CN103514266A - 一种面向移动终端的网络信息投放方法和系统 - Google Patents

一种面向移动终端的网络信息投放方法和系统 Download PDF

Info

Publication number
CN103514266A
CN103514266A CN201310398711.4A CN201310398711A CN103514266A CN 103514266 A CN103514266 A CN 103514266A CN 201310398711 A CN201310398711 A CN 201310398711A CN 103514266 A CN103514266 A CN 103514266A
Authority
CN
China
Prior art keywords
mobile phone
phone users
information
network information
obtains
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
Application number
CN201310398711.4A
Other languages
English (en)
Inventor
罗峰
黄苏支
李娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fast Pass (shanghai) Advertising Co Ltd
Original Assignee
Fast Pass (shanghai) Advertising Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fast Pass (shanghai) Advertising Co Ltd filed Critical Fast Pass (shanghai) Advertising Co Ltd
Priority to CN201310398711.4A priority Critical patent/CN103514266A/zh
Publication of CN103514266A publication Critical patent/CN103514266A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Telephonic Communication Services (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请提供了一种面向移动终端的网络信息投放方法和系统,其中,所述方法包括:接收移动终端发来的网络信息调度请求;根据所述网络信息调度请求获取网络信息的调度策略信息;根据所述调度策略信息,检索符合所述调度策略信息的网络信息列表;预测所述网络信息列表中每条网络信息的点击率,并向所述移动终端投放点击率最高的网络信息。通过本申请,可以解决面向移动终端进行网络信息投放时,投放精准度低的问题。

