CN106547908B - 一种信息推送方法和系统 - Google Patents
一种信息推送方法和系统 Download PDFInfo
- Publication number
- CN106547908B CN106547908B CN201611051650.4A CN201611051650A CN106547908B CN 106547908 B CN106547908 B CN 106547908B CN 201611051650 A CN201611051650 A CN 201611051650A CN 106547908 B CN106547908 B CN 106547908B
- Authority
- CN
- China
- Prior art keywords
- advertisement
- keyword
- class
- candidate
- video frame
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本申请公开了一种信息推送方法和系统，其中方法包括：客户端在播放可推送广告的视频时，按照预设的帧提取策略，提取当前播放的视频帧，根据所述视频帧，生成相应的用自然语言表达的场景描述语句并发送给服务器；所述服务器从所述场景描述语句中提取出用于选择推送广告的关键词；根据所述关键词和广告的热度确定当前需要推送的广告，并发送给所述客户端显示所述广告。采用本发明，可以在用户播放视频时自动地提供用户感兴趣概率较大的产品信息。
Description
技术领域
本发明涉及计算机应用技术，特别是涉及一种信息推送方法和系统。
背景技术
目前常用的广告推荐方法有多种，主要包括如下几种：
一、基于用户偏好获取技术：在电视平台上，通过统计用户偏好信息，推荐相应地广告。该方法中，由于服务器收集用户偏好信息需要往往存在巨大误差，推荐结果通常不具有针对性，即所推荐的信息与用户的实际偏好往往不匹配。
二、基于交互推荐技术：在电视平台上，用户主动与电视客户端交互信息(如用户输入或选择广告订阅信息)，服务器根据用户交互信息，推荐对应广告。该方法依赖于用户主动获取广告，即需要用户提交广告订阅信息。
由此可见，上述传统的广告推荐方法存在信息推送的准确度低或者依赖用户操作无法在视频播放时实现广告的自动推送等问题。
发明内容
有鉴于此，本发明的主要目的在于提供一种信息推送方法和系统，可以在用户播放视频时自动地提供用户感兴趣概率较大的产品信息。
为了达到上述目的，本发明提出的技术方案为：
一种信息推送方法，包括：
客户端在播放可推送广告的视频时，按照预设的帧提取策略，提取当前播放的视频帧，根据所述视频帧，生成相应的用自然语言表达的场景描述语句并发送给服务器；
所述服务器从所述场景描述语句中提取出用于选择推送广告的关键词；根据所述关键词和广告的热度确定当前需要推送的广告，并发送给所述客户端显示所述广告。
一种信息推送系统，包括：
客户端，用于在播放可推送广告的视频时，按照预设的帧提取策略，提取当前播放的视频帧，根据所述视频帧，生成相应的用自然语言表达的场景描述语句并发送给服务器；
服务器，用于从所述场景描述语句中提取出用于选择推送广告的关键词；根据所述关键词和广告的热度确定当前需要推送的广告，并发送给所述客户端显示所述广告。
综上所述，本发明提出的信息推送方法和系统，客户端按照预设的提取策略，对当前播放的视频帧进行实时地提取，之后针对所提取的视频帧，生成相应的用自然语言表达的场景描述语句，服务器根据场景描述语句和广告的热度，自动地为用户匹配当前需要推送的产品信息。因此，采用本发明，可以自动地为用户推送与当前播放视频的场景契合度很高且用户感兴趣概率较大的产品信息。
附图说明
图1为本发明实施例的方法流程示意图；
图2为本发明实施例的系统结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步地详细描述。
本发明的核心思想是：按照一定提取策略，动态地实时提取当前播放的视频帧，根据该视频帧自动地为用户提供与视频帧的场景契合度很高的产品信息。
图1为本发明实施例的流程示意图，如图1所示，该实施例实现信息推送方法主要包括：
步骤101、客户端在播放可推送广告的视频时，按照预设的帧提取策略，提取当前播放的视频帧，根据所述视频帧，生成相应的用自然语言表达的场景描述语句并发送给服务器。
