CN108230025A - 广告推荐方法和装置、电子设备、存储介质、程序 - Google Patents
广告推荐方法和装置、电子设备、存储介质、程序 Download PDFInfo
- Publication number
- CN108230025A CN108230025A CN201711485172.2A CN201711485172A CN108230025A CN 108230025 A CN108230025 A CN 108230025A CN 201711485172 A CN201711485172 A CN 201711485172A CN 108230025 A CN108230025 A CN 108230025A
- Authority
- CN
- China
- Prior art keywords
- advertisement
- recommended
- advertisements
- classification
- information
- 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
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
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种广告推荐方法和装置、电子设备、存储介质、程序,其中,方法包括:基于网站的属性信息和/或网络环境获取网站的第一属性分类,基于第一属性分类从广告库中获取对应所述第一属性分类的广告信息构成第一推荐广告集;获取用户对应的第二属性分类,基于第二属性分类从第一推荐广告集中筛选获得第二推荐广告集;将第二推荐广告集中的广告信息基于质量评分进行排序,将排序后的第二推荐广告集推荐给用户。本发明实施例,通过有针对性的广告推荐,提高了广告点击通过率。
Description
技术领域
本发明涉及广告推荐技术,尤其是一种广告推荐方法和装置、电子设备、存储介质、程序。
背景技术
随着互联网技术的发展,广告推荐技术得到很大发展,现有技术的广告推荐方法大多基于对用户历史查看信息对用户有针对性的进行推荐,这种推荐方法,可以使用户能够查看到与自身需要比较相关的广告信息内容。
但是,在实现本发明的过程中,发明人发现,现有技术至少存在以下问题:
通过现有技术的广告推荐方法,对应新用户无法有针对性的推荐广告信息,而导致广告的转化率降低。
发明内容
本发明实施例提供的一种广告推荐技术。
根据本发明实施例的一个方面,提供的一种广告推荐方法,包括:
基于网站的属性信息和/或网络环境获取所述网站对应的第一属性分类,基于所述第一属性分类从广告库中获取对应所述第一属性分类的广告信息构成第一推荐广告集;
获取用户对应的第二属性分类,基于所述第二属性分类从所述第一推荐广告集中筛选获得第二推荐广告集;所述第二推荐广告集中包括第一预设数量的广告信息;
将所述第二推荐广告集中的广告信息基于质量评分进行排序;所述质量评分用于标识广告信息的质量;
将所述排序后的第二推荐广告集推荐给所述用户。
在基于本发明上述方法的另一个实施例中,所述广告库中包括至少一个类别条目;每个所述类别条目对应一个广告类别,每个所述类别条目中存储对应所述广告类别的所有广告信息;
基于所述第一属性分类从广告库中获取对应所述第一属性分类的广告信息构成第一推荐广告集,包括:
基于所述第一属性分类获得对应所述第一属性分类的至少一个所述广告类别;
基于所述至少一个广告类别得到对应的类别条目,输出所述类别条目中的所有广告信息构成第一推荐广告集。
在基于本发明上述方法的另一个实施例中,所述广告类别包括以下至少一种:
文字类广告、图片类广告、动图类广告、视频类广告、音频类广告。
在基于本发明上述方法的另一个实施例中,所述网站的属性信息包括以下至少一种:
网站类型、网站显示信息的类型、网站来源、网站地址。
在基于本发明上述方法的另一个实施例中,所述获取用户对应的第二属性分类,基于所述第二属性分类从所述第一推荐广告集中筛选获得第二推荐广告集,包括:
基于用户的属性信息获取所述用户对应的第二属性分类,基于所述第二属性分类从所述第一推荐广告集中筛选所述第二属性分类对应的广告标签,基于所述广告标签对应的广告信息构成第二推荐广告集;每个所述广告信息对应至少两个广告标签,所述第二属性分类与所述广告标签存在对应关系。
在基于本发明上述方法的另一个实施例中,所述用户的属性信息包括以下一种或多种信息:
年龄、所在地、性别、手机类型、安装应用、兴趣爱好、教育水平、收入水平、第三方应用提供的用户画像信息。
在基于本发明上述方法的另一个实施例中,所述第二属性分类与所述广告标签之间的对应关系包括:一个所述第二属性分类对应一个所述广告标签,或一个所述第二属性分类对应多个所述广告标签,或多个所述第二属性分类对应一个所述广告标签,或多个所述第二属性分类对应多个所述广告标签。
在基于本发明上述方法的另一个实施例中,将所述第二推荐广告集中的广告信息基于质量评分进行排序,包括:
