CN108734510A - 基于属性匹配的广告推荐方法及系统 - Google Patents

Abstract

本发明实施例提供了一种基于属性匹配的广告推荐方法及系统，所述方法包括：根据预设规则，将海量用户的属性信息、以及海量广告的属性信息分别在后台离线转换成二进制数据格式的用户属性、二进制数据格式的广告属性；根据实时请求，读取发起请求用户的二进制数据格式的属性与每一个广告的二进制数据格式的属性通过二进制“与”运算进行匹配，将所述运算结果不为零时所对应的广告推荐给发起请求用户。数据处理放在后台离线转换，避免了实时接口中对数据处理的耗时；将属性的数据格式转换成二进制数据格式，避免了广告与用户的属性类型不同而导致的错误；基于属性匹配的广告推荐方法相比于现有技术的耗时大大缩短。

Description

基于属性匹配的广告推荐方法及系统

技术领域

本发明涉及计算机互联网技术领域，尤其涉及一种基于属性匹配的广告推荐方法及系统。

背景技术

目前，广告智能投放系统为了广告高点击率，与用户很好的交互，获取用户的共鸣认可，需要针对不同的用户兴趣精准投放广告，为了实现这种高效的广告展示方式，广告在投放的时候，可以根据广告的种类，选择不同的兴趣属性，在获取广告的时候首先提取用户属性，然后把广告属性与用户属性一一比对，筛选出合适的广告，展示给用户。

在现有技术中，通常的处理方法是获取用户的兴趣属性信息(长度为n)，获取所有的广告，总广告数目为k，假设每条广告的属性有k，最理想的情况，该接口只需要获取一条匹配的广告，而且第一条广告就是能匹配上的广告，代码的最大循环次数是n*k，这种理想的情况在现实中几乎不出现，因此不予考虑。按最坏情况考虑循环次数，如果接口需要获取多个或者所有的合适广告做预加载的时候，所需循环次数是：n*m*k，且所有的循环都要做个相等的匹配判断。

在现有技术中，另一改进的技术方案中，用map结构来存储用户的兴趣属性、广告的兴趣属性，同时在初始化的时候，记录下两者的长度，在匹配的时候，以长度短的一个变量为遍历轴，另一个不遍历，只用做字典的作用。0(1)的时间即可知道，某一属性是否被匹配上。这种解决方案，可以将遍历时间由n*m*k的时间减少成n*k，但是每一步中的判断“是否等于”的操作，实际不还是做了一个a*b的循环，实际应用的属性值实际上是一组字符串，字符串判断是否相等，实际上还是做了个循环判断是否相等。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：当接口需求变更时，导致耗时成倍增加；当接口用户很多、高并发的时候，给接口用户匹配广告的处理时间变长，服务器性能变差，同时导致后续接口用户请求无法响应。

发明内容

本发明实施例提供一种将海量用户的属性信息和海量广告的属性信息按预定规则转换成预定据格式，采用预定数据格式进行广告匹配的方法消耗的时间是普通方法的六分之一，在接口用户较多，高并发的情况下，节省的时间成本更加可观。

一方面，本发明实施例提供了一种基于属性匹配的广告推荐方法，所述方法包括：

根据预设规则，将海量用户的属性信息、以及海量广告属性信息分别在后台离线转换成预定数据格式的用户属性、预定数据格式的广告属性；

将预定数据格式的用户属性、以及广告属性分别存储至预设地址；

当接到根据实时请求时，从预设地址中读取发起请求用户对应的预定数据格式的用户属性、以及每一个广告的预定数据格式的广告属性；

使用读取到的预定数据格式的用户属性与每一个广告的预定数据格式的广告属性进行匹配，将匹配成功的广告推荐给所述发起请求用户。

另一方面，本发明实施例提供了一种基于属性匹配的广告推荐系统，所述系统包括：

属性信息转换单元，用于根据预设规则，将海量用户的属性信息、以及海量广告的属性信息在分别后台离线转换成预定数据格式的用户属性、以及广告属性；

属性信息存储单元，用于将预定数据格式的用户属性、以及广告属性列表分别存储至预设地址；

读取属性信息单元，用于当接到实时请求时，从预设地址中读取发起请求用户对应的预定数据格式的用户属性、以及每一个广告的预定数据格式的广告属性；

匹配推荐单元，用于使用读取到的预定数据格式的用户属性与每一个广告的预定数据格式的广告属性列表进行匹配，将匹配成功的广告推荐给发起请求用户。

上述技术方案具有如下有益效果：因为采用根据预设规则，将用户属性信息、广告属性信息在后台离线转换成预定数据格式的用户属性、预定格式的广告属性的技术手段，所以达到了在根据用户属性列表匹配适宜的广告所消耗的时间，只有其它方法所消耗时间的六分之一的技术效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例基于属性匹配的广告推荐方法的流程图；

图2是本发明实施例基于属性匹配的广告推荐系统的结构示意图；

图3是本发明实施例属性信息数据格式转换的子流程图；

图4是本发明实施例属性信息转换单元的结构示意图；

图5是本发明实施例根据实时请求推荐广告的子流程图；

图6是本发明实施例匹配推荐单元的结构示意图；

图7是本发明实施例基于属性匹配的广告推荐方法的整体结构框架图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1，图1是本发明实施例基于属性匹配的广告推荐方法的流程图：

101、根据预设规则，将海量用户属性信息、以及海量广告属性信息分别在后台离线转换成预定数据格式的用户属性、预定数据格式的广告属性；

102、将预定数据格式的用户属性、以及广告属性分别存储至预设地址；103、当接到根据实时请求时，从预设地址中读取发起请求用户对应的预定数据格式的用户属性、以及每一个广告的预定数据格式的广告属性；

104、使用读取到的预定数据格式的用户属性与每一个广告的预定数据格式的广告属性进行匹配，将匹配成功的广告推荐给所述发起请求用户。

优选地，请参考图3，图3是本发明实施例属性信息数据格式转换的子流程图：

所述属性信息包括兴趣属性；

101.1、获取海量已知用户的兴趣属性，得到用户的兴趣属性全集，用户兴趣属性全集，获取海量已知广告的兴趣属性，得到广告的兴趣属性全集；

101.2、从用户的兴趣属性全集中将没有出现在所述广告的兴趣属性全集中的兴趣属性删除，删除，得到用户兴趣属性列表；

101.3、根据数据格式转换规则，将每一个用户在用户兴趣属性列表中的兴趣属性转换成二进制数据格式的兴趣属性；将每一个广告的兴趣属性转换成二进制数据格式的兴趣属性。

进一步优选地，所述根据数据格式转换规则，将每一个用户在用户兴趣属性列表中的兴趣属性转换成二进制数据格式的兴趣属性列表；将每一个广告的兴趣属性转换成二进制数据格式的兴趣属性，具体包括：将广告的兴趣属性全集中的兴趣属性按特定顺序排列，得到基础兴趣属性列表；

将每一个用户在用户兴趣属性列表中兴趣属性与基础兴趣属性列表中的兴趣属性一一比对；

筛选出每一个用户在用户兴趣属性列表中的兴趣属性与基础兴趣属性列表中一致的兴趣属性，将筛选出的每一个用户的兴趣属性在基础兴趣属性列表的对应位置上的数值设为1，在基础兴趣属性列表其余位置上的数值设为0，得到每一个用户的二进制数据格式的兴趣属性，所述每一个用户的二进制数据格式的兴趣属性的长度与所述基础兴趣属性列表中兴趣属性的个数相同；

将每一个广告的兴趣属性与基础兴趣属性列表中的兴趣属性一一比对；

筛选出每一个广告的兴趣属性列表与基础兴趣属性列表中一致的兴趣属性，将筛选出每一个广告的兴趣属性在基础兴趣列表对应的位置上的数值设为1、在基础兴趣属性列表其余位置上的数值设为0，得到每一个广告的二进制数据格式的兴趣属性列表，所述每一个广告的二进制数据格式的兴趣属性列表的长度与所述基础兴趣属性列表中兴趣属性的个数相同。

优选地，所述将预定数据格式的用户属性、以及广告属性分别存储至预设地址，具体包括；

通过用户身份证明，建立用户原始的兴趣属性与转换后的二进制数据格式的兴趣属性的对应关系，并将每一个用户的二进制数据格式的兴趣属性列表存储至用户内存；

给每一个广告增设一个存储标签，根据增设的存储标签，将每一个广告的二进制数据格式的兴趣属性存储至广告数据内存。

优选地，所述当接收到实时请求时，从预设地址中读取发起请求用户对应的预定数据格式的用户属性、以及每一个广告的预定数据格式的广告属性，具体包括：

当接收到实时请求时，根据用户身份证明，从用户内存中读取发起请求用户的二进制数据格式的兴趣属性；

从广告数据内存中读取每一个广告的二进制数据格式的兴趣属性。

优选地，请参考图5，图5是本发明实施例根据实时请求推荐广告的子流程图：

104.1使用读取到的发起请求用户的二进制数据格式的用户的兴趣属性分别与每一个广告的二进制数据格式的兴趣属性通过二进制的“与”运算进行匹配；

104.2筛选出所述二进制的“与”运算结果不为零时所对应的广告，得到待推荐的广告全集；

104.3按照实时请求推荐广告的个数，将所述待推荐的广告全集中的广告按照预设的推荐规则推荐给发起请求用户。

请参考图2，图2是本发明实施例基于属性匹配的广告推荐系统的结构示意图；

属性信息转换单元21，用于根据预设规则，将海量用户的属性信息、以及海量广告的属性信息分别在后台离线转换成预定数据格式的用户属性、以及广告属性；

属性信息存储单元22，用于将预定数据格式的用户属性、以及广告属性分别存储至预设地址；

读取属性信息单元23，用于当接收到实时请求时，从预设地址中读取发起请求用户对应的预定数据格式的用户属性、以及每一个广告的预定数据格式的广告属性；

匹配推荐单元24，用于使用读取到的预定数据格式的用户属性与每一个广告的预定数据格式的广告属性进行匹配，将匹配成功的广告推荐给所述发起请求用户。

优选地，请参考图4，图4是本发明实施例属性信息转换单元的结构示意图；

所述属性信息包括兴趣属性；

所述属性信息转换单元21，具体包括：

采集模块211，用于获取海量已知用户的兴趣属性，得到用户兴趣属性全集，获取海量已知广告的兴趣属性，得到广告兴趣属性全集；

筛选模块212，用于从用户兴趣属性全集中将没有出现在所述广告兴趣属性全集中的兴趣属性删除，得到用户兴趣属性列表；

转换模块213，用于根据数据格式转换原则，将每一个用户在用户兴趣属性列表中的兴趣属性转换成二进制数据格式的兴趣属性，将每一个广告的兴趣属性转换成二进制数据格式的兴趣属性。

进一步优选地，所述数据格式转换模块213，具体包括：

排序子模块，用于将广告兴趣属性全集中的兴趣属性按特定顺序排列，得到基础兴趣属性列表；

第一比对子模块，用于将每一个用户在用户兴趣属性列表中的兴趣属性与基础兴趣属性列表中的兴趣属性一一比对；

第一转换子模块，用于筛选出每一个用户在用户兴趣属性列表中的兴趣属性与基础兴趣属性列表中一致的兴趣属性，将筛选出的每一个用户的兴趣属性在基础兴趣属性列表的对应位置上的数值设为1、在基础兴趣属性列表的其余位置上的数值设为0，得到每一个用户的二进制数据格式的兴趣属性，所述每一个用户的二进制数据格式的兴趣属性的长度与所述基础兴趣属性列表中兴趣属性的个数相同；

第二比对子模块，用将每一个广告的兴趣属性与基础兴趣属性列表中的兴趣属性一一比对；

第二转换子模块，用于筛选出每一个广告的兴趣属性与基础兴趣属性列表中一致的兴趣属性，将筛选出的每一个广告的兴趣属性在基础兴趣属性列表的对应位置上的数值设为1、在基础兴趣属性列表的其余位置上的数值设为0，得到每一个广告的二进制数据格式的兴趣属性，所述每一个广告的二进制数据格式的兴趣属性的长度与所述基础兴趣属性列表中兴趣属性的个数相同。

优选地，所述属性信息存储单元22，具体包括：

第一存储模块，用于通过用户身份证明，建立用户原始的兴趣属性与转换后的二进数据格式的兴趣属性的对应关系，并将每一个用的二进制数据格式的兴趣属性存储至用户内存；

第二存储模块，用于给每一个广告的二进制数据格式的兴趣属性存储至广告数据内存。

优选地，所述读取属性信息单元23，具体包括：

第一读取模块，当接收到实时请求时，根据用户身份证明，从用户内存中读取发起请求用户的二进制数据格式的兴趣属性；

第二读取模块，用于从广告数据内存中读取每一个广告的二进制数据格式的兴趣属性。

优选地，请参考图6，图6是本发明实施例匹配推荐单元的结构示意图，所述匹配推荐单元24，具体包括：

匹配模块241，用于使用读取到的发起请求用户的二进制数据格式的兴趣属性分别与每一个广告的二进制数据格式的兴趣属性通过二进制的“与”运算进行匹配；

筛选模块242，用于筛选出所述二进制的“与”运算结果不为零时所对应的广告，得到待推荐的广告全集；

推荐模块243，用于按照用户请求推荐广告的个数，将所述待推荐的广告全集中的广告按照预设的推荐规则推荐给发起请求用户。

上述技术方案具有如下有益效果：由于采用了根据预设规则，将海量用户的兴趣属性信息、以及广告的兴趣属性信息在后台离线分别转换成二进制数据格式的用户的兴趣属性、二进制数据格式的广告的兴趣属性，并通过二进制的“与”运算实时将用户的兴趣属性与广告的兴趣属性进行匹配，并将匹配成功的广告推荐给发起用户的技术手段，所以达到了将复杂的数据转换成最简单的，最便于计算机处理的数据格式，避免了计算机在实时接口对数据格式处理的耗时；避免在实时接口中，广告的兴趣属性与用户的兴趣属性类型不一致而导致的错误，以及类型转换所消耗的时间和服务器资源；去掉了用户与广告匹配过程中逐个“判断相等”的过程，相当于去掉了实时接口中for语句，不仅减少了实时接口消耗时间，而且提高了接口响应的性能；接口的运行速度不会因为需求变更而导致耗时成倍的增加的技术效果；所述技术方案使实时处理基于属性匹配的广告推荐的方法所消耗的时间为现有技术中的方法所消耗的时间的六分之一。

下面结合具体的应用实施例对本技术方案做进一步阐述：

请参考图7，图7是本发明实施例基于属性匹配的广告推荐方法的整体结构框架图。

第一步，从数据库池中获取海量用户的多个兴趣属性，将所有用户的多个兴趣属性取并集，得到用户的兴趣属性全集。从数据库池中获取海量广告的多个兴趣属性，将所有广告的多个兴趣属性取并集，得到广告的兴趣属性全集。运行两个处理程序分别处理用户的兴趣属性和广告的兴趣属性。首先，缩小用户兴趣属性全集；筛选出没有在广告兴趣属性全集中出的兴趣属性，将这些兴趣属性从用户兴趣属性全集中删除，得到用户兴趣属性列表，这样人为的缩小了用户兴趣属性全集的数据。如果某一个用户的兴趣属性，并没有出现在广告兴趣属性全集中，那么说明这个用户的兴趣属性在当前的数据池内，是不可能通过兴趣属性的匹配来达到推荐广告的目的，所以将这样的用户的兴趣属性删除，达到了优化用户的兴趣属性的技术效果。例如：用户兴趣属性全集中的兴趣属性的个数为P个，广告兴趣属性全集中的兴趣属性的个数为Q个，P＞Q，则将用户兴趣属性全集中(P-Q)的兴趣属性删除。然后，根据数据格式转换的规则将每一个用户在用户兴趣属性列表中的兴趣属性列表转换成二进制数据格式的兴趣列表，将每一个广告的兴趣属性列表转换成二进制数据格式的兴趣列表。

下面举一优选的实施例来详细说明数据格式转换的规则：

将广告兴趣属性全集中的所有的兴趣属性按特定的顺序的排列，所述特定的顺序就将随机排列的兴趣属性固定下来，作为基础兴趣属性列表。例如：基础兴趣属性列表的兴趣属性有医疗健康(100100)，汽车(100300)，教育培训(100900)，旅游酒店(101000)，旅游酒店－跟团游(101001)，旅游酒店－自由游(101002)，旅游酒店－交通票务(101003)。所有兴趣属性可以映射成一个表，如表一所示：

表一

将每一个用户的在用户兴趣属性列表中的兴趣属性与基础兴趣属性列表中的兴趣属性一一比对，将筛选出每一个用户的兴趣属性列表中与基础兴趣属性列表中一致的兴趣属性，将筛选出兴趣属性在基础兴趣属性列表的对应位置上的数值设为1，在基础兴趣属性列表中其余的位置上的数值设为0，得到每一个用户的二进制数据格式的兴趣属性，所述二进制数据格式的用户兴趣属性的长度与所述基础兴趣属性列表中兴趣属性的个数相同。例如，用户1的兴趣属性是汽车和医疗健康，那么将汽车和医疗健康对应的基础兴趣属性列表的位置上的数值设置为1，于是用户1的兴趣属性列表就可以转换成1100000。将每一个广告的兴趣属性与基础兴趣属性列表中的兴趣属性一一比对，将筛选出每一个广告的兴趣属性与基础兴趣属性列表中一致的兴趣属性，将筛选出的兴趣属性在基础兴趣属性列表对应的位置上的数值设为1，在基础兴趣属性列表中的其余位置上的数值设为0，得到每一个广告的二进制数据格式的兴趣属性，所述每一个广告的二进制数据格式的兴趣属性的长度与所述基础兴趣属性列表中兴趣属性的个数相同。如果广告ad1的兴趣属性有：汽车(100300)，旅游酒店-自由行(101002)，旅游酒店(101000)三个标签的话，就将汽车，旅游酒店-自由行，旅游酒店这三个兴趣属性所对应的基础兴趣属性列表的位置上的数值设为1，于是将广告ad1的兴趣属性表转换成二进制数0101010。

请继续参考图7，当调用后台离线处理程序完成二进制数据格式的转换后，将每一个用户原始的兴趣属性(老数据)和每一个用户二转换后的进制数据格式的兴趣属性(新数据)一起写入用户内存；每一个用户的兴趣属性还是按照原来的方式存储，不变，每一个用户二进制数据格式的兴趣属性，起一个新的内存服务来存储，将所有的处理好的数据，写入内存，所述内存服务，就是在服务器上启一个memcache内存服务。用户的兴趣属性放在老的内存服务上，比如从端口11111读写，用户的二进制数据格式的兴趣属性列表放到端口22222，每一个用户的兴趣属性和二进制数据格式的用户的兴趣属性都是由用户uid(身份证明)保证它的唯一性，相对应性，新、老数据的key不变，同样的uid，在两个端口11111、22222上存放两组不同格式的数据。将广告的兴趣属性和二进制数据格式的广告的兴趣属性一起入库。给每一个广告增设一个属性，做存储标签；根据广告存储标签，将的海量广告二进制数据格式的兴趣属性存储至广告数据内存。广告属性增加一个值，比如广告数据有一个属性名字叫interest存放的是老数据，新的属性名字叫interest_binary，用来存储新数据。新的数据含义跟老的数据含义一样，只是数据格式不同，老数据和新的数据的接口做到兼容。

请继续参考图7，当有实时请求过来的时候，实时处理接口根据用户身份证明，读取二进制数据格式的用户的兴趣属性，读取每一个广告二进制数据格式的兴趣属性，通过二进制的“与”运算来完成兴趣属性的匹配，将运算结果不为零时所对应的广告，作为待推荐的广告全集。例如，继续上述优选的实施例，在筛选合适广告的过程，将属性值依次判断相等的比较过程，转换成二进制数的与运算，0101010&1100000＝0100000，只要是非零值，即可判知，广告ad1应该曝光给该用户；如果用户2的兴趣属性是教育培训，那么用户的兴趣属性列表转换成0010000，0101010&1100000＝0，为零值，可以判之，广告ad1与该用户2不匹配。按照发起实时请求用户要求推荐广告的个数，将所述待推荐的广告全集中的广告按照预设规则推荐给用户，在一优选的实施例，是将所述待推荐的广告全集中的广告随机推荐给用户。若实时请求推荐广告的个数为5条，而待推荐的广告全集中的广告中的广告有3条，则待推荐的广告全集中所有的广告均展示给用户；若而待推荐的广告全集中的广告中的广告有10条，则随机选择待推荐的广告全集中的5条广告展示给用户。

在一优选的实施例中，若广告的兴趣属性列表中的兴趣属性为40个，用户的兴趣属性列表中的兴趣属性的个数为44个，则现有技术普通逐个判断相等的方法与本发明所提供的二进制数据格式兴趣属性的匹配方法所消耗的时间对比如表二所示：

	二进制数据格式比较	普通逐个判断相等比较
			时间消耗(ms)	1.4066696166992E-5	8.2015991210938E-5

由表二可知：在实时请求无并发，服务器完全空闲状态下，广告属性有限，用户属性有限的非常理想的状态下的时间对比，可以发现，二进制属性比较的方法消耗的时间只有普通方法的六分之—，在实时请求高并发的情况下，本发明提供的技术方案的优势更加明显。

本发明实施例提供了一种基于属性匹配的广告推荐系统，可以实现上述提供的方法实施例，具体功能实现请参见方法实施例中的说明，在此不再赘述。

应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。

本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。

本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。

在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不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，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于属性匹配的广告推荐方法，其特征在于，所述方法包括：

根据预设规则，将海量用户的属性信息、以及海量广告的属性信息分别在后台离线转换成预定数据格式的用户属性、以及广告属性；

将预定数据格式的用户属性、以及广告属性分别存储至预设地址；

当接收到实时请求时，从预设地址中读取发起请求用户对应的预定数据格式的用户属性、以及每一个广告的预定数据格式的广告属性；

使用读取到的预定数据格式的用户属性与每一个广告的预定数据格式的广告属性进行匹配，将匹配成功的广告推荐给所述发起请求用户。

2.根据权利要求1所述的基于属性匹配的广告推荐方法，其特征在于，所述属性信息包括兴趣属性；

所述根据预设规则，将海量用户的属性信息、以及海量广告的属性信息分别在后台离线转换成预定数据格式的用户属性、以及广告属性，具体包括：

获取海量已知用户的兴趣属性，得到用户兴趣属性全集，获取海量已知广告的兴趣属性，得到广告兴趣属性全集；

从用户兴趣属性全集中将没有出现在所述广告兴趣属性全集中的兴趣属性删除，得到用户兴趣属性列表；

根据数据格式转换原则，将每一个用户在用户兴趣属性列表中的兴趣属性转换成二进制数据格式的兴趣属性，将每一个广告的兴趣属性转换成二进制数据格式的兴趣属性。

3.根据权利要求2所述的基于属性匹配的广告推荐方法，其特征在于，所述根据数据格式转换原则，将每一个用户在用户兴趣属性列表中的兴趣属性转换成二进制数据格式的兴趣属性，将每一个广告的兴趣属性转换成二进制数据格式的兴趣属性，具体包括：

将广告兴趣属性全集中的兴趣属性按特定顺序排列，得到基础兴趣属性列表；

将每一个用户在用户兴趣属性列表中的兴趣属性与基础兴趣属性列表中的兴趣属性一一比对；

筛选出每一个用户在用户兴趣属性列表中的兴趣属性与基础兴趣属性列表中一致的兴趣属性，将筛选出的每一个用户的兴趣属性在基础兴趣属性列表的对应位置上的数值设为1、在基础兴趣属性列表的其余位置上的数值设为0，得到每一个用户的二进制数据格式的兴趣属性，所述每一个用户的二进制数据格式的兴趣属性的长度与所述基础兴趣属性列表中兴趣属性的个数相同；

将每一个广告的兴趣属性与基础兴趣属性列表中的兴趣属性一一比对；

筛选出每一个广告的兴趣属性与基础兴趣属性列表中一致的兴趣属性，将筛选出的每一个广告的兴趣属性在基础兴趣属性列表的对应位置上的数值设为1、在基础兴趣属性列表的其余位置上的数值设为0，得到每一个广告的二进制数据格式的兴趣属性，所述每一个广告的二进制数据格式的兴趣属性的长度与所述基础兴趣属性列表中兴趣属性的个数相同。

4.根据权利要求3所述的基于属性匹配的广告推荐方法，其特征在于，所述将预定数据格式的用户属性、以及广告属性分别存储至预设地址，具体包括：

通过用户身份证明，建立用户原始的兴趣属性与转换后的二进制数据格式的兴趣属性的对应关系，并将每一个用户的二进制数据格式的兴趣属性存储至用户内存；

给每一个广告增设存储标签；根据增设的存储标签，将每一个广告的二进制数据格式的兴趣属性存储至广告数据内存。

5.根据权利要求4所述的基于属性匹配的广告推荐方法，其特征在于，所述当接收到实时请求时，从预设地址中读取发起请求用户对应的预定数据格式的用户属性、以及每一个广告的预定数据格式的广告属性，具体包括：

当接收到实时请求时，根据用户身份证明，从用户内存中读取发起请求用户的二进制数据格式的兴趣属性；

从广告数据内存中读取每一个广告的二进制数据格式的兴趣属性；

所述使用读取到的预定数据格式的用户属性与每一个广告的预定数据格式的广告属性进行匹配，将匹配成功的广告推荐给所述发起请求用户，具体包括：

使用读取到的发起请求用户的二进制数据格式的兴趣属性分别与每一个广告的二进制数据格式的兴趣属性通过二进制的“与”运算进行匹配；

筛选出所述二进制的“与”运算结果不为零时所对应的广告，得到待推荐的广告全集；

按照用户请求推荐广告的个数，将所述待推荐的广告全集中的广告按照预设的推荐规则推荐给发起请求用户。

6.一种基于属性匹配的广告推荐系统，其特征在于，所述系统包括：

属性信息转换单元，用于根据预设规则，将海量用户的属性信息、以及海量广告的属性信息分别在后台离线转换成预定数据格式的用户属性、以及广告属性；

属性信息存储单元，用于将预定数据格式的用户属性、以及广告属性分别存储至预设地址；

读取属性信息单元，用于当接收到实时请求时，从预设地址中读取发起请求用户对应的预定数据格式的用户属性、以及每一个广告的预定数据格式的广告属性；

匹配推荐单元，用于使用读取到的预定数据格式的用户属性与每一个广告的预定数据格式的广告属性进行匹配，将匹配成功的广告推荐给所述发起请求用户。

7.根据权利要求6所述的基于属性匹配的广告推荐系统，其特征在于，所述属性信息包括兴趣属性；

所述属性信息转换单元，具体包括：

采集模块，用于获取海量已知用户的兴趣属性，得到用户兴趣属性全集，获取海量已知广告的兴趣属性，得到广告兴趣属性全集；

筛选模块，用于从用户兴趣属性全集中将没有出现在所述广告兴趣属性全集中的兴趣属性删除，得到用户兴趣属性列表；

转换模块，用于根据数据格式转换原则，将每一个用户在用户兴趣属性列表中的兴趣属性转换成二进制数据格式的兴趣属性，将每一个广告的兴趣属性转换成二进制数据格式的兴趣属性。

8.根据权利要求7所述的基于属性匹配的广告推荐系统，其特征在于，所述转换模块，具体包括：

排序子模块，用于将广告兴趣属性全集中的兴趣属性按特定顺序排列，得到基础兴趣属性列表；

第一比对子模块，用于将每一个用户在用户兴趣属性列表中的兴趣属性与基础兴趣属性列表中的兴趣属性一一比对；

第一转换子模块，用于筛选出每一个用户在用户兴趣属性列表中的兴趣属性与基础兴趣属性列表中一致的兴趣属性，将筛选出的每一个用户的兴趣属性在基础兴趣属性列表的对应位置上的数值设为1、在基础兴趣属性列表的其余位置上的数值设为0，得到每一个用户的二进制数据格式的兴趣属性，所述每一个用户的二进制数据格式的兴趣属性的长度与所述基础兴趣属性列表中兴趣属性的个数相同；

第二比对子模块，用将每一个广告的兴趣属性与基础兴趣属性列表中的兴趣属性一一比对；

第二转换子模块，用于筛选出每一个广告的兴趣属性与基础兴趣属性列表中一致的兴趣属性，将筛选出的每一个广告的兴趣属性在基础兴趣属性列表的对应位置上的数值设为1、在基础兴趣属性列表的其余位置上的数值设为0，得到每一个广告的二进制数据格式的兴趣属性，所述每一个广告的二进制数据格式的兴趣属性的长度与所述基础兴趣属性列表中兴趣属性的个数相同。

9.根据权利要求8所述的基于属性匹配的广告推荐系统，其特征在于，所述属性信息存储单元，具体包括：

第一存储模块，用于通过用户身份证明，建立用户原始的兴趣属性与转换后的二进数据格式的兴趣属性的对应关系，并将每一个用户的二进制数据格式的兴趣属性存储至用户内存；

第二存储模块，用于给每一个广告的二进制数据格式的兴趣属性存储至广告数据内存。

10.根据权利要求9所述的基于属性匹配的广告推荐系统，其特征在于，所述读取属性信息单元，具体包括：

第一读取模块，当接收到实时请求时，根据用户身份证明，从用户内存中读取发起请求用户的二进制数据格式的兴趣属性；

第二读取模块，用于从广告数据内存中读取每一个广告的二进制数据格式的兴趣属性；

所述匹配推荐单元，具体包括：

匹配模块，用于使用读取到的发起请求用户的二进制数据格式的兴趣属性分别与每一个广告的二进制数据格式的兴趣属性通过二进制的“与”运算进行匹配；

筛选模块，用于筛选出所述二进制的“与”运算结果不为零时所对应的广告，得到待推荐的广告全集；

推荐模块，用于按照用户请求推荐广告的个数，将所述待推荐的广告全集中的广告按照预设的推荐规则推荐给发起请求用户。