本步骤中，考虑到视频帧的场景中往往隐含地包含产品信息，因此，将按照一定的策略对当前正在播放的视频帧进行提取，并对提取的视频帧中的场景用自然语言进行描述后发给服务器，以便此后服务器可以基于该场景描述语言和广告的热度，选择出当前推送的产品信息。例如，比如都市剧《速度与激情》系列出现的车，图像自然语言描述能够产生比如“汽车在互相追逐”，电视剧《来自星星的你》出现化妆的场景，图像自然语言描述能够产生比如“一个女人在化妆”等信息。
这里需要说明的是，本步骤通过实时地提取视频帧，进行视频内容的自动捕捉，而不需要预先进行视频的缓存，如此，可以在用户播放直播视频时，不需要用户暂停视频的播放即可实时地为用户提供其感兴趣的产品信息。
考虑到过度频繁地进行视频帧的提取会影响处理效率，也会带来大量噪声，因此在本步骤中，将采用一定的提取策略进行提取视频帧，以便对视频帧的提取时机进行控制。较佳地，所述帧提取策略可以包括以下内容：
如果当前视频帧属于点播视频的帧且所属镜头的属性信息包含预设的关键词，则提取该视频帧；如果当前视频帧属于直播视频且当前到达了预设的提取周期，则对当前视频帧进行基于图像梯度方向直方图HOG描述子的人员检测，如果检测到人，则提取该视频帧。
在上述策略中，考虑到人们往往对人类参与互动的物品比较感兴趣，因此，在视频帧中有人出现的时候，将提取该视频帧，以便可以进一步基于该视频帧中的场景为用户提供其感兴趣的广告信息。
所述提取周期用于控制视频提取的频度，本领域技术人员可根据实际需要设置合适取值。
较佳地，可以采用下述方法生成相应的用自然语言表达的场景描述语句：
根据所述视频帧的图像，利用预先构建的图像自然语言描述模型，生成相应的场景描述语句；根据所述视频帧的语音和字幕信息，生成相应的场景描述语句。
在实际应用中，可以根据一系列用于进行模型训练的图像，采用最大似然方法，生成图像自然语言描述模型，具体地，可以采用下述方法实现：
对于每个预设的用于模型训练的图像，采用卷积神经网络(CNN)，将所述用于模型训练的图像表征为特征矢量的集合；根据所述特征矢量的集合，采用预设的循环神经网络(RNN)进行训练模型，得到所述图像自然语言描述模型。
在实际应用中，本领域技术人员可以根据实际需要选择合适的循环神经网络，例如可以选择简单的Elamn神经网络，也可以选择准确率更高的长短期记忆神经网络(LSTM)。
上述模型构建方法中，采用CNN将用于模型训练的图像表征为特征矢量的集合以及根据所述特征矢量的集合采用RNN进行训练模型的具体方法为本领域技术人员所掌握，在此不再赘述。
步骤102、所述服务器从所述场景描述语句中提取出用于选择推送广告的关键词；根据所述关键词和广告的热度确定当前需要推送的广告，并发送给所述客户端显示所述广告。
本步骤中，将从场景描述语句中提取出用于选择广告的关键词，并根据所提出的关键词和广告的热度确定当前需要推送的广告，如此，可以确保所确定出的广告与视频场景中出现的产品相匹配并且尽可能地与用户的兴趣相匹配，从而可以提高产品信息推送的准确度
较佳地，可以采用下述方法从所述场景描述语句中提取出用于选择推送广告的关键词：
对所述场景描述语句进行单词的划分，并确定所得到的各单词的词性；将所述单词中的名词作为所述用于选择推送广告的关键词。
较佳地，可以采用下述方法根据所述关键词和广告的热度确定当前需要推送的广告：
步骤a1、判断所述视频的类型是否为点播视频且所述视频的内容标签中是否包含指定广告，如果是，则执行步骤a2；否则，执行步骤a3。
本步骤中，如果当前播放的是点播视频且已预先指定了需要推送的广告，则可以直接执行步骤a2，将所指定的广告作为当前推送的广告，否则，将进入步骤a3，以便进一步基于从视频帧中提取出的关键词以及广告热度，选择出当前需要推送的广告。
步骤a2、将所述指定广告作为当前需要推送的广告，退出所述确定当前需要推送的广告的过程。
步骤a3、对于每个所述关键词，根据预设的广告词特征向量映射表，确定该关键词的特征向量，并根据该特征向量，利用余弦相似度计算该关键词与每种广告类的相似度；当所述相似度中的最大值大于预设的相似度阈值时，将对应的关键词作为候选关键词，同时将对应的广告类作为候选广告类。
上述方法中，通过计算关键词与每种广告类的相似度，确定出用于选择推送广告的候选关键词和对应的候选广告类。
所述广告词特征向量映射表为预设的用于表征各广告关键词对应的特征向量，较佳地，具体可以采用下述方法生成该广告词特征向量映射表：
