定给定路径的事件应得的归因得分的量。如这里所述，路径类型的转化概率能够帮助确定给定路径类型的各个事件的归因得分。而且，各个路径类型的转化概率能够对于内容选择而言具有极大价值。例如，市场人员和广告主能够使用与访问者标识符相关联的路径的转化概率来确定该访问者标识符将响应于接触特定类型的媒体接触而转化的可能性。例如，访问者先前已经访问了网站两次。访问者的首次访问是通过付费搜索事件而第二次访问是通过电子邮件事件。通过知道访问者对于路径“付费搜索-电子邮件-付费搜索”的转化的可能性或概率，广告主能够基于访问者对于路径“付费搜索-电子邮件-付费搜索”的转化的可能性而对于是否向访问者派发付费搜索广告而作出决定。这样，广告主和市场人员能够利用转化概率的知识来确定是否对于付费搜索广告出价，以及在一些实施方式中，在参与广告投放拍卖时确定为付费搜索广告出价的量。在另一示例中，如果网站发布者知道访问者的转化概率，则网站发布者能够基于转化概率而选择内容来显示。例如，如果访问者具有高转化概率或访问者在该访问期间将进行转化的高可能性，则网站发布者能够显示与访问者可能有兴趣购买的产品相关的内容。相反，如果访问者具有低转化概率，则网站发布者能够选择可以说服使访问者转化的内容，例如，示出提供附加折扣以试图使访问者转化的内容。本公开的各方面涉及用于基于转化的概率提供内容以供显示的方法和系统。特别是，本公开涉及用于基于与访问者标识符相关联的转化的概率来选择内容以供在与访问者标识符相关联的设备上显示的方法和系统。再次参看图1，数据处理系统110的内容选择模块135能够被配置为执行数据驱动归因模型创建模块120、规则创建模块125、和转化概率确定模块130的各方面。在一些实施方式中，规则创建模块125能够是以下任意一个的一部分：数据驱动归因模型创建模块120、规则创建模块125、和转化概率确定模块130。内容选择模块135能够一般地被配置为选择内容以供在与给定访问者标识符相关联的访问者设备上显示。内容选择模块135能够进一步被配置为提供信息给一个或多个其他模块或实体，使得这些模块或实体能够选择内容以供显示。内容选择模块135能够被配置为识别与网站相关联的访问者标识符。在一些实施方式中，内容选择模块135能够被配置为响应于从访问者标识符接收对于内容的请求而识别访问者标识符。在一些实施方式中，内容选择模块135能够识别与给定网站相关联的、已经针对其创建或更新归因模型的多个访问者标识。内容选择模块135能够进一步被配置为识别与所识别的访问者标识符相关联的路径。如上关于部分A、B和C所述，路径能够与一个或多个事件的序列相对应，访问者标识符已经通过这些事件访问了网站。在一些实施方式中，内容选择模块135能够通过访问存储网站的访问相关信息的数据库来识别与所识别的访问标识符相关联的路径。在一些实施方式中，内容选择模块135能够通过识别与访问者标识符相关联的对网站的一个或多个访问并且以从最早访问开始的时间次序来布置访问而确定该访问者标识符的路径。在一些实施方式中，路径能够是从符合资格的访问中确定的，所述访问例如在彼此时间阈值段内发生的访问。内容选择模块135还能够被配置为识别所识别的路径的转化概率。所识别的路径的转化概率能够指示访问者标识符将在网站处转化的可能性。在一些实施方式中，内容选择模块135能够通过识别与所识别的路径相对应的路径类型并且识别与该路径类型相关联的转化概率来识别转化概率。在一些实施方式中，内容选择模块能够被配置为在已经存储了先前确定的转化概率的数据库中执行查找。在一些实施方式中，与路径类型相关联的转化概率能够在离线过程中计算并存储在可由内容选择模块135访问的数据库中。在一些实施方式中，各个路径类型的转化概率能够由转化概率确定模块130以上面关于部分C所述的方式来确定。在一些实施方式中，所识别的路径的转化概率可以被计算并存储用于一个或多个其他过程，诸如用于创建如部分A中所述的数据驱动归因模型。在一些实施方式中，转化概率能够根据其他转化概率确定方法来确定。在一些实施方式中，与路径相关联的路径类型的转化概率能够根据上面在部分A、B和C中所述的技术而实时地被计算。在一些实施方式中，如果没有识别路径类型的转化概率，例如，因为先前没有确定和存储在数据库中，则内容选择模块135能够被配置为识别与所识别路径相关联的一个或多个路径。如先前所述，一个或多个路径可以根据路径重写策略而重写。一些这样的路径的示例能够是包括超过事件阈值数目的事件数目的路径。因此，内容选择模块能够被配置为确定所识别的路径是否可以与重写路径相关联。在一些实施方式中，内容选择模块135能够被配置为根据路径重写策略而重写所识别的路径。在一些实施方式中，内容选择模块135随后能够使用重写路径来识别与重写路径匹配的路径类型。内容选择模块135随后能够匹配与重写路径相关联的路径类型以确定重写路径的转化概率。内容选择模块135还能够被配置为基于所识别的路径的转化概率而选择内容项以供显示。在一些实施方式中，内容选择模块135能够被配置为基于特定媒体接触将响应于在网站处的转化而接收的归因得分的量来选择内容项以供显示。特定媒体接触将接收的归因得分的量能够使用这里所述的数据驱动归因模型来确定。在一些实施方式中，内容选择模块135能够被配置为确定可以与访问者标识符相关联的一个或多个可能路径的转化概率。这些可能路径能够在内容选择模块135所识别的访问者标识符的路径中所包括的事件序列的结束处包括一个或多个附加事件。例如，如果访问者所识别的路径是‘付费搜索’-‘电子邮件’，则内容选择模块135能够被配置成确定下述路径的条件概率：‘付费搜索’-‘电子邮件’-‘付费搜索’；‘付费搜索’-‘电子邮件’-‘电子邮件’；‘付费搜索’-‘电子邮件’-‘推介’；‘付费搜索’-‘电子邮件’-‘社交’；‘付费搜索’-‘电子邮件’-‘自然’等等。在一些实施方式中，内容选择模块135能够被配置为确定路径‘付费搜索’-‘电子邮件’-‘付费搜索’-‘自然’或在所识别路径中所包括的原始事件‘付费搜索’-‘电子邮件’之后包括一个或多个事件的任何其他路径的条件概率。可能路径的转化概率能够允许内容选择模块选择媒体接触来接触访问者标识符以试图使得访问者在对网站的后续访问期间进行转化。在一个示例中，如果路径‘付费搜索’-‘电子邮件’-‘付费搜索’具有0.4的转化概率；路径‘付费搜索’-‘电子邮件’-‘电子邮件’具有0.7的转化概率；且路径‘付费搜索’-‘电子邮件’-‘推介’具有0.5的转化概率，则内容选择模块135能够被配置为选择基于电子邮件的媒体接触来向访问者标识符呈现以试图使得访问者在对网站的后续访问期间进行转化。在一些实施方式中，内容选择模块135能够被配置为对于一个或多个广告主执行自动出价算法。自动出价算法能够包括一个或多个指令来协助诸如广告主的内容提供者在与该内容提供者相关联的网站处增加转化率。自动出价算法能够被配置为基于与其内容正在被选择的访问者标识符相关联的转化概率而修改内容提供者的出价。例如，使用上面的示例，如果访问者通过电子邮件媒体接触访问网站则访问者具有70％转化的机会，在这种预期下自动出价算法能够对于该电子邮件媒体接触增加出价量。在一些实施方式中，内容选择模块135能够周期性识别与给定网站相关联的一个或多个访问者标识符并且在内容存储库或数据库(诸如数据库140)中，存储与所识别的访问者标识符相关联的路径。内容选择模块135能够周期性地更新与所识别的访问者标识符中的每个访问者标识符相关联路径。内容选择模块135随后能够基于与访问者标识符相关联的路径而向访问者标识符中的每个访问者标识符分配访问者标识符的转化概率。因此，当先前已经存储了其转化概率的访问者标识符提交对内容的请求时，内容选择模块135可以识别该访问者标识符的转化概率。图8是描绘基于转化的概率而提供内容以供显示所采用的步骤的一个实施方式的流程图。