CN102708198A - 个性化网络广告的推送方法 - Google Patents

Abstract

个性化网络广告的推送方法，包括以下步骤：建立需要推送的广告信息的广告数据库，提取各个广告的标题作为关键字，采用聚类算法对待推送的广告进行分类；获取用户浏览过的广告页面，提取广告的主题和正文、并获取广告推送方式；根据用户是否阅读由子兴趣模型推荐的广告信息，对用户的兴趣模型进行动态更新。能够实现用户的个性化需求，节约系统资源，推荐效果好的优点。

Description

个性化网络广告的推送方法

技术领域

本发明涉及一种个性化网络广告的推送方法。

背景技术

随着信息传播技术的迅猛发展，尤其是因特网和移动互联网的不断发展和日益普及，广告的推送方式也由原始的纸件张贴、报纸杂志刊登进入到网络推送的时代。

网络广告推送是指在因特网和移动互联网上给安装了特定终端的访问用户投放页面广告的一种推送方式。通过在用户用浏览器或专用客户端访问的时候有针对性地对其投放一些访问相关的、个性化的页面广告。

现有的广告推送方法通常是在用户开启页面时，在页面的边角处加载框式广告。然而，对于某一个用户而言，他感兴趣的商品或服务类型只占少数。当用户在为频繁收到无用广告而苦恼，又不希望错过自己感兴趣的商品或服务类型时，如何在庞大的广告信息量中找到自己感兴趣的商品类型，成为一个迫切需要解决的问题。

目前，向用户推送广告的方法层出不穷，但是因为用户所感兴趣的新闻报道不可能是单一的类别或者主题，而是分布广泛、涉及多个主题，还可能因为其所处的环境或地方不同而发生改变。若将表示用户特性的信息都包含在一个数据模型中，则导致广告信息过于概化，无法很好的体现用户个性，系统推荐效果差。并且导致推送的广告杂乱无章、信息量大，无用信息过多，浪费系统资源，推荐效果差。

发明内容

为克服现有的广告推送系统盲目投放广告，无法针对用户个性化推送的缺点，本发明提供了一种能够实现用户的个性化需求，节约系统资源，推荐效果好的个性化网络广告的推送方法。

个性化网络广告的推送方法，包括以下步骤：

1）、建立需要推送的广告信息的广告数据库，提取各个广告的标题作为关键字，采用聚类算法对待推送的广告进行分类；

2）、获取用户浏览过的广告页面，提取广告的主题和正文、并获取广告推送方式，

将广告主题作为关键词采用聚类算法将前述的广告页面划分为多个广告类型，所有的广告类型构成用户的兴趣模型                                               

；其中，

表示第i个广告类型；

广告推送方式包括随机推送方式、基于GPS的推送方式、基于社交信息的推送方式和基于VIP信息的推送方式；

随机推送方式是指从广告数据库中随机抽取广告信息、将广告信息附加于页面上；

基于GPS的推送方式是指获取用户所处的地理位置，从广告数据库中抽取当地的广告信息推送给用户；

基于社交信息的推送方式是指将广告信息附加于社交网络或者聊天工具或者通讯录中推送给用户；

基于VIP信息的推送方式是指将广告信息附加于VIP信息网络中推送给用户；

3）、根据用户是否阅读由兴趣模型推荐的广告信息，对用户的多类型兴趣模型进行动态更新：

（3.1）、获取用户当前阅读广告信息，提取当前阅读广告的主题，判断当前阅读广告所属的广告类型，将该广告类型的阅读次数自加1，第i个广告类型的阅读次数用表示；

（3.2）、判断当前阅读广告的广告推送方式，将该广告推送方式的权重赋予权重，随机推送方式的权重为Q，基于GPS的推送方式的权重为X，基于社交信息的推送方式的权重为Y，基于VIP信息的推送方式为Z；

（3.3）、抽取近L天用户读取的广告数据，分别计算各个广告类型的推送方式权重

；L天由人为设定；

（3.4），将计算得到的各个广告类型的推送方式权重与预设的阈值权重比较，将低于阈值权重的广告类型删除；

（3.5），将所有广告类型的推送方式权重按从大到小的顺序排列；将排序后的广告信息推送给用户。

进一步，步骤2）中将每个广告类型根据其正文的关键词划分为多个广告子类，具体是：

提取第i个广告类型中的广告正文的关键词，采用聚类算法将每个广告类型划分为多个广告子类

，其中，

表示第i个广告类型中的第i个广告子类；

步骤（3.1）中，提取当前阅读广告的正文，判断当前阅读广告所属的广告子类，将该广告子类的阅读次数自加1，第i个广告类型的第i个广告子类的阅读次数用

表示；

步骤（3.3）中，分别计算每个广告类型中各个广告子类的推送方式权重

；

步骤（3.4）中，将广告子类的推送方式权重小于阈值权重的广告信息删除，将广告类型中的各个广告子类按其推送方式权重从大到小的顺序排列；将排序后的广告信息推送给用户。

本发明的技术构思是：采用多个广告子类构成用户的多类型兴趣模型，能够涵盖用户的多种兴趣。根据持续的用户反馈，不断地更新用户的兴趣模型，将偏离用户兴趣的广告信息删除，在不影响用户的个性化需求的同时，减轻了系统后续维护的负担，并且使信息有序排列，推送效果好。 

本发明具有能够实现用户的个性化需求，节约系统资源，推荐效果好的优点。

附图说明

图1是本发明的系统框图。

图2是本发明的工作流程。

具体实施方式

参照附图，进一步说明本发明：

个性化网络广告的推送方法，包括以下步骤：

1）建立需要推送的广告信息的广告数据库，提取各个广告的标题作为关键字，采用聚类算法对待推送的广告进行分类；

2）、获取用户浏览过的广告页面，提取广告的主题和正文、并获取广告推送方式，

将广告主题作为关键词采用聚类算法将前述的广告页面划分为多个广告类型，所有的广告类型构成用户的兴趣模型；其中，表示第i个广告类型；

广告推送方式包括随机推送方式、基于GPS的推送方式、基于社交信息的推送方式和基于VIP信息的推送方式；

随机推送方式是指从广告数据库中随机抽取广告信息、将广告信息附加于页面上；

基于GPS的推送方式是指获取用户所处的地理位置，从广告数据库中抽取当地的广告信息推送给用户；

基于社交信息的推送方式是指将广告信息附加于社交网络或者聊天工具或者通讯录中推送给用户；

基于VIP信息的推送方式是指将广告信息附加于VIP信息网络中推送给用户；

3）、根据用户是否阅读由兴趣模型推荐的广告信息，对用户的多类型兴趣模型进行动态更新：

（3.1）、获取用户当前阅读广告信息，提取当前阅读广告的主题，判断当前阅读广告所属的广告类型，将该广告类型的阅读次数自加1，第i个广告类型的阅读次数用表示；

（3.2）、判断当前阅读广告的广告推送方式，将该广告推送方式的权重赋予权重，随机推送方式的权重为Q，基于GPS的推送方式的权重为X，基于社交信息的推送方式的权重为Y，基于VIP信息的推送方式为Z；

（3.3）、抽取近L天用户读取的广告数据，分别计算各个广告类型的推送方式权重；

（3.4），将计算得到的各个广告类型的推送方式权重与预设的阈值权重比较，将低于阈值权重的广告类型删除；

（3.5），将所有广告类型的推送方式权重按从大到小的顺序排列；将排序后的广告信息推送给用户。

步骤2）中将每个广告类型根据其正文的关键词划分为多个广告子类，具体是：

提取第i个广告类型中的广告正文的关键词，采用聚类算法将每个广告类型划分为多个广告子类

，其中，

表示第i个广告类型中的第i个广告子类；

步骤（3.1）中，提取当前阅读广告的正文，判断当前阅读广告所属的广告子类，将该广告子类的阅读次数自加1，第i个广告类型的第i个广告子类的阅读次数用

表示；

步骤（3.3）中，分别计算每个广告类型中各个广告子类的推送方式权重

；

步骤（3.4）中，将广告子类的推送方式权重小于阈值权重的广告信息删除，将广告类型中的各个广告子类按其推送方式权重从大到小的顺序排列；将排序后的广告信息推送给用户。

本发明的技术构思是：采用多个广告子类构成用户的多类型兴趣模型，能够涵盖用户的多种兴趣。根据持续的用户反馈，不断地更新用户的兴趣模型，将偏离用户兴趣的广告信息删除，在不影响用户的个性化需求的同时，减轻了系统后续维护的负担，并且使信息有序排列，推送效果好。 

本发明具有能够实现用户的个性化需求，节约系统资源，推荐效果好的优点。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (2)

1.个性化网络广告的推送方法，包括以下步骤：

1）、建立需要推送的广告信息的广告数据库，提取各个广告的标题作为关键字，采用聚类算法对待推送的广告进行分类；

2）、获取用户浏览过的广告页面，提取广告的主题和正文、并获取广告推送方式，

将广告主题作为关键词采用聚类算法将前述的广告页面划分为多个广告类型，所有的广告类型构成用户的兴趣模型                                               

；其中，

表示第i个广告类型；

广告推送方式包括随机推送方式、基于GPS的推送方式、基于社交信息的推送方式和基于VIP信息的推送方式；

随机推送方式是指从广告数据库中随机抽取广告信息、将广告信息附加于页面上；

基于GPS的推送方式是指获取用户所处的地理位置，从广告数据库中抽取当地的广告信息推送给用户；

基于社交信息的推送方式是指将广告信息附加于社交网络或者聊天工具或者通讯录中推送给用户；

基于VIP信息的推送方式是指将广告信息附加于VIP信息网络中推送给用户；

3）、根据用户是否阅读由兴趣模型推荐的广告信息，对用户的多类型兴趣模型进行动态更新：

（3.1）、获取用户当前阅读广告信息，提取当前阅读广告的主题，判断当前阅读广告所属的广告类型，将该广告类型的阅读次数自加1，第i个广告类型的阅读次数用

表示；

（3.2）、判断当前阅读广告的广告推送方式，将该广告推送方式的权重赋予权重，随机推送方式的权重为Q，基于GPS的推送方式的权重为X，基于社交信息的推送方式的权重为Y，基于VIP信息的推送方式为Z；

（3.3）、抽取近L天用户读取的广告数据，分别计算各个广告类型的推送方式权重

；

（3.4），将计算得到的各个广告类型的推送方式权重与预设的阈值权重比较，将低于阈值权重的广告类型删除； 

（3.5），将所有广告类型的推送方式权重按从大到小的顺序排列；将排序后的广告信息推送给用户。

2.如权利要求1所述的个性化网络广告的推送方法，其特征在于：步骤2）中将每个广告类型根据其正文的关键词划分为多个广告子类，具体是：

提取第i个广告类型中的广告正文的关键词，采用聚类算法将每个广告类型划分为多个广告子类

，其中，

表示第i个广告类型中的第i个广告子类；

步骤（3.1）中，提取当前阅读广告的正文，判断当前阅读广告所属的广告子类，将该广告子类的阅读次数自加1，第i个广告类型的第i个广告子类的阅读次数用表示；

步骤（3.3）中，分别计算每个广告类型中各个广告子类的推送方式权重

；

步骤（3.4）中，将广告子类的推送方式权重小于阈值权重的广告信息删除，将广告类型中的各个广告子类按其推送方式权重从大到小的顺序排列；将排序后的广告信息推送给用户。

Images