设置每个广告的广告关键词集合；对于每个所述广告关键词，根据该广告关键词所属的广告类，采用词向量的方式，生成该广告关键词的特征向量；根据所有广告关键词的特征向量，生成所述广告词特征向量映射表。
具体地，采用词向量的方式生成广告关键词的特征向量的方法为本领域技术人员所掌握，在此不再赘述。
较佳地，可以采用下述方法利用余弦相似度计算关键词与每种广告类的相似度：
对于每个预设的广告类，计算属于该广告类的所有广告关键词的特征向量的平均值，将该平均值作为该广告类的中心特征向量；利用余弦相似度计算该关键词的特征向量与每种广告类的中心特征向量之间的距离，根据所述距离得到该关键词与每种广告类的相似度。
在实际应用中，广告类是由本领域技术人员根据实际应用需要进行划分的，可根据广告投递内容动态更改，包含但不局限于水果，车，服装，鞋子，化妆品，人物，书籍等。此外，类与类之间可能有交叉关系，比如人物与书籍之间有直接关联关系，服装与鞋子之间因为人们往往同时购买也会产生关联关系。这些关联关系可由本领域技术人员根据实际需要进行设置，存储在稀疏矩阵中或者图模型中。
a4、查找是否存在以所述候选关键词作为广告关键词的广告，如果有，则将所查找出的广告作为候选广告。
本步骤中，如果候选关键词有直接对应的广告，则将对应的广告作为候选广告。
a5、当所述候选广告为2个以上时，选择其中优先级最高的广告作为当前需要推送的广告；当所述候选广告为1个时，则将该候选广告作为当前需要推送的广告；当没有所述候选广告时，根据预设的各广告类之间的关联关系，采用协同过滤的方法，选择所述候选广告类下热点最高的广告作为当前需要推送的广告。
步骤a5中，当候选广告为多个时，选择其中优先级最高的广告作为当前需要推送的广告，广告的优先级可由本领域技术人员预先根据实际需要进行设置。当步骤a4中没有确定出候选广告时，则考虑根据步骤a3中确定出的候选广告类，选择候选广告类下热点最高的广告作为当前需要推送的广告。
在实际应用中，可以采用传统的协同过滤方法，选择所述候选广告类下热点最高的广告作为当前需要推送的广告。但是考虑到传统的协同过滤方法一般需要全部用户和物品共同参与计算，但电视用户众多，采用传统的协同过滤方法将降低推荐效率，不便于大规模使用。较佳地，为了提高效率，可以采用下述改进的协同过滤方法确定所述候选广告类下热点最高的广告：
根据系统中每个用户的点击或购买广告产品的历史记录数据，利用MinHash算法对用户进行分类，其中，同一类用户中两两之间的相似度大于预设的相似阈值；将当前所述客户端所属用户所在用户类下的所有用户作为相似用户；根据所述相似用户点击或购买所述候选广告类下广告产品的历史记录数据，采用协同过滤模型，确定所述候选广告类下热点最高的广告。
在上述改进的协同过滤方法中，将确定出与当前播放视频的用户具有相似喜好的用户，然后再仅根据这些用户(而非所有电视用户)的点击或购买候选广告类下广告产品的历史记录数据，采用协同过滤模型，确定出候选广告类下热点最高的广告。这样，将大幅度缩小所使用数据量，同时，还能确保用户对所选择出的热点最高的广告最大可能地感兴趣。
上述方法中，通过利用MinHash算法对用户进行分类，使得具有相似行为喜好的用户属于同一类。具体的分类方法为本领域技术人员所掌握，在此不再赘述。
在实际应用中，可以采用现有的协同过滤模型确定出候选广告类下热点最高的广告，例如可以采用K近邻(KNN)、受限波尔兹曼机(RBM)等协同过滤模型。具体确定方法为本领域技术人员所掌握，在此不再赘述。
具体地，本步骤103中客户端可以采用下述方法显示广告：
所述客户端采用在视频播放窗口中弹出小窗口的方式，显示所述广告；如果在预设的显示时长内没有检测到所述用户点击所述小窗口，则关闭所述小窗口。
图2为与上述方法相对应的一种信息推送系统结构示意图，如图2所示，该系统包括：
客户端，用于在播放可推送广告的视频时，按照预设的帧提取策略，提取当前播放的视频帧，根据所述视频帧，生成相应的用自然语言表达的场景描述语句并发送给服务器；
服务器，用于从所述场景描述语句中提取出用于选择推送广告的关键词；根据所述关键词和广告的热度确定当前需要推送的广告，并发送给所述客户端显示所述广告。
较佳地，所述帧提取策略包括：
如果当前视频帧属于点播视频的帧且所属镜头的属性信息包含预设的关键词，则提取该视频帧；
如果当前视频帧属于直播视频且当前到达了预设的提取周期，则对当前视频帧进行基于图像梯度方向直方图HOG描述子的人员检测，如果检测到人，则提取该视频帧。