特别是，流程图描绘基于与访问者标识符相关联的转化的概率而选择内容以供在与访问者标识符相关联的设备处显示所采用的步骤的一个实施方式。数据处理系统能够识别与网站相关联的访问者标识符(块805)。访问者标识符能够与在其上显示与网站相关联的内容的设备相关联。数据处理系统随后能够识别与访问者标识符相关联的路径(块810)。数据处理系统随后能够识别所识别的路径的转化概率(块815)。数据处理系统随后能够基于转化概率而选择内容以供显示(块820)。数据处理系统能够识别与网站相关联的访问者标识符(块805)。访问者标识符能够与在其上显示与网站相关联的内容的设备相关联。在一些实施方式中，数据处理系统能够被配置为响应于接收到对与访问者标识符相关联的内容的请求而识别该访问者标识符。在一些实施方式中，数据处理系统能够识别与其归因模型已被创建或更新的给定网站相关联的多个访问者标识符。在一些实施方式中，数据处理系统能够从存储与网站相关联的访问相关信息的该网站的日志中识别一个或多个访问者标识符。在一些实施方式中，数据处理系统能够响应于接收到识别访问标识符的请求而从网站日志中识别特定访问标识符。在一些实施方式中，请求能够是对内容的请求。在一些实施方式中，请求能够是对识别与访问者标识符相关联的路径的转化概率的请求。数据处理系统随后那个识别与访问者标识符相关联的路径(块810)。路径能够与一个或多个事件的序列相对应，访问者标识符已经通过所述一个或多个事件访问过网站。在一些实施方式中，数据处理系统能够通过访问存储了用于网站的访问相关信息的网站日志来识别与所识别的访问者标识符相关联的路径。在一些实施方式中，数据处理系统能够通过识别与访问标识符相关联的对网站的一个或多个访问以及从最早访问开始以时间次序布置所述访问而确定访问者标识符的路径。在一些实施方式中，路径能够是从符合资格的访问中确定的，例如从发生在互相的阈值时间段内的访问中确定的。在一些实施方式中，数据处理系统能够周期性地识别与给定网站相关联的一个或多个访问者标识符并且在内容存储库或数据库(诸如数据库140)中，存储与所识别的访问者标识符相关联的路径。数据处理系统能够周期性更新与所识别的访问者标识符中的每个访问者标识符相关联的路径。数据处理系统随后能够基于与访问者标识符相关联的路径而向访问者标识符中的每个访问者标识符分配访问者标识符的转化概率。因此，当先前存储了其转化概率的访问者标识符提交对内容的请求时，数据处理系统能够基于与该访问者标识符相关联的更新路径而识别该访问者标识符的转化概率。数据处理系统随后能够识别所识别的路径的转化概率(块815)。所识别的路径的转化概率能够指示访问者标识符在特定访问期间将在网站处转化的可能性。在一些实施方式中，数据处理系统能够通过识别与所识别的路径相对应的路径类型而识别所识别的路径的转化概率。一旦路径类型被识别，数据处理系统就能够从数据库中检索该路径类型的转化概率，先前已经计算了该路径的转化概率。在一些实施方式中，数据处理系统能够实时计算转化概率。在任何一种情况，转化概率能够通过在给定时间段内针对网站确定和所识别的路径类型相匹配的转化路径的数目与和所识别的路径类型相匹配的路径的总数目的比率来计算。在一些实施方式中，数据处理系统能够使用上面关于部分B和C所述的技术确定转化路径计数，所述转化路径计数指示与所识别的路径类型相匹配的转化路径的数目。在一些实施方式中，数据处理系统能够确定所识别的路径类型的总路径计数，与所识别的路径类型相匹配的转化和非转化路径之和。在一些实施方式中，数据处理系统能够在已经存储了先前确定的转化概率的数据库中执行查找以检索所识别的路径类型的转化概率。在一些实施方式中，与路径类型相关联的转化概率能够在离线过程中被计算且存储在可由数据处理系统访问的数据库中。在一些实施方式中，各个路径类型的转化概率能够用以上关于部分C所述的方式来确定。在一些实施方式中，所识别的路径的转化概率可以被计算并存储用于一个或多个其他过程，诸如用于创建如上在部分A中所述的数据驱动归因模型。在一些实施方式中，路径类型的转化概率可能不被识别，例如因为其先前没有被确定且存储在数据库中。在一些这样的实施方式中，数据处理系统能够被配置为识别与所识别的路径相关联的一个或多个路径。如先前所述，一个或多个路径可以根据路径重写策略而被重写。一些这样的路径的示例能够是包括超过事件阈值数目的事件数目的路径。因此，内容选择模块能够被配置为确定所识别的路径是否可以与重写路径相关联。在一些实施方式中，数据处理系统能够被配置为根据路径重写策略而重写所识别的路径。在一些实施方式中，数据处理系统随后能够使用重写路径来识别与重写路径相匹配的路径类型。数据处理系统随后能够匹配与重写路径相关联的路径类型以确定重写路径的转化概率。数据处理系统随后能够基于所识别的路径的所识别的转化概率来选择内容以供显示(块820)。在一些实施方式中，数据处理系统能够基于特定媒体接触将响应于在网站处的转化而接收的归因得分的量而选择内容项以供显示。特定媒体接触将接收的归因得分的量能够使用这里所述的数据驱动归因模型来确定。在一些实施方式中，一旦分析访问者标识符能够采用的一个或多个可能路径的转化概率，数据处理系统能够选择内容。这些可能路径能够在数据处理系统所识别的访问者标识符的路径中所包括的事件序列的结束处包括一个或多个附加事件。在一些实施方式中，数据处理系统能够被配置为确定在所识别的路径中所包括的原始事件之后包括一个或多个事件的路径的条件概率。可能路径的转化概率能够允许内容选择模块选择用于接触访问者标识符的媒体接触，以试图使得访问者在对网站的后续访问期间进行转化。在一些实施方式中，数据处理系统能够向内容提供者提供各种路径类型的转化概率。内容提供者随后能够使用转化概率来调整他们的广告战略。在基于拍卖的内容投放系统中，诸如广告主的内容提供者，可以基于各种路径和对应事件的转化概率而修改他们的广告花费预算。例如，根据转化概率，内容提供者能够确定当诸如付费搜索的特定媒体接触被示出为与给定路径相关联的访问者标识符时，转化访问者标识符的可能性降低。因此，内容提供者能够调整其广告出价战略，使得对于与给定路径相关联的访问者，内容提供者能够选择不对付费搜索广告出价以向访问者标识符显示。在一些实施方式中，数据处理系统能够被配置为根据这里所述的数据驱动归因模型来分配归因得分。为了这么做，数据处理系统能够接收网站处的转化的指示。数据处理系统能够经由嵌入到网站上的脚本来接收指示，所述指示允许数据处理系统110识别网站上何时发生转化。数据处理系统能够基于与转化相关联的访问者标识符来识别与转化相关联的路径。一旦识别路径，数据处理系统能够确定归因模型的规则，根据该规则向路径中所包括的事件分配得分。在一些实施方式中，数据处理系统110能够基于路径的路径类型来识别规则。在一些实施方式中，归因模型能够包括多个规则，其中每个规则与给定路径类型相对应。在一些实施方式中，数据处理系统110能够在诸如存储归因模型的规则的数据库140的数据库中执行查找，以识别与所识别的路径相匹配的规则。如果规则与所识别的路径相匹配，则数据处理系统110从该规则中确定与路径的每个事件相关联的归因得分。数据处理系统110随后能够向事件中的每个事件分配所确定的归因得分。在一些实施方式中，导致转化的路径的所有事件上的归因得分的总和应该等于1。在最近点击归因模型中，整个归因得分被分配给最近的事件，而在这里所述的数据驱动归因模型中，归因得分能够在路径的多个事件上拆分。相反地，如果没有归因模型的规则匹配所识别的路径，则数据处理系统110能够根据诸如最近点击归因的回退归因模型，而向路径的一个或多个事件分配归因得分。在一些实施方式中，数据处理系统110可以为转化所发生的网站维护网站业务流量相关统计。在一些实施方式中，网站业务流量相关统计能够包括关于每种类型接触或事件获得的转化数目的信息。在一些实施方式中，网站业务流量相关统计还能够包括关于事件在路径中特定位置处的权重的信息。