利用评分模型,基于所述用户的属性信息和广告的相关信息得到对应所述广告信息对应所述用户的质量评分;所述评分模型基于样本信息训练获得,所述样本信息标注有质量评分,所述广告的相关信息用于描述所述广告的特征。
在基于本发明上述方法的另一个实施例中,将所述第二推荐广告集推荐给所述用户之前,还包括:
判断所述第二推荐广告集中的广告信息对应的广告标签数量是否小于设定值;
响应于所述第二推荐广告集中的广告信息对应的广告标签数量小于设定值,对所述第二推荐广告集中的广告信息进行更新,将所述更新后的第二推荐广告集推荐给用户,使所述第二推荐广告集中包括的广告标签数量大于或等于设定值。
在基于本发明上述方法的另一个实施例中,还包括:
响应于所述第二推荐广告集中的广告信息对应的广告标签数量大于或等于设定值,将所述第二推荐广告集推荐给用户。
在基于本发明上述方法的另一个实施例中,对所述第二推荐广告集中的广告信息进行更新,包括:
删除所述多个广告信息对应同一广告标签中的至少一个广告信息,使所述第二推荐广告集中的各所述广告标签对应的广告信息数量小于或等于第二预设数量;
为所述第二推荐广告集中增加至少一个对应新的广告标签的广告信息;所述新的广告标签与所述第二推荐广告集中的广告标签不相同,每个所述广告标签对应的广告信息数量小于或等于第二预设数量。
根据本发明实施例的另一个方面,提供的一种广告推荐装置,包括:
分类单元,用于基于网站的属性信息和/或网络环境获取所述网站对应的第一属性分类,基于所述第一属性分类从广告库中获取对应所述第一属性分类的广告信息构成第一推荐广告集;
召回单元,用于获取用户对应的第二属性分类,基于所述第二属性分类从所述第一推荐广告集中筛选获得第二推荐广告集;所述第二推荐广告集中包括第一预设数量的广告信息;
排序单元,用于将所述第二推荐广告集中的广告信息基于质量评分进行排序;所述质量评分用于标识广告信息的质量;
推荐单元,用于将所述第二推荐广告集推荐给所述用户。
在基于本发明上述装置的另一个实施例中,所述广告库中包括至少一个类别条目;每个所述类别条目对应一个广告类别,每个所述类别条目中存储对应所述广告类别的所有广告信息;
所述分类单元,具体用于基于所述第一属性分类获得对应所述第一属性分类的至少一个所述广告类别;
基于所述至少一个广告类别得到对应的类别条目,输出所述类别条目中的所有广告信息构成第一推荐广告集。
在基于本发明上述装置的另一个实施例中,所述广告类别包括以下至少一种:
文字类广告、图片类广告、动图类广告、视频类广告、音频类广告。
在基于本发明上述装置的另一个实施例中,所述网站的属性信息包括以下至少一种:
网站类型、网站显示信息的类型、网站来源、网站地址。
在基于本发明上述装置的另一个实施例中,所述召回单元,具体用于基于用户的属性信息获取所述用户对应的第二属性分类,基于所述第二属性分类从所述第一推荐广告集中筛选所述第二属性分类对应的广告标签,基于所述广告标签对应的广告信息构成第二推荐广告集;每个所述广告信息对应至少两个广告标签,所述属性分类与所述广告标签存在对应关系。
在基于本发明上述装置的另一个实施例中,所述用户的属性信息包括以下一种或多种信息:
年龄、所在地、性别、手机类型、安装应用、请求爱好、兴趣爱好、教育水平、收入水平、第三方应用提供的用户画像信息。
在基于本发明上述装置的另一个实施例中,所述第二属性分类与所述标签之间的对应关系包括:一个所述第二属性分类对应一个所述广告标签,或一个所述第二属性分类对应多个所述广告标签,或多个所述第二属性分类对应一个所述广告标签,或多个所述第二属性分类对应多个所述广告标签。
在基于本发明上述装置的另一个实施例中,所述排序单元,具体用于利用评分模型,基于所述用户的属性信息和广告的相关信息得到对应所述广告信息对应所述用户的质量评分;所述评分模型基于样本信息训练获得,所述样本信息标注有质量评分,所述广告的相关信息用于描述所述广告的特征。
在基于本发明上述装置的另一个实施例中,还包括:
判断单元,用于判断所述第二推荐广告集中的广告信息对应的广告标签数量是否小于设定值;
打散单元,用于响应于所述第二推荐广告集中的广告信息对应的广告标签数量小于设定值,对所述第二推荐广告集中的广告信息进行更新,将所述更新后的第二推荐广告集推荐给用户,使所述第二推荐广告集中包括的广告标签数量大于或等于设定值。
在基于本发明上述装置的另一个实施例中,所述打散单元,还用于响应于所述第二推荐广告集中的广告信息对应的广告标签数量大于或等于设定值,将所述第二推荐广告集推荐给用户。
在基于本发明上述装置的另一个实施例中,所述打散单元,具体用于删除所述多个广告信息对应同一广告标签中的至少一个广告信息,使所述第二推荐广告集中的各所述广告标签对应的广告信息数量小于或等于第二预设数量;
为所述第二推荐广告集中增加至少一个对应新的广告标签的广告信息;所述新的广告标签与所述第二推荐广告集中的广告标签不相同,每个所述广告标签对应的广告信息数量小于或等于第二预设数量。
根据本发明实施例的另一个方面,提供的一种电子设备,包括处理器,所述处理器包括如上所述的广告推荐装置。
根据本发明实施例的另一个方面,提供的一种电子设备,包括:存储器,用于存储可执行指令;