较佳地，所述客户端，用于根据所述视频帧的图像，利用预先构建的图像自然语言描述模型，生成相应的场景描述语句；根据所述视频帧的语音和字幕信息，生成相应的场景描述语句。
较佳地，所述系统进一步包括模型构建模块，用于对于每个预设的用于模型训练的图像，采用卷积神经网络CNN，将所述用于模型训练的图像表征为特征矢量的集合；根据所述特征矢量的集合，采用预设的循环神经网络RNN进行训练模型，得到所述图像自然语言描述模型，所述循环神经网络RNN为Elamn神经网络或长短期记忆神经网络LSTM。
较佳地，所述服务器，用于对所述场景描述语句进行单词的划分，并确定所得到的各单词的词性；将所述单词中的名词作为所述用于选择推送广告的关键词。
较佳地，所述服务器，用于判断所述视频的类型是否为点播视频且所述视频的内容标签中是否包含指定广告，如果是，则将所述指定广告作为当前需要推送的广告；否则，对于每个所述关键词，根据预设的广告词特征向量映射表，确定该关键词的特征向量，并根据该特征向量，利用余弦相似度计算该关键词与每种广告类的相似度；当所述相似度中的最大值大于预设的相似度阈值时，将对应的关键词作为候选关键词，同时将对应的广告类作为候选广告类；查找是否存在以所述候选关键词作为广告关键词的广告，如果有，则将所查找出的广告作为候选广告；当所述候选广告为2个以上时，选择其中优先级最高的广告作为当前需要推送的广告，当所述候选广告为1个时，则将该候选广告作为当前需要推送的广告；当没有所述候选广告时，根据预设的各广告类之间的关联关系，采用协同过滤的方法，选择所述候选广告类下热点最高的广告作为当前需要推送的广告。
较佳地，所述系统进一步包括映射表构建模块，用于设置每个广告的广告关键词集合；对于每个所述广告关键词，根据该广告关键词所属的广告类，采用词向量的方式，生成该广告关键词的特征向量；根据所有广告关键词的特征向量，生成所述广告词特征向量映射表。
较佳地，所述服务器，用于根据系统中每个用户的点击或购买广告产品的历史记录数据，利用MinHash算法对用户进行分类，其中，同一类用户中两两之间的相似度大于预设的相似阈值；将当前所述客户端所属用户所在用户类下的所有用户作为相似用户；根据所述相似用户点击或购买所述候选广告类下广告产品的历史记录数据，采用协同过滤模型，确定所述候选广告类下热点最高的广告。
较佳地，所述服务器，用于对于每个预设的广告类，计算属于该广告类的所有广告关键词的特征向量的平均值，将该平均值作为该广告类的中心特征向量；利用余弦相似度计算该关键词的特征向量与每种广告类的中心特征向量之间的距离，根据所述距离得到该关键词与每种广告类的相似度。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (16)
1.一种信息推送方法，其特征在于，包括：
客户端在播放可推送广告的视频时，按照预设的帧提取策略，提取当前播放的视频帧，根据所述视频帧，生成相应的用自然语言表达的场景描述语句并发送给服务器；
所述服务器从所述场景描述语句中提取出用于选择推送广告的关键词；根据所述关键词和广告的热度，确定当前需要推送的广告，并发送给所述客户端显示所述广告；
其中，所述根据所述关键词和广告的热度确定当前需要推送的广告，包括：
a1、判断所述视频的类型是否为点播视频且所述视频的内容标签中是否包含指定广告，如果是，则执行步骤a2；否则，执行步骤a3；
a2、将所述指定广告作为当前需要推送的广告，退出所述确定当前需要推送的广告的过程；
a3、对于每个所述关键词，根据预设的广告词特征向量映射表，确定该关键词的特征向量，并根据该特征向量，利用余弦相似度计算该关键词与每种广告类的相似度；当所述相似度中的最大值大于预设的相似度阈值时，将对应的关键词作为候选关键词，同时将对应的广告类作为候选广告类；
a4、查找是否存在以所述候选关键词作为广告关键词的广告，如果有，则将所查找出的广告作为候选广告；
a5、当所述候选广告为2个以上时，选择其中优先级最高的广告作为当前需要推送的广告，
当所述候选广告为1个时，则将该候选广告作为当前需要推送的广告；
当没有所述候选广告时，根据预设的各广告类之间的关联关系，采用协同过滤的方法，选择所述候选广告类下热点最高的广告作为当前需要推送的广告。
2.根据权利要求1所述的方法，其特征在于，所述帧提取策略包括：
如果当前视频帧属于点播视频的帧且所属镜头的属性信息包含预设的关键词，则提取该视频帧；