为了维护这些统计，数据处理系统110能够被配置为针对发生的每个转化，维护在导致该转化的路径的各个事件上分配归因得分的记录。记录能够包括每个事件在路径中的位置以及分配给路径中的事件中的每个事件的归因得分的量。数据处理系统110随后能够在时间段内总结记录的信息。例如，数据处理系统110能够在诸如一个月的给定事件段内确定在给定时间段期间发生的转化的数目并且识别与这些转化中的每个转化相关联的记录。为了计算分配给诸如付费搜索的特定事件的转化的数目，数据处理系统110随后能够针对发生在给定时间段内的转化中的每个转化识别分配给特定事件(付费搜索)的归因得分。数据处理系统110随后能够将分配给付费搜索的所识别的归因得分中的每个归因得分相加，以确定分配给付费搜索的转化的总数。该过程可以对于不同类型的事件重复。而且，数据处理系统110能够被配置为确定路径的各种位置上的权重的百分比。在一些实施方式中，最近的事件，其是在转化之前的事件，被分配的索引位置为1，倒数第二个事件被分配的索引位置为2，以此类推。如图9中所示，只示出了路径的最近四个事件。为了确定在特定事件的特定索引位置处的转化的权重，数据处理系统110能够确定特定于位置的转化的聚合数目。特定于位置的转化的聚合数目能够通过从在给定时间段内发生的转化中识别与特定索引位置相关联的事件接收归因得分的转化来确定。数据处理系统110随后能够通过将由与特定索引位置相关联的事件接收到的归因得分相加来计算特定于位置的转化的聚合数目。数据处理系统110随后可以确定特定于位置的转化的聚合数目与分配给特定事件的转化的总数目的比率。例如，为了确定具有索引位置3的‘付费搜索’事件的转化权重，数据处理系统110识别与路径相对应的所有转化，在该路径中索引位置为3的事件是‘付费搜索’事件。数据处理系统110随后能够针对这些转化中的每个转化确定分配给索引位置为3的‘付费搜索’事件的归因得分。数据处理系统110随后能够通过将分配给与索引位置为3的事件是‘付费搜索’事件的路径相对应的每个转化中索引位置为3的‘付费搜索’事件的所确定的归因得分相加，来针对索引位置为3的‘付费搜索’事件确定特定于位置的转化的聚合数目。数据处理系统110随后能够针对索引位置为3的‘付费搜索’事件确定特定于位置的转化的聚合数目与转化总数目(图10中示为171650)的比率。所确定的比率是事件‘付费搜索’的索引位置为3的权重(12％)。E.用于基于一个或多个参数来显示归因得分数据的方法和系统存在对于聚合与分配给各种市场接触点或各个路径中的事件的归因得分的量相对应的数据并且提供所聚合的数据以供显示的期望。这样，广告主能够识别归因模型可以在与事件相关联的一个或多个参数的各个值上分配给给定事件的相对权重。在一些实施方式中，参数值能够与事件相对于转化事件的位置相对应。在其他实施方式中，参数值能够是事件相对于执行转化事件的时间而被执行的时间。在一些实施方式中，参数值能够是事件被执行和包括但不限于路径中的事件的任何其他事件之间的时间。例如，事件和新闻事件的发表或任何其他可识别事件、动作或条件之间的时间。本公开提供用于生成视觉的方法和系统，所述视觉当被显示时允许广告主针对一个或多个事件参数对识别权重，所述权重与被分配给与参数相关联的事件的归因得分相对应。这能够帮助广告主优化他们的广告活动，使得沿着路径的每个事件被执行以使得基于与事件相关联的参数而使该事件被分配高归因得分。本公开的各方面涉及用于提供与一个或多个事件相关联的归因数据以供显示的方法和系统。处理器识别多个路径。多个路径中的每个路径包括一个或多个事件。每个事件与多个渠道中的一个渠道相对应并且与参数数据相对应，参数数据与和事件相关联的一个或多个参数相对应。处理器从多个路径中识别要确定其归因得分的一个或多个渠道。处理器使用归因模型针对渠道中的每个渠道确定分配给与渠道相对应的多个路径中所包括的每个事件的归因得分、以及分配给渠道的归因得分的总数。处理器从多个路径中识别多个事件参数对。每个事件参数对与所识别的渠道中的各个渠道相对应，并且与和事件相关联的一个或多个参数相对应。处理器基于分配给事件参数对所对应的事件的归因得分的聚合，来针对每个所识别的事件参数对确定权重。处理器随后提供视觉对象以供显示，所述视觉对象包括与事件参数对中的至少一个事件参数对的所确定的权重相对应的指示符。在一些实施方式中，视觉对象包括分配给与指示符相对应的渠道的归因得分的总数。在一些实施方式中，视觉对象包括视觉矩阵，所述视觉矩阵包括与交叉的行和列相对应的多个单元格。每行单元格包括针对与该行所对应的特定渠道相对应的特定位置所确定的权重以及分配给所述特定渠道的归因得分的总数。在一些实施方式中，渠道与一个或多个类型的事件相对应。在一些实施方式中，视觉对象包括一个或多个项，其视觉特性与该项所对应的事件位置对的权重相对应。在一些实施方式中，处理器通过从多个路径中识别候选路径来确定分配给与渠道相对应的多个路径中所包括的每个事件的归因得分，在所述候选路径中，至少一个事件与渠道相对应并且基于反事实增益针对候选路径中的每个候选路径确定分配给该路径的每个事件的归因得分。因此，本公开的各方面涉及用于提供与一个或多个事件相关联的归因数据以供显示的方法和系统。再次参看图1，数据处理系统的归因数据显示模块138能够被配置为提供与一个或多个事件相关联的归因数据以供显示。归因数据显示模块138能够被配置为识别访问者执行转化行为所采用的多个路径，所述转化行为诸如访问网页、在特定网站上进行购买、预订服务、提供电子邮件地址、或者被识别为转化行为的任何其他动作。如上所述，路径与事件序列相对应。在一些实施方式中，事件与访问者和媒体接触之间的交互相对应，所述交互例如点击付费搜索广告、电子邮件广告、社交网络帖子、或者在网络浏览器中键入网站的web地址。在一些实施方式中，归因数据显示模块138或数据处理系统110的某些其他模块能够被配置为识别多个路径。在一些实施方式中，归因数据显示模块138能够识别与给定路径的事件相对应的动作。在一些实施方式中，网站可以包括一个或多个网页。在一些实施方式中，对其的访问要被监测或记录的每个网页能够包括脚本、指令、或者一些其他计算机可执行代码，其使得数据驱动归因模型创建模块120或数据处理系统110的其他模块创建对网站的访问的记录。在一些实施方式中，数据驱动归因模型创建模块120可以不存储访问相关数据，但可以被配置为从数据库140中访问这样的数据。在一些实施方式中，归因数据显示模块138能够响应于接收到请求而识别多个路径。在一些实施方式中，请求能够是从广告主接收的。在一些实施方式中，请求能够是提供归因数据以供显示的请求。在一些实施方式中，请求能够是提供与一个或多个渠道相对应的归因数据以供显示的请求。在一些实施方式中，请求能够识别一个或多个渠道。在一些实施方式中，请求能够包括对于识别分配给每个渠道的归因得分的总数的请求。在一些实施方式中，广告主能够请求特定网站的归因数据。在一些实施方式中，请求能够指定要提供其归因数据以供显示的转化的类型。在一些实施方式中，广告主能够经由用户接口提交对归因数据的请求。每个事件能够与一个或多个渠道相对应。每个事件能够基于事件类型而被分类到特定渠道下。在一个示例中，事件能够导致访问者访问特定网页。渠道的示例能够包括付费搜索、显示、推介、自然搜索、直接、社交网络等等。与付费搜索渠道相对应的事件能够包括访问者响应于对付费搜索结果采取动作而访问网页的任何事件。与显示渠道相对应的事件能够包括访问者响应于对显示广告采取动作而访问网页的任何事件。与推介渠道相对应的事件能够包括访问者响应于对推介链接采取动作而访问网页的任何事件。与自然搜索渠道相对应的事件能够包括访问者响应于执行搜索和对搜索结果采取动作而访问网页的任何事件。与直接渠道相对应的事件能够包括访问者响应于直接访问网页(例如通过在浏览器地址条中键入的网页的URL)而访问网页的任何事件。