Description

一种面向移动终端的网络信息投放方法和系统
技术领域
本申请涉及网络信息投放领域,特别是涉及一种面向移动终端的网络信息投放方法和系统。
背景技术
随着互联网产业的发展,网络信息传递已经逐渐代替传统的纸质信息传递,成为一种新的信息传递方式。在互联网环境下,网络信息的传递和反馈快速灵敏,具有动态性和实时性等特点,同时信息在网络中的流动性非常强,网络信息也逐渐从面向个人计算机的固网投放发展成为面向移动终端进行投放。目前,面向移动终端的网络信息投放普遍采用位置定向和终端定向两种方法。
位置定向主要指当下基于位置服务(Location Based Service,LBS)的网络信息投放,根据用户当前所在的位置及上下文信息进行网络信息投放,如向用户推送其附近的餐馆等。
终端定向是指根据用户所使用移动终端的参数进行定向,例如可以选择面向智能手机或平板电脑,选择移动终端的操作系统版本(IOS或Android),选择手机的品牌或选择用户所使用的运营商等,根据这些参数进行网络信息的投放。
但是,目前采用的面向移动终端的网络信息投放方法,投放的精准度低,使得投放的网络信息与用户的访问行为不相适应,而当用户接收到不喜欢的网络信息时,容易造成用户的逆反心理。
发明内容
本申请提供一种面向移动终端的网络信息投放方法和系统,以解决现有技术面向移动终端进行网络信息投放时,投放精准度低的问题。
为了解决上述问题,本申请公开了一种面向移动终端的网络信息投放方法,所述方法包括:
接收移动终端发来的网络信息调度请求;其中,所述移动终端在启动app应用程序或打开网页时发起所述网络信息调度请求;
根据所述网络信息调度请求获取网络信息的调度策略信息;其中,所述调度策略信息包括移动终端的位置信息、移动终端用户当前浏览的页面信息和移动终端用户的属性信息;所述属性信息通过分析移动终端用户的历史行为获得,所述移动终端用户的历史行为包括移动终端用户使用的app类型;
根据所述调度策略信息,检索符合所述调度策略信息的网络信息列表;
预测所述网络信息列表中每条网络信息的点击率,并向所述移动终端投放点击率最高的网络信息。
优选地,所述移动终端用户的历史行为还包括:
移动终端用户浏览的页面信息、使用的搜索信息和移动终端用户的位置轨迹信息。
优选地,所述属性信息包括:移动终端用户的兴趣组偏好,和/或,移动终端用户的人口学特性;
当所述属性信息包括移动终端用户的兴趣组偏好时,所述属性信息通过分析移动终端用户的历史行为获得,包括:
构建兴趣组类别体系;
分析所述移动终端用户的历史行为,对所述历史行为进行分类;
根据所述历史行为的分类,将所述移动终端用户划分至与所述历史行为分类相对应的兴趣组类别体系中,得到所述移动终端用户的兴趣组偏好;
当所述属性信息包括移动终端用户的人口学特性时,所述属性信息通过分析移动终端用户的历史行为获得,包括:
建立人口学特性训练样本;
分析所述移动终端用户的历史行为,对所述移动终端用户进行分类;
通过所述训练样本分析所述移动终端用户的分类,得到所述移动终端用户的人口学特性。
优选地,根据所述网络信息调度请求获取网络信息的调度策略信息,包括:
从所述网络信息调度请求中获取移动终端用户的cookie或ID信息;
查询预置的移动终端用户属性key-value数据库,获取所述移动终端用户属性key-value数据库中存储有所述cookie或ID信息的key;
根据所述移动终端用户属性key-value数据库中key与value的对应关系,获取与所述key对应的value,所述value为所述移动终端用户的属性信息。
优选地,根据所述网络信息调度请求获取网络信息的调度策略信息,包括:
接收所述移动终端发出的位置信息;
所述移动终端通过全球定位系统和/或无线网络获取所述位置信息。
优选地,根据所述网络信息调度请求获取网络信息的调度策略信息,包括:
从所述网络信息调度请求中提取所述移动终端用户当前浏览的页面对应的链接地址;
查询预置的页面分析数据库中是否包含所述链接地址,若所述页面分析数据库中包含所述链接地址,则返回与所述链接地址相对应的页面信息;若所述页面分析数据库中不包含所述链接地址,则将所述链接地址送入爬虫程序,抓取所述链接地址对应的页面内容;
通过页面内容分析模型,分析所述页面内容,得到所述页面内容对应的页面信息;
其中,所述移动终端用户当前浏览的页面包括:网页页面和/或app应用程序页面。
本申请实施例公开了一种面向移动终端的网络信息投放系统,包括:
网络信息调度模块,用于接收移动终端发来的网络信息调度请求;其中,所述移动终端在启动app应用程序或打开网页时发起所述网络信息调度请求;
调度策略信息分析模块,用于根据所述网络信息调度请求获取调度策略信息;其中,所述调度策略信息包括移动终端的位置信息、移动终端用户当前浏览的页面信息和移动终端用户的属性信息;所述属性信息通过分析移动终端用户的历史行为获得,所述移动终端用户的历史行为包括移动终端用户使用的app类型;
网络信息检索模块,用于根据所述调度策略信息,检索符合所述调度策略信息的网络信息列表;
网络信息预测及投放模块,用于预测所述网络信息列表中每条网络信息的点击率,并向所述移动终端投放点击率最高的网络信息。
优选地,所述移动终端用户的历史行为还包括:
移动终端用户浏览的页面信息、使用的搜索信息和移动终端用户的位置轨迹信息。
优选地,所述属性信息包括:移动终端用户的兴趣组偏好,和/或,移动终端用户的人口学特性;
当所述属性信息包括移动终端用户的兴趣组偏好时,所述调度策略信息分析模块,包括:
兴趣组体系构建子模块,用于构建兴趣组类别体系;
历史行为分类子模块,用于分析所述移动终端用户的历史行为,对所述历史行为进行分类;
兴趣组分类子模块,用于根据所述历史行为的分类,将所述移动终端用户划分至与所述历史行为分类相对应的兴趣组类别体系中,得到所述移动终端用户的兴趣组偏好;