如果当前视频帧属于直播视频且当前到达了预设的提取周期，则对当前视频帧进行基于图像梯度方向直方图HOG描述子的人员检测，如果检测到人，则提取该视频帧。
3.根据权利要求1所述的方法，其特征在于，所述生成相应的用自然语言表达的场景描述语句包括：
根据所述视频帧的图像，利用预先构建的图像自然语言描述模型，生成相应的场景描述语句；
根据所述视频帧的语音和字幕信息，生成相应的场景描述语句。
4.根据权利要求3所述的方法，其特征在于，所述图像自然语言描述模型的构建包括：
对于每个预设的用于模型训练的图像，采用卷积神经网络CNN，将所述用于模型训练的图像表征为特征矢量的集合；
根据所述特征矢量的集合，采用预设的循环神经网络RNN进行训练模型，得到所述图像自然语言描述模型，所述循环神经网络RNN为Elamn神经网络或长短期记忆神经网络LSTM。
5.根据权利要求1所述的方法，其特征在于，所述从所述场景描述语句中提取出用于选择推送广告的关键词包括：
对所述场景描述语句进行单词的划分，并确定所得到的各单词的词性；
将所述单词中的名词作为所述用于选择推送广告的关键词。
6.根据权利要求1所述的方法，其特征在于，所述广告词特征向量映射表的生成包括：
设置每个广告的广告关键词集合；
对于每个所述广告关键词，根据该广告关键词所属的广告类，采用词向量的方式，生成该广告关键词的特征向量；
根据所有广告关键词的特征向量，生成所述广告词特征向量映射表。
7.根据权利要求1所述的方法，其特征在于，所述候选广告类下热点最高的广告的确定方法包括：
根据系统中每个用户的点击或购买广告产品的历史记录数据，利用MinHash算法对用户进行分类，其中，同一类用户中两两之间的相似度大于预设的相似阈值；
将当前所述客户端所属用户所在用户类下的所有用户作为相似用户；
根据所述相似用户点击或购买所述候选广告类下广告产品的历史记录数据，采用协同过滤模型，确定所述候选广告类下热点最高的广告。
8.根据权利要求1所述的方法，其特征在于，所述计算该关键词与每种广告类的相似度包括：
对于每个预设的广告类，计算属于该广告类的所有广告关键词的特征向量的平均值，将该平均值作为该广告类的中心特征向量；
利用余弦相似度计算该关键词的特征向量与每种广告类的中心特征向量之间的距离，根据所述距离得到该关键词与每种广告类的相似度。
9.一种信息推送系统，其特征在于，包括：
客户端，用于在播放可推送广告的视频时，按照预设的帧提取策略，提取当前播放的视频帧，根据所述视频帧，生成相应的用自然语言表达的场景描述语句并发送给服务器；
服务器，用于从所述场景描述语句中提取出用于选择推送广告的关键词；根据所述关键词和广告的热度确定当前需要推送的广告，并发送给所述客户端显示所述广告；所述根据所述关键词和广告的热度确定当前需要推送的广告，包括：判断所述视频的类型是否为点播视频且所述视频的内容标签中是否包含指定广告，如果是，则将所述指定广告作为当前需要推送的广告；否则，对于每个所述关键词，根据预设的广告词特征向量映射表，确定该关键词的特征向量，并根据该特征向量，利用余弦相似度计算该关键词与每种广告类的相似度；当所述相似度中的最大值大于预设的相似度阈值时，将对应的关键词作为候选关键词，同时将对应的广告类作为候选广告类；查找是否存在以所述候选关键词作为广告关键词的广告，如果有，则将所查找出的广告作为候选广告；当所述候选广告为2个以上时，选择其中优先级最高的广告作为当前需要推送的广告，当所述候选广告为1个时，则将该候选广告作为当前需要推送的广告；当没有所述候选广告时，根据预设的各广告类之间的关联关系，采用协同过滤的方法，选择所述候选广告类下热点最高的广告作为当前需要推送的广告。
10.根据权利要求9所述的系统，其特征在于，所述帧提取策略包括：
如果当前视频帧属于点播视频的帧且所属镜头的属性信息包含预设的关键词，则提取该视频帧；
如果当前视频帧属于直播视频且当前到达了预设的提取周期，则对当前视频帧进行基于图像梯度方向直方图HOG描述子的人员检测，如果检测到人，则提取该视频帧。
11.根据权利要求9所述的系统，其特征在于，所述客户端，用于根据所述视频帧的图像，利用预先构建的图像自然语言描述模型，生成相应的场景描述语句；根据所述视频帧的语音和字幕信息，生成相应的场景描述语句。