与社交网络渠道相对应的事件能够包括访问者响应于对社交网络采取动作而访问网页的任何事件。应该认识到，这些渠道的粒度能够提高或降低。例如，通过使不同社交网络(例如Facebook、Twitter、Google+和Linkedin等等)具有分别的渠道，社交网络渠道可以被限定粒度更精细。在一些实施方式中，请求能够识别要针对其示出归因数据的一个或多个参数。在一些实施方式中，请求能够识别一个或多个参数值。每个事件还能够与参数数据相对应，所述参数数据与和事件相关联的一个或多个参数相对应。在一些实施方式中，每个事件能够与一个或多个参数相关联。参数能够是基于事件的出现。例如，事件能够具有基于位置的参数，所述基于位置的参数指示沿着路径的执行事件的位置。例如，对于转化路径，转化事件能够是最近事件。在一些实施方式中，不导致转化的事件能够具有相对于转化事件的位置。在一些实施方式中，数据驱动归因模型，诸如这里所述的数据驱动归因模型，能够在转化路径的最近四个事件上分配大多数归因得分。另一参数能够基于事件相对于转化事件发生的时间。在一些实施方式中，发生在转化事件的24小时之内的事件很可能被分配大多数归因得分，而发生在转化行为之前超过24小时的事件可能被分配少数归因得分(如果有的话)。怎样对序列中每个事件分配归因得分的细节已经在上面描述过了。在一些实施方式中，请求能够是对于针对接收归因得分的每个渠道，查看与多个位置上的归因得分的权重相对应的归因数据的请求。在一些实施方式中，请求能够是对于针对请求中所指定的渠道，查看与多个位置上的归因得分的权重相对应的归因数据的请求。在一些实施方式中，请求能够是针对接收大于预定阈值的归因得分的渠道，查看与在多个位置上的归因得分的权重相对应的归因数据的请求。在一些实施方式中，请求能够是对于对于被分配超过预定阈值的归因得分的渠道查看与在多个位置上的归因得分的权重相对应的归因数据的请求。归因数据显示模块138能够从多个路径中识别要确定其归因得分的一个或多个渠道。在一些实施方式中，归因数据显示模块138能够基于对查看归因数据的请求而识别一个或多个渠道。在一些实施方式中，归因数据显示模块138能够基于所识别的多个路径中的每个路径中所包括的事件的类型而识别一个或多个渠道。在一些实施方式中，归因数据显示模块138能够从多个路径的每个路径中确定在该路径中所包括的事件。归因数据显示模块138随后能够为所确定的事件中的每个事件确定事件的类型。归因数据显示模块138随后能够确定每个不同类型的事件所属于的渠道。归因数据显示模块138能够使用归因模型针对渠道中的每个渠道确定分配给与渠道相对应的多个路径中所包括的每个事件的归因得分。在一些实施方式中，归因数据显示模块138能够使用归因模型针对一个或多个渠道中的每个渠道确定分配给该渠道的归因得分的总数。在一些实施方式中，归因数据显示模块138或诸如归因模型创建模块120或转化概率确定模块130的数据处理系统110的一些其他模块，能够确定用于向给定路径中所包括的事件中的每个事件分配归因得分的归因模型的类型。在一些实施方式中，归因数据显示模块138能够通过从多个路径识别候选路径来确定分配给与特定渠道相对应的多个路径中所包括的每个事件的归因得分，所述候选路径中的至少一个事件该渠道相对应。归因数据显示模块138能够通过识别与渠道相对应的一个或多个可能事件类型来识别候选路径。归因数据显示模块138随后能够识别包括与能够被分类到该渠道之下的事件类型相对应的事件的路径。一旦归因数据显示模块138能够识别这样的路径，归因数据显示模块138能够针对候选路径中的每个候选路径基于反事实增益确定分配给路径的每个事件的归因得分。归因数据显示模块138能够怎样确定分配给每个路径的归因得分的细节在以上关于图2A-2D和图4进行了描述。归因数据显示模块138能够从多个路径中识别多个事件参数对。每个事件参数对与所识别的渠道的相应渠道相对应，并且与与和事件相关联的一个或多个参数相对应。归因数据显示模块138能够针对多个路径的每个路径识别事件中的每个事件，以及与该事件的参数相关联的一个或多个参数值。在一些实施方式中，归因数据显示模块138能够基于显示对于显示与特定参数相对应的归因数据的请求而识别与特定参数相关联的参数值。例如，如果请求与基于事件的位置的归因数据相对应，则归因数据显示模块138能够为每个路径的每个事件识别与该事件相关联的位置数据。例如，对于路径‘自然搜索’-‘推介’-‘显示’，归因数据显示模块138能够识别下面的事件参数对：i)自然搜索-位置2；ii)推介-位置1；以及iii)显示-位置0，其中位置2与转化事件之前的2个事件相对应，且位置1与转化事件之前的1个事件相对应。如果要显示的归因数据基于某些其他类型的参数，例如在转化行为之前的时间，则归因数据显示模块138能够识别下面的事件参数对：i)自然搜索-时间22；ii)推介-时间5；以及iii)显示-时间0，其中，时间22与在转化事件之前22小时发生的自然搜索事件相对应，且时间5与在转化事件之前5小时发生的推介事件相对应。归因数据显示模块138能够基于分配给事件参数对所对应的事件的归因得分的聚合，为每个所识别的事件参数对确定权重。在一些实施方式中，归因数据显示模块138能够通过从多个路径中识别包括与事件参数对相对应的事件的候选路径来确定每个所识别的事件参数对的权重。归因数据显示模块138随后能够为所识别的候选路径确定分配给该候选路径中每个事件的归因得分。在一些实施方式中，每个事件的归因得分能够使用这里所述的技术且尤其是图4中所述的技术来确定。归因数据显示模块138随后能够聚合分配给候选路径中的事件中的每个事件的归因得分。归因数据显示模块138随后能够聚合分配给与事件参数对的事件相对应的候选路径中所包括的事件的归因得分。归因数据显示模块138能够基于分配给能够被分类到渠道下的候选路径中包括的事件的归因得分的聚合，来确定事件参数对的事件能够被分类到其下的渠道的转化总数。特别是，在一些实施方式中，渠道的转化总数能够是通过聚合分配给可被分类到渠道下的候选路径中所包括的事件的归因得分而确定的。归因数据显示模块138随后能够识别候选路径中其参数值与事件参数对的参数值相匹配的那些事件。归因数据显示模块138随后基于分配给在候选路径中所包括的其参数值与事件参数对的参数值相匹配的事件的归因得分之和，与事件能够被分类到其下的渠道的转化的总数的比率，来确定所识别的事件参数对的权重。在一些实施方式中，归因数据显示模块138能够通过确定分配给多个路径中的每个路径的每个事件的归因得分来确定每个所识别的事件参数对的权重。归因数据显示模块138随后能够通过将分配给与事件参数对中的事件相匹配且与具有与事件参数对相对应的参数值的每个事件的归因得分相加，来针对每个事件参数对识别该事件参数对的聚合归因得分。例如，对于自然搜索-位置2的对，归因数据显示模块138能够首先从多个对中识别所有自然搜索事件并且确定分配给这些所识别的自然搜索事件中的每个自然搜索事件的归因得分。归因数据显示模块138随后能够从所有自然搜索事件中只识别在转化事件之前两个事件执行的那些自然搜索事件。归因数据显示模块138能够聚合转化事件之前两个事件执行的那些自然搜索事件中的每个自然搜索事件的归因得分。聚合归因得分与事件参数对‘自然搜索-位置2’相对应。在一些实施方式中，事件参数对中的每个事件参数对的权重基于分配给事件的归因得分而不管它们的参数值的聚合。用另一种方式来陈述，分配给事件的归因得分而不管它们的参数值的聚合是分配给特定渠道的事件的总归因得分。在一些实施方式中，归因数据显示模块138通过确定事件参数对的聚合归因得分与分配给特定渠道的事件的总归因得分的比率来确定事件参数对的权重。归因数据显示模块138能够提供视觉对象以供显示，所述视觉对象包括与事件参数对中的至少一个事件参数对的所确定的权重相对应的指示符。例如，指示符能够指示自然搜索-位置2对的权重。在一些实施方式中，视觉对象能够视觉地表示由归因数据显示模块138所识别的多个路径中所包括的每个事件参数对的所确定的权重。在一些实施方式中，数据处理系统还能够显示分配给渠道的转化的总数，事件参数对的事件能够被分类于该渠道之下。在一些实施方式中，归因数据显示模块138能够被配置为生成视觉对象以对查看归因数据的请求作出响应。在一些实施方式中，请求能够指定要显示的归因数据的类型。在一些实施方式中，请求还能够指定呈现归因数据的粒度的水平。例如，请求能够指定示出‘自然搜索’作为单一渠道。在另一示例中，请求能够指定示出‘在Google.com上自然搜索’作为单一渠道，而‘在其他搜索引擎上自然搜索’作为两个分立的渠道。为了处理这个请求，归因数据显示模块138能够基于事件是在Google.com还是另一搜索引擎上执行的自然搜索，而将事件分类到‘在Google.com上自然搜索’或‘在其他搜索引擎上自然搜索’中的一个之下。在一些实施方式中，归因数据能够被提供给广告主以供显示。在一些实施方式中，广告主能够适当地进行配置设置，根据该配置设置来显示归因数据。在一些实施方式中，广告主能够修改配置设置以修改确定或显示归因数据的形式。在一些实施方式中，归因数据显示模块138能够连同对归因数据的请求一起接收广告主的配置设置。这样，归因数据显示模块138能够确定粒度水平，要以该粒度水平显示渠道中的每个渠道的归因数据。在一些实施方式中，归因数据显示模块138能够生成和提供视觉矩阵以供显示，包括与交叉的行和列相对应的多个单元格。每行单元格能够包括针对与该行所对应的特定渠道相对应的特定参数值所确定的权重以及分配给该特定渠道的归因得分的总数。在一些实施方式中，视觉矩阵能够包括一个或多个项，所述一个或多个项的视觉特性与该项所对应的事件参数对的权重相对应。现在参看图9，用户接口的一个实施方式的一部分的截屏包括视觉对象902，视觉对象902包括归因数据。用户接口900的截屏示出在路径中特定位置处各个渠道的权重。而且，用户接口900示出多个不同渠道910a-910n。用户接口900还示出对于被分类到渠道910中的每个渠道之下的事件作出贡献的转化920a-920n的总数。而且，对于每个渠道，用户接口900示出在沿着路径的各个位置处的渠道的权重930a-930n。例如，参考‘付费搜索’渠道910a，显示沿着路径的4个不同位置上的权重。权重930a与在转化事件之前四个事件处发生的事件相对应，权重930b与在转化事件之前三个事件处发生的事件相对应，权重930c与在转化事件之前两个事件处发生的事件相对应，权重930d与在转化事件之前一个事件处发生的事件相对应。如所示，在转化事件之前的四个事件处发生的事件，平均上贡献了31％的归因得分，而剩余69％是在沿着路径的其他位置处的其他事件上贡献的。类似地，在转化行为之前三个事件处发生的事件，平均上贡献12％的归因得分，而剩余82％是在沿着路径的其他位置处的其他事件上贡献的。类似地，在转化事件之前两个事件处发生的事件，平均上贡献了8％的归因得分，而剩余92％是在沿着路径的其他位置处的其他事件上贡献的。由于未示出在转化事件之前一个事件处发生的事件的权重，可以建议被分类为付费搜索的事件从来不是转化事件之前的事件。在一些实施方式中，与权重930a-930n相关联的每个视觉对象或项可以是颜色编码的。在一些实施方式中，视觉颜色刻度尺940能够基于视觉对象或项的颜色的强度而指示权重水平。在一些实施方式中，更深的颜色比更浅的颜色指示更大的权重。如用户接口中所示，用户接口900基于如可选输入域950中所示的所有路径。能够通过使用输入域950选择不同选项来修改在其上确定归因数据的路径。例如，如果只查看来自最近一周的路径的选项被选择，则归因数据将基于包括最近一周内的转化事件的路径而显示。尽管视觉对象902显示路径中各个位置上的归因数据，视觉对象902能够基于何时相对于转化事件而执行事件来显示归因数据。例如，每列能够与时间范围相对应，使得权重930a可以与转化事件之前超过24小时发生的事件相对应，权重930b可以与转化事件之前小于24小时但大于12小时发生的事件相对应，权重930a可以与转化事件之前小于12小时但大于4小时发生的事件相对应，且权重930a可以对应于转化事件之前小于4小时发生的事件相对应。图10是描绘提供归因数据以供显示所采用的步骤的一个实施方式的流程图。特别是，流程图描绘了提供与一个或多个事件相关联的归因数据以供显示所采用的步骤的一个实施方式。数据处理系统能够识别包括一个或多个事件的多个路径(块1005)。每个事件与多个渠道中的渠道相对应且与参数数据相对应，所述参数数据与和事件相关联的一个或多个参数相对应。数据处理系统能够从多个路径中识别要为其确定归因得分的一个或多个渠道(块1010)。数据处理系统能够使用归因模型为渠道中的每个渠道确定分配给与渠道相对应的多个路径中所包括的每个事件的归因得分以及分配给该渠道的归因得分的总数(块1015)。数据处理系统能够从多个路径中识别多个事件参数对(块1020)。每个事件参数对与所识别的渠道中的相应渠道相对应，并且与和事件相关联的一个或多个参数相对应。数据处理系统能够基于分配给事件参数对所对应的事件的归因得分的聚合来为每个所识别的事件参数对确定权重(块1025)。数据处理系统能够提供视觉对象以供显示，所述视觉对象包括与针对事件参数对中的至少一个事件参数对所确定的权重相对应的指示符(块1030)。更详细地，数据处理系统能够识别包括一个或多个事件的多个路径(块1005)。每个事件与多个渠道中的渠道相对应且与参数数据相对应，所述参数数据与和事件相关联的一个或多个参数相对应。在一些实施方式中，数据处理系统能够识别访问者执行转化行为所采用的多个路径，所述转化行为诸如访问网页、在特定网站进行购买、预订服务、提供电子邮件地址、或者被识别为转化行为的任何其他动作。在一些实施方式中，数据处理系统能够响应于接收到请求而识别多个路径。在一些实施方式中，请求能够从广告主接收。在一些实施方式中，请求能够是对提供归因数据以供显示的请求。在一些实施方式中，请求能够是提供与一个或多个渠道相对应的归因数据以供显示的请求。在一些实施方式中，请求能够识别一个或多个渠道。在一些实施方式中，请求能够包括对于识别分配给每个渠道的归因得分的总数的请求。在一些实施方式中，广告主能够请求特定网站的归因数据。在一些实施方式中，请求能够指定要提供其归因数据以供显示的转化的类型。在一些实施方式中，广告主能够经由用户接口提交对归因数据的请求。每个事件能够与一个或多个渠道相对应。每个事件能够基于事件的类型而被分类在特定渠道之下。在一个示例中，事件能够导致访问者访问特定网页。在另一示例中，事件能够是向用户提供采取动作来使得用户访问特定网页的机会的任何事件。在一些实施方式中，请求能够识别要示出其归因数据的一个或多个参数。在一些实施方式中，请求能够识别一个或多个参数值。每个事件还能够与参数数据相对应，所述参数数据与和事件相关联的一个或多个参数相对应。在一些实施方式中，每个事件能够与一个或多个参数相关联。参数能够基于事件的发生。例如，事件能够具有基于位置的参数，所述基于位置的参数指示沿着路径的执行该事件的位置。例如，对于转化路径，转化事件能够是最近的事件。在一些实施方式中，不导致转化的事件能够具有相对于转化事件的位置。在一些实施方式中，数据驱动归因模型，诸如这里所述的数据驱动归因模型，能够在转化路径的最近四个事件上分配大多数归因得分。另一参数能够基于事件相对于转化事件发生的时间。在一些实施方式中，发生在转化事件的24小时以内的事件可能被分配大多数归因得分，而发生在转化行为之前24小时以上的事件可能被分配极少的归因得分(如果有的话)。上面已经描述了怎样对于序列中每个事件分配归因得分的细节。在一些实施方式中，事件中的每个事件的参数数据识别沿着路径的执行事件的位置，且其中，每个事件参数对包括与沿着路径的执行事件的位置相对应的事件位置对。数据处理系统能够从多个路径中识别要确定其归因得分的一个或多个渠道(块1010)。在一些实施方式中，渠道与一个或多个类型的事件相对应。在一些实施方式中，数据处理系统能够基于对查看归因数据的请求而识别一个或多个渠道。在一些实施方式中，数据处理系统能够基于所识别的多个路径中的每个路径中所包括的事件的类型而识别一个或多个渠道。在一些实施方式中，数据处理系统能够从多个路径的每个路径中确定该路径中所包括的事件。数据处理系统随后能够为所确定的事件中的每个事件确定事件的类型。数据处理系统随后能够确定每个不同类型的事件所属的渠道。数据处理系统能够使用归因模型来针对渠道中的每个渠道确定分配给与渠道相对应的多个路径中包括的每个事件的归因得分以及分配给渠道的归因得分的总数(块1015)。在一些实施方式中，针对渠道中的每个渠道，确定分配给与该渠道相对应的多个路径中所包括的每个事件的归因得分包括从多个路径中识别其中的至少一个事件与该渠道相对应的候选路径，并且基于反事实增益为候选路径中的每个候选路径确定分配给该路径的每个事件的归因得分。在一些实施方式中，数据处理系统能够使用归因模型来为一个或多个渠道中的每个渠道确定分配给该渠道的归因得分的总数。在一些实施方式中，数据处理系统能够确定归因模型的类型以用于向给定路径中所包括的事件中的每个事件分配归因得分。在一些实施方式中，数据处理系统能够通过从多个路径中识别其中的至少一个事件与特定渠道相对应的候选路径，来确定分配给与该渠道相对应的多个路径中所包括的每个事件的归因得分。数据处理系统能够通过识别与渠道相对应的一个或多个可能事件类型来识别候选路径。数据处理系统随后能够识别包括与能够被分类为渠道下的事件类型相对应的事件的路径。一旦数据处理系统能够识别这样的路径，数据处理系统就能够基于反事实增益为候选路径中的每个候选路径确定分配给该路径的每个事件的归因得分。上面已经关于图2A-2D和图4描述了数据处理系统能够怎样确定分配给每个路径的归因得分的细节。数据处理系统能够从多个路径中识别多个事件参数对(块1020)。每个事件参数对与所识别渠道的相应渠道相对应且与和事件相关联的一个或多个参数相对应。每个事件参数对与所识别的渠道的相应渠道相对应且与和事件相关联的一个或多个参数相对应。数据处理系统能够针对多个路径中的每个路径识别事件中的每个事件，以及与该事件的参数相关联的一个或多个参数值。在一些实施方式中，数据处理系统能够基于显示对于显示与特定参数相对应的归因数据的请求而识别与特定参数相关联的参数值。例如，如果请求与基于事件的位置的归因数据相对应，则数据处理系统能够为每个路径的每个事件识别与该事件相关联的位置数据。例如，对于路径‘自然搜索’-‘推介’-‘显示’，数据处理系统能够识别下面的事件参数对：i)自然搜索-位置2；ii)推介-位置1；以及iii)显示-位置0，其中，位置2与转化事件之前的2个事件相对应，且位置1与转化事件之前的1个事件相对应。如果要显示的归因数据基于某些其他类型的参数，例如转化行为之前的时间，则数据处理系统能够识别下面的事件参数对：i)自然搜索-时间22；ii)推介-时间5；以及iii)显示-时间0，其中时间22与转化事件之前22小时发生的自然搜索事件相对应，而时间5与在转化事件之前5个小时发生的推介事件相对应。数据处理系统能够基于分配给事件参数对所对应的事件的归因得分的聚合，为每个识别的事件参数对确定权重(块1025)。在一些实施方式中，数据处理系统能够通过从多个路径中识别包括与事件参数对相对应的事件的候选路径来确定每个所识别的事件参数对的权重。数据处理系统随后能够为所识别的候选路径确定分配给该候选路径中每个事件的归因得分。在一些实施方式中，每个事件的归因得分能够使用这里所述的技术且尤其是图4中所述的技术来确定。数据处理系统随后能够聚合分配给候选路径中的事件中的每个事件的归因得分。数据处理系统随后能够聚合分配给与事件参数对的事件相对应的候选路径中所包括的事件的归因得分。数据处理系统可以基于分配给能够被分类到渠道下的候选路径中包括的事件的归因得分的聚合，来确定事件参数对的事件能够被分类于其下的渠道的转化总数。特别是，在一些实施方式中，渠道的转化总数能够通过聚合分配给可以被分类到渠道下的候选路径中所包括的事件的归因得分来确定。数据处理系统随后能够识别候选路径中其参数值与事件参数对的参数值相匹配的那些事件。数据处理系统随后基于分配给候选路径中所包括的其参数值与事件参数对的参数值相匹配的事件的归因得分之和，与事件能够被分类到其下的渠道的转化的总数的比率，来确定所识别的事件参数对的权重。在一些实施方式中，基于分配给事件位置对所对应的事件的归因得分的聚合，为每个所识别的事件位置对确定权重，包括从多个路径中识别包括与该事件位置对相对应的事件的候选路径，以及为所识别的候选路径确定分配给候选路径中每个事件的归因得分。数据处理系统能够从分配给候选路径中每个事件的归因得分中确定分配给事件的归因得分的聚合。数据处理系统能够对于沿着路径的每个位置聚合分配给在候选路径中所包括的在该位置处执行的事件的归因得分，并且基于分配给在候选路径中所包括的在该位置处执行的事件的归因得分之和与分配给该事件的归因得分的聚合之比，来确定所识别的事件位置对的权重。数据处理系统能够提供视觉对象以供显示，所述视觉对象包括与事件参数对中的至少一个事件参数对的所确定的权重相对应的指示符(块1030)。例如，指示符能够指示自然搜索-位置2对的权重。在一些实施方式中，视觉对象能够视觉地表示数据处理系统所识别的多个路径中所包括的每个事件参数对的所确定的权重。在一些实施方式中，数据处理系统还能够显示分配给渠道的转化的总数，事件参数对的事件可以被分类于该渠道之下。在一些实施方式中，数据处理系统能够生成视觉对象以对查看归因数据的请求作出响应。在一些实施方式中，请求能够指定要显示的归因数据的类型。在一些实施方式中，请求还能够指定呈现归因数据的粒度的水平。例如，请求能够指定示出‘自然搜索’作为单一渠道。在另一示例中，请求能够指定示出‘在Google.com上自然搜索’作为单一渠道，而‘在其他搜索引擎上的自然搜索’作为两个分立的渠道。为了处理这请求，数据处理系统能够基于事件是在google.com还是另一搜索引擎上执行的自然搜索，将事件分类于‘在google.com上的自然搜索’或‘在其他来自源引擎上的自然搜索’中的一个之下。在一些实施方式中，归因数据能够被提供给广告主以供显示。在一些实施方式中，广告主能够适当地进行配置设置，根据该配置设置来显示归因数据。在一些实施方式中，广告主能够修改配置设置以修改归因数据被确定或被显示的形式。在一些实施方式中，数据处理系统能够连同对归因数据的请求一起接收广告主的配置设置。这样，数据处理系统能够确定粒度水平，要以该粒度水平显示渠道中的每个渠道的归因数据。在一些实施方式中，数据处理系统能够生成和提供视觉矩阵以供显示，包括与交叉的行和列相对应的多个单元格。每行单元格能够包括针对于该行所对应的特定渠道相对应的特定参数值所确定的权重以及分配给该特定渠道的归因得分的总数。在一些实施方式中，视觉矩阵能够包括一个或多个项，所述一个或多个项的视觉特性与该项所对应的事件参数对的权重相对应。在一些实施方式中，视觉对象包括分配给与指示符相对应的渠道的归因得分的总数。在一些实施方式中，视觉对象包括一个或多个项，所述一个或多个项的视觉特性与该项所对应的事件参数对的权重相对应。尽管本公开涉及提供归因数据以供显示，本公开的范围不限于此。特别是，转化事件不限于网站相关活动，诸如进行购买、账户注册等等，且事件不限于访问者通过其登录网站的事件或媒体接触的类型。在一些实施方式中，事件类型能够是更多或更少的粒度。例如，数据驱动归因模型能够被配置为向不同类型的付费搜索广告分配归因得分。例如，对于出售运动装备和运动服装的网站，归因模型能够被配置为向涉及运动商品的付费搜索广告和涉及运动服装的付费搜索广告分配不同归因得分。为了实现这一点，替代具有单一付费搜索广告事件类型，数据驱动归因模型能够将运动装备付费搜索广告视为第一事件类型而将运动服装付费搜索广告视为第二事件类型。类似地，事件的类型也能够不同。替代向媒体接触相关事件类型分配归因得分，事件类型能够是日时间，例如上午、下午、傍晚和晚上。为了实现这样的模型，网站能够利用与一天中不同的时间相对应的时间戳来记录转化和到网站的访问，而不是根据媒体接触类型去记录转化和访问。在一些实施方式中，事件的类型能够是不同事件类型的组合。例如，事件类型能够基于媒体接触类型和日时间。在一些这样的实施方式中，网站能够记录与不同类型的媒体接触以及一天中不同时间相对应的访问和转化。但是，当组合不同事件类型时，不同事件类型的数目增加了。例如，如果存在6个媒体接触事件类型和4个日时间事件类型，则基于媒体接触事件类型和日时间事件类型的数目的相乘，将存在24个可能的事件类型。这里所述的方法、装置和系统还能够基于不同类型的转化行为而被配置为创建数据驱动归因模型。例如，这里所述的方法、装置和系统还能够被配置为创建数据驱动归因模型以分配归因得分给在搜索查询中使用以访问特定网站的关键词。图11示出了根据一些实施方式可以用来实现这里讨论的任何计算机系统(包括系统110及其组件，诸如数据驱动归因模型创建模块120、规则创建模块125、转化概率确定模块130、内容选择模块135、和归因数据显示模块138)的说明性计算机系统1100的一般架构。计算机系统1100能够用于经由网络115提供信息以供显示。图11的计算机系统1100包括通信耦合到存储器1125的一个或多个处理器1120、一个或多个通信接口1105、以及一个或多个输出设备1110(例如，一个或多个显示单元)和一个或多个输入设备1115。处理器1120能够包括在数据处理系统110中或系统110的其他组件中，所述其他组件诸如数据驱动归因模型创建模块120、规则创建模块125、转化概率确定模块130、内容选择模块135、和归因数据显示模块138。在图11的计算机系统1100中，存储器1125可以包括任何计算机可读存储介质，并且可以存储计算机指令，诸如处理器可执行指令，用于实现这里所述的用于相应系统的各种功能，以及由此生成的或者经由(一个或多个)通信接口或(一个或多个)输入设备(如存在)接收的任何与之相关的数据。再次参看图1的系统110，数据处理系统110能够包括存储器1125以存储关于一个或多个基于文本的内容项、基于图像的内容项、用于基于基于文本的内容项来创建基于图像的内容项的一个或多个图像、以及与图像、基于文本的内容项和基于图像的内容项相关联的一个或多个统计资料的信息。存储器1125能够包括数据库140。图11中所示的(一个或多个)处理器1120可以用于执行存储在存储器1125中的指令，以及这样做，还可以从存储器读取或向存储器写入依据指令的执行而处理和或生成的各种信息。图11中所示的计算机系统1100的处理器1120还可以通信耦合到或控制(一个或多个)通信接口1105以依据指令的执行而传送或接收各种信息。例如，(一个或多个)通信接口1105可以耦合到有线或无线网络、总线或其他通信手段，并且因此可以允许计算机系统1100传送信息到其他设备(例如其他计算机系统)或从其他设备接收信息。尽管在图1的系统中未明确示出，一个或多个通信接口有助于信息在系统110的部件之间流动。在一些实施方式中，(一个或多个)通信接口可以被配置为(例如经由各种硬件组件或软件组件)提供网站作为到计算机系统1100的至少一些方面的访问门户。通信接口1105的示例包括用户界面(例如网页)，用户可以通过通信接口1105来与数据处理系统110通信。图11中所示的计算机系统1100的输出设备1110可以被提供，以例如允许各个信息被查看，或结合指令的执行而以其他方式被感知。(一个或多个)输入设备1115可以被提供，以例如允许用户进行手动调整、进行选择、输入数据、或者在指令的执行期间以多各种方式中的任何一种与处理器交互。这里进一步提供了可以用于这里所讨论的各种系统的关于通用计算机系统架构的附加信息。本说明书中所述的主题的实施方式和操作能够在数字电子电路中实现，或者在体现于有形介质上的计算机软件、固件或硬件中实现，包括在本说明书中公开的结构及其结构等价物，或者在上述一个或多个的组合中实现。本说明书中所述的主题的实施方式能够被实现为一个或多个计算机程序，即计算机程序指令的一个或多个模块，在计算机存储介质上编码用于由数据处理装置执行，或者控制数据处理装置的操作。程序指令能够编码于人工生成的传播信号上，例如机器生成的电、光、或电磁信号，其被生成以编码信息以便传输到合适接收机装置，用于由数据处理装置执行。计算机存储介质能够是计算机可读存储设备、计算机可读存储基底、随机或串行存取存储器阵列或设备、或者上述一个或多个的组合，或者能够包括在其中。而且，尽管计算机存储介质不是传播信号，计算机存储介质能够是在人工生成的传播信号中编码的计算机程序指令的源或目的地。计算机存储介质还能够是一个或多个分离的物理组件或介质(例如多个CD、盘、或者其他存储设备)，或包括在其中。这里公开的特征可以在智能电视模块(或连接电视模块、混合电视模块等等)上实现，其可以包括被配置为将互联网连接性与更多传统电视节目源(例如，经由线缆、卫星、空中或其他信号接收)相集成的处理模块。智能电视模块可以被物理上合并到电视机中或者可以包括分离的设备，诸如机顶盒、蓝光或其他数字媒体播放器、游戏控制台、酒店电视系统、以及其他伴随设备。智能电视模块可以被配置为允许观看者在网络上、在本地有线TV频道上、在卫星TV频道上搜索和找到视频、电影、照片和其他内容，或者存储在本地硬盘驱动器上。机顶盒(STB)或机顶单元(STU)可以包括信息电器设备，其可以包含调谐器且连接到电视机和外部信号源，将信号转换成随后显示在电视屏幕上或其他显示设备上的内容。智能电视模块可以被配置为提供家用屏幕或顶级屏幕，包括用于多个不同应用的图标，诸如web浏览器和多个流媒体服务、连接的有线或卫星媒体源、其他web“频道”等等。智能电视模块可以进一步被配置为提供电子节目向导给用户。智能电视模块的伴随应用可以操作在移动计算设备上以向用户提供关于可用节目的附加信息，以允许用户控制智能电视模块等等。在替选实施方式中，特征可以在膝上型计算机或其他个人计算机、智能电话、其他移动电话、手持计算机、平板PC、或其他计算设备上实现。本说明书中所述的操作能够被实现为由数据处理装置针对存储在一个或多个计算机可读存储设备或从其他源接收的数据执行操作。术语“数据处理装置”、“数据处理系统”、“用户设备”或“计算设备”包涵用于处理数据的所有种类的装置、设备和机器，举例包括可编程处理器、计算机、片上系统、或者上述中的多个或其组合。所述装置能够包括专用逻辑电路，例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)。除了硬件，所述装置还可以包括代码，创建用于所述计算机程序的执行环境，例如，构成处理器固件、协议栈、数据库管理系统、操作系统、跨平台运行环境、虚拟机或上述一个或多个的组合的代码。该装置和执行环境可以实现各种不同计算模型基础设施，诸如web服务、分布式计算、和网格计算基础设施。数据驱动归因模型创建模块120、规则创建模块125、转化概率确定模块130、内容选择模块135、和归因数据显示模块138能够包括或共享一个或多个数据处理装置、计算设备或处理器。计算机程序(也被称为程序、软件、软件应用、脚本或代码)能够以编程语言的任何形式来撰写，包括汇编或解释语言、说明或过程性语言，且其可以以任何形式部署，包括作为单机程序或者作为模块、组件、子例程、对象或适于在计算环境中使用的其他单元。计算机程序可以但不必与文件系统中的文件相对应。程序能够存储在保持其他程序或数据(例如存储在标记语言文档中的一个或多个脚本)的文件的一部分中，在专用于所述程序的单个文件中，或者在多个协同文件中(例如，存储一个或多个模块、子例程或代码部分的文件)。计算机程序可以部署为在一个计算机上或位于一个站点或跨多个站点分布且由通信网络互连的多个计算机上执行。本说明书中所述的处理和逻辑流程能够通过针对输入数据进行操作且生成输出而由执行一个或多个计算机程序以执行动作的一个或多个可编程处理器来执行。处理和逻辑流程还能够通过专用逻辑电路来执行，装置也能够被实现为专用逻辑电路，例如FPGA(现场可编程逻辑阵列)或ASIC(专用集成电路)。适合于执行计算机程序的处理器举例包括通用和专用微处理器以及任何种类的数字计算机的任何一个或多个处理器。一般地，处理器将从只读存储器或随机存取存储器或二者接收指令和数据。计算机的必要元件是用于根据指令执行动作的处理器以及用于存储指令和数据的一个或多个存储器设备。一般地，计算机将还包括用于存储数据的例如磁、磁光盘或者光盘的一个或多个大型存储设备，或者操作耦合以从中接收数据或向其传送数据，或二者皆有。但是，计算机不必具有这样的设备。而且，计算机能够嵌入到另一设备中，例如移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏控制台、全球定位系统(GPS)接收机、或者便携式存储设备(例如通用串行总线(USB)闪存驱动器)。适于存储计算机程序指令和数据的设备包括非易失性存储器、媒介和存储器设备的所有形式，举例包括半导体存储器设备，例如EPROM、EEPROM以及闪速存储器设备；磁盘，例如内部硬盘或可移动盘；磁光盘；以及CD-ROM和DVD-ROM盘。处理器和存储器能够由专用逻辑电路补充，或并入其中。为了提供与用户的交互，本说明书中所述的主题的实施方式能够在具有诸如CRT(阴极射线管)、等离子或LCD(液晶显示器)监视器的用于显示信息给用户的显示设备以及键盘和诸如鼠标或轨迹球的指示设备的计算机上实现，通过键盘和指示设备，用户可以提供输入给计算机。其他种类的设备也能够用来提供与用户的交互；例如，提供给用户的反馈能够是任何形式的感觉反馈，例如视觉反馈、听觉反馈、或触觉反馈；以及来自用户的输入可以以任何形式接收，包括声音、语音、或触觉输入。此外，通过发送文档给用户所使用的设备或从该设备接收文档，计算机能够与用户交互；例如，通过响应于从web浏览器接收请求而发送网页给用户客户端设备上的web浏览器。本说明书中所述的主题的实施方式能够在计算系统中实现，计算系统包括后端部件，例如作为数据服务器，或者包括中间件组件，例如应用服务器，或者包括前端部件，例如具有图形用户界面或Web浏览器的客户端计算机，用户能够通过图形用户界面或Web浏览器与本说明书中所述的主题的实施方式进行交互，或者计算系统包括一个或多个这样的后端、中间件或前端部件的任意组合。系统的组件能够通过任何形式或介质的数字数据通信，例如通信网络来互连。通信网络的示例包括局域网(“LAN”)和广域网(“WAN”)、互联网络(例如，因特网)以及对等网络(例如，自组织对等网络)。诸如系统1100或系统110的计算系统能够包括客户端和服务器。例如，数据处理系统110能够包括一个或多个数据中心或服务器库中的一个或多个服务器。客户端和服务器通常彼此远离且典型地通过通信网络交互。客户端和服务器的关系借助运行在各个计算机上的计算机程序而发生，且彼此具有客户端-服务器关系。在一些实施方式中，服务器发射数据(例如HTML页)到客户端设备(例如，用于显示数据给与客户端设备交互的用户以及接收来自用户的输入)。在客户端设备上生成的数据(例如用户交互的结果)能够在服务器上从客户端设备接收。尽管本说明书包含许多具体实施方式细节，但这些细节不应该被视为对任何发明的范围或可被要求保护的限制，而是作为对于专用于这里所述的系统和方法的特定实施方式的特征的描述。本说明书中所述的分离实现环境中的特定特征还可以在单个实施方式的组合中实现。相反地，以单个实施方式的场境中描述的各种特征还可以分离地或以任何适当子组合在多个实施方式中实现。而且，尽管特征可以如上所述被描述为在特定组合中的动作，且甚至最初要求这样，来自要求保护的组合的一个或多个特征可以在一些情况下从组合中移除，且要求保护的组合可以针对子组合或子组合的变化。类似地，尽管在附图中用特定次序描绘了操作，这不应被理解为要求以所示特定次序或以顺序次序执行这样的操作，或者执行所有图示的操作，以获取所需的结果。在一些情况下，权利要求中所述的动作可以以不同次序来执行但仍然获取所需的结果。此外，在附图中描绘的过程不必要求所示的特定次序、或者顺序次序，以获取所需结果。在特定环境中，多任务和并行处理可以是有利的。而且，上述的实施方式中的各种系统部件的分离不应该被理解为在所有实施方式中要求这样的分离，而应该理解，所述的程序组件和系统通常可以一起集成到一个软件产品中或打包到多个软件产品中。例如，数据驱动归因模型创建模块120、规则创建模块125、转化概率确定模块130、内容选择模块135、和归因数据显示模块138能够是数据处理系统110的一部分、单个模块、具有一个或多个处理模块的逻辑设备、一个或多个服务器、或者搜索引擎的一部分。现在已经描述了一些说明性实施方式和实施，很明显前述是说明性的而非限制，通过示例而呈现。特别是，尽管这里呈现的许多示例涉及方法动作或系统元件的具体组合，这些动作和这些元件可以以其他方式组合以完成相同目标。仅仅结合一个实施方式而讨论的动作、元件和特征不旨在被排除到其他实施方式或实施中的相似角色之外。这里使用的词组和术语的目的是描述且不应该被视为限制。这里的“包括”、“具有”、“包含”、“涉及”、“其特征在于”以及变化的使用意味着包涵其后所列的项，其等价物，和附加的项，以及由其后所列项排他性组成的替选实施方式。在一个实施方式中，这里所述的系统和方法由一个所述元件、动作或组件、超过一个所述元件、动作或组件的每个组合、或者所有所述元件、动作或组件组成。这里以单数形式所引用的对系统和方法的实施方式或元件或动作的任何引用也可以包涵包括多个这些元素的实施方式，且这里对任何实施方式或元件或动作的任何复数引用也可以包涵只包括一个元素的实施方式。单数或复数形式的引用不旨在限制当前公开的系统或方法、它们的组件、动作或元件为一个或多个的配置。对任何动作或元件的引用基于任何信息、动作或元件，可以包括，动作或元件至少部分地基于任何信息、动作或元件的实施方式。这里所公开的任何实施方式可以与任何其他实施方式相组合，且对“实施方式”、“一些实施方式”、“替选实施方式”、“各种实施方式”、“一个实施方式”等的引用不必互相排除且旨在指示：结合实施方式所述的特定特征、结构或特性可以包括在至少一个实施方式中。这里使用的这样的术语不必都指代相同实施方式。任何实施方式可以与任何其他实施方式相组合，包括性地或者排他性地，以构成这里所公开的方面和实施方式的任何方式。对“或”的引用可以被解释为包括，因此，使用“或”来描述的任何术语可以指示所述术语中的一个、多于一个和所有中的任意一个。当附图、具体实施方式或任意权利要求中的技术特征之后跟随附图标记的，附图参考标记已被包括只用于增进附图的、具体实施方式和权利要求的可理解性。因此，无论附图标记存在与否都不对任何权利要求元素的范围具有任何限制效果。这里所述的系统和方法可以体现为其他具体形式，而不偏离其特征。尽管这里提供的示例涉及广告程序，这里所述的系统和方法可以以任何垂直度适用于任何程序，其中，基于图像的内容可以从基于文本的内容来创建。前述的实施方式是说明性的，而非限制所述系统和方法。这里所述的系统和方法的范围因此由所附权利要求来指示，而不是前述描述，且其中包含落入权利要求的等价物的含义和范围内的变化。