CN107667389B - 用于识别目标广告的系统、方法和装置 - Google Patents
用于识别目标广告的系统、方法和装置 Download PDFInfo
- Publication number
- CN107667389B CN107667389B CN201680030183.9A CN201680030183A CN107667389B CN 107667389 B CN107667389 B CN 107667389B CN 201680030183 A CN201680030183 A CN 201680030183A CN 107667389 B CN107667389 B CN 107667389B
- Authority
- CN
- China
- Prior art keywords
- mobile device
- user interest
- digital sign
- interest data
- word vector
- 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
- 238000000034 method Methods 0.000 title claims description 59
- 238000012552 review Methods 0.000 claims abstract description 31
- 238000009877 rendering Methods 0.000 claims abstract description 25
- 230000009193 crawling Effects 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 76
- 238000005065 mining Methods 0.000 claims description 35
- 230000000694 effects Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 10
- 238000007726 management method Methods 0.000 description 41
- 238000007418 data mining Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 11
- 238000013500 data storage Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241000288113 Gallirallus australis Species 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
- 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
- G06Q30/0251—Targeted advertisements
- G06Q30/0261—Targeted advertisements based on user location
-
- 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
- G06Q30/0251—Targeted advertisements
- G06Q30/0267—Wireless devices
-
- 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
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本文公开了一种用于渲染目标广告的计算机系统。该计算机系统包括Web爬行模块,其基于从产品评论网站获得的产品评论来生成产品信息。计算机系统还包括内容管理模块,其从数字标牌接收受众度量和用户兴趣数据。受众度量描述数字标牌附近的人的特征,并且用户兴趣数据是从数字标牌附近的移动设备接收的。计算机系统还包括数据挖掘器,用于将产品信息、用户兴趣数据和受众度量相关联,以识别可能吸引移动设备的用户的广告。
Description
相关申请的交叉引用
本申请要求于2015年6月26日提交的Addicam V.Sanjay等人的美国专利申请第14/752,471号的申请日的权益,该申请通过引用并入本文。
技术领域
本公开涉及基于从包括数字标牌的各种源收集的信息来生成目标广告的技术。
背景技术
术语“数字标牌”通常是指使用电子显示设备向公众提供广告、公告或其他类型的信息。数字标牌经常在诸如餐馆,商场,体育场,游乐园等的公共场所中显示。数字标牌使广告商可以展示更具吸引力和动态的广告内容。广告商还可以容易地基于不断变化的条件实时改变内容,条件例如新促销活动的可用性、一天的时间、天气状况和其他数据。以这种方式,广告内容可以更有效地定向到观看它的人群的特定人口统计特征。
发明内容
本公开的一个方面涉及一种用于识别目标广告的计算机系统,包括:Web爬行模块,其基于从产品评论网站获得的产品评论来生成产品信息;内容管理模块,其从数字标牌接收受众度量和用户兴趣数据,其中,所述受众度量描述所述数字标牌附近的人的特征,并且其中,所述用户兴趣数据是从所述数字标牌附近的移动设备接收的;以及数据挖掘器,其用于将所述产品信息、所述用户兴趣数据和所述受众度量相关联,以识别吸引所述移动设备的用户的广告;其中,所述数据挖掘器包括一个或多个快速挖掘器,并且其中,第一快速挖掘器用于处理所述产品信息以生成第一词向量,第二快速挖掘器用于对所述第一词向量和基于所述用户兴趣数据生成的第二词向量进行比较以生成对于所述第一词向量和所述第二词向量而言公共的第三词向量,并且第三快速挖掘器用于根据所述第三词向量和基于所述受众度量生成的视频分析规则来识别所述广告。
本公开的另一个方面涉及一种用于识别目标广告的方法,包括:基于从产品评论网站获得的产品评论来生成产品信息;从数字标牌接收受众度量和用户兴趣数据,其中,所述受众度量描述所述数字标牌附近的人的特征,并且其中,所述用户兴趣数据是从所述数字标牌附近的移动设备接收的;将所述产品信息、所述用户兴趣数据和所述受众度量相关联以识别吸引所述移动设备的用户的广告;处理所述产品信息以生成第一词向量;对所述第一词向量和基于所述用户兴趣数据生成的第二词向量进行比较以生成对于所述第一词向量和所述第二词向量而言公共的第三词向量;以及根据所述第三词向量和基于所述受众度量生成的视频分析规则来识别所述广告。
本公开的另一个方面涉及一种用于识别目标广告的装置,包括:用于基于从产品评论网站获得的产品评论来生成产品信息的单元;用于从数字标牌接收受众度量和用户兴趣数据的单元,其中,所述受众度量描述所述数字标牌附近的人的特征,并且其中,所述用户兴趣数据是从所述数字标牌附近的移动设备接收的;用于将所述产品信息、所述用户兴趣数据和所述受众度量相关联以识别吸引所述移动设备的用户的广告的单元;用于处理所述产品信息以生成第一词向量的单元;用于对所述第一词向量和基于所述用户兴趣数据生成的第二词向量进行比较以生成对于所述第一词向量和所述第二词向量而言公共的第三词向量的单元;以及用于根据所述第三词向量和基于所述受众度量生成的视频分析规则来识别所述广告的单元。
本公开的另一个方面涉及一种非暂时性计算机可读介质,包括指令,所述指令在被处理器执行时,使得所述处理器执行上述方法。
附图说明
图1是用于生成目标广告的系统的框图。
图2是可以在图1的移动设备中实现的系统的示例。
图3是示出图1中描述的系统的示例实现方式的框图。
图图4A-4D示出了用于生成目标广告的方法的过程流程图。
图5是概述生成目标广告的方法的过程流程图。
在整个公开内容和附图中使用相同的数字来指代相似的组件和特征。100系列中的数字是指最初见于图1中的特征;200系列中的数字是指最初见于图2中的特征;以此类推。
具体实施方式
本公开提供了使用数字标牌生成目标广告的技术。数字标牌可用于收集有关数字标牌附近的员的人口统计信息。人口统计信息可以与从各种源收集的用户兴趣信息相结合。例如,可以从数字标牌附近的智能电话或其他移动设备收集一些用户兴趣信息。用户兴趣信息可以匿名地从智能手机推送,换言之,不会揭示智能手机用户的身份。也可以根据从互联网收集的信息(如社交媒体和购物网站)生成用户兴趣信息。使用这些信息源,系统可以选择一种吸引目标受众成员的可能性高的广告。所选择的广告可以被推送到人的智能电话或数字标牌。
图1是用于生成目标广告的系统的框图。系统100包括数字标牌102。数字标牌102可以被配置为渲染任何类型的内容、菜单项、广告、列车时间表或航班状态信息、定价信息、娱乐、音乐及其它。数字标牌可以部署在任何类型的设置中,包括例如餐厅、商场、体育竞技场或机场。
数字标牌102包括适于执行存储的指令的处理器104以及存储可由处理器104执行的指令的存储器106。处理器104可以是单核处理器、多核处理器或任何数量的其他配置。该存储器106可以包括随机存取存储器(RAM),诸如动态随机存取存储器(DRAM)或任何其它合适的存储器类型。存储器106可用于存储数据和计算机可读指令,当指令由处理器执行时,指示处理器根据本文所述的实施例执行各种操作。
数字标牌102还可以包括存储设备108。存储设备108是诸如硬盘驱动器、光驱动器、固态驱动器、驱动器阵列或其任何组合的物理存储器。存储设备108还可以包括远程存储设备。诸如音频、视频和图像文件的通过数字标牌渲染的内容可以被存储到存储设备108。
数字标牌102还包括媒体播放器110、显示器112和音频系统114。显示器112可以是包括液晶显示器(LCD)、有机发光二极管(OLED)、等离子体和其它在内的任何合适类型的显示器类型。在一些示例中,数字标牌可以包括多个显示器,每个显示器可以被配置为显示相同的内容或不同的内容。显示器112和音频系统114可以是数字标牌102的内置组件或者外部耦合到数字标牌102。
数字标牌102还可以包括被配置为捕获静像或视频的一个或多个相机116。相机116可以是数字标牌102的内置组件或者外部耦合到数字标牌102。相机116捕获的图像或视频可以通过在数字标牌102上执行的一个或多个程序来分析,以生成关于数字标牌102附近的人的各种信息。
在一些示例中,数字标牌102包括网络接口112,其被配置为将数字标牌连接到网络120。网络120可以是广域网(WAN)、局域网(LAN)或互联网等。通过网络,数字标牌102可以连接到远程计算系统122。远程计算系统122可以包括用于识别要由数字标牌102渲染的内容的各种模块。远程计算系统122可以包括任何合适的类型的计算系统,包括例如一个或多个台式计算机、服务器计算机或云计算系统。模块可以是由一个或多个处理器执行的编程模块。这些模块还可以被实现为其他类型的计算硬件,例如专用集成电路(ASIC)等。
数字标牌102和远程计算系统122一起协调以识别数字标牌附近的人的特征和可能的兴趣,然后识别旨在吸引在数字标牌102附近的一个或多个人的目标广告。数字标牌102可以包括各种编程模块,以使其能够识别人的特征并协调媒体内容的渲染,包括本地内容管理模块124和视频分析模块126。视频分析模块126分析由相机116捕获的图像并生成关于显示器附近的人的信息。由视频分析模块126生成的关于显示器附近的人的信息在本文中被称为受众度量。视频分析模块126可以识别人,确定人是男性还是女性,并且确定人的大致年龄。受众度量可以包括诸如数字标牌102附近的人数以及数字标牌102附近的年龄和性别的组合的信息。
基于由数字标牌102生成的受众度量,可以识别出较大可能会吸引大部分受众的广告。例如,所识别的内容可以是已被确定吸引某个年龄组的特定供给的广告。广告可以包括显示在显示器112的部分上的视觉内容和/或通过音频系统114播放的音频内容。由视频分析模块126捕获的受众度量可通过网络120被发送到远程计算系统122以用于进一步分析。受众度量和内容选择的分析可以由数字标牌102、远程计算系统122或其某些组合来执行。
本地内容管理模块124通过数字标牌102协调内容的渲染,并且可以记录关于渲染什么内容、渲染内容的一天的时间、内容渲染的持续时间等的信息。关于渲染的内容的该信息在本文中可以被称为播放列表信息。本地内容管理模块124可以经由网络将播放列表信息发送到远程计算系统122以用于进一步分析。
远程计算系统122接收受众度量和播放列表信息,并结合其他数据使用该数据来生成广告推荐。在一些示例中,远程计算系统122包括视频分析数据挖掘模块128、内容管理模块130、Web爬行模块132、社交媒体模块134和一个或多个快速挖掘器140。远程计算系统122还可以包括或耦合到数据存储系统142以用于数据的长期存储。
内容管理模块130与数字标牌102上的本地内容管理模块124通信。例如,内容管理模块130可以向本地内容管理模块124发送内容建议。内容建议可以包括要渲染的媒体文件的标识、渲染的位置以及其他信息。本地内容管理模块124可以立即渲染推荐内容或将推荐内容放置在队列中以供将来渲染。内容管理模块还可以协调远程计算系统122的其他组件之间的通信,如关于图4A-4D进一步描述的。
视频分析数据挖掘模块128从本地内容管理模块124接收播放列表数据,并且还从视频分析模块126接收受众度量。视频分析数据挖掘模块128然后可以分析信息以基于渲染的内容与受众度量之间的统计相关性生成视频分析规则。例如,特定的广告可能对年轻男性更感兴趣。对受众度量的分析可以指示在广告渲染期间,大多数观看广告的人是年轻的且是男性。视频分析数据挖掘模块128可以使用这种相关性来生成视频分析规则。继续上述示例,视频分析数据挖掘模块128可以生成规定广告应在一天中的特定时间内或者当当前受众由特定数量或一定百分比的年轻男性组成时或一天的时间和受众组成的某种组合时显示的规则。视频分析数据挖掘模块128还可以识别相似的内容并创建引用该相似内容的视频分析规则。例如,规则可以识别一系列媒体文件。
视频分析数据挖掘模块128可以将视频分析规则发送到内容管理模块130。内容管理模块130可以监测从视频分析模块126接收的当前受众度量,并且至少部分地基于视频分析规则来识别要渲染的内容。在一些示例中,要渲染的内容可以是旨在对标牌附近的人的特定部分而言感兴趣的广告。
在一些示例中,视频分析数据挖掘模块128可以将视频分析规则发送到内容管理模块130。内容管理模块130将视频分析规则与通过对其它源进行数据挖掘生成的附加规则相关联,以确定要由数字标牌102渲染的内容,其它源例如自用户的移动设备、产品网站和社交媒体馈送接收的数据。可以将由视频分析数据挖掘模块128生成的所获取的受众度量、播放列表数据和视频分析规则存储到数据存储系统132中。数据存储系统可以包括用于长期存储数据的任何合适的非易失性存储器系统,例如硬盘阵列,固态存储器设备、磁带驱动器等。在一些示例中,媒体内容也可以被存储到数据存储系统132并传送到数字标牌102。
Web爬行模块132搜索网站以识别潜在的用户兴趣。例如,Web爬行模块132可以搜索用户在其中表达关于特定产品和服务的意见的网站。这样的网站可能包括购物网站、评论者网站、博客和其他。Web爬行模块132可以生成产品信息,产品信息可以包括产品列表和针对每个产品的一般用户兴趣级别和/或产品评价。
社交媒体模块134可以从一个或多个基于Web的社交媒体服务(例如Facebook,Twitter和一个或多个丰富站点摘要(RSS)馈送)接收实况数据。社交媒体模块134可以分析数据以识别当前的社交趋势,当前的社交趋势是许多人感兴趣的特定主题。例如,社交媒体模块134可以将特定的音乐艺术家或电影识别为生成大量的评论。由Web爬行模块132生成的产品信息和/或由社交媒体模块134生成的社交趋势信息可由内容管理模块130用作用于识别目标广告的附加输入。
快速挖掘器136是被配置为将产品信息、用户兴趣数据和受众度量相关联以识别可能吸引移动设备的用户的广告的数据挖掘器。关于图3进一步描述快速挖掘器136。
系统100还可以被配置为从一个或多个移动设备140接收数据,移动设备140可以是智能电话、平板电脑、膝上型计算机等。数字标牌102可以包括用于与移动设备140进行通信的NFC接口142和/或WiFi接口144。移动设备140还可以通过蜂窝网络146连接到网络120。移动设备140、数字标牌102和远程计算系统122之间的通信可以通过数字标牌102的WiFi接口144,或通过蜂窝网络146或其某种组合而发生。
移动设备140的存在可以由数字标牌102通过NFC接口142或WiFi接口144来检测。检测到数字标牌102附近的移动设备140的存在可以触发移动设备140将用户兴趣数据发送到数字标牌102和/或远程计算系统122。在移动设备140上运行的操作系统或应用可以在检测到数字标牌102时触发用户兴趣数据的发送,或者数字标牌102可以请求用户兴趣数据。在一些示例中,由移动设备140生成并使用随机数作为匿名设备标识符,系统100可以使用该匿名设备标识符来将目标广告定向到移动设备,而无需实际知道移动设备的用户的个人身份。随机数可以由数字标牌102生成并被发送到移动设备140。此外,用户兴趣数据由移动设备140生成,并且不包括任何可用于识别移动设备140的用户的信息。检测移动设备140的存在还通知数字标牌102关于用户的当前位置,其可以用于将目标广告渲染到用户位置处的数字标牌102。
从移动设备140接收到的用户兴趣数据可被内容管理模块130用作用于识别目标广告的附加输入。目标广告可以渲染在数字标牌102或移动设备140上,或两者上。在一些示例中,广告的一部分可被推送到数字标牌102,并且可以在移动设备140上渲染广告的另一个互补部分。
在一些示例中,用户可以使用移动设备140与数字标牌102交互来接受供给或进行购买。例如,在数字标牌或移动设备140上显示的广告可以提供产品的销售供给,产品的特别折扣或其他供给。用户可以通过完成购买、下载优惠券等来接受该供给。在通过数字标牌102进行的购买的情况下,移动设备140可以通过NFC接口142将购买信息从移动设备140传送到数字标牌102。
应当意识到,图1所示的特定系统是本文公开的技术的示例实现方式,并且其它实现方式也是可能的。例如,在一些实现方式中,视频分析数据挖掘模块128、视频分析数据挖掘模块128、内容管理模块130和数据存储系统132中的一个或多个可以本地驻留在数字标牌102上。以下更详细地描述系统110的特定实现方式的示例。
图2是可以在图1的移动设备中实现的系统的示例。图2的移动设备140包括数据存储202和移动分析引擎204。存储到数据存储202的数据可以包括Web浏览数据206、呼叫记录数据208、基本用户信息210、加速度计数据212和位置服务数据214。这些信息的一些或全部可以被发送到移动分析引擎204并用于生成用户兴趣信息。例如,可以分析Web浏览数据206以识别由用户输入的搜索项、被访问的网站和其他数据。位置服务数据214可用于确定最近和频繁访问的位置。这样的信息可以用于识别例如喜欢的活动或喜爱的餐馆。一些数据可以用作用户个性的指示。例如,呼叫记录数据208可以用作关于用户的社交水平的指示,并且加速度计数据可以用作用户体育活动水平或运动能力水平的指示。基本用户信息可以包括诸如移动设备的类型、设备配置和唯一移动设备标识符的信息。
移动分析引擎204处理该信息以生成匿名用户兴趣信息。用户兴趣信息被描述为匿名的,因为它不揭示移动设备的用户的身份。在一些示例中,用户兴趣信息被表示为一个或多个词向量。用户兴趣信息可以被发送到内容管理模块130,内容管理模块130可以将一些或全部用户兴趣信息转发到视频分析数据挖掘模块128。尽管被示为直接发送到内容管理模块130,用户兴趣信息可以通过数字标牌102或通过蜂窝网络等发送到内容管理模块130。
视频分析模块126如上文关于图1所述收集受众,并将受众信息发送到视频分析数据挖掘模块128。视频分析数据挖掘模块128使用受众信息和用户兴趣信息来生成视频分析规则,视频分析规则有助于确定要由数字标牌102显示的下一个广告。视频分析规则被发送到内容管理模块130,内容管理模块130基于视频分析规则来选择广告。所选择的广告被发送到数字标牌102上的本地内容管理模块124。本地内容管理模块124还向内容管理模块130发回关于渲染何种广告以及何时渲染广告的数据。
图3是示出图1中描述的系统的示例实现方式的框图。在图3的示例实现方式中,移动分析引擎从应用ID生成器302接收应用标识符(app ID)。应用ID生成器302可以驻留在数字标牌102上。如上所述,移动分析引擎204生成用户兴趣信息,用户兴趣信息可以被表示为一个或多个词向量。在一些示例中,词向量被发送到驻留于远程计算系统122(图1)上的移动数据挖掘引擎304。数据挖掘引擎304可以是怀卡托智能分析环境(Weka)机器学习软件。
Web和社交媒体挖掘数据306表示由图1所示的Web爬行模块132和社交媒体模块134生成的数据。如图3所示,到这些模块的输入包括RSS馈送、购物网站和社交媒体馈送,如Twitter馈送。这些信息源被处理以获得大量人的用户兴趣,其可以被表示为一个或多个附加词向量。从Web和社交媒体挖掘数据306生成的词向量被发送到第一级快速挖掘器308。
来自移动数据挖掘引擎304的词向量和来自第一级快速挖掘器308的词向量被发送到第二级快速挖掘器310。第二级快速挖掘器310比较两组输入词向量的组合并生成作为输出的移动用户兴趣数据以及Web和社交媒体数据共同的一组顶级词向量。
如上所述,来自数字标牌126的视频分析数据被发送到内容管理模块130并由视频分析数据挖掘模块128进行处理。视频分析数据挖掘模块128可以包括各种机器学习工具。如图3所示,视频分析数据挖掘模块128可以包括多个分类器,包括支持向量机(SVM)314、朴素贝叶斯分类器316和决策树318。
然后将来自第二级快速挖掘器310的词向量和由视频分析数据挖掘模块128生成的视频分析规则发送到第三级快速挖掘器312。第三级快速挖掘器312生成回到移动设备140的移动分析引擎204的广告推荐。
图4A-4D示出了用于生成目标广告的方法的过程流程图。方法400由硬件或硬件和软件的组合来执行。例如,方法400可由一个或多个处理器执行,读取存储在有形的非暂时性的计算机可读介质上的指令。方法400还可以由一个或多个逻辑单元执行,例如专用集成电路(ASIC)、现场可编程门阵列(FPGA)或在一个或多个集成电路中实现的逻辑门的布置。在下面的描述中,可以参考图1的元件。
图4A示出了由移动设备140执行的处理。在框402,访问浏览器历史,并且获得用户查看的页面的整体内容。在框404,页面的文本被分词化(tokenize),停止词被移除,并且这些词语被词干提取(stem)为根形式。在框406处,计算项频率,并且提取最频繁的项以形成词向量。
在框408,从移动设备的地理分析器(geocoder)应用编程接口(API)中提取位置信息。位置数据可以包括地址数据、特征名称等。在框410,提取加速度计数据并对加速度计数据进行分类。基于步数和步速,加速度计数据可以分类为各种活动类型,包括静止、步行和跑步。也可以提取活动的时间和持续时间。在框412,提取呼叫记录数据并将其分类为诸如拨号、接收、文本消息传递等的各种动作。呼叫的时间和持续时间也可以提取。来自框408、410和412的数据在本文中可以被称为用户活动数据。
在框414,将在框408、410和412处提取的用户活动数据转换为通用格式以便于数据挖掘。格式可以是ARFF数据格式,其可由MobileWeka数据挖掘应用程序使用。生成的数据可能表示在指定的时间间隔内发生的用户活动,例如过去的一天,一周或一个月。框408-414可以周期性地重复以维护当前数据。
在框416处,来自框414的格式化的用户活动数据被处理以识别趋势。这种趋势可以包括频繁访问的位置、最近的体育锻炼水平、最近的呼叫活动等。可以使用诸如MobileWeka的数据挖掘工具来执行框416处的处理。
在框418,从移动设备提取基本用户信息,例如配置信息、用户信息、唯一移动设备标识符以及其它。来自框418的配置数据、来自框416的趋势数据和来自框407的词向量数据在框420处被发送到通信接口,以被发送到内容管理模块130的Web服务422。关于图4B和4D进一步描述内容管理模块的操作。
图4B示出了由数字标牌102生成的视频分析的处理。在框424,本地内容管理模块124从内容管理模块130接收一个或多个规则。该规则识别广告以显示在数字标牌102上。如后所述,从内容管理模块130接收的规则是将从视频分析数据挖掘模块128获得的视频分析规则与通过对Web数据(图4C)、社交媒体数据(图4D)和移动设备数据(图4A)进行数据挖掘生成的规则组合的聚合规则。使用聚合规则,本地内容管理模块124触发所选广告的渲染,例如通过将广告添加到广告队列中以便渲染。
在框426处,在数字标牌102上渲染广告。在框428处,视频分析数据由数字标牌102上的相机116收集。在框430处,处理视频分析数据以生成受众度量,受众度量被发送到视频分析数据挖掘模块128。在框432处,由视频分析数据挖掘模块128处理受众度量以生成视频分析规则。视频分析规则从视频分析数据挖掘模块128发送到内容管理模块130的规则聚合器。框424至框434可以周期性重复以更新聚合的规则。
图4C示出了对社交媒体数据执行的处理。图4C中执行的处理可以由社交媒体模块134执行。
在框436处,从社交媒体数据馈送(例如twitter)接收数据。在框438处,来自社交媒体馈送的数据由支持向量机处理以生成分类数据。
在框440处,接收实时的社交媒体趋势。社交媒体趋势可能涉及与更多受限制的地理区域有关的全局社交媒体趋势或本地社交媒体趋势。来自框438的社交媒体趋势和分类数据被发送到另一个向量机进行测试。
在框444处,将顶级肯定的全局趋势和本地趋势发送到Web爬行模块132用于进一步处理,并且在图4D所示的框462处被接收。
图4D示出了对社交媒体数据、来自移动设备的用户兴趣信息以及Web爬行数据执行的处理。图4C中执行的处理可以由Web爬行模块134执行。
在框446处,从移动设备140接收到的用户兴趣数据从内容管理模块130的Web服务422转发到Web爬行模块132。如上所述,该数据可以包括设备配置数据、趋势数据和词向量数据。在一些示例中,来自移动设备140的数据被以可扩展标记语言(XML)格式格式化。在框448处,将来自移动设备140的用户兴趣数据解析到数据库。
在框450处,来自移动设备140的用户兴趣数据被累积和处理以将用户兴趣数据中的浏览关键词与年龄、性别和城市信息相关联。生成的数据被存储到数据库。在框452处,使用年龄、性别和城市信息来训练诸如朴素贝叶斯或最近邻(KNN)算法的机器学习算法,以在年龄、性别和城市基础上生成项频率-逆文档频率(TF-IDF)数据。机器学习算法的结果是年龄/性别/城市TF-IDF数据,表明从年龄、性别和城市数据中提取的每个项的相对重要性。
在框454处,执行用于产品评论的Web爬行。在框456处,使用诸如k均值聚类的聚类算法对从商品评论收集的数据执行聚类。每个聚类都会根据评论所相关的产品自动以产品名称加标签。
在框456处,针对框454中加标签的每个聚类提取产品TF-IDF数据。产品TF-IDF数据包括为每个聚类标识的关键词的列表。每个关键词与TF-IDF得分相关联。在框460处,产品TF-IDF数据用于训练诸如朴素贝叶斯或最近邻(KNN)算法的机器学习算法。
在框462处,来自框448的用户兴趣数据,已经用来自框452的年龄/性别/城市TF-IDF数据和来自框460的产品TF-IDF数据训练的机器学习算法使用来自框448的用户兴趣数据和来自框444(图4C)的社交媒体数据作为输入来运行。结果是Web爬网数据、来自移动设备的用户兴趣数据和社交媒体数据之间的一个或多个产品匹配的列表。
在框464处,产品匹配列表与可从内容管理模块获得的广告相关联,以识别可能吸引移动设备140的用户的广告。在框466处,可以从内容管理模块130接收可用广告的描述。框464的输出是利用来自社交媒体、产品评论和来自移动设备的用户兴趣数据的输入生成的一个或多个规则的列表。这些规则在本文中称为社交媒体规则。
在框466处,将社交媒体规则发送到内容管理模块130。在框434处,规则形成视频分析,并且社交媒体规则被聚合以生成聚合规则。如上所述,聚合规则被发送到数字标牌102的本地内容媒体模块124。
应当理解,图4A-D的过程流程图不意图表示方法400的框将以任何特定顺序执行,或者在每种情况下都包括所有框。此外,取决于具体实现方式,可以在方法400内包括任何数量的附加框。
图5是概述生成目标广告的方法的过程流程图。方法500由硬件或硬件和软件的组合来执行。例如,方法500可由一个或多个处理器读取存储在有形的非暂时的计算机可读介质上的指令来执行。方法500还可以由一个或多个逻辑单元执行,诸如例如专用集成电路(ASIC)、现场可编程门阵列(FPGA)或在一个或多个集成电路中实现的逻辑门的布置之类的逻辑单元。
在框502,基于从产品评论网站获得的产品评论来生成产品信息。产品信息可以识别许多产品的各种特征,包括产品性能和可靠性的正面或负面评价。
在框504,生成描述数字标牌附近的人的特征的受众度量。如上所述,通过分析由耦合到或包括在数字标牌中的一个或多个相机捕获的视频来获得受众度量,并且受众度量可以包括年龄、性别和其他人口统计学数据。
在框506处,从数字标牌附近的移动设备接收用户兴趣数据。如上所述,可以通过数字标牌从驻留在移动设备上的移动设备挖掘模块来接收用户兴趣数据。移动设备挖掘模块可以生成表示用户兴趣的一个或多个词向量。用户兴趣数据被匿名地发送到数字标牌,这意味着没有任何信息揭示移动设备的用户的身份。可以将用户兴趣数据和受众度量从数字标牌发送到远程计算机系统用于进一步处理。
在框508,监测和处理社交媒体馈送以识别社交媒体趋势。
在框510,产品信息、用户兴趣数据、社交媒体趋势和受众度量被相关联以识别可能吸引移动设备的用户的广告。
在框512处,将识别的广告发送到数字标牌和/或移动设备以便渲染。
在框514,购买交易可以可选地通过数字标牌的NFC接口接收。
示例
示例1是用于识别目标广告的计算机系统。计算机系统包括基于从产品评论网站获得的产品评论生成产品信息的Web爬行模块,以及从数字标牌接收受众度量和用户兴趣数据的内容管理模块。受众度量描述数字标牌附近的人的特征,并且用户兴趣数据是从数字标牌附近的移动设备接收的。计算机系统还包括数据挖掘器,用于将产品信息、用户兴趣数据和受众度量相关联,以识别可能吸引移动设备的用户的广告。
示例2包括示例1的计算机系统,包括或排除可选特征。在该示例中,计算机系统包括处理社交媒体馈送以识别社交媒体趋势的社交媒体挖掘模块。数据挖掘器将社交媒体趋势与产品信息和用户兴趣数据相关联以识别广告。
示例3包括权利要求1至2中任一项所述的计算机系统,包括或排除可选特征。在该示例中,移动设备的当前位置是通过凭借数字标牌的近场通信(NFC)接口或WiFi接口检测移动设备的存在来确定的。
示例4包括权利要求1至3中任一项所述的计算机系统,包括或排除可选特征。在该示例中,移动设备的用户能够通过数字标牌的NFC接口来执行购买交易,购买交易与所识别的广告相关。
示例5包括权利要求1至4中任一项所述的计算机系统,包括或排除可选特征。在该示例中,用户兴趣数据由数字标牌从移动设备挖掘模块接收,该移动设备挖掘模块驻留于移动设备上并匿名地将用户兴趣数据发送给数字标牌。可选地,从移动设备挖掘模块接收的用户兴趣数据包括从用户访问的Web页生成的词向量。可选地,从移动设备挖掘模块接收的用户兴趣数据包括基于由移动设备的加速度计获得的用户活动数据生成的词向量。可选地,从移动设备挖掘模块接收的用户兴趣数据包括基于从移动设备的地理位置应用获得的位置信息生成的词向量。
示例6包括权利要求1至5中任一项所述的计算机系统,包括或排除可选特征。在该示例中,所识别的广告被发送到数字标牌以由数字标牌渲染。
示例7包括权利要求1至6中任一项所述的计算机系统,包括或排除可选特征。在该示例中,所识别的广告被发送到移动设备以由移动设备渲染。
示例8是识别目标广告的方法。该方法包括基于从产品评论网站获得的产品评论生成产品信息,以及从数字标牌接收受众度量和用户兴趣数据。受众度量描述数字标牌附近的人的特征,并且用户兴趣数据是从数字标牌附近的移动设备接收的。该方法还包括关联产品信息、用户兴趣数据和受众度量以识别可能吸引移动设备的用户的广告。
示例9包括示例8的方法,包括或排除可选特征。在该示例中,该方法包括处理社交媒体馈送以识别社交媒体趋势,以及将社交媒体趋势与产品信息和用户兴趣数据相关联以识别广告。
示例10包括权利要求8至9中任一项所述的方法,包括或排除可选特征。在该示例中,该方法包括通过凭借数字标牌的近场通信(NFC)接口或WiFi接口检测移动设备的存在来确定移动设备的当前位置。
示例11包括权利要求8至10中任一项所述的方法,包括或排除可选特征。在该示例中,该方法包括通过数字标牌的NFC接口执行购买交易,购买交易与所识别的广告相关。
示例12包括权利要求8至11中任一项所述的方法,包括或排除可选特征。在该示例中,用户兴趣数据由数字标牌从移动设备挖掘模块接收,移动设备挖掘模块驻留于移动设备上并匿名地将用户兴趣数据发送给数字标牌。可选地,从移动设备挖掘模块接收的用户兴趣数据包括从用户访问的Web页生成的词向量。可选地,从移动设备挖掘模块接收的用户兴趣数据包括基于由移动设备的加速度计获得的用户活动数据生成的词向量。可选地,从移动设备挖掘模块接收的用户兴趣数据包括基于从移动设备的地理位置应用获得的位置信息生成的词向量。
示例13包括权利要求8至12中任一项的方法,包括或排除可选特征。在该示例中,该方法包括将识别的广告发送到数字标牌以由数字标牌渲染。
示例14包括权利要求8至13中任一项所述的方法,包括或排除可选特征。在该示例中,该方法包括将识别的广告发送到移动设备以由移动设备渲染。
示例15是有形的非暂时的计算机可读介质,包括指令,当指令由处理器执行时,指示处理器识别目标广告。计算机可读介质包括指示处理器基于从产品评论网站获得的产品评论生成产品信息以及从数字标牌接收受众度量和用户兴趣数据的指令。受众度量描述数字标牌附近的人的特征,并且用户兴趣数据是从数字标牌附近的移动设备接收的。计算机可读介质还包括指示处理器使产品信息、用户兴趣数据和受众度量相关联以识别可能吸引移动设备的用户的广告的指令。
示例16包括示例15的计算机可读介质,包括或排除可选特征。在该示例中,计算机可读介质包括指示处理器处理社交媒体馈送以识别社交媒体趋势以及将社交媒体趋势与产品信息和用户兴趣数据相关联以识别广告的指令。
示例17包括权利要求15至16中任一项所述的计算机可读介质,包括或排除可选特征。在该示例中,用户兴趣数据由数字标牌从移动设备挖掘模块接收,移动设备挖掘模块驻留于移动设备上并将用户兴趣数据匿名地发送给数字标牌。可选地,从移动设备挖掘模块接收的用户兴趣数据包括从用户访问的Web页生成的词向量。可选地,从移动设备挖掘模块接收的用户兴趣数据包括基于由移动设备的加速度计获得的用户活动数据生成的词向量。可选地,从移动设备挖掘模块接收的用户兴趣数据包括基于从移动设备的地理位置应用获得的位置信息生成的词向量。
示例18包括权利要求15至17中任一项所述的计算机可读介质,包括或排除可选特征。在该示例中,计算机可读介质包括将识别的广告发送到数字标牌以由数字标牌渲染。
示例19包括权利要求15至18中任一项所述的计算机可读介质,包括或排除可选特征。在该示例中,计算机可读介质包括将识别的广告发送到移动设备以由移动设备渲染。
示例20是一种计算机系统。该计算机系统包括基于从产品评论网站获得的产品评论生成产品信息的逻辑,以及从数字标牌接收受众度量和用户兴趣数据的逻辑。受众度量描述数字标牌附近的人的特征,并且用户兴趣数据是从数字标牌附近的移动设备接收的。计算机系统还包括将产品信息、用户兴趣数据和受众度量相关联以识别可能吸引移动设备的用户的广告的逻辑。
示例21包括示例20的计算机系统,包括或排除可选特征。在该示例中,计算机系统包括处理社交媒体馈送以识别社交媒体趋势的逻辑,以及将社交媒体趋势与产品信息和用户兴趣数据相关联以识别广告的逻辑。
示例22包括权利要求20至21中任一项所述的计算机系统,包括或排除可选特征。在该示例中,计算机系统包括通过凭借数字标牌的近场通信(NFC)接口或WiFi接口检测移动设备的存在来确定移动设备的当前位置的逻辑。
示例23包括权利要求20至22中任一项所述的计算机系统,包括或排除可选特征。在该示例中,计算机系统包括通过数字标牌的NFC接口执行购买交易的逻辑,购买交易与所识别的广告相关。
示例24包括如权利要求20至23中任一项所述的计算机系统,包括或排除可选特征。在该示例中,用户兴趣数据由数字标牌从移动设备挖掘模块接收,移动设备挖掘模块驻留于移动设备上并将用户兴趣数据匿名地发送给数字标牌。可选地,从移动设备挖掘模块接收的用户兴趣数据包括从用户访问的Web页生成的词向量。可选地,从移动设备挖掘模块接收的用户兴趣数据包括基于由移动设备的加速度计获得的用户活动数据生成的词向量。可选地,从移动设备挖掘模块接收的用户兴趣数据包括基于从移动设备的地理位置应用获得的位置信息生成的词向量。
示例25包括如权利要求20至24中任一项所述的计算机系统,包括或排除可选特征。在该示例中,计算机系统包括用于将识别的广告发送到数字标牌以由数字标牌渲染的逻辑。
示例26包括如权利要求20至25中任一项所述的计算机系统,包括或排除可选特征。在该示例中,计算机系统包括用于将识别的广告发送到移动设备以由移动设备渲染的逻辑。
示例27是用于识别目标广告的装置。该装置包括用于基于从产品评论网站获得的产品评论来生成产品信息的单元,以及用于从数字标牌接收受众度量和用户兴趣数据的单元。受众度量描述数字标牌附近的人的特征,并且用户兴趣数据是从数字标牌附近的移动设备接收。该装置还包括用于使产品信息、用户兴趣数据和受众度量相关联以识别可能吸引移动设备的用户的广告的单元。
示例28包括示例27的装置,包括或排除可选特征。在该示例中,该装置包括用于处理社交媒体馈送以识别社交媒体趋势的单元,以及用于将社交媒体趋势与产品信息和用户兴趣数据相关联以识别广告的单元。
示例29包括权利要求27至28中任一项所述的装置,包括或排除可选特征。在该示例中,该装置包括用于通过凭借数字标牌的近场通信(NFC)接口或WiFi接口检测移动设备的存在来确定移动设备的当前位置的单元。
示例30包括权利要求27至29中任一项所述的装置,包括或排除可选特征。在该示例中,该装置包括用于通过数字标牌的NFC接口执行购买交易的单元,购买交易与所识别的广告相关。
示例31包括权利要求27至30中任一项所述的装置,包括或排除可选特征。在该示例中,用户兴趣数据由数字标牌从移动设备挖掘模块接收,移动设备挖掘模块驻留于移动设备上并将用户兴趣数据匿名地发送给数字标牌。可选地,从移动设备挖掘模块接收的用户兴趣数据包括从用户访问的Web页生成的词向量。可选地,从移动设备挖掘模块接收的用户兴趣数据包括基于由移动设备的加速度计获得的用户活动数据生成的词向量。可选地,从移动设备挖掘模块接收的用户兴趣数据包括基于从移动设备的地理位置应用获得的位置信息生成的词向量。
示例32包括权利要求27至31中任一项所述的装置,包括或排除可选特征。在该示例中,该装置包括用于将识别的广告发送到数字标牌以由数字标牌渲染的单元。
示例33包括权利要求27至32中任一项所述的装置,包括或排除可选特征。在该示例中,该装置包括用于将识别的广告发送到移动设备以由移动设备渲染的单元。
在上述说明书和权利要求书中,可以使用术语“耦合”和“连接”以及它们的衍生词。应当理解,这些术语不旨在作为彼此的同义词。相反,在特定实施例中,“连接”可以用于指示两个或更多个元件彼此直接物理或电接触。“耦合”可以意味着两个或更多个元件处于直接物理或电接触。然而,“耦合”也可以意味着两个或更多个元件彼此不直接接触,但仍然彼此协作或相互作用。
一些实施例可以以硬件、固件和软件的一个或组合来实现。一些实施例还可以被实现为存储在机器可读介质上的指令,其可由计算平台读取和执行以执行本文所述的操作。机器可读介质可以包括用于存储或发送机器(例如计算机)可读的形式的信息的任何机制。例如,计算机可读介质可以包括:只读存储器(ROM);随机存取存储器(RAM);磁盘存储介质;光存储介质;闪存设备;或电、光、声或其他形式的传播信号,例如载波,红外信号,数字信号或发射和/或接收信号的接口等。
实施例是实现方式或示例。说明书中对“实施例”,“一个实施例”,“一些实施例”,“各种实施例”或“其他实施例”的提及意味着结合实施例描述的特定特征、结构或特性包括在本文描述的至少一些实施例,但不一定是所有实施例中。“实施例”,“一个实施例”或“一些实施例”的各种出现不一定全部指代同一实施例。
并非本文描述和示出的所有组件、特征、结构、特性等在每种情况下都要包含在一个特定实施例或多个特定实施例中。如果说明书阐述了组件、特征、结构、特性“可以”,“可能”,“能够”或“可”被包括,例如,不需要在每种情况下都包括该特定组件、特征、结构或特性。如果说明书或权利要求书提到“一个(a)”或“一(an)”元素,那并不意味着只有一个元素。如果说明书或权利要求书提到“附加”元件,则不排除存在多于一个附加元件。
应当注意,虽然已经参考特定实现方式描述了一些实施例,但是根据一些实施例,其他实现方式也是可能的。另外,附图中所示和/或本文描述的电路元件或其他特征的布置和/或顺序不需要以所示和本文描述的特定方式布置。根据一些实施例,许多其它布置是可能的。
在图中所示的每个系统中,在某些情况下,元件可以各自具有相同的附图标记或不同的附图标记,以表明所表示的元件可以是不同的和/或类似的。然而,元件可以具有足够的灵活性以具有不同的实现方式并且与本文所示或描述的一些或全部系统一起工作。附图中所示的各种元件可以相同或不同。哪一个被称为第一元素以及哪一个被称为第二元素是任意的。
应当理解,在一个或多个实施例中,上述示例中的细节可以在任何地方使用。例如,上述计算设备的所有可选特征也可以关于本文描述的任何一种方法或计算机可读介质来实现。此外,尽管本文可以使用流程图和/或状态图来描述实施例,但是本公开不限于这些图或本文的相应描述。例如,流程不需要移动通过每个所示的框或状态或者按与本文所示和描述的完全相同的顺序。
本技术不限于本文列出的特定细节。实际上,受益于本公开的本领域技术人员将意识到,可以在本公开的范围内进行来自前述描述和附图的许多其它变型。因此,包括对其进行的任何修改的以下权利要求书定义本公开的范围。
Claims (26)
1.一种用于识别目标广告的计算机系统,包括:
Web爬行模块,其基于从产品评论网站获得的产品评论来生成产品信息;
内容管理模块,其从数字标牌接收受众度量和用户兴趣数据,其中,所述受众度量描述所述数字标牌附近的人的特征,并且其中,所述用户兴趣数据是从所述数字标牌附近的移动设备接收的;以及
数据挖掘器,其用于将所述产品信息、所述用户兴趣数据和所述受众度量相关联,以识别吸引所述移动设备的用户的广告;
其中,所述数据挖掘器包括一个或多个快速挖掘器,并且其中,第一快速挖掘器用于处理所述产品信息以生成第一词向量,第二快速挖掘器用于对所述第一词向量和基于所述用户兴趣数据生成的第二词向量进行比较以生成对于所述第一词向量和所述第二词向量而言公共的第三词向量,并且第三快速挖掘器用于根据所述第三词向量和基于所述受众度量生成的视频分析规则来识别所述广告。
2.根据权利要求1所述的计算机系统,包括社交媒体挖掘模块,其用于处理社交媒体馈送以识别社交媒体趋势,所述数据挖掘器将所述社交媒体趋势与所述产品信息和所述用户兴趣数据相关联以识别所述广告。
3.根据权利要求1所述的计算机系统,其中,所述移动设备的当前位置是通过凭借所述数字标牌的近场通信(NFC)接口或WiFi接口来检测所述移动设备的存在而确定的。
4.根据权利要求1所述的计算机系统,其中,所述移动设备的用户能够通过所述数字标牌的NFC接口来执行购买交易,所述购买交易与所识别的广告相关。
5.根据权利要求1至4中任一项所述的计算机系统,其中,所述用户兴趣数据是由所述数字标牌从移动设备挖掘模块接收的,所述移动设备挖掘模块驻留于所述移动设备上并且匿名地将所述用户兴趣数据发送到所述数字标牌。
6.根据权利要求5所述的计算机系统,其中,从所述移动设备挖掘模块接收的所述用户兴趣数据包括从由所述用户访问的Web页面生成的词向量。
7.根据权利要求5所述的计算机系统,其中,从所述移动设备挖掘模块接收的所述用户兴趣数据包括基于由所述移动设备的加速度计获得的用户活动数据而生成的词向量。
8.根据权利要求5所述的计算机系统,其中,从所述移动设备挖掘模块接收的所述用户兴趣数据包括基于从所述移动设备的地理位置应用获得的位置信息而生成的词向量。
9.根据权利要求1至4中任一项所述的计算机系统,其中,所识别的广告被发送到所述数字标牌以由所述数字标牌渲染。
10.根据权利要求1至4中任一项所述的计算机系统,其中,所识别的广告被发送到所述移动设备以由所述移动设备渲染。
11.一种用于识别目标广告的方法,包括:
基于从产品评论网站获得的产品评论来生成产品信息;
从数字标牌接收受众度量和用户兴趣数据,其中,所述受众度量描述所述数字标牌附近的人的特征,并且其中,所述用户兴趣数据是从所述数字标牌附近的移动设备接收的;
将所述产品信息、所述用户兴趣数据和所述受众度量相关联以识别吸引所述移动设备的用户的广告;
处理所述产品信息以生成第一词向量;
对所述第一词向量和基于所述用户兴趣数据生成的第二词向量进行比较以生成对于所述第一词向量和所述第二词向量而言公共的第三词向量;以及
根据所述第三词向量和基于所述受众度量生成的视频分析规则来识别所述广告。
12.根据权利要求11所述的方法,包括处理社交媒体馈送以识别社交媒体趋势,以及将所述社交媒体趋势与所述产品信息和所述用户兴趣数据相关联以识别所述广告。
13.根据权利要求11所述的方法,包括通过凭借所述数字标牌的近场通信(NFC)接口或WiFi接口来检测所述移动设备的存在而确定所述移动设备的当前位置。
14.根据权利要求11所述的方法,通过所述数字标牌的NFC接口来执行购买交易,所述购买交易与所识别的广告相关。
15.根据权利要求11至14中任一项所述的方法,其中,所述用户兴趣数据是由所述数字标牌从移动设备挖掘模块接收的,所述移动设备挖掘模块驻留于所述移动设备上并且匿名地将所述用户兴趣数据发送到所述数字标牌。
16.根据权利要求15所述的方法,其中,从所述移动设备挖掘模块接收的所述用户兴趣数据包括从所述用户访问的Web页面生成的词向量。
17.根据权利要求15所述的方法,其中,从所述移动设备挖掘模块接收的所述用户兴趣数据包括基于由所述移动设备的加速度计获得的用户活动数据生成的词向量。
18.根据权利要求15所述的方法,其中,从所述移动设备挖掘模块接收的所述用户兴趣数据包括基于从所述移动设备的地理位置应用获得的位置信息生成的词向量。
19.根据权利要求11至14中的一项所述的方法,包括将所识别的广告发送到所述数字标牌以由所述数字标牌渲染。
20.根据权利要求11至14中的一项所述的方法,包括:将所识别的广告发送到所述移动设备以由所述移动设备渲染。
21.一种用于识别目标广告的装置,包括:
用于基于从产品评论网站获得的产品评论来生成产品信息的单元;
用于从数字标牌接收受众度量和用户兴趣数据的单元,其中,所述受众度量描述所述数字标牌附近的人的特征,并且其中,所述用户兴趣数据是从所述数字标牌附近的移动设备接收的;
用于将所述产品信息、所述用户兴趣数据和所述受众度量相关联以识别吸引所述移动设备的用户的广告的单元;
用于处理所述产品信息以生成第一词向量的单元;
用于对所述第一词向量和基于所述用户兴趣数据生成的第二词向量进行比较以生成对于所述第一词向量和所述第二词向量而言公共的第三词向量的单元;以及
用于根据所述第三词向量和基于所述受众度量生成的视频分析规则来识别所述广告的单元。
22.根据权利要求21所述的装置,包括用于处理社交媒体馈送以识别社交媒体趋势的单元,以及用于将所述社交媒体趋势与所述产品信息和所述用户兴趣数据相关联以识别所述广告的单元。
23.根据权利要求21所述的装置,包括用于通过凭借所述数字标牌的近场通信(NFC)接口或WiFi接口检测所述移动设备的存在来确定所述移动设备的当前位置的单元。
24.根据权利要求21至23中任一项所述的装置,其中,所述用户兴趣数据是由所述数字标牌从移动设备挖掘模块接收的,所述移动设备挖掘模块驻留在所述移动设备上并且匿名地将所述用户兴趣数据发送到所述数字标牌。
25.根据权利要求21至23中任一项所述的装置,包括用于将所识别的广告发送到所述数字标牌以由所述数字标牌渲染的单元。
26.一种非暂时性计算机可读介质,包括指令,所述指令在被处理器执行时,使得所述处理器执行根据权利要求11-20中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/752,471 | 2015-06-26 | ||
US14/752,471 US20160379251A1 (en) | 2015-06-26 | 2015-06-26 | Targeted advertising using a digital sign |
PCT/US2016/029189 WO2016209356A1 (en) | 2015-06-26 | 2016-04-25 | Targeted advertising using a digital sign |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107667389A CN107667389A (zh) | 2018-02-06 |
CN107667389B true CN107667389B (zh) | 2021-12-10 |
Family
ID=57586481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680030183.9A Active CN107667389B (zh) | 2015-06-26 | 2016-04-25 | 用于识别目标广告的系统、方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20160379251A1 (zh) |
EP (1) | EP3314561A4 (zh) |
CN (1) | CN107667389B (zh) |
WO (1) | WO2016209356A1 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9852375B2 (en) * | 2014-12-26 | 2017-12-26 | Intel Corporation | Techniques for mobile prediction |
US20180053211A1 (en) * | 2016-08-17 | 2018-02-22 | Mastercard International Incorporated | Systems and Methods for Identifying Potential Advertising Opportunities for Events Based on Aggregate Consumer Profiles |
US20200057593A1 (en) * | 2017-03-03 | 2020-02-20 | Nec Display Solutions, Ltd. | Display method and display control device |
US20180315414A1 (en) * | 2017-04-26 | 2018-11-01 | International Business Machines Corporation | Adaptive digital assistant and spoken genome |
WO2019005138A1 (en) * | 2017-06-30 | 2019-01-03 | Intel Corporation | SYSTEMS AND METHODS FOR DISTRIBUTING THEMATIC CONTENT |
KR101967859B1 (ko) * | 2017-09-08 | 2019-08-13 | 전자부품연구원 | 디지털 사이니지 관리 시스템 및 방법 |
FR3076644B1 (fr) * | 2018-01-10 | 2020-06-19 | Jcdecaux Sa | Ensemble local d'affichage numerique et reseau de diffusion de contenus numeriques comportant de tels ensembles |
US20190378176A1 (en) * | 2018-06-08 | 2019-12-12 | Walmart Apollo, Llc | Systems and methods for customizing display on digital billboard |
CN110737822B (zh) * | 2018-07-03 | 2022-07-26 | 百度在线网络技术(北京)有限公司 | 用户兴趣挖掘方法、装置、设备和存储介质 |
CN109446304A (zh) * | 2018-10-10 | 2019-03-08 | 长沙师范学院 | 智能客服会话方法及系统 |
US11831954B2 (en) | 2019-01-11 | 2023-11-28 | Sharp Nec Display Solutions, Ltd. | System for targeted display of content |
US11455656B2 (en) | 2019-11-18 | 2022-09-27 | Walmart Apollo, Llc | Methods and apparatus for electronically providing item advertisement recommendations |
US11392984B2 (en) | 2019-11-20 | 2022-07-19 | Walmart Apollo, Llc | Methods and apparatus for automatically providing item advertisement recommendations |
CN111445284B (zh) * | 2020-03-26 | 2023-06-23 | 北京达佳互联信息技术有限公司 | 一种定向标签的确定方法、装置、计算设备及存储介质 |
US20220207560A1 (en) * | 2022-03-16 | 2022-06-30 | 7-Eleven, Inc. | Directed marketing system and apparatus |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542479A (zh) * | 2010-12-31 | 2012-07-04 | 上海博泰悦臻电子设备制造有限公司 | 在电子设备上显示广告的方法及装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7062510B1 (en) * | 1999-12-02 | 2006-06-13 | Prime Research Alliance E., Inc. | Consumer profiling and advertisement selection system |
US20050039206A1 (en) * | 2003-08-06 | 2005-02-17 | Opdycke Thomas C. | System and method for delivering and optimizing media programming in public spaces |
US8775252B2 (en) * | 2006-05-04 | 2014-07-08 | National Ict Australia Limited | Electronic media system |
IL191978A0 (en) * | 2008-06-05 | 2009-02-11 | Yuval Elovici | Gesture avatar communication |
US20110022468A1 (en) * | 2009-07-22 | 2011-01-27 | MallWise, LLC | Method and system for distributing targeted advertising and intuitive wayfinding |
KR20110049976A (ko) * | 2009-11-06 | 2011-05-13 | 에스케이 텔레콤주식회사 | Wpan 기술을 이용한 양방향 통합 광고 시스템 및 방법 |
US20110153423A1 (en) * | 2010-06-21 | 2011-06-23 | Jon Elvekrog | Method and system for creating user based summaries for content distribution |
US20120290374A1 (en) * | 2011-05-13 | 2012-11-15 | Dell Products L.P. | Social Marketplace Process and Architecture |
KR20120134694A (ko) * | 2011-06-03 | 2012-12-12 | 엘지전자 주식회사 | 매장 제어 방법 및 그를 위한 시스템 |
US20140095306A1 (en) | 2012-09-28 | 2014-04-03 | Jose A. Avalos | Digital sign advertisement selection based on mobile device activity |
WO2014139098A1 (en) * | 2013-03-13 | 2014-09-18 | Intel Corporation | System and method to provide location-based digital signage services |
US20140337868A1 (en) * | 2013-05-13 | 2014-11-13 | Microsoft Corporation | Audience-aware advertising |
US10783555B2 (en) * | 2013-11-22 | 2020-09-22 | At&T Intellectual Property I, L.P. | Targeting media delivery to a mobile audience |
-
2015
- 2015-06-26 US US14/752,471 patent/US20160379251A1/en not_active Abandoned
-
2016
- 2016-04-25 WO PCT/US2016/029189 patent/WO2016209356A1/en unknown
- 2016-04-25 CN CN201680030183.9A patent/CN107667389B/zh active Active
- 2016-04-25 EP EP16814862.5A patent/EP3314561A4/en not_active Ceased
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542479A (zh) * | 2010-12-31 | 2012-07-04 | 上海博泰悦臻电子设备制造有限公司 | 在电子设备上显示广告的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20160379251A1 (en) | 2016-12-29 |
CN107667389A (zh) | 2018-02-06 |
EP3314561A4 (en) | 2018-11-21 |
WO2016209356A1 (en) | 2016-12-29 |
EP3314561A1 (en) | 2018-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107667389B (zh) | 用于识别目标广告的系统、方法和装置 | |
US11290775B2 (en) | Computerized system and method for automatically detecting and rendering highlights from streaming videos | |
US20220122097A1 (en) | Method and system for providing business intelligence based on user behavior | |
US10645142B2 (en) | Video keyframes display on online social networks | |
US20190089770A1 (en) | Computerized system and method for determining and communicating media content to a user based on a physical location of the user | |
US20200081896A1 (en) | Computerized system and method for high-quality and high-ranking digital content discovery | |
US20160180402A1 (en) | Method for recommending products based on a user profile derived from metadata of multimedia content | |
US20160117397A1 (en) | System and method for identifying experts on social media | |
US20100306049A1 (en) | Method and system for matching advertisements to web feeds | |
US11263664B2 (en) | Computerized system and method for augmenting search terms for increased efficiency and effectiveness in identifying content | |
JP2015531119A (ja) | 広告ターゲティングのための否定的なシグナル | |
JP2015515676A (ja) | インフルエンサスコアに基づいてストーリをターゲティングする方法 | |
US8874144B1 (en) | Selecting location-based content | |
US20180129929A1 (en) | Method and system for inferring user visit behavior of a user based on social media content posted online | |
KR20150098240A (ko) | 온라인 시스템 내 검색 결과에 기반한 사용자로의 객체의 타겟팅 | |
WO2019102309A1 (en) | Search query enhancement with context analysis | |
US20140222560A1 (en) | System and method for monetization in photo sharing sites | |
US10592917B2 (en) | Method and systems for determining programmatically expected performances | |
US20150213515A1 (en) | Method and system for online content match advertising | |
US20170032424A1 (en) | System and method for contextual video advertisement serving in guaranteed display advertising | |
US20160267543A1 (en) | Targeting and channeling digital advertisements to social media users through location-based social monitoring | |
US10422657B2 (en) | Notification of proximal points of interest | |
WO2018118986A1 (en) | Multi-source modeling for network predictions | |
KR20150098241A (ko) | 온라인 시스템 내 질의에 기반한 사용자로의 객체의 타겟팅 | |
EP3296890A1 (en) | Video keyframes display on online social networks |
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 |