12.根据权利要求11所述的系统，其特征在于，所述系统进一步包括模型构建模块，用于对于每个预设的用于模型训练的图像，采用卷积神经网络CNN，将所述用于模型训练的图像表征为特征矢量的集合；根据所述特征矢量的集合，采用预设的循环神经网络RNN进行训练模型，得到所述图像自然语言描述模型，所述循环神经网络RNN为Elamn神经网络或长短期记忆神经网络LSTM。
13.根据权利要求9所述的系统，其特征在于，所述服务器，用于对所述场景描述语句进行单词的划分，并确定所得到的各单词的词性；将所述单词中的名词作为所述用于选择推送广告的关键词。
14.根据权利要求9所述的系统，其特征在于，所述系统进一步包括映射表构建模块，用于设置每个广告的广告关键词集合；对于每个所述广告关键词，根据该广告关键词所属的广告类，采用词向量的方式，生成该广告关键词的特征向量；根据所有广告关键词的特征向量，生成所述广告词特征向量映射表。
15.根据权利要求9所述的系统，其特征在于，所述服务器，用于根据系统中每个用户的点击或购买广告产品的历史记录数据，利用MinHash算法对用户进行分类，其中，同一类用户中两两之间的相似度大于预设的相似阈值；将当前所述客户端所属用户所在用户类下的所有用户作为相似用户；根据所述相似用户点击或购买所述候选广告类下广告产品的历史记录数据，采用协同过滤模型，确定所述候选广告类下热点最高的广告。
16.根据权利要求9所述的系统，其特征在于，所述服务器，用于对于每个预设的广告类，计算属于该广告类的所有广告关键词的特征向量的平均值，将该平均值作为该广告类的中心特征向量；利用余弦相似度计算该关键词的特征向量与每种广告类的中心特征向量之间的距离，根据所述距离得到该关键词与每种广告类的相似度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611051650.4A CN106547908B (zh) | 2016-11-25 | 2016-11-25 | 一种信息推送方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611051650.4A CN106547908B (zh) | 2016-11-25 | 2016-11-25 | 一种信息推送方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106547908A CN106547908A (zh) | 2017-03-29 |
| CN106547908B true CN106547908B (zh) | 2020-03-17 |
Family
ID=58395060
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611051650.4A Active CN106547908B (zh) | 2016-11-25 | 2016-11-25 | 一种信息推送方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106547908B (zh) |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107025312A (zh) * | 2017-05-19 | 2017-08-08 | 北京金山安全软件有限公司 | 基于视频内容的信息提供方法和装置 |
| CN109391829A (zh) * | 2017-08-09 | 2019-02-26 | 创意引晴(开曼)控股有限公司 | 视频打点位置分析系统、分析方法及储存媒体 |
| CN107748998A (zh) * | 2017-10-13 | 2018-03-02 | 北京奇艺世纪科技有限公司 | 广告推荐的方法及系统 |
| CN107895019A (zh) * | 2017-11-15 | 2018-04-10 | 百度在线网络技术（北京）有限公司 | 一种信息推荐方法、装置、服务器及存储介质 |
| CN108235056A (zh) * | 2017-12-20 | 2018-06-29 | 北京智驿信息技术有限责任公司 | 一种投放广告的处理方法、服务器及终端 |
| CN108230413B (zh) * | 2018-01-23 | 2021-07-06 | 北京市商汤科技开发有限公司 | 图像描述方法和装置、电子设备、计算机存储介质 |
| CN113965807B (zh) * | 2018-02-27 | 2022-12-13 | 腾讯科技（深圳）有限公司 | 消息推送方法、装置、终端、服务器及存储介质 |