当所述属性信息包括移动终端用户的人口学特性时,所述调度策略信息分析模块,包括:
样本训练子模块,用于建立人口学特性训练样本;
历史行为分类子模块,用于分析所述移动终端用户的历史行为,对所述移动终端用户进行分类;
人口学特性获取子模块,用于通过所述训练样本分析所述移动终端用户的分类,得到所述移动终端用户的人口学特性。
优选地,所述调度策略信息分析模块,包括:
身份信息获取子模块,用于从所述网络信息调度请求中获取所述移动终端用户的cookie或ID信息;
Key查询获取子模块,用于查询预置的移动终端用户属性key-value数据库,获取所述移动终端用户属性key-value数据库中存储有所述cookie或ID信息的key;
属性信息获取子模块,用于根据所述移动终端用户属性key-value数据库中key与value的对应关系,获取与所述key对应的value,所述value为所述移动终端用户的属性信息。
优选地,所述调度策略信息分析模块,包括:位置信息接收子模块,用于接收所述移动终端发出的位置信息;
所述移动终端通过全球定位系统和/或无线网络获取所述位置信息。
优选地,所述调度策略信息分析模块,包括:
链接地址提取子模块,用于从所述网络信息调度请求中提取所述移动终端用户当前浏览的页面对应的链接地址;
链接地址查询子模块,用于查询预置的页面分析数据库中是否包含所述链接地址,若所述页面分析数据库中包含所述链接地址,则返回与所述链接地址相对应的页面信息;若所述页面分析数据库中不包含所述链接地址,则将所述链接地址送入爬虫程序,抓取所述链接地址对应的页面内容;
页面信息获取子模块,用于通过页面内容分析模型,分析所述页面内容,得到所述页面内容对应的页面信息;
其中,所述移动终端用户当前浏览的页面包括:网页页面和/或app应用程序页面。
与现有技术相比,本申请包括以下优点:
本申请提供的一种面向移动终端的网络信息投放方法,同时对位置信息、页面信息和属性信息进行分析,按照分析筛选得到最符合移动终端用户喜好的网络信息,然后将所述筛选得到的网络信息进行投放,对位置信息进行充分的挖掘,对移动终端用户当前浏览的网页页面和/或使用的app页面信息进行充分挖掘,使得投放的网络信息与移动终端用户的访问行为相适应,网络信息投放精准度高。其中,所述网络信息可以包括但不仅限于广告信息、旅游攻略信息、路况信息等。
附图说明
图1是本申请实施例所述一种面向移动终端的网络信息投放方法的流程图;
图2是本申请另一实施例所述一种面向移动终端的网络信息投放方法的流程图;
图3是图2所示方法中的一种获取移动终端用户当前浏览的页面信息的流程图;
图4是图2所示方法中的一种获取移动终端用户的属性信息的流程图;
图5是本申请实施例所述一种获取移动终端用户兴趣组偏好的流程图;
图6是本申请实施例所述一种获取移动终端用户人口学特性的流程图;
图7是本申请实施例所述一种面向移动终端的网络信息投放系统的示意图;
图8是图7所示系统中一种获取移动终端用户当前浏览的页面信息的示意图;
图9是图7所示系统中一种获取移动终端用户的属性信息的示意图;
图10是本申请实施例所述一种获取移动终端用户兴趣组偏好的示意图;
图11是本申请实施例所述一种获取移动终端用户人口学特性的示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明,其中本申请中的“和/或”表示可以是“和”的关系,也可以是“或”的关系。
本申请提供的一种面向移动终端的网络信息投放方法可以同时对位置信息、页面信息和属性信息进行分析,按照分析筛选得到最符合移动终端用户喜好的网络信息,然后将所述筛选得到的网络信息进行投放,投放的网络信息与移动终端用户的访问行为相适应,网络信息投放精准度高。其中,所述网络信息可以是广告信息、旅游攻略信息、路况信息等。
下面通过实施例进行详细说明。
参照图1,示出了本申请实施例所述一种面向移动终端的网络信息投放方法的流程图。
步骤102,接收移动终端发来的网络信息调度请求;其中,所述移动终端在启动app应用程序或打开网页时发起所述网络信息调度请求。
在本申请实施例中,移动终端用户在使用移动终端中的app程序或者浏览页面时,会启动移动终端中的SDK(Software Development Kit,软件工具开发包),SDK根据网络信息投放策略向网络信息投放系统发出网络信息调度请求,例如:SDK根据网络信息投放频率、网络信息位尺寸和网络信息位类型定时向网络信息投放系统发出网络信息调度请求。
所以,对于网络信息投放系统而言,会接收到各个移动终端发来的网络信息调度请求。
步骤104,根据所述网络信息调度请求获取网络信息的调度策略信息。
本申请实施例中,网络信息投放系统接收到网络信息调度请求,会启动网络信息调度流程,分析所述网络信息调度请求,获取网络信息的调度策略信息。其中,网络信息的调度策略信息可以包括:移动终端的位置信息、移动终端用户当前浏览的页面信息和移动终端用户的属性信息。所述属性信息可以通过分析移动终端用户的历史行为获得。例如,通过分析移动终端用户使用的app类型来获取移动终端用户的属性信息。
当通过分析所述网络信息调度请求,获取的是网络信息中的移动终端的位置信息时,可以根据所述位置信息准确把握移动终端用户的行为轨迹和当前兴趣点,有针对性的进行网络信息投放;当通过分析所述网络信息调度请求,获取的是网络信息中的移动终端用户当前浏览的页面信息时,可以根据所述页面信息准确的把握移动终端用户当前所关注的内容和当前兴趣点,从而有针对的进行网络信息投放;当通过分析所述网络信息调度请求,获取的是网络信息中的移动终端用户的属性信息时,可以根据所述属性信息准确的把握移动终端用户的兴趣偏好、性别、年龄、收入和婚姻状况等信息,从而有针对性的进行网络信息的投放。本申请实施例中,同时获取位置信息、页面信息和属性信息三类信息,根据对三类信息的分析,进行网络信息投放,针对性强,能准确把握移动终端用户的喜好,网络信息投放精准度高。