以及处理器,用于与所述存储器通信以执行所述可执行指令从而完成如上所述广告推荐方法的操作。
根据本发明实施例的另一个方面,提供的一种计算机存储介质,用于存储计算机可读取的指令,所述指令被执行时执行如上所述广告推荐方法的操作。
根据本发明实施例的另一个方面,提供的一种计算机程序,包括计算机可读代码,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行用于实现如上所述广告推荐方法的指令。
基于本发明上述实施例提供的一种广告推荐方法和装置、电子设备、存储介质、程序,基于网站的属性信息和/或网络环境获取网站的第一属性分类,基于第一属性分类从广告库中获取对应所述第一属性分类的广告信息构成第一推荐广告集,基于网站属性获取相关类别的广告信息,提高了推荐的广告被用户点击的概率;获取用户对应的第二属性分类,基于第二属性分类从第一推荐广告集中筛选获得第二推荐广告集;基于用户的属性分类进行筛选推荐,可以实现对没有观看记录的新用户有针对性的进行广告推荐,不会出现因为随机推荐而导致推荐与用户完全不相关的广告信息的问题,通过有针对性的广告推荐,提高了广告点击通过率;将第二推荐广告集中的广告信息基于质量评分进行排序,将排序后的第二推荐广告集推荐给用户,通过基于质量评分排序将为用户推荐质量较好的广告,进一步提高用户点击广告的可能性。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例,并且连同描述一起用于解释本发明的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本发明,其中:
图1为本发明广告推荐方法一个实施例的流程图。
图2为本发明广告推荐装置一个实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1为本发明广告推荐方法一个实施例的流程图。如图1所示,该实施例方法包括:
步骤101,基于网站的属性信息和/或网络环境获取网站对应的第一属性分类,基于第一属性分类从广告库中获取对应第一属性分类的广告信息构成第一推荐广告集。
其中,第一推荐广告集中包括对应广告类别的广告信息,每个属性信息对应至少两个属性分类,属性分类与广告类别存在对应关系,广告库中包括至少一个广告类别,每个广告类别中包括至少一个广告信息每个广告类别中包括至少一个广告信息,广告类别用于区分不同类型的广告信息。
在一个或多个可选的实施例中,广告类别(基于表现形式分类)包括但不限于以下至少一种:文字类广告、图片类广告、动图类广告、视频类广告、音频类广告。
可选地,广告类别还可以基于广告性质分类(如:公益、商业、宣传等),基于广告内容分类(如:服饰、家电等),基于广告区域分类(如:国内、国外等)等等,本发明对广告类别包括的种类不作限制。
在一个或多个可选的实施例中,网站的属性信息包括但不限于以下至少一种:网站类型、网站显示信息的类型、网站来源、网站地址等。具体地,每个属性信息对应至少两种属性分类,例如:网站类型对应:视频类网站、新闻类网站、文字类网站等;
可选地,网络环境包括:无线局域网、2G流量网络、3G流量网络、4G流量网络等;
其中不同网络环境对应至少一个广告分类,例如:4G流量网络对应文字类广告;每种属性分类对应至少一个广告分类,例如:视频类网站对应视频类广告和动图类广告等等。操作101基于这种对应关系在确定当前网站属性分类的情况下,基于属性分类获得对应的广告类别对应的广告信息。
步骤102,获取用户对应的第二属性分类,基于第二属性分类从第一推荐广告集中筛选获得第二推荐广告集。
其中,第二推荐广告集中包括第一预设数量的广告信息,广告信息包括对应至少一个广告标签的广告信息,具体地,本实施例所指用户为新用户,新用户不存在观看记录,无法基于观看记录获取用户观看过的广告信息的标签,因此,只能基于用户的第二属性分类对第一推荐广告集进行筛选,以使推荐广告信息更有可能被用户点击。
步骤103,将第二推荐广告集中的广告信息基于质量评分进行排序。
其中,质量评分用于标识广告信息的质量。
步骤104,将排序后的第二推荐广告集推荐给用户。
基于本发明上述实施例提供的一种广告推荐方法,基于网站的属性信息和/或网络环境获取网站的第一属性分类,基于第一属性分类从广告库中获取对应所述第一属性分类的广告信息构成第一推荐广告集,基于网站属性获取相关类别的广告信息,提高了推荐的广告被用户点击的概率;获取用户对应的第二属性分类,基于第二属性分类从第一推荐广告集中筛选获得第二推荐广告集;基于用户的属性分类进行筛选推荐,可以实现对没有观看记录的新用户有针对性的进行广告推荐,不会出现因为随机推荐而导致推荐与用户完全不相关的广告信息的问题,通过有针对性的广告推荐,提高了广告点击通过率;将第二推荐广告集中的广告信息基于质量评分进行排序,将排序后的第二推荐广告集推荐给用户,通过基于质量评分排序将为用户推荐质量较好的广告,进一步提高用户点击广告的可能性。
在本发明广告推荐方法上述各实施例的一个具体示例中,广告库中包括至少一个类别条目;每个类别条目对应一个广告类别,每个类别条目中存储对应广告类别的所有广告信息;
具体地,本示例中为了便于基于广告类别获取广告库中的广告信息,基于广告类别建立类别条目,每个类别条目中存储对应广告类别的所有广告信息,此时即可实现以广告类别作为索引对广告信息进行检索。
操作101包括:
基于第一属性分类获得对应第一属性分类的至少一个广告类别;
基于至少一个广告类别得到对应的类别条目,输出类别条目中的所有广告信息构成第一推荐广告集。
具体地,基于广告类别作为索引,即可从广告库中获取到对应用户的广告类别的类别条目,而类别条目中存储的广告信息即为用户有可能感兴趣的广告信息。
本发明广告推荐方法的另一个实施例,在上述实施例的基础上,操作102包括:
基于用户的属性信息获取用户对应的第二属性分类,基于第二属性分类从第一推荐广告集中筛选第二属性分类对应的广告标签,基于广告标签对应的广告信息构成第二推荐广告集。
可选地,还可以包括基于终端上下文信息(例如:终端类型、屏幕尺寸、操作系统、网络状态等)以及其他第三方系统提供的用户画像信息获取用户对应的标签,根据用户标签和广告标签的匹配关系进行粗选,筛选出待推荐的广告作为排序的候选集。
其中,每个属性信息包括至少两个第二属性分类,每个广告信息对应至少两个广告标签,第二属性分类与广告标签存在对应关系。
具体地,为了给没有历史记录的新用户推荐用户感兴趣的广告信息,提高用户的有效点击和用户体验,本实施例基于第二属性分类对第一推荐广告集进行筛选,其中筛选的基础是第二属性分类与广告标签存在对应关系,具体地,第二属性分类与标签之间的对应关系包括:一个第二属性分类对应一个广告标签,或一个第二属性分类对应多个广告标签,或多个第二属性分类对应一个广告标签,或多个第二属性分类对应多个广告标签,基于这些对应关系即可基于第二属性分类对广告信息进行筛选。
可选地,在一个或多个可选的实施例中,用户的属性信息包括以下一种或多种信息:
年龄、所在地、性别、手机类型、安装应用、兴趣爱好、教育水平、收入水平、第三方应用提供的用户画像信息等。
具体地,用户的属性信息可以是基于设备获得(例如:安装应用信息、手机类型信息和所在地信息都可以是基于手机获得);还有的属性信息可以是基于第三方应用或广告信息查看应用获得(例如:年龄信息和性别信息可以是基于用户注册获得)。
可选地,通过用户对不同种类的广告信息查看的历史记录获得用户对应的广告标签,可以将用户对一种广告信息的观看习惯延伸到其中种类广告信息中,使推荐给用户的广告信息在一定程度上符合用户的观看习惯,推荐的广告信息更容易被用户点击观看。
本发明广告推荐方法的又一个实施例,在上述实施例的基础上,操作103包括:
利用评分模型,基于用户的属性信息和广告的相关信息得到对应广告信息对应用户的质量评分。
其中,评分模型基于样本信息训练获得,样本信息标注有质量评分,广告的相关信息用于描述广告的特征。
本实施例中通过评分模型计算广告信息的质量评分;选取用户基础属性、用户标签、广告标题、广告行业分类、广告标签、广告CTR等作为特征,根据离线训练的模型,在线实时对待排序的广告计算评分,根据质量评分对光信息进行高低排序,广告CTR(Click-Through-Rate)即广告点击通过率,是互联网广告常用的术语,指网络广告(图片广告/文字广告/关键词广告/排名广告/视频广告等)的点击到达率,即该广告的实际点击次数(严格的来说,可以是到达目标页面的数量)除以广告的展现量(Show content)。
为了给用户推荐质量较好的广告信息,需要对待推荐的广告信息进行排序,排序后即可按序将质量好的广告推荐给用户,以提高用户体验,减少用户的无效点击次数,使用户每次点击都能查看到需要的广告信息内容;而为了保证推荐广告信息的多样性,在对广告信息进行排序之前,可先将广告信息基于广告标签进行分组,分别对每个分类组中的广告信息进行排序,以保证获得不同广告标签中质量较好的广告信息。
可选地,在一个或多个可选实施例中,广告质量可以与点击率和/或广告点击通过率正相关;点击率越高广告质量越好,所述点击率越低所述广告质量越差,广告点击通过率越高广告质量越好,广告点击通过率越低广告质量越差;通过广告质量排序即可将更多人觉得好的广告推荐给用户,可以提高用户观看体验。
本发明广告推荐方法的再一个实施例,在上述实施例的基础上,在操作103之前,还包括:
判断第二推荐广告集中的广告信息对应的广告标签数量是否小于设定值;
响应于第二推荐广告集中的广告信息对应的广告标签数量小于设定值,对第二推荐广告集中的广告信息进行更新,将更新后的第二推荐广告集推荐给用户,使第二推荐广告集中包括的广告标签数量大于或等于设定值。
响应于第二推荐广告集中的广告信息对应的广告标签数量大于或等于设定值,将第二推荐广告集推荐给用户。
由于受页面大小限制,每次为用户提供的推荐广告信息的数量是有限的,并且有些广告信息是夹杂在其他信息之后的,例如:视频广告夹杂在视频网站的推荐视频中;本实施例为了保证每次为新用户推荐的广告信息的多样性,需要控制每次推荐广告信息对应的广告标签数量应当不小于设定值,当推荐广告信息对应的广告标签数量小于设定值时,需要将一个广告标签对应的多个推荐广告信息进行调整,使每个广告标签对应的推荐广告信息的数量在设定范围内。
而当推荐广告信息对应的广告标签数量大于或等于设定值时,则无需对第二推荐广告集进行更新,直接将该第二推荐广告集推荐给用户即可。
在本发明广告推荐方法上述各实施例的一个具体示例中,对第二推荐广告集中的广告信息进行更新,包括:
删除多个广告信息对应同一广告标签中的至少一个广告信息,使第二推荐广告集中的各广告标签对应的广告信息数量小于或等于第二预设数量。
为第二推荐广告集中增加至少一个对应新的广告标签的广告信息;新的广告标签与第二推荐广告集中的广告标签不重复,每个广告标签对应的广告信息数量小于或等于第二预设数量。
本实施例,提供了一种更新第二推荐广告集的具体过程,对于同一广告标签对应多个广告信息的情况,需要将该广告标签对应的广告信息删除一部分,以使该广告标签对应的广告信息数量小于或等于第二预设数量,留出更多空位以便显示更多广告标签对应的广告信息;对于删除广告信息空出的位置,增加新的广告标签对应的广告信息,而新增加的广告信息的数量同样需要小于或等于第二预设数量,如果增加一种广告标签不能使填满所有位置,可增加多种广告标签。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图2为本发明广告推荐装置一个实施例的结构示意图。该实施例的装置可用于实现本发明上述各方法实施例。如图2所示,该实施例的装置包括:
分类单元21,用于基于网站的属性信息和/或网络环境获取网站对应的第一属性分类,基于第一属性分类从广告库中获取对应第一属性分类的广告信息构成第一推荐广告集。
其中,第一推荐广告集中包括对应广告类别的广告信息,每个属性信息对应至少两个属性分类,属性分类与广告类别存在对应关系,广告库中包括至少一个广告类别,每个广告类别中包括至少一个广告信息。
在一个或多个可选的实施例中,广告类别包括但不限于以下至少一种:文字类广告、图片类广告、动图类广告、视频类广告、音频类广告。
在一个或多个可选的实施例中,网站的属性信息包括但不限于以下至少一种:网站类型、网站显示信息的类型、网站来源、网站地址等。具体地,每个属性信息对应至少两种属性分类,例如:网站类型对应:视频类网站、新闻类网站、文字类网站等;
可选地,网络环境包括:无线局域网、2G流量网络、3G流量网络、4G流量网络等;
其中不同网络环境对应至少一个广告分类,例如:4G流量网络对应文字类广告;每种属性分类对应至少一个广告分类,例如:视频类网站对应视频类广告和动图类广告等等。操作101基于这种对应关系在确定当前网站属性分类的情况下,基于属性分类获得对应的广告类别对应的广告信息。
召回单元22,用于获取用户对应的第二属性分类,基于第二属性分类从第一推荐广告集中筛选获得第二推荐广告集。
其中,第二推荐广告集中包括第一预设数量的广告信息。
排序单元23,用于将第二推荐广告集中的广告信息基于质量评分进行排序。
其中,质量评分用于标识广告信息的质量。
推荐单元24,用于将排序后的第二推荐广告集推荐给用户。
基于本发明上述实施例提供的一种广告推荐装置,基于网站的属性信息和/或网络环境获取网站的第一属性分类,基于第一属性分类从广告库中获取对应所述第一属性分类的广告信息构成第一推荐广告集,基于网站属性获取相关类别的广告信息,提高了推荐的广告被用户点击的概率;获取用户对应的第二属性分类,基于第二属性分类从第一推荐广告集中筛选获得第二推荐广告集;基于用户的属性分类进行筛选推荐,可以实现对没有观看记录的新用户有针对性的进行广告推荐,不会出现因为随机推荐而导致推荐与用户完全不相关的广告信息的问题,通过有针对性的广告推荐,提高了广告点击通过率;将第二推荐广告集中的广告信息基于质量评分进行排序,将排序后的第二推荐广告集推荐给用户,通过基于质量评分排序将为用户推荐质量较好的广告,进一步提高用户点击广告的可能性。
在本发明广告推荐装置上述各实施例的一个具体示例中,广告库中包括至少一个类别条目;每个类别条目对应一个广告类别,每个类别条目中存储对应广告类别的所有广告信息;
分类单元21,包括:基于第一属性分类获得对应第一属性分类的至少一个广告类别;
基于至少一个广告类别得到对应的类别条目,输出类别条目中的所有广告信息构成第一推荐广告集。
本发明广告推荐装置的另一个实施例,在上述实施例的基础上,召回单元22,具体用于基于用户的属性信息获取用户对应的第二属性分类,基于第二属性分类从第一推荐广告集中筛选第二属性分类对应的广告标签,基于广告标签对应的广告信息构成第二推荐广告集。
其中,每个属性信息包括至少两个属性分类,每个广告信息对应至少两个广告标签,属性分类与广告标签存在对应关系。
具体地,为了给没有历史记录的新用户推荐用户感兴趣的广告信息,提高用户的有效点击和用户体验,本实施例基于属性分类对第一推荐广告集进行筛选,其中筛选的基础是属性分类与广告标签存在对应关系,具体地,第二属性分类与标签之间的对应关系包括:一个第二属性分类对应一个广告标签,或一个第二属性分类对应多个广告标签,或多个第二属性分类对应一个广告标签,或多个第二属性分类对应多个广告标签,基于这些对应关系即可基于第二属性分类对广告信息进行筛选。
可选地,在一个或多个可选的实施例中,用户的属性信息包括以下一种或多种信息:
年龄、所在地、性别、手机类型、安装应用、请求爱好、兴趣爱好、教育水平、收入水平、第三方应用提供的用户画像信息等。
本发明广告推荐装置的又一个实施例,在上述实施例的基础上,排序单元23,具体用于利用评分模型,基于用户的属性信息和广告的相关信息得到对应广告信息对应用户的质量评分。
评分模型基于样本信息训练获得,样本信息标注有质量评分,广告的相关信息用于描述广告的特征。
广告点击通过率广告点击通过率广告点击通过率为了给用户推荐质量较好的广告信息,需要对待推荐的广告信息进行排序,排序后即可按序将质量好的广告推荐给用户,以提高用户体验,减少用户的无效点击次数,使用户每次点击都能查看到需要的广告信息内容;而为了保证推荐广告信息的多样性,在对广告信息进行排序之前,可先将广告信息基于广告标签进行分组,分别对每个分类组中的广告信息进行排序,以保证获得不同广告标签中质量较好的广告信息。
本发明广告推荐装置的再一个实施例,在上述实施例的基础上,还包括:
判断单元,用于判断第二推荐广告集中的广告信息对应的广告标签数量是否小于设定值;
打散单元,用于响应于第二推荐广告集中的广告信息对应的广告标签数量小于设定值,对第二推荐广告集中的广告信息进行更新,将更新后的第二推荐广告集推荐给用户;响应于第二推荐广告集中的广告信息对应的广告标签数量大于或等于设定值,将第二推荐广告集推荐给用户,使第二推荐广告集中包括的广告标签数量大于或等于设定值。
由于受页面大小限制,每次为用户提供的推荐广告信息的数量是有限的,并且有些广告信息是夹杂在其他信息之后的,例如:视频广告夹杂在视频网站的推荐视频中;本实施例为了保证每次为新用户推荐的广告信息的多样性,需要控制每次推荐广告信息对应的广告标签数量应当不小于设定值,当推荐广告信息对应的广告标签数量小于设定值时,需要将一个广告标签对应的多个推荐广告信息进行调整,使每个广告标签对应的推荐广告信息的数量在设定范围内。
而当推荐广告信息对应的广告标签数量大于或等于设定值时,则无需对第二推荐广告集进行更新,直接将该第二推荐广告集推荐给用户即可。
在本发明广告推荐装置上述各实施例的一个具体示例中,打散单元,具体用于删除多个广告信息对应同一广告标签中的至少一个广告信息,使第二推荐广告集中的各广告标签对应的广告信息数量小于或等于第二预设数量;
为第二推荐广告集中增加至少一个对应新的广告标签的广告信息。
其中,新的广告标签与第二推荐广告集中的广告标签不相同,每个广告标签对应的广告信息数量小于或等于第二预设数量。
根据本发明实施例的另一个方面,提供的一种电子设备,包括处理器,处理器包括本发明上述任一实施例的广告推荐装置。
根据本发明实施例的另一个方面,提供的一种电子设备,包括:存储器,用于存储可执行指令;
以及处理器,用于与存储器通信以执行可执行指令从而完成本发明广告推荐方法上述任一实施例的操作。
根据本发明实施例的另一个方面,提供的一种计算机存储介质,用于存储计算机可读取的指令,指令被执行时执行本发明广告推荐方法上述任一实施例的操作。
根据本发明实施例的另一个方面,提供的一种计算机程序,包括计算机可读代码,当计算机可读代码在设备上运行时,该设备中的处理器执行用于实现本发明广告推荐方法任意一项实施例的指令。
本说明书中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它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,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。
可能以许多方式来实现本发明的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种广告推荐方法,其特征在于,包括:
基于网站的属性信息和/或网络环境获取所述网站对应的第一属性分类,基于所述第一属性分类从广告库中获取对应所述第一属性分类的广告信息构成第一推荐广告集;
获取用户对应的第二属性分类,基于所述第二属性分类从所述第一推荐广告集中筛选获得第二推荐广告集;所述第二推荐广告集中包括第一预设数量的广告信息;
将所述第二推荐广告集中的广告信息基于质量评分进行排序;所述质量评分用于标识广告信息的质量;
将所述排序后的第二推荐广告集推荐给所述用户。
2.根据权利要求1所述的方法,其特征在于,所述广告库中包括至少一个类别条目;每个所述类别条目对应一个广告类别,每个所述类别条目中存储对应所述广告类别的所有广告信息;
基于所述第一属性分类从广告库中获取对应所述第一属性分类的广告信息构成第一推荐广告集,包括:
基于所述第一属性分类获得对应所述第一属性分类的至少一个所述广告类别;
基于所述至少一个广告类别得到对应的类别条目,输出所述类别条目中的所有广告信息构成第一推荐广告集。
3.根据权利要求2所述的方法,其特征在于,所述广告类别包括以下至少一种:
文字类广告、图片类广告、动图类广告、视频类广告、音频类广告。
4.根据权利要求1-3任一所述的方法,其特征在于,所述网站的属性信息包括以下至少一种:
网站类型、网站显示信息的类型、网站来源、网站地址。
5.根据权利要求1-4任一所述的方法,其特征在于,所述获取用户对应的第二属性分类,基于所述第二属性分类从所述第一推荐广告集中筛选获得第二推荐广告集,包括:
基于用户的属性信息获取所述用户对应的第二属性分类,基于所述第二属性分类从所述第一推荐广告集中筛选所述第二属性分类对应的广告标签,基于所述广告标签对应的广告信息构成第二推荐广告集;每个所述广告信息对应至少两个广告标签,所述第二属性分类与所述广告标签存在对应关系。
6.一种广告推荐装置,其特征在于,包括:
分类单元,用于基于网站的属性信息和/或网络环境获取所述网站对应的第一属性分类,基于所述第一属性分类从广告库中获取对应所述第一属性分类的广告信息构成第一推荐广告集;
召回单元,用于获取用户对应的第二属性分类,基于所述第二属性分类从所述第一推荐广告集中筛选获得第二推荐广告集;所述第二推荐广告集中包括第一预设数量的广告信息;
排序单元,用于将所述第二推荐广告集中的广告信息基于质量评分进行排序;所述质量评分用于标识广告信息的质量;
推荐单元,用于将所述排序后的第二推荐广告集推荐给所述用户。
7.一种电子设备,其特征在于,包括处理器,所述处理器包括权利要求6所述的广告推荐装置。
8.一种电子设备,其特征在于,包括:存储器,用于存储可执行指令;
以及处理器,用于与所述存储器通信以执行所述可执行指令从而完成权利要求1至5任意一项所述广告推荐方法的操作。
9.一种计算机存储介质,用于存储计算机可读取的指令,其特征在于,所述指令被执行时执行权利要求1至5任意一项所述广告推荐方法的操作。
10.一种计算机程序,包括计算机可读代码,其特征在于,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行用于实现权利要求1至5任意一项所述广告推荐方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711485172.2A CN108230025A (zh) | 2017-12-29 | 2017-12-29 | 广告推荐方法和装置、电子设备、存储介质、程序 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711485172.2A CN108230025A (zh) | 2017-12-29 | 2017-12-29 | 广告推荐方法和装置、电子设备、存储介质、程序 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108230025A true CN108230025A (zh) | 2018-06-29 |
Family
ID=62647380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711485172.2A Pending CN108230025A (zh) | 2017-12-29 | 2017-12-29 | 广告推荐方法和装置、电子设备、存储介质、程序 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108230025A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377278A (zh) * | 2018-10-24 | 2019-02-22 | 深圳市万屏时代科技有限公司 | 一种基于短语评分的广告投放方法、系统以及计算机存储介质 |
CN109493146A (zh) * | 2018-11-29 | 2019-03-19 | 深圳爱问科技股份有限公司 | 广告投放方法及装置 |
CN109948048A (zh) * | 2019-01-28 | 2019-06-28 | 广州大学 | 一种商品搜索、排序、展示方法及系统 |
CN111353803A (zh) * | 2018-12-24 | 2020-06-30 | 北京奇虎科技有限公司 | 广告主分类方法及装置、计算设备 |
CN112200602A (zh) * | 2020-09-21 | 2021-01-08 | 北京达佳互联信息技术有限公司 | 用于广告推荐的神经网络模型训练方法及装置 |
CN113395550A (zh) * | 2020-03-13 | 2021-09-14 | 浙江大搜车软件技术有限公司 | 一种视频推荐方法、装置、系统及电子设备 |
CN113763010A (zh) * | 2020-11-19 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种信息推送的方法和装置 |
-
2017
- 2017-12-29 CN CN201711485172.2A patent/CN108230025A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377278A (zh) * | 2018-10-24 | 2019-02-22 | 深圳市万屏时代科技有限公司 | 一种基于短语评分的广告投放方法、系统以及计算机存储介质 |
CN109377278B (zh) * | 2018-10-24 | 2021-04-27 | 深圳市万屏时代科技有限公司 | 一种基于短语评分的广告投放方法、系统以及计算机存储介质 |
CN109493146A (zh) * | 2018-11-29 | 2019-03-19 | 深圳爱问科技股份有限公司 | 广告投放方法及装置 |
CN111353803A (zh) * | 2018-12-24 | 2020-06-30 | 北京奇虎科技有限公司 | 广告主分类方法及装置、计算设备 |
CN111353803B (zh) * | 2018-12-24 | 2024-04-05 | 三六零科技集团有限公司 | 广告主分类方法及装置、计算设备 |
CN109948048A (zh) * | 2019-01-28 | 2019-06-28 | 广州大学 | 一种商品搜索、排序、展示方法及系统 |
CN113395550A (zh) * | 2020-03-13 | 2021-09-14 | 浙江大搜车软件技术有限公司 | 一种视频推荐方法、装置、系统及电子设备 |
CN112200602A (zh) * | 2020-09-21 | 2021-01-08 | 北京达佳互联信息技术有限公司 | 用于广告推荐的神经网络模型训练方法及装置 |
CN112200602B (zh) * | 2020-09-21 | 2024-06-07 | 北京达佳互联信息技术有限公司 | 用于广告推荐的神经网络模型训练方法及装置 |
CN113763010A (zh) * | 2020-11-19 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种信息推送的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230025A (zh) | 广告推荐方法和装置、电子设备、存储介质、程序 | |
CN108230026A (zh) | 广告推荐方法和装置、电子设备、存储介质、程序 | |
CN108108446A (zh) | 视频推荐方法和装置、电子设备、存储介质、程序 | |
US5918014A (en) | Automated collaborative filtering in world wide web advertising | |
TW201740295A (zh) | 確定用戶行為偏好的方法、推薦資訊的展示方法和裝置 | |
CN105956888A (zh) | 广告个性化展示方法 | |
CN107862553A (zh) | 广告实时推荐方法、装置、终端设备及存储介质 | |
Potter | Synthesizing a working definition of “mass” media | |
CN107948326A (zh) | 内容推荐调试方法和装置、电子设备、存储介质、程序 | |
EP2534618A2 (en) | Lead qualification based on contact relationships and customer experience | |
CN109903127A (zh) | 一种群组推荐方法、装置、存储介质及服务器 | |
CN108228784A (zh) | 视频推荐方法和装置、电子设备、存储介质、程序 | |
US20170214752A1 (en) | Systems and methods for providing geographically delineated content author information | |
CN111523035B (zh) | App浏览内容的推荐方法、装置、服务器和介质 | |
CN111400586A (zh) | 群组展示方法、终端、服务器、系统及存储介质 | |
CN109120719A (zh) | 信息推送方法、信息展示方法、计算机设备及存储介质 | |
CN107666435A (zh) | 一种屏蔽消息的方法及装置 | |
CN107944026A (zh) | 一种图集个性化推荐的方法、装置、服务器和存储介质 | |
CN110428277A (zh) | 推荐产品的触达方法、存储介质和程序产品 | |
CN107977678A (zh) | 用于输出信息的方法和装置 | |
CN111782953A (zh) | 推荐方法、装置、设备及存储介质 | |
CN108694211B (zh) | 应用分发方法及装置 | |
JPWO2006137479A1 (ja) | ウェブ広告システムとウェブ広告プログラム | |
CN115203539A (zh) | 一种媒体内容推荐方法、装置、设备及存储介质 | |
CN114938458A (zh) | 对象信息展示方法、装置、电子设备及存储介质 |
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 |