| CN108391169A (zh) * | 2018-02-27 | 2018-08-10 | 广东欧珀移动通信有限公司 | 广告播放方法及相关产品 |
| CN108833952B (zh) * | 2018-06-20 | 2021-06-11 | 阿里巴巴（中国）有限公司 | 视频的广告投放方法及装置 |
| CN110163050B (zh) | 2018-07-23 | 2022-09-27 | 腾讯科技（深圳）有限公司 | 一种视频处理方法及装置、终端设备、服务器及存储介质 |
| CN110880120A (zh) * | 2018-09-06 | 2020-03-13 | 阿里巴巴集团控股有限公司 | 一种广告方法和广告系统以及识别装置 |
| CN109446379A (zh) * | 2018-10-31 | 2019-03-08 | 北京字节跳动网络技术有限公司 | 用于处理信息的方法和装置 |
| CN109618236B (zh) * | 2018-12-13 | 2023-04-07 | 连尚（新昌）网络科技有限公司 | 视频评论处理方法和装置 |
| CN109740056A (zh) * | 2018-12-28 | 2019-05-10 | 丹翰智能科技(上海)有限公司 | 一种用于向用户提供定制财经信息的方法与设备 |
| CN110166811B (zh) * | 2019-05-15 | 2021-08-10 | 口碑(上海)信息技术有限公司 | 弹幕信息的处理方法、装置及设备 |
| CN112446728B (zh) * | 2019-09-04 | 2024-04-12 | 百度在线网络技术（北京）有限公司 | 广告召回方法、装置、设备及存储介质 |
| CN112995722A (zh) * | 2019-12-18 | 2021-06-18 | 杜达亮 | 情景流广告投放方法及其平台 |
| CN113139085B (zh) * | 2020-01-20 | 2023-03-21 | 上海哔哩哔哩科技有限公司 | 用户兴趣的挖掘方法及系统 |
| CN111444357B (zh) | 2020-03-24 | 2023-10-20 | 腾讯科技（深圳）有限公司 | 内容信息确定方法、装置、计算机设备及存储介质 |
| CN111629273B (zh) * | 2020-04-14 | 2022-02-11 | 北京奇艺世纪科技有限公司 | 一种视频管理方法、装置、系统及存储介质 |
| CN113450187A (zh) * | 2021-06-22 | 2021-09-28 | 上海明略人工智能(集团)有限公司 | 基于场景的商品关联方法、系统、电子设备及存储介质 |
| CN114979767B (zh) * | 2022-05-07 | 2023-11-21 | 咪咕视讯科技有限公司 | 视频推荐方法、装置、设备及计算机可读存储介质 |
| CN115115994A (zh) * | 2022-08-25 | 2022-09-27 | 北京凯利时科技有限公司 | 基于多模态的导播方法和系统以及计算机程序产品 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103455506A (zh) * | 2012-05-31 | 2013-12-18 | 日立(中国)研究开发有限公司 | 关键词提取装置、关键词管理装置、以及关键词提供系统 |
| JP6046393B2 (ja) * | 2012-06-25 | 2016-12-14 | サターン ライセンシング エルエルシーＳａｔｕｒｎ Ｌｉｃｅｎｓｉｎｇ ＬＬＣ | 情報処理装置、情報処理システム、情報処理方法および記録媒体 |
| CN104469437B (zh) * | 2014-12-23 | 2018-03-02 | 小米科技有限责任公司 | 广告推送方法及装置 |
| CN105208417A (zh) * | 2015-09-23 | 2015-12-30 | 百度在线网络技术（北京）有限公司 | 视频广告的展现方法及装置 |
-
2016