步骤106,根据所述调度策略信息,检索符合所述调度策略信息的网络信息列表。
本申请实施例中,网络信息投放系统会根据所述位置信息、所述页面信息和所述属性信息,从网络信息数据库中检索符合所述位置信息、所述页面信息和所述属性信息的网络信息列表。所述网络信息列表中记录了通过检索的方式筛选出来的网络信息。
步骤108,预测所述网络信息列表中每条网络信息的点击率,并向所述移动终端投放点击率最高的网络信息。
所述通过检索得到的网络信息列表中的网络信息精准度已经很高,为了进一步提高网络信息投放的精准度,本申请实施例中,采用网络信息点击率预测方法,对所述网络信息列表中的网络信息进一步筛选,得到精准度更高的网络信息。其中,网络信息点击率预测方法比较多,本申请实施例中,可以利用贝叶斯模型进行网络信息的点击率预测:
(1)对所述网络信息列表中的网络信息进行分类;
(2)根据同一类别下的网络信息的历史点击情况,构建训练集,进行模型训练。训练集样本表示为Xi=(xi,yi),其中xi为样本i的特征向量,yi为样本i的目标值,每个样本为一次移动终端用户搜索-网络信息点击事件,yi=1表示所述点击事件发生,yi=0表示所述点击事件未发生。所述特征向量包含三部分,即查询词相关特征、上下文信息及网络信息特征。其中查询词相关特征包括移动终端用户在所述点击事件中所使用的查询词、查询词相关的扩展词条等;上下文信息则包括移动终端用户的位置信息和用户的搜索历史记录等;网络信息特征包括网络信息的关键词、网络信息的标题、描述信息及网络信息的引导页(landing page)内容信息等。
(3)根据上述构建的训练集,训练贝叶斯回归模型。
(4)对移动终端用户的查询行为,参照步骤(2)构建移动终端用户-网络信息事件的特征向量。
(5)对步骤(4)所构建的所述移动终端用户-网络信息事件的特征向量,利用训练得到的贝叶斯回归模型预测该事件发生的概率,作为移动终端用户对某条网络信息的点击概率。
(6)针对同一类别下的所有网络信息,分别计算移动终端用户-网络信息点击概率,并以此对网络信息进行排序,从而实现同一类别下的网络信息的点击率排序。
本申请实施例中,根据所述调度策略信息检索符合所述调度策略信息的网络信息列表,并通过网络信息点击率预测所述网络信息列表中的所有网络信息,筛选出点击率最高的网络信息进行投放;其中,所述调度策略信息同时包括:位置信息、页面信息和属性信息;也就是说所述网络信息列表要同时符合所述位置信息、所述页面信息和所述属性信息。综上所述,本申请实例所述一种面向移动终端的网络信息投放方法,筛选出最符合移动终端用户喜好的网络信息进行投放,不会造成移动终端用户的逆反心理,投放精度高,针对性强,能满足移动终端用户的需求。
基于以上内容,本申请实施例还具体公开了一种获取所述位置信息的方法、一种获取所述页面信息的方法和一种获取所述属性信息的方法。
参照图2,示出了本申请另一实施例所述一种面向移动终端的网络信息投放方法的流程图。
步骤202,接收移动终端发来的网络信息调度请求;
其中,所述移动终端在启动app应用程序或打开网页时发起所述网络信息调度请求;
本申请实施例中,移动终端可以通过判断app程序或网页是否处于开启状态来确定是否发出网络信息调度请求:当移动终端通过判断,确定app程序或网页处于开启状态时,移动终端中的SDK会根据网络信息投放策略定时向网络信息投放系统发出所述网络信息调度请求;当移动终端通过判断,确定app程序或网页处于未开启状态时,则不会发出所述网络信息调度请求。其中,所述网络信息投放策略可以包括:网络信息投放频率、网络信息位尺寸和网络信息位类型等。
网络信息投放系统接收移动终端发出的所述网络信息调度请求。
步骤204,根据所述网络信息调度请求获取网络信息的调度策略信息;
其中,所述调度策略信息可以包括移动终端的位置信息、移动终端用户当前浏览的页面信息和移动终端用户的属性信息;所述属性信息通过分析移动终端用户的历史行为获得,所述移动终端用户的历史行为包括移动终端用户使用的app类型;
本申请实施例中,步骤204,根据所述网络信息调度请求获取网络信息的调度策略信息包括以下子步骤:子步骤2042,接收所述移动终端发出的位置信息;子步骤2044,获取移动终端用户当前浏览的页面信息和子步骤2046,获取移动终端用户的属性信息。
其中,子步骤2042、子步骤2044和子步骤2046之间不存在必然的先后顺序,互不影响,可以同时进行;当子步骤2042、子步骤2044和子步骤2046全部完成后,认为步骤204完成。
步骤206,根据所述位置信息、页面信息和属性信息信息,检索符合所述调度策略信息的网络信息列表;
步骤208,预测所述网络信息列表中每条网络信息的点击率,并向所述移动终端投放点击率最高的网络信息。
下面分别对步骤204中的每个子步骤进行详细说明:
子步骤2042,接收所述移动终端发出的位置信息;
在本申请实施例中,移动终端通过GPS(Global Positioning System,全球定位系统)和/或无线网络获取移动终端用户的位置信息,将所述位置信息发送到网络信息调度引擎,网络信息调度引擎接收所述位置信息。
首先,移动终端用户在移动终端开启了位置服务。以Android系统为例,移动终端用户可以选择设置-->位置,进行位置服务设置。
然后,根据不同的需求选择定位方式:当移动终端用户处在户外,对定位精度要求较高时,优选选用GPS定位方式获取所述移动终端用户的位置信息;当在耗电量小或者需要及时获取移动终端用户位置时,优先选用无线网络方式进行定位,无线网络方式通过移动基站或WIFI信号来判断移动终端用户位置,获取所述移动终端用户的位置信息。
具体的工作步骤:1、在manifest.xml中设置权限,获取位置许可。2、获取LocationManager实例,并创建位置监听服务,从而移动终端可以获取移动设备位置的定期更新,或在设备接近特定地理位置时发起意图提醒。其中,Android是一种基于Linux的自由及开放源代码的操作系统,而Manifest.xml是每个Android系统中必须包含的一个文件,LocationManager是Android系统中的一个类,用于进行定位服务。
子步骤2044,获取移动终端用户当前浏览的页面信息;
本申请实施例中,预先设置有页面分析数据库,页面分析数据库可以存储页面对应的链接地址和页面信息,并以key-value的形式存储所述链接地址和所述页面信息的对应关系。其中,所述页面包括:网页页面和/或app应用程序页面。
进一步的,参照图3,图3是图2所示方法中的一种获取移动终端用户当前浏览的页面信息的流程图,子步骤2044包括以下子步骤:
子步骤302,从所述网络信息调度请求中提取所述移动终端用户当前浏览的页面对应的链接地址;
子步骤304,在预置的页面分析数据库中查找是否存在所述链接地址,若所述页面分析数据库中存在所述链接地址,则进行子步骤306;若不存在,则依次进行子步骤308、子步骤310和子步骤312;
子步骤306,获取并返回所述页面分析数据库中存在所述链接地址:因为所述页面分析数据库中的每个链接地址都有一个与其对应的页面信息,进而从所述页面分析数据库中获取与所述链接地址对应的页面信息,并返回所述链接地址对应的页面信息至网络信息投放系统;
子步骤308,所述页面分析数据库中不存在所述链接地址,则将所述链接地址送入爬虫程序,抓取所述链接地址对应的页面内容;
子步骤310,通过页面内容分析模型对抓取的所述页面内容进行分析。首先,所述页面内容分析模型对所述页面内容进行分词,并计算每个词的权重(具体权重计算方法视实际应用会有所不同,如采用TF、TF*IDF、信息熵等权重);然后,选取权重最高的Top关键词列表作为页面关键词;同时为了弥补页面关键词描述能力不足的缺陷,扩展与所述页面关键词语义相关但不一定页面中出现的词,作为扩展关键词;根据关键词、链接关系等对页面进行特征描述,利用页面分类模型对页面进行类别划分,进一步的利用LDA(Linear Discriminant Analysis,线性判别分析)或PLSA(Probability Latent Semantic Analysis,用于文本分析的Matlab算法)等主题模型对页面集合进行主题聚类分析。
子步骤312,通过页面内容分析模型分析得到所述页面内容对应的页面信息,并返回所述页面信息至网络信息投放系统。
其中,所述页面信息可以是关键词、扩展关键词、页面类型等信息。
子步骤2046,获取移动终端用户的属性信息;
本申请实施例中,移动终端用户的历史行为包括移动终端用户使用的app类型、浏览的页面信息、使用的搜索信息和位置轨迹信息等。其中,在应用商店如app store中,每个应用都会人为指定一种类别,因此可以根据app在应用市场中的分类,获取所述app类型;也可以根据预先标注的app样本,建立app分类模型,自动对app进行分类,采用自动分类方法获取所述app类型。
所述移动终端用户使用的搜索信息可以包括但不仅限于:搜索过的关键词和搜索过的页面等信息;所述位置轨迹信息可以包括但不仅限于:移动终端用户不同时刻所在的位置信息。
进一步的,参照图4,图4是图2所示方法中的一种获取移动终端用户的属性信息的流程图。
本申请实施例中,子步骤2046,获取移动终端用户的属性信息,包括以下子步骤:
子步骤402,获取移动终端用户的cookie或ID信息:从网络信息调度请求中获取移动终端用户的cookie或ID信息;
子步骤404,查询预置的移动终端用户属性key-value数据库,根据所述cookie或ID信息获取所述key-value数据库中的key:查询预置的移动终端用户属性key-value数据库,获取所述移动终端用户属性key-value数据库中存储有所述cookie或ID信息的key;
子步骤406,从所述key-value数据库中获取与所述key对应的value:根据所述key-value数据库中key与value的对应关系,获取与所述key对应的value;
子步骤408,根据所述value查询移动终端用户的属性信息:由于所述value对应所述移动终端用户的属性信息,因此根据所述value查询移动终端用户的属性信息;
子步骤410,获取移动终端用户的属性信息:移动终端用户属性key-value数据库中保存移动终端用户属性分析结果,即所述移动终端用户属性key-value数据库以key-value的存储形式保存移动终端用户的cookie或ID信息与属性信息的对应关系;其中key为移动终端用户的cookie或ID信息,value为属性信息。
本申请实施例中,所述移动终端用户的属性信息包括:移动终端用户的兴趣组偏好和/或移动终端用户的人口学特性。
参照图5,图5是一种获取移动终端用户兴趣组偏好的流程图;当所述属性信息包括移动终端用户的兴趣组偏好时,子步骤2046,获取移动终端用户的属性信息,包括以下子步骤:
子步骤502,构建兴趣组类别体系:根据具体应用构建合适的兴趣组类别体系,如在网络信息投放中,所构建的兴趣组体系需要与网络信息行业相兼容;
子步骤504,分析移动终端用户的历史行为,并对所述历史行为进行分类:对移动终端用户访问过的网址及搜索过的查询词等历史行为进行分类,以确定当移动终端用户访问所述网址或搜索所述关键词时所产生的兴趣组偏好;
子步骤506,按照所述历史行为的分类,将所述移动终端用户划分至与所述历史行为分类相对应的兴趣组类别体系中:利用移动终端用户社区挖掘的结构,分别将用户、网址、查询词等表示为不同社区主题的分布,根据网址及关键词等历史行为的兴趣组分类,将所述移动终端用户划分至与所述历史行为分类相对应的兴趣组类别体系中,挖掘移动终端用户的兴趣组类别;
子步骤508,获取移动终端用户的兴趣偏好;
参照图6,图6是一种获取移动终端用户人口学特性的流程图;当所述属性信息包括移动移动终端用户的人口学特性时,子步骤2046,获取移动终端用户的属性信息,包括以下子步骤:
子步骤602,建立人口学特性训练样本:移动终端用户在社交网站账号、即时通讯的报文和使用的app应用程序中往往包含其性别、年龄等信息;同时,一些网址或app应用程序本身也具备性别、年龄等的偏向性:如女性时尚类网址或app应用程序的移动终端用户通常是女性用户,而老年人论坛类网站的访问人群多为老年人等。通过统计这些信息,建立人口学特性训练样本;
子步骤604,分析移动终端用户的历史行为,对所述移动终端用户进行分类:利用SVM(Support Vector Machine支持向量机,作为一种可训练的机器学习方法)或决策树分类方法,对所有移动终端用户依据其浏览及搜索等历史行为进行分类;进而预测出其性别、年龄等人口学特性;
子步骤606,通过所述训练样本分析所述移动终端用户的分类:根据所述人口学特性训练样本,分析所述历史行为分类,预测出移动终端用户的性别、年龄等属性信息;
子步骤608,获取移动终端用户的人口学特性;
综上所述,本申请实施例中,同时采用以下三种方法获取网络信息调度策略:对位置信息的充分挖掘,准确的把握用户的行为轨迹和当前兴趣点;对页面信息的充分获取和分析,准确的把握移动终端用户当前所关注的内容和当前兴趣点;对移动终端用户的历史行为分析,准确的把握移动终端用户的兴趣偏好、性别、年龄、收入和婚姻状况等用户属性信息。通过所述调度策略对网络信息进行筛选,并将筛选得到的网络信息进行点击率预测,然后投放点击率最高的网络信息。采用三种获取网络信息调度策略的方法,准确全面的把握了移动终端的爱好、需求和属性,信息挖掘充分,准确筛选出与移动终端用户访问行为相适的网络信息,针对性强。将检索出的网络信息通过进一步点击率预测后进行投放,投放更加精准。
与本申请实施例提供的一种面向移动终端的网络信息投放方法相对应,本申请实施例还提供了一种面向移动终端的网络信息投放系统,参见图7,该系统可以包括:
网络信息调度模块702,用于接收移动终端发来的网络信息调度请求;其中,所述移动终端在启动app应用程序或打开网页时发起所述网络信息调度请求;
调度策略信息分析模块704,用于根据所述网络信息调度请求获取调度策略信息;其中,所述调度策略信息包括移动终端的位置信息、移动终端用户当前浏览的页面信息和移动终端用户的属性信息;所述属性信息通过分析移动终端用户的历史行为获得,所述移动终端用户的历史行为包括移动终端用户使用的app类型;
网络信息检索模块706,用于根据所述调度策略信息,检索符合所述调度策略信息的网络信息列表;
网络信息预测及投放模块708,用于预测所述网络信息列表中每条网络信息的点击率,并向所述移动终端投放点击率最高的网络信息。
具体实现时,根据所述网络信息调度请求获取调度策略信息中的位置信息时,所述调度策略信息分析模块704,可以包括:位置信息接收子模块,用于接收所述移动终端发出的位置信息。
根据所述网络信息调度请求获取调度策略信息中的页面信息时,参见图8,所述调度策略信息分析模块704,可以包括:
链接地址提取子模块802,用于从所述网络信息调度请求中提取所述移动终端用户当前浏览的页面对应的链接地址;
链接地址查询子模块804,用于查询预置的页面分析数据库中是否包含所述链接地址,若所述页面分析数据库中包含所述链接地址,则返回与所述链接地址相对应的页面信息;若所述页面分析数据库中不包含所述链接地址,则将所述链接地址送入爬虫程序,抓取所述链接地址对应的页面内容;
页面信息获取子模块806,用于通过页面内容分析模型,分析所述页面内容,得到所述页面内容对应的页面信息。
具体实现时,根据所述网络信息调度请求获取调度策略信息中的属性信息时,参见图9,所述调度策略信息分析模块704,可以包括:
身份信息获取子模块902,用于从所述网络信息调度请求中获取所述移动终端用户的cookie或ID信息;
Key查询获取子模块904,用于查询预置的移动终端用户属性key-value数据库,获取所述移动终端用户属性key-value数据库中存储有所述cookie或ID信息的key;
属性信息获取子模块906,用于根据所述移动终端用户属性key-value数据库中key与value的对应关系,获取与所述key对应的value,所述value为所述移动终端用户的属性信息。
其中,所述属性信息可以包括:移动终端用户的兴趣组偏好和/或人口学特性。具体实施时,当所述属性信息包括移动终端用户的兴趣组偏好时,参见图10,所述调度策略信息分析模块704,可以包括:
兴趣组体系构建子模块1002,用于构建兴趣组类别体系;
历史行为分类子模块1004,用于分析所述移动终端用户的历史行为,对所述历史行为进行分类;
兴趣组分类子模块1006,用于根据所述历史行为的分类,将所述移动终端用户划分至与所述历史行为分类相对应的兴趣组类别体系中,得到所述移动终端用户的兴趣组偏好。
当所述属性信息包括移动终端用户的人口学特性时,参见图11,所述调度策略信息分析模块704,可以包括:
样本训练子模块1102,用于建立人口学特性训练样本;
历史行为分类子模块1104,用于分析所述移动终端用户的历史行为,对所述移动终端用户进行分类;
人口学特性获取子模块1106,用于通过所述训练样本分析所述移动终端用户的分类,得到所述移动终端用户的人口学特性。
本申请实施例中,由于对所述位置信息、所述页面信息和所述属性信息同时进行分析,并通过网络信息预测及投放模块708进行网络信息的投放,投放准确,精准度高。
对于系统实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
以上对本申请所提供的一种面向移动终端的网络信息投放方法和系统,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。

Claims (12)

1.一种面向移动终端的网络信息投放方法,其特征在于,包括:
接收移动终端发来的网络信息调度请求;其中,所述移动终端在启动app应用程序或打开网页时发起所述网络信息调度请求;
根据所述网络信息调度请求获取网络信息的调度策略信息;其中,所述调度策略信息包括移动终端的位置信息、移动终端用户当前浏览的页面信息和移动终端用户的属性信息;所述属性信息通过分析移动终端用户的历史行为获得,所述移动终端用户的历史行为包括移动终端用户使用的app类型;
根据所述调度策略信息,检索符合所述调度策略信息的网络信息列表;
预测所述网络信息列表中每条网络信息的点击率,并向所述移动终端投放点击率最高的网络信息。
2.根据权利要求1所述的方法,其特征在于,所述移动终端用户的历史行为还包括:
移动终端用户浏览的页面信息、使用的搜索信息和移动终端用户的位置轨迹信息。
3.根据权利要求1或2所述的方法,其特征在于,所述属性信息包括:移动终端用户的兴趣组偏好,和/或,移动终端用户的人口学特性;
当所述属性信息包括移动终端用户的兴趣组偏好时,所述属性信息通过分析移动终端用户的历史行为获得,包括:
构建兴趣组类别体系;
分析所述移动终端用户的历史行为,对所述历史行为进行分类;
根据所述历史行为的分类,将所述移动终端用户划分至与所述历史行为分类相对应的兴趣组类别体系中,得到所述移动终端用户的兴趣组偏好;
当所述属性信息包括移动终端用户的人口学特性时,所述属性信息通过分析移动终端用户的历史行为获得,包括:
建立人口学特性训练样本;
分析所述移动终端用户的历史行为,对所述移动终端用户进行分类;
通过所述训练样本分析所述移动终端用户的分类,得到所述移动终端用户的人口学特性。
4.根据权利要求1所述的方法,其特征在于,根据所述网络信息调度请求获取网络信息的调度策略信息,包括:
从所述网络信息调度请求中获取移动终端用户的cookie或ID信息;
查询预置的移动终端用户属性key-value数据库,获取所述移动终端用户属性key-value数据库中存储有所述cookie或ID信息的key;
根据所述移动终端用户属性key-value数据库中key与value的对应关系,获取与所述key对应的value,所述value为所述移动终端用户的属性信息。
5.根据权利要求1所述的方法,其特征在于,根据所述网络信息调度请求获取网络信息的调度策略信息,包括:
接收所述移动终端发出的位置信息;
所述移动终端通过全球定位系统和/或无线网络获取所述位置信息。
6.根据权利要求1所述的方法,其特征在于,根据所述网络信息调度请求获取网络信息的调度策略信息,包括:
从所述网络信息调度请求中提取所述移动终端用户当前浏览的页面对应的链接地址;
查询预置的页面分析数据库中是否包含所述链接地址,若所述页面分析数据库中包含所述链接地址,则返回与所述链接地址相对应的页面信息;若所述页面分析数据库中不包含所述链接地址,则将所述链接地址送入爬虫程序,抓取所述链接地址对应的页面内容;
通过页面内容分析模型,分析所述页面内容,得到所述页面内容对应的页面信息;
其中,所述移动终端用户当前浏览的页面包括:网页页面和/或app应用程序页面。
7.一种面向移动终端的网络信息投放系统,其特征在于,包括:
网络信息调度模块,用于接收移动终端发来的网络信息调度请求;其中,所述移动终端在启动app应用程序或打开网页时发起所述网络信息调度请求;
调度策略信息分析模块,用于根据所述网络信息调度请求获取调度策略信息;其中,所述调度策略信息包括移动终端的位置信息、移动终端用户当前浏览的页面信息和移动终端用户的属性信息;所述属性信息通过分析移动终端用户的历史行为获得,所述移动终端用户的历史行为包括移动终端用户使用的app类型;
网络信息检索模块,用于根据所述调度策略信息,检索符合所述调度策略信息的网络信息列表;
网络信息预测及投放模块,用于预测所述网络信息列表中每条网络信息的点击率,并向所述移动终端投放点击率最高的网络信息。
8.根据权利要求7所述的系统,其特征在于,所述移动终端用户的历史行为还包括:
移动终端用户浏览的页面信息、使用的搜索信息和移动终端用户的位置轨迹信息。
9.根据权利要求7或8所述的系统,其特征在于,所述属性信息包括:移动终端用户的兴趣组偏好,和/或,移动终端用户的人口学特性;
当所述属性信息包括移动终端用户的兴趣组偏好时,所述调度策略信息分析模块,包括:
兴趣组体系构建子模块,用于构建兴趣组类别体系;
历史行为分类子模块,用于分析所述移动终端用户的历史行为,对所述历史行为进行分类;
兴趣组分类子模块,用于根据所述历史行为的分类,将所述移动终端用户划分至与所述历史行为分类相对应的兴趣组类别体系中,得到所述移动终端用户的兴趣组偏好;
当所述属性信息包括移动终端用户的人口学特性时,所述调度策略信息分析模块,包括:
样本训练子模块,用于建立人口学特性训练样本;
历史行为分类子模块,用于分析所述移动终端用户的历史行为,对所述移动终端用户进行分类;
人口学特性获取子模块,用于通过所述训练样本分析所述移动终端用户的分类,得到所述移动终端用户的人口学特性。
10.根据权利要求7所述的系统,其特征在于,所述调度策略信息分析模块,包括:
身份信息获取子模块,用于从所述网络信息调度请求中获取所述移动终端用户的cookie或ID信息;
Key查询获取子模块,用于查询预置的移动终端用户属性key-value数据库,获取所述移动终端用户属性key-value数据库中存储有所述cookie或ID信息的key;
属性信息获取子模块,用于根据所述移动终端用户属性key-value数据库中key与value的对应关系,获取与所述key对应的value,所述value为所述移动终端用户的属性信息。
11.根据权利要求7所述的系统,其特征在于,所述调度策略信息分析模块,包括:位置信息接收子模块,用于接收所述移动终端发出的位置信息;
所述移动终端通过全球定位系统和/或无线网络获取所述位置信息。
12.根据权利要求7所述的系统,其特征在于,所述调度策略信息分析模块,包括:
链接地址提取子模块,用于从所述网络信息调度请求中提取所述移动终端用户当前浏览的页面对应的链接地址;
链接地址查询子模块,用于查询预置的页面分析数据库中是否包含所述链接地址,若所述页面分析数据库中包含所述链接地址,则返回与所述链接地址相对应的页面信息;若所述页面分析数据库中不包含所述链接地址,则将所述链接地址送入爬虫程序,抓取所述链接地址对应的页面内容;
页面信息获取子模块,用于通过页面内容分析模型,分析所述页面内容,得到所述页面内容对应的页面信息;
其中,所述移动终端用户当前浏览的页面包括:网页页面和/或app应用程序页面。
CN201310398711.4A 2013-09-04 2013-09-04 一种面向移动终端的网络信息投放方法和系统 Pending CN103514266A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310398711.4A CN103514266A (zh) 2013-09-04 2013-09-04 一种面向移动终端的网络信息投放方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310398711.4A CN103514266A (zh) 2013-09-04 2013-09-04 一种面向移动终端的网络信息投放方法和系统

Publications (1)

Publication Number Publication Date
CN103514266A true CN103514266A (zh) 2014-01-15

Family

ID=49896990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310398711.4A Pending CN103514266A (zh) 2013-09-04 2013-09-04 一种面向移动终端的网络信息投放方法和系统

Country Status (1)

Country Link
CN (1) CN103514266A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810623A (zh) * 2014-03-04 2014-05-21 深圳市远行科技有限公司 一种实时的自动营销方法及系统
CN104462241A (zh) * 2014-11-18 2015-03-25 北京锐安科技有限公司 基于url中锚文字和周边文本的人口属性分类方法及装置
CN104933047A (zh) * 2014-03-17 2015-09-23 北京奇虎科技有限公司 一种确定搜索词的价值的方法和装置
CN104955002A (zh) * 2014-03-28 2015-09-30 中国移动通信集团北京有限公司 一种信息投放的方法及系统
WO2016082428A1 (zh) * 2014-11-28 2016-06-02 华为技术有限公司 一种为业务策略确定目标用户的方法、装置及系统
CN105681830A (zh) * 2016-02-06 2016-06-15 优住(北京)科技股份公司 一种基于用户的兴趣点的广告播放系统及播放平台
CN106095816A (zh) * 2016-05-31 2016-11-09 腾讯科技(深圳)有限公司 信息投放方法和装置
CN106331027A (zh) * 2015-06-30 2017-01-11 腾讯科技(深圳)有限公司 信息推送方法、推送装置及系统
CN107483521A (zh) * 2016-06-08 2017-12-15 阿里巴巴集团控股有限公司 一种信息展示方法、装置及系统
CN107609902A (zh) * 2017-08-28 2018-01-19 口碑(上海)信息技术有限公司 一种定向广告的展示方法及装置
CN110515904A (zh) * 2019-08-13 2019-11-29 北京达佳互联信息技术有限公司 媒体文件的质量预测模型训练方法、质量预测方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100235241A1 (en) * 2009-03-10 2010-09-16 Google, Inc. Generating user profiles
CN102164154A (zh) * 2010-02-22 2011-08-24 中国联合网络通信集团有限公司 一种网络信息推送的方法及系统
CN102215300A (zh) * 2011-05-24 2011-10-12 中国联合网络通信集团有限公司 电信业务推荐方法和系统
CN103064863A (zh) * 2011-10-24 2013-04-24 北京百度网讯科技有限公司 一种提供推荐信息的方法与设备
CN103179152A (zh) * 2011-12-22 2013-06-26 中国电信股份有限公司 业务信息下发方法、系统及业务平台
CN103200262A (zh) * 2013-04-02 2013-07-10 亿赞普(北京)科技有限公司 一种基于移动网络的广告调度方法、装置及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100235241A1 (en) * 2009-03-10 2010-09-16 Google, Inc. Generating user profiles
CN102164154A (zh) * 2010-02-22 2011-08-24 中国联合网络通信集团有限公司 一种网络信息推送的方法及系统
CN102215300A (zh) * 2011-05-24 2011-10-12 中国联合网络通信集团有限公司 电信业务推荐方法和系统
CN103064863A (zh) * 2011-10-24 2013-04-24 北京百度网讯科技有限公司 一种提供推荐信息的方法与设备
CN103179152A (zh) * 2011-12-22 2013-06-26 中国电信股份有限公司 业务信息下发方法、系统及业务平台
CN103200262A (zh) * 2013-04-02 2013-07-10 亿赞普(北京)科技有限公司 一种基于移动网络的广告调度方法、装置及系统

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810623A (zh) * 2014-03-04 2014-05-21 深圳市远行科技有限公司 一种实时的自动营销方法及系统
CN104933047B (zh) * 2014-03-17 2020-02-04 北京奇虎科技有限公司 一种确定搜索词的价值的方法和装置
CN104933047A (zh) * 2014-03-17 2015-09-23 北京奇虎科技有限公司 一种确定搜索词的价值的方法和装置
CN104955002A (zh) * 2014-03-28 2015-09-30 中国移动通信集团北京有限公司 一种信息投放的方法及系统
CN104462241A (zh) * 2014-11-18 2015-03-25 北京锐安科技有限公司 基于url中锚文字和周边文本的人口属性分类方法及装置
WO2016082428A1 (zh) * 2014-11-28 2016-06-02 华为技术有限公司 一种为业务策略确定目标用户的方法、装置及系统
CN106331027A (zh) * 2015-06-30 2017-01-11 腾讯科技(深圳)有限公司 信息推送方法、推送装置及系统
CN105681830A (zh) * 2016-02-06 2016-06-15 优住(北京)科技股份公司 一种基于用户的兴趣点的广告播放系统及播放平台
CN106095816A (zh) * 2016-05-31 2016-11-09 腾讯科技(深圳)有限公司 信息投放方法和装置
CN107483521A (zh) * 2016-06-08 2017-12-15 阿里巴巴集团控股有限公司 一种信息展示方法、装置及系统
US10712915B2 (en) 2016-06-08 2020-07-14 Alibaba Group Holding Limited Information presentation using a client on a terminal
CN107609902A (zh) * 2017-08-28 2018-01-19 口碑(上海)信息技术有限公司 一种定向广告的展示方法及装置
CN110515904A (zh) * 2019-08-13 2019-11-29 北京达佳互联信息技术有限公司 媒体文件的质量预测模型训练方法、质量预测方法及装置

Similar Documents

Publication Publication Date Title
CN103514266A (zh) 一种面向移动终端的网络信息投放方法和系统
US12073347B2 (en) User objective assistance technologies
Cao et al. Mining smartphone data for app usage prediction and recommendations: A survey
CN111279328B (zh) 预测对于特定场境的搜索的意图
CN110235154B (zh) 使用特征关键词将会议与项目进行关联
CN104348855B (zh) 用户信息的处理方法、移动终端及服务器
Yin et al. Modeling location-based user rating profiles for personalized recommendation
KR102077289B1 (ko) 개인화된 엔티티 리포지터리
JP2021108183A (ja) 意図推薦方法、装置、機器及び記憶媒体
WO2021098648A1 (zh) 文本推荐方法、装置、设备及介质
US10209079B2 (en) Optimization of map views based on real-time data
KR101482756B1 (ko) 의미적 지역을 기반으로 검색어를 추천하는 방법 및 시스템
CN111563190B (zh) 一种区域网络用户行为的多维度分析与监管方法及系统
US20130210480A1 (en) State detection
KR20120076447A (ko) 모바일 사용자 상황 기반 지능형 광고 서비스 방법 및 장치
WO2018075372A1 (en) Project entity extraction with efficient search and processing of projects
US10235428B2 (en) Discovery of news-related content
CN102460431A (zh) 行为和情境数据分析的系统和方法
CN104239463A (zh) 搜索方法和搜索引擎
Markou et al. Predicting taxi demand hotspots using automated internet search queries
CN103020069A (zh) 一种搜索数据的方法、装置及电子设备
Crestani et al. Mobile information retrieval
CN110502692B (zh) 基于搜索引擎的信息检索方法、装置、设备和存储介质
JP2013093015A (ja) 情報推薦方法、装置及びプログラム
CN113449207A (zh) 电子设备定位的方法、装置、服务器、系统以及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20140115