CN101685521A - 在网页中展现广告的方法及系统 - Google Patents
在网页中展现广告的方法及系统 Download PDFInfo
- Publication number
- CN101685521A CN101685521A CN200810222748A CN200810222748A CN101685521A CN 101685521 A CN101685521 A CN 101685521A CN 200810222748 A CN200810222748 A CN 200810222748A CN 200810222748 A CN200810222748 A CN 200810222748A CN 101685521 A CN101685521 A CN 101685521A
- Authority
- CN
- China
- Prior art keywords
- user
- bunch
- users
- characteristic information
- advertisement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种在网页中展现广告的方法及系统,其中的方法包括:接收用户的网页访问请求,并从所述网页访问请求中提取用户标识;按照所述用户标识查找预置的用户簇群,每个用户簇是按照多个用户的访问特征信息构建的,并与特定广告对应;确定所述用户所属用户簇,将该用户簇对应的特定广告在网页中向所述用户展现。可见,本发明是选择用户所属用户簇对应的特定广告进行展示的,其中的用户簇由多个用户的访问特征信息构建,可表明这类用户的访问特性,由此选择的特定广告是适合该用户的,该特定广告被适合用户点击的概率将大大增加。
Description
技术领域
本发明涉及网络技术领域,尤其涉及一种在网页中展现广告的方法及系统。
背景技术
收取广告商费用是网站运营的一个重要手段,因此在用户浏览网页时网站往往会弹出广告。针对某个网页,如何在众多广告中选择一个或一类最有可能被用户点击的广告向用户展现是网站运营的一个技术问题。
现有的一种做法是,针对一个或一类广告,根据已有的历史数据,统计某个时间、地点等属性下的这个或这类广告点击率,当一次网页访问满足某个时间、地点等属性取值时,选择历史上点击率比较高的广告进行展现。然而,这种方法仅是针对广告本身的历史数据进行的,在广告点击率很低的情况下,广告点击率在万分之一到千分之一的比例,通过已有的历史数据进行训练很难达到较好的稳定的结果,因为在广告点击率很低的情况下,广告的点击次数很少,因此在利用历史数据进行训练时,会产生数据稀疏的问题导致效果变差。例如一个广告如果展现次数为十万次,那么点击次数大约为十几次,如果通过统计学习出该广告在各个省份的点击率差异,结果会非常不稳定,因此大多数省份点击次数可能仅为0或1,如此少的点击数很难准确的说明问题,据此展现的广告被用户点击的概率是很低的。
现有的另一种做法是,根据用户访问的网页类型,向用户有选择性的展示广告。这种做法比较简单,但难以得到良好的效果,用户访问某类网页,并不代表就会访问特定的广告,这之间不存在必然的联系,如果仅仅这样简单的发布广告,则很难达到较理想的点击率。
发明内容
本发明提供一种在网页中展现广告的方法及系统,可以较好地从众多广告中选择合适的广告向访问网页的用户展现。
为此,本发明实施例采用如下技术方案:
一种在网页中展现广告的方法,包括:接收用户的网页访问请求,并从所述网页访问请求中提取用户标识;按照所述用户标识查找预置的用户簇群,每个用户簇是按照多个用户的访问特征信息构建的,并与特定广告对应;确定所述用户所属用户簇,将该用户簇对应的特定广告在网页中向所述用户展现。
所述访问特征信息包括访问网页类型及数量、点击广告类型及数量、各时间段访问统计信息,或/和,上网地点统计信息。
所述用户簇对应的特定广告是根据所述点击广告类型及数量确定的。
所述用户簇内用户数量与该用户簇对应的特定广告的点击率的倒数相等或近似相等。
按照多个用户的访问特征信息构建用户簇的具体过程包括:统计每个用户的访问特征信息;利用用户的访问特征信息,计算两两用户之间的相似度;根据所述相似度,使用聚类方法对多个用户进行聚类,构建所述用户簇。
所述相似度是采用余弦公式或内积法计算得到的;所述聚类是采用层次聚类或k-NN方法实现的。
一种在网页中展现广告的系统,请求解析单元,用于解析用户的网页访问请求获得用户标识;匹配单元,用于按照所述请求解析单元获得的用户标识,匹配预置的用户簇群,其中,每个用户簇是按照多个用户的访问特征信息构建的,并与特定广告对应;广告展现单元,用于将所述匹配单元确定的用户簇对应的特定广告在网页中向所述用户展现。
所述系统还包括用于按照多个用户的访问特征信息构建用户簇的用户簇构建单元,该用户簇构建单元包括:统计单元,用于统计每个用户的访问特征信息;相似度计算单元,用于利用所述统计单元统计的用户的访问特征信息,计算两两用户之间的相似度;聚类单元,用于根据所述相似度计算单元计算出的相似度,使用聚类方法对多个用户进行聚类,构建所述用户簇。
所述用户簇构建单元还包括:用户数量控制单元,用于控制所述用户簇内用户数量与该用户簇对应的特定广告的点击率的倒数相等或近似相等。
所述访问特征信息包括访问网页类型及数量、点击广告类型及数量、各时间段访问网页统计信息,或/和,上网地点统计信息。
所述系统还包括:特定广告设置单元,用于根据点击广告类型及数量,确定所述用户簇对应的特定广告。
对本发明方案的有益效果分析如下:
在现有根据广告历史点击率来选取广告的方案中,当广告的点击数量非常少时,由于数据稀疏,通过训练的方法不能稳定的预测出每种访问情况下的广告点击率,也就无法根据当前的访问情况高质量的推荐广告。而本发明首先计算出用户之间的相似度,然后通过聚类的方法获得用户簇,相同用户簇拥有相近的访问特性,包括访问网页类型和数量、点击广告类型和数量、上网时间以及上网地点等,因此可以在同一个用户簇内向相似的用户推荐特定的广告,不存在使用已有点击率数据训练的问题,不受数据稀疏的影响。
与现有根据网页内容选择广告的方案相比,由于用户才是点击广告的主体,因此考虑了用户的访问特征信息确定的特定广告,更具有针对性,可提高广告的点击率。
可见,本发明方案在用户访问网页时,是选择该用户匹配到的用户簇对应的特定广告进行展示的,其中的用户簇由多个用户的访问特征信息构建,可表明这类用户的访问特性,由此选择的特定广告是适合该用户的,该特定广告被适合用户点击的概率将大大增加。
附图说明
图1为本发明在网页中展现广告的方法流程图;
图2为本发明构建用户簇的流程图;
图3为本发明在网页中展现广告的方法实施例流程图;
图4为本发明在网页中展现广告的系统结构示意图。
具体实施方式
如前所述,现有技术中的两种方案要么是按照广告历史点击率选择广告或是按照网页内容选择广告,都没有考虑用户因素,实际上,用户是点击广告的主体,只有符合用户特点的广告被点击的可能性才会增加,因此,本发明从此点分析为启示,提供了一种在网页中展现广告的方法。
参见图1,为本发明在网页中展现广告的方法流程图,包括:
S101:接收用户的网页访问请求,并从所述网页访问请求中提取用户标识;
S102:按照所述用户标识查找预置的用户簇群,每个用户簇是按照多个用户的访问特征信息构建的,并与特定广告对应;
S103:确定所述用户所属用户簇,将该用户簇对应的特定广告在网页中向所述用户展现。
可见,本发明方案在用户访问网页时,是选择该用户匹配到的用户簇对应的特定广告进行展示的,其中的用户簇由多个用户的访问特征信息构建,可表明这类用户的访问特性,由此选择的特定广告是适合该用户的,该特定广告被适合用户点击的概率将大大增加。
下面对创建用户簇的过程进行介绍。
如前所述,每个用户簇是按照多个用户的访问特征信息构建的,因此,首选要选定一些用户,然后对这些用户的访问特征信息进行统计和分析。参见图2,为创建用户簇流程图,包括:
S201:对网页和广告进行分类;
对用户访问过的网页进行分类、对所有点击过的广告进行分类,具体的分类方法可采用人工方式进行,也可以采用机器学习自动分类的方式,自动分类的方法包括SVM、朴素贝叶斯等。
参见表1,为网页分类表实例。
表1
页面1 | 类别1 |
页面2 | 类别2 |
…… | …… |
页面n | 类型i |
参见表2,为广告分类表实例。
表2
广告1 | 类别1 |
广告2 | 类别2 |
…… | …… |
广告m | 类型i |
S202:统计每个用户的访问特征信息;
用户的访问特征信息包括浏览过的每个类别的网页数量、点击过的每个类别的广告数量、每个时间段上网次数以及上网地点等信息。
这些访问特征信息可以通过网站的每个用户的某个时间段(例如:上一周)的访问日志获得,访问日志又包括网页的访问日志和广告的访问日志,其中,每条页面的访问日志包含页面的URL、访问时间、IP(通过ID地点表可以获得上网地点),每条广告点击日志包括广告ID等信息。
最终对于每个用户可以得到类似于表3所示的2i+4维的向量信息。
表3
访问类别1网页数量 | 1 |
访问类别2网页数量 | 3 |
…… | …… |
访问类别i网页数量 | 1 |
点击类别1广告数量 | 0 |
点击类别2广告数量 | 1 |
…… | …… |
点击类别i广告数量 | 0 |
上午访问页面数量 | 10 |
下午访问页面数量 | 2 |
晚上访问页面数量 | 2 |
用户所在地区 | 北京 |
S203:根据用户的访问特征信息,分别计算两两用户之间的相似度;
具体地,可采用余弦公式的方法计算出用户向量的相似度,或者,还可以采用其余向量相似度计算方法,例如内积法等。对于这些相似度方法为现有技术,此处不过多描述。
S204:根据获得的两两用户之间的相似度,使用聚类方法对用户进行聚类,完成用户簇的创建。
具体地,可以采用常用的层次聚类或k-NN等聚类方法对用户进行聚类,得到k个用户簇,对多个用户簇称为用户簇群。对于用户簇还可称为社区。每个用户簇内的用户数量(对于层次聚类就是聚类停止时用户簇的数量,对于k-NN就是初始设置的k值),取值应大致保持在特定广告平均点击率的倒数水平,例如,广告的点击率为千分之一,可设置用户簇内的用户数量大致在一千比较适合,这样,用户簇内的用户之间的相似度比较大,以保证这些用户点击特定广告的概率。
对于上面提到的用户簇对应的特定广告,一般是按照构建该用户簇的访问特征信息设置的,特别是根据访问特征信息中的点击广告类型及数量进行选取,以图3为例,如果类型x广告被点击频率最高,则设置该广告为用户簇对应的特定广告。
下面再以一个实例对本发明提供的在网页中展现广告的方法进行说明。
参见图3,为该实施例流程图,包括:
S301:某用户在浏览器上输入网址或点击连接,请求建立http协议连接;
S302:接收用户的http协议连接请求,即用户网页访问请求;
S303:针对用户的网页访问请求,利用浏览器中存储的cookie,解析出用户标识;
S304:以用户标识为关键字,查找预置的用户簇群;
S305:判断是否匹配到用户簇,若是,执行S306,否则,执行S307;
S306:调用为匹配用户簇预先设置的特定广告,将该特定广告在网页中向用户显示;
S307:采用现有方法选择一种或一类广告在网页中向用户显示。
这里的现有方法包括但不限于背景技术描述的两种方法。可见,本发明方案可以很好地与现有方案兼容。
另外,本发明还提供一种在网页中展现广告的系统,该系统可以单指服务器,例如广告发布服务器或网页发布服务器,或者是服务器与客户端的组合,或是,位于上述设备内部的功能实体,具体地,可以通过软件、硬件或软硬件结合的方式实现。
参见图4,为该系统内部结构示意图。它至少包括请求解析单元401、匹配单元402和广告展现单元403,其中各个单元的功能如下:
请求解析单元401:用于解析用户的网页访问请求,获得用户标识。
匹配单元402,用户按照请求解析单元401获得的用户标识,匹配预置的用户簇群400,其中,每个用户簇是按照多个用户的访问特征信息构建的,并与特定广告对应;用户簇群400中包括至少一个用户簇。
广告展现单元403,用于将所述匹配单元确定的用户簇对应的特定广告在网页中向所述用户展现。
优选地,该系统还包括用户簇构建单元404,该用户簇构建单元404用于按照多个用户的访问特征信息构建用户簇。
具体的,该用户簇构建单元404包括统计单元、相似度计算单元和聚类单元(图中未示出):
统计单元,用于统计每个用户的访问特征信息,其中的访问特征信息包括访问网页类型及数量、点击广告类型及数量、各时间段访问网页统计信息,或/和,上网地点统计信息。
相似度计算单元,用于利用所述统计单元统计的用户的访问特征信息,计算两两用户之间的相似度。
聚类单元,用于根据所述相似度计算单元计算出的相似度,使用聚类方法对多个用户进行聚类,构建所述用户簇。
需要说明的是,对于不包括用户簇构建单元404的情况,默认用户簇已经存在,例如,从其他系统获取到用户簇,构成用户簇群400。
进一步,用户簇构建单元404还包括:
用户数量控制单元(图中未示出),用于控制所述用户簇内用户数量与该用户簇对应的特定广告的点击率的倒数相等或近似相等。
优选地,该系统还包括:
特定广告设置单元405,用于根据点击广告类型及数量,确定所述用户簇对应的特定广告。
如前所述,在现有根据广告历史点击率来选取广告的方案中,当广告的点击数量非常少时,由于数据稀疏,通过训练的方法不能稳定的预测出每种访问情况下的广告点击率,也就无法根据当前的访问情况高质量的推荐广告。
而本发明首先计算出用户之间的相似度,然后通过聚类的方法获得用户簇,相同用户簇拥有相近的访问特性,包括访问网页类型和数量、点击广告类型和数量、上网时间以及上网地点等,因此可以在同一个用户簇内向相似的用户推荐特定的广告,不存在使用已有点击率数据训练的问题,不受数据稀疏的影响。
与现有根据网页内容选择广告的方案相比,由于用户才是点击广告的主体,因此考虑了用户的访问特征信息确定的特定广告,更具有针对性,可提高广告的点击率。
另外,需要说明的是,本文仅针对如何在众多数量或类型广告中选择合适的广告向访问某网页的用户展现的技术实现,对于具体的广告制作以及广告加载到网页的实现则可按照现有或未来出现的技术进行,不是本文讨论的重点。
本领域普通技术人员可以理解,实现上述实施例的方法的过程可以通过程序指令相关的硬件来完成,所述的程序可以存储于可读取存储介质中,该程序在执行时执行上述方法中的对应步骤。所述的存储介质可以如:ROM/RAM、磁碟、光盘等。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1、一种在网页中展现广告的方法,其特征在于,包括:
接收用户的网页访问请求,并从所述网页访问请求中提取用户标识;
按照所述用户标识查找预置的用户簇群,每个用户簇是按照多个用户的访问特征信息构建的,并与特定广告对应;
确定所述用户所属用户簇,将该用户簇对应的特定广告在网页中向所述用户展现。
2、根据权利要求1所述方法,其特征在于,所述访问特征信息包括访问网页类型及数量、点击广告类型及数量、各时间段访问统计信息,或/和,上网地点统计信息。
3、根据权利要求2所述方法,其特征在于,所述用户簇对应的特定广告是根据所述点击广告类型及数量确定的。
4、根据权利要求1所述方法,其特征在于,所述用户簇内用户数量与该用户簇对应的特定广告的点击率的倒数相等或近似相等。
5、根据权利要求1、2、3或4所述方法,其特征在于,按照多个用户的访问特征信息构建用户簇的具体过程包括:
统计每个用户的访问特征信息;
利用用户的访问特征信息,计算两两用户之间的相似度;
根据所述相似度,使用聚类方法对多个用户进行聚类,构建所述用户簇。
6、根据权利要求5所述方法,其特征在于,所述相似度是采用余弦公式或内积法计算得到的;所述聚类是采用层次聚类或k-NN方法实现的。
7、一种在网页中展现广告的系统,其特征在于,包括:
请求解析单元,用于解析用户的网页访问请求获得用户标识;
匹配单元,用于按照所述请求解析单元获得的用户标识,匹配预置的用户簇群,其中,每个用户簇是按照多个用户的访问特征信息构建的,并与特定广告对应;
广告展现单元,用于将所述匹配单元确定的用户簇对应的特定广告在网页中向所述用户展现。
8、根据权利要求7所述系统,其特征在于,还包括用于按照多个用户的访问特征信息构建用户簇的用户簇构建单元,所述用户簇构建单元包括:
统计单元,用于统计每个用户的访问特征信息;
相似度计算单元,用于利用所述统计单元统计的用户的访问特征信息,计算两两用户之间的相似度;
聚类单元,用于根据所述相似度计算单元计算出的相似度,使用聚类方法对多个用户进行聚类,构建所述用户簇。
9、根据权利要求8所述系统,其特征在于,所述用户簇构建单元还包括:
用户数量控制单元,用于控制所述用户簇内用户数量与该用户簇对应的特定广告的点击率的倒数相等或近似相等。
10、根据权利要求7至9中任一项所述系统,其特征在于,所述访问特征信息包括访问网页类型及数量、点击广告类型及数量、各时间段访问网页统计信息,或/和,上网地点统计信息。
11、根据权利要求10所述系统,其特征在于,还包括:
特定广告设置单元,用于根据点击广告类型及数量,确定所述用户簇对应的特定广告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810222748A CN101685521A (zh) | 2008-09-23 | 2008-09-23 | 在网页中展现广告的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810222748A CN101685521A (zh) | 2008-09-23 | 2008-09-23 | 在网页中展现广告的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101685521A true CN101685521A (zh) | 2010-03-31 |
Family
ID=42048674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810222748A Pending CN101685521A (zh) | 2008-09-23 | 2008-09-23 | 在网页中展现广告的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101685521A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957834A (zh) * | 2010-08-12 | 2011-01-26 | 百度在线网络技术(北京)有限公司 | 一种基于用户特征进行内容推荐的方法与设备 |
CN102063458A (zh) * | 2010-10-12 | 2011-05-18 | 百度在线网络技术(北京)有限公司 | 用于在计算机网络的网络设备中进行用户聚类的方法和设备 |
CN102316167A (zh) * | 2011-09-26 | 2012-01-11 | 中国科学院计算机网络信息中心 | 网站推荐方法和系统以及网络服务器 |
CN102663026A (zh) * | 2012-03-22 | 2012-09-12 | 浙江盘石信息技术有限公司 | 一种定向投放网络广告的实现方法 |
CN102760163A (zh) * | 2012-06-12 | 2012-10-31 | 奇智软件(北京)有限公司 | 一种特征信息的个性化推荐方法及装置 |
CN102780573A (zh) * | 2011-05-11 | 2012-11-14 | 百度在线网络技术(北京)有限公司 | 一种基于网络流量进行实验的方法与设备 |
CN102819529A (zh) * | 2011-06-10 | 2012-12-12 | 阿里巴巴集团控股有限公司 | 社交网站信息发布方法及系统 |
CN102831114A (zh) * | 2011-06-14 | 2012-12-19 | 北京思博途信息技术有限公司 | 实现互联网用户访问情况统计分析的方法及装置 |
CN102915504A (zh) * | 2012-10-09 | 2013-02-06 | 中国联合网络通信集团有限公司 | 软件发布方法和装置 |
CN103150663A (zh) * | 2013-02-18 | 2013-06-12 | 亿赞普(北京)科技有限公司 | 一种网络投放数据投放的方法和装置 |
CN103530312A (zh) * | 2012-07-05 | 2014-01-22 | 国际商业机器公司 | 使用多方面足迹的用户标识的方法和系统 |
CN103778125A (zh) * | 2012-10-17 | 2014-05-07 | 阿里巴巴集团控股有限公司 | 一种网页投放内容的分析方法及装置和网页投放内容的自动投放方法及装置 |
WO2014079317A1 (zh) * | 2012-11-26 | 2014-05-30 | 腾讯科技(深圳)有限公司 | 网络服务平台发布广告的方法、系统和客户端 |
CN103870671A (zh) * | 2012-12-18 | 2014-06-18 | 北京思博途信息技术有限公司 | 一种从Cookie中提取用户样本的方法及装置 |
CN104090919A (zh) * | 2014-06-16 | 2014-10-08 | 华为技术有限公司 | 推荐广告的方法及广告推荐服务器 |
CN104298719A (zh) * | 2014-09-23 | 2015-01-21 | 新浪网技术(中国)有限公司 | 基于社交行为进行用户的类别划分、广告投放方法和系统 |
CN104462438A (zh) * | 2014-12-15 | 2015-03-25 | 北京搜狗科技发展有限公司 | 一种信息处理方法及装置 |
CN104574134A (zh) * | 2013-10-23 | 2015-04-29 | 传播公司 | 一种用于关联广告及特定用户群的方法、系统及计算机可读记录介质 |
CN104598601A (zh) * | 2015-01-27 | 2015-05-06 | 北京齐尔布莱特科技有限公司 | 一种对用户和内容进行分类的方法、装置及计算设备 |
WO2016004586A1 (en) * | 2014-07-08 | 2016-01-14 | Yahoo! Inc. | Browsing context based advertisement selection |
CN105446802A (zh) * | 2014-08-13 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 一种基于转化率的操作执行方法及装置 |
CN105989004A (zh) * | 2015-01-27 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种信息投放的预处理方法和装置 |
CN108399551A (zh) * | 2017-02-08 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 一种确定用户标签和推送信息的方法及系统 |
CN109710876A (zh) * | 2018-12-26 | 2019-05-03 | 咪咕文化科技有限公司 | 一种信息推荐方法及装置、计算机可读存储介质 |
-
2008
- 2008-09-23 CN CN200810222748A patent/CN101685521A/zh active Pending
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957834B (zh) * | 2010-08-12 | 2013-08-07 | 百度在线网络技术(北京)有限公司 | 一种基于用户特征进行内容推荐的方法与设备 |
CN101957834A (zh) * | 2010-08-12 | 2011-01-26 | 百度在线网络技术(北京)有限公司 | 一种基于用户特征进行内容推荐的方法与设备 |
CN102063458A (zh) * | 2010-10-12 | 2011-05-18 | 百度在线网络技术(北京)有限公司 | 用于在计算机网络的网络设备中进行用户聚类的方法和设备 |
CN102780573A (zh) * | 2011-05-11 | 2012-11-14 | 百度在线网络技术(北京)有限公司 | 一种基于网络流量进行实验的方法与设备 |
CN102819529B (zh) * | 2011-06-10 | 2015-08-19 | 阿里巴巴集团控股有限公司 | 社交网站信息发布方法及系统 |
CN102819529A (zh) * | 2011-06-10 | 2012-12-12 | 阿里巴巴集团控股有限公司 | 社交网站信息发布方法及系统 |
CN102831114A (zh) * | 2011-06-14 | 2012-12-19 | 北京思博途信息技术有限公司 | 实现互联网用户访问情况统计分析的方法及装置 |
CN102831114B (zh) * | 2011-06-14 | 2015-09-16 | 北京思博途信息技术有限公司 | 实现互联网用户访问情况统计分析的方法及装置 |
CN102316167A (zh) * | 2011-09-26 | 2012-01-11 | 中国科学院计算机网络信息中心 | 网站推荐方法和系统以及网络服务器 |
CN102316167B (zh) * | 2011-09-26 | 2013-11-06 | 中国科学院计算机网络信息中心 | 网站推荐方法和系统以及网络服务器 |
CN102663026A (zh) * | 2012-03-22 | 2012-09-12 | 浙江盘石信息技术有限公司 | 一种定向投放网络广告的实现方法 |
CN102663026B (zh) * | 2012-03-22 | 2015-09-23 | 浙江盘石信息技术股份有限公司 | 一种定向投放网络广告的实现方法 |
CN102760163A (zh) * | 2012-06-12 | 2012-10-31 | 奇智软件(北京)有限公司 | 一种特征信息的个性化推荐方法及装置 |
CN103530312A (zh) * | 2012-07-05 | 2014-01-22 | 国际商业机器公司 | 使用多方面足迹的用户标识的方法和系统 |
CN103530312B (zh) * | 2012-07-05 | 2016-12-28 | 国际商业机器公司 | 使用多方面足迹的用户标识的方法和系统 |
CN102915504A (zh) * | 2012-10-09 | 2013-02-06 | 中国联合网络通信集团有限公司 | 软件发布方法和装置 |
CN103778125B (zh) * | 2012-10-17 | 2017-04-19 | 阿里巴巴集团控股有限公司 | 网页投放内容的分析方法和装置及自动投放方法和装置 |
CN103778125A (zh) * | 2012-10-17 | 2014-05-07 | 阿里巴巴集团控股有限公司 | 一种网页投放内容的分析方法及装置和网页投放内容的自动投放方法及装置 |
WO2014079317A1 (zh) * | 2012-11-26 | 2014-05-30 | 腾讯科技(深圳)有限公司 | 网络服务平台发布广告的方法、系统和客户端 |
CN103841154B (zh) * | 2012-11-26 | 2019-03-01 | 腾讯科技(北京)有限公司 | 网络媒介信息发布方法、系统和客户端 |
US10956934B2 (en) | 2012-11-26 | 2021-03-23 | Tencent Technology (Shenzhen) Company Limited | Method, system, and client for publishing advertisement on network service platform |
CN103841154A (zh) * | 2012-11-26 | 2014-06-04 | 腾讯科技(北京)有限公司 | 网络媒介信息发布方法、系统和客户端 |
CN103870671B (zh) * | 2012-12-18 | 2017-05-31 | 秒针信息技术有限公司 | 一种从Cookie中提取用户样本的方法及装置 |
CN103870671A (zh) * | 2012-12-18 | 2014-06-18 | 北京思博途信息技术有限公司 | 一种从Cookie中提取用户样本的方法及装置 |
CN103150663A (zh) * | 2013-02-18 | 2013-06-12 | 亿赞普(北京)科技有限公司 | 一种网络投放数据投放的方法和装置 |
CN104574134A (zh) * | 2013-10-23 | 2015-04-29 | 传播公司 | 一种用于关联广告及特定用户群的方法、系统及计算机可读记录介质 |
CN104090919A (zh) * | 2014-06-16 | 2014-10-08 | 华为技术有限公司 | 推荐广告的方法及广告推荐服务器 |
WO2015192667A1 (zh) * | 2014-06-16 | 2015-12-23 | 华为技术有限公司 | 推荐广告的方法及广告推荐服务器 |
CN104090919B (zh) * | 2014-06-16 | 2017-04-19 | 华为技术有限公司 | 推荐广告的方法及广告推荐服务器 |
WO2016004586A1 (en) * | 2014-07-08 | 2016-01-14 | Yahoo! Inc. | Browsing context based advertisement selection |
CN105446802A (zh) * | 2014-08-13 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 一种基于转化率的操作执行方法及装置 |
CN104298719B (zh) * | 2014-09-23 | 2018-02-27 | 新浪网技术(中国)有限公司 | 基于社交行为进行用户的类别划分、广告投放方法和系统 |
CN104298719A (zh) * | 2014-09-23 | 2015-01-21 | 新浪网技术(中国)有限公司 | 基于社交行为进行用户的类别划分、广告投放方法和系统 |
CN104462438A (zh) * | 2014-12-15 | 2015-03-25 | 北京搜狗科技发展有限公司 | 一种信息处理方法及装置 |
CN105989004A (zh) * | 2015-01-27 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种信息投放的预处理方法和装置 |
CN104598601A (zh) * | 2015-01-27 | 2015-05-06 | 北京齐尔布莱特科技有限公司 | 一种对用户和内容进行分类的方法、装置及计算设备 |
CN104598601B (zh) * | 2015-01-27 | 2017-12-12 | 北京齐尔布莱特科技有限公司 | 一种对用户和内容进行分类的方法、装置及计算设备 |
CN108399551A (zh) * | 2017-02-08 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 一种确定用户标签和推送信息的方法及系统 |
CN109710876A (zh) * | 2018-12-26 | 2019-05-03 | 咪咕文化科技有限公司 | 一种信息推荐方法及装置、计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101685521A (zh) | 在网页中展现广告的方法及系统 | |
CN106156127B (zh) | 选择数据内容向终端推送的方法及装置 | |
CN100465954C (zh) | 用于搜索术语建议的多种类型数据的加强群集 | |
CN101297285B (zh) | 有助于改进搜索结果和效率的对象排名系统和方法 | |
US9706008B2 (en) | Method and system for efficient matching of user profiles with audience segments | |
US8630972B2 (en) | Providing context for web articles | |
CN102053983B (zh) | 一种垂直搜索的查询方法、系统和装置 | |
CN106033415B (zh) | 文本内容推荐方法及装置 | |
CN103886090A (zh) | 基于用户喜好的内容推荐方法及装置 | |
CN104462293A (zh) | 搜索处理方法、生成搜索结果排序模型的方法和装置 | |
CN104885081A (zh) | 搜索系统和相应方法 | |
CN104008184A (zh) | 信息的推送方法和装置 | |
CN102289436A (zh) | 确定搜索词权重值方法及装置、搜索结果生成方法及装置 | |
CN102509233A (zh) | 一种基于用户网上动作信息的推荐方法 | |
CN104394118A (zh) | 一种用户身份识别方法及系统 | |
CN104142999A (zh) | 搜索结果展示方法及装置 | |
CN102591942A (zh) | 一种应用自动推荐的方法及装置 | |
CN108319376B (zh) | 一种优化商业词推广的输入联想推荐方法及装置 | |
CN102567494B (zh) | 网站分类方法及装置 | |
CN103177384A (zh) | 基于用户兴趣图谱的网络广告投放方法 | |
CN105303394A (zh) | 一种基于网页搜索引擎的网络广告投放方法和系统 | |
CN102521248A (zh) | 一种网络用户分类方法及其装置 | |
CN1996316A (zh) | 基于网页相关性的搜索引擎搜索方法 | |
CN103455615A (zh) | 一种微信帐号的排序过滤检索方法 | |
CN102663022A (zh) | 一种基于url的分类识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20100331 |