- 2016-11-25 CN CN201611051650.4A patent/CN106547908B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106547908A (zh) | 2017-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106547908B (zh) | 一种信息推送方法和系统 | |
| Hussain et al. | Automatic understanding of image and video advertisements | |
| JP6821149B2 (ja) | 広告配信のための動画使用情報処理 | |
| Cheng et al. | Multimedia features for click prediction of new ads in display advertising | |
| WO2019113977A1 (zh) | 文章处理方法、装置、服务器及存储介质 | |
| JP7130560B2 (ja) | コンテンツを効果的に配信するための動的クリエイティブの最適化 | |
| US10977448B2 (en) | Determining personality profiles based on online social speech | |
| CN113158023B (zh) | 基于混合推荐算法的公共数字生活精准分类服务方法 | |
| EP2568429A1 (en) | Method and system for pushing individual advertisement based on user interest learning | |
| KR101385700B1 (ko) | 동영상 관련 광고를 제공하는 방법 및 그 장치 | |
| CN107305557A (zh) | 内容推荐方法及装置 | |
| CN111212303B (zh) | 视频推荐方法、服务器和计算机可读存储介质 | |
| CN112533051A (zh) | 弹幕信息显示方法、装置、计算机设备和存储介质 | |
| US9449231B2 (en) | Computerized systems and methods for generating models for identifying thumbnail images to promote videos | |
| CN108959323B (zh) | 视频分类方法和装置 | |
| US11521013B2 (en) | Systems and methods for providing personalized product recommendations using deep learning | |
| JP6767342B2 (ja) | 検索装置、検索方法および検索プログラム | |
| KR102312999B1 (ko) | 광고 편성 장치 및 방법 | |
| US20210326646A1 (en) | Automated generation of training data for contextually generated perceptions | |
| Liao et al. | Knowledge-aware multimodal fashion chatbot | |
| CN111597446A (zh) | 基于人工智能的内容推送方法、装置、服务器和存储介质 | |
| US20190050890A1 (en) | Video dotting placement analysis system, analysis method and storage medium | |
| Xiang et al. | Salad: A multimodal approach for contextual video advertising | |
| Amorim et al. | Novelty detection in social media by fusing text and image into a single structure | |
| CN114881685A (zh) | 广告投送方法、装置、电子装置及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |