CN109242537A - 广告投放方法、装置、计算机设备及存储介质 - Google Patents
广告投放方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109242537A CN109242537A CN201810923877.6A CN201810923877A CN109242537A CN 109242537 A CN109242537 A CN 109242537A CN 201810923877 A CN201810923877 A CN 201810923877A CN 109242537 A CN109242537 A CN 109242537A
- Authority
- CN
- China
- Prior art keywords
- user
- portrait
- data
- type
- similarity
- 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
- G06Q30/0255—Targeted advertisements based on user history
-
- 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)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (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)
Abstract
本发明实施例提供了一种广告投放方法、装置、计算机设备及存储介质。该方法包括:建立用户画像数据库,所述用户画像数据库存储有多个用户画像;根据待投放广告对应的用户消费数据对所述用户画像数据库中所述用户画像进行分类,以生成用户画像类型,所述用户画像类型包重点画像类型以及普通画像类型;构建当前用户的用户画像,并从所述用户画像数据库中确定与所述当前用户的用户画像相匹配的用户画像类型;判断与所述当前用户的用户画像相匹配的用户画像类型是否为重点画像类型;若与所述当前用户的用户画像相匹配的用户画像类型为重点画像类型,投放所述待投放广告。实施本发明实施例,有利于提高广告投放的精准度以及广告投放效果。
Description
技术领域
本发明涉及计算机数据处理领域,尤其涉及一种广告投放方法、装置、计算机设备及计算机可读存储介质。
背景技术
广告宣传一直是商家进行品牌推广的有效手段。随着互联网的不断普及,网络广告已经代替了平面,电视和广播等传统的广告平台,成为了最大最有效的广告平台。
现有技术中,网络广告通常是在用户访问网站或者使用应用程序时,网站或者应用程序会随机推送广告给用户。由于是随机推送,无法做到将用户感兴趣的广告实时推荐给用户。用户在访问网站时,通常只会浏览自己感兴趣的或者和自己的需求相关的网页或广告。若网站推送的广告是用户感兴趣的广告,则用户点击该广告的点击率较高。反之,若网站推送的广告不是用户感兴趣的广告,则用户可能不会点击该广告,造成推送广告点击率较低,投放效果差等问题。
发明内容
本发明实施例提供了一种广告投放方法、装置、计算机设备及存储介质,旨在解决广告投放精准度低、投放效果差等问题。
第一方面,本发明实施例提供了一种广告投放方法,其包括:建立用户画像数据库,所述用户画像数据库存储有多个用户画像;根据待投放广告对应的用户消费数据对所述用户画像数据库中所述用户画像进行分类,以生成用户画像类型,所述用户画像类型包重点画像类型以及普通画像类型;构建当前用户的用户画像,并从所述用户画像数据库中确定与所述当前用户的用户画像相匹配的用户画像类型;判断与所述当前用户的用户画像相匹配的用户画像类型是否为重点画像类型;若与所述当前用户的用户画像相匹配的用户画像类型为重点画像类型,投放所述待投放广告。
第二方面,本发明实施例提供了一种广告投放装置,其包括用于执行上述方法的单元。
第三方面,本发明实施例又提供了一种计算机设备,其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述广告投放方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述广告投放方法。
本发明实施例提供一种广告投放方法、装置、计算机设备及计算机可读存储介质。该方法包括建立用户画像数据库,所述用户画像数据库存储有多个用户画像;根据待投放广告对应的用户消费数据对所述用户画像数据库中所述用户画像进行分类,以生成用户画像类型,所述用户画像类型包重点画像类型以及普通画像类型;构建当前用户的用户画像,并从所述用户画像数据库中确定与所述当前用户的用户画像相匹配的用户画像类型;判断与所述当前用户的用户画像相匹配的用户画像类型是否为重点画像类型;若与所述当前用户的用户画像相匹配的用户画像类型为重点画像类型,投放所述待投放广告。实施本发明实施例,有利于提高广告投放的精准度以及广告投放效果。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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为本发明一实施例提供的一种广告投放方法的流程示意图;
图2为本发明一实施例提供的一种广告投放方法的流程示意图;
图3为本发明一实施例提供的一种广告投放方法的流程示意图;
图4为本发明一实施例提供的一种广告投放方法的子流程示意图;
图5为本发明一实施例提供的一种广告投放方法的子流程示意图;
图6为本发明一实施例提供的一种广告投放方法的子流程示意图;
图7为本发明一实施例提供的一种广告投放装置的示意性框图;
图8为本发明一实施例提供的一种广告投放装置的另一示意性框图;
图9为本发明一实施例提供的一种广告投放装置中建立单元的示意性框图;
图10为本发明一实施例提供的一种广告投放装置中匹配单元的示意性框图;
图11为本发明一实施例提供的一种广告投放装置中匹配单元的示意性框图;
图12为本发明一实施例提供的一种广告投放装置中匹配单元的示意性框图;
图13为本发明一实施例提供的一种计算机设备的示意性框图。
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
本发明实施例所提供的广告投放方法可应用于手机、台式电脑、平板电脑、手提电脑等终端。
请参照图1,其为本发明一实施例提供的一种广告投放方法的流程示意图。所述广告投放方法包括但不限于步骤S110-S150。
S110,建立用户画像数据库,所述用户画像数据库存储有多个用户画像。
具体地,所述用户画像数据库可基于Qunar基础数据仓库进行构建。所述用户画像数据库存储有至少两个用户画像,以及用户画像对应的画像标识符。用户画像是建立在一系列真实数据之上的用户模型,是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。
在一实施例中,如图2所示,所述步骤S110可包括步骤S111-S113。
S111,采集多个用户的基础数据。
具体地,采集多个用户的基础数据可通过多个渠道进行获取。例如,基础数据可以是来自手机业务平台,QQ、微信、来往等实时聊天平台,微博、论坛、人人网等社交平台,淘宝、当当、京东等购物平台。所述基础数据具体可以为用户在各个渠道作出的行为,例如基础数据可以是用户在购物平台中的购物行为,又或者可以是用户在论坛网页中浏览的论坛文章等等。其中,所述基础数据为文本格式数据。
S112,对所述基础数据进行特征提取,以生成数据标签。
具体地,若所述基础数据为文本格式数据,对所述基础数据进行特征提取,以生成数据标签具体为:对所述基础数据进行关键词提取,并将所提取的关键词作为所述数据标签。
在一实施例中,如图3所示,所述步骤S112可包括步骤S1121-S1122。
S1121,通过调用预设的分词工具对所述基础数据进行分词处理,以生成单词列表。
具体地,预设的分词工具可以为Stanford汉语分词工具、jieba分词等。例如,该基础数据为论坛网页中的论坛文章,该论坛文章的部分内容为“6月1日勇士3分惜败骑士”。通过对该论坛文章进行分词处理后,所生成的单词列表为“6月1日、勇士、3分、惜败、骑士”。
S1122,对所述单词列表进行关键词提取,并将所述关键词确定为所述数据标签。
具体地,对所述单词列表进行关键词提取可通过预设的关键词提取算法实现。其中,预设的关键词提取算法可以为TF-IDF(Term Frequency-Inverse DocumentFrequency,词项频率-逆向文本频率)算法、LSA(Latent Semantic Analysis,隐性语义分析)算法或者PLSA(Probabilisitic Latent Semantic Analysis,概率隐性语义分析)算法等。
其中,所述预设的关键词提取算法的数量可以为一个或者多个。若预设的关键词提取算法的数量为一个,则该预设的关键词提取算法所提取的关键词为最终提取结果。若所述关键词提取算法的数量为多个,则可分别按照多个预设的关键词提取算法对基础数据的单词列表中提取关键词;将所述多个关键词提取算法提取的关键词中重复率最高的一个或者多个的关键词作为该基础数据对应的关键词。例如,将重复率最高的前四个的关键词作为该基础数据对应的关键词。
进一步地,在进行关键词提取的过程中,可以对关键词进行停用词筛选的操作,所谓停用词(Stopwords)是指与所述基础数据关联度较低的词汇,例如一些语气助词“呢”、“的”等,还有时间、日期以及非商业英文字母及组合等,这些词出现频率往往很高,应当予以忽略,以避免对关键词的干扰。
S113,根据所述数据标签构建多个用户的用户画像,并将所述多个用户的用户画像保存至用户画像数据库中。
具体地,假设A用户对应的数据标签为“篮球”、“骑士”、“球鞋”、“世界杯”;B用户对应的数据标签为“口红”、“防晒霜”、“高跟鞋”、“周杰伦”。则A用户的用户画像为“篮球”、“骑士”、“球鞋”、“世界杯”,B用户的用户画像为“口红”、“防晒霜”、“高跟鞋”、“周杰伦”。用户画像数据库中可包括多个用户画像,通过为每一个用户画像设定画像标识符以区分不同用户的用户画像。其中,画像标识符可以为该用户的用户标识符,该用户标识符可以为手机号、微信号、QQ号、微博账号、论坛账号、终端序列号等信息。
S120,根据待投放广告对应的用户消费数据对所述用户画像数据库中所述用户画像进行分类,以生成用户画像类型,所述用户画像类型包重点画像类型以及普通画像类型。
具体地,待投放广告对应的用户消费数据为用户是否购买过与待投放广告对应的产品。若用户购买过与待投放广告对应的产品,将该用户对应的用户画像类型确定为重点画像类型;若用户未购买过与待投放广告对应的产品,将该用户对应的用户画像类型确定为普通画像类型。
需要说明的是,与待投放广告对应的产品可通过预设的产品映射关系确定。一个待投放广告映射于唯一的一个与待投放广告对应的产品。例如,该待投放广告为甲理财产品广告,则与甲理财产品广告对应的产品可以为甲理财产品、乙理财产品、丙理财产品等产品中的一个,用户可根据实际需求调整该产品映射关系。
假设待投放广告为甲理财产品广告,且与甲理财产品广告对应的产品为甲理财产品,即该待投放广告对应的消费数据为用户是否购买过与甲理财产品。若A用户已购买过甲理财产品,B用户未购买过甲理财产品;则确定A用户的用户画像类型为重点画像类型,以及确定B用户的用户画像类型为普通画像类型。
根据不同的待投放广告,每一个用户画像数据库中的用户画像均对应唯一的一个用户画像类型。
S130,构建当前用户的用户画像,并从所述用户画像数据库中确定与所述当前用户的用户画像相匹配的用户画像类型。
其中,通过构建当前用户的用户画像,并确定与所述当前用户的用户画像相匹配的用户画像类型,以通过当前用户的用户画像相匹配的用户画像类型判断是否需要投放待投放广告。
在一实施例中,如图4所示,所述步骤S130中的构建当前用户的用户画像可包括步骤S131a-S136a。
S131a,获取当前用户的用户标识符。
具体地,当前用户的用户标识符可以为当前用户的手机号、微信号、QQ号、微博账号、论坛账号、终端序列号等信息。例如,当前用户正在使用微博客户端浏览微博,则可通过读取微博客户端当前登录的微博账号,并将该当前登录的微博账号确定为当前用户的用户标识符。用户标识符的数量可以为一个或者多个。例如,用户A的用户标识符可以包括微信号“abc123”,微博账号“patent8185”等等。
S132a,判断所述用户画像数据库中是否存在与所述用户标识符相匹配的画像标识符。
具体地,画像标识符可以是用户画像对应的用户标识符。用户画像对应的用户标识符可以为用户画像对应的用户的手机号、微信号、QQ号、微博账号、论坛账号、终端序列号等信息。所述标识符的数量可以一个或者多个。其中,判断所述用户画像数据库中是否存在与所述用户标识符相匹配的画像标识符具体为:依次获取所述画像数据库中的用户画像对应的画像标识符;进而判断所述画像标识符是否与所述用户标识符相同;若所述画像标识符与所述用户标识符相同,确定所述用户画像数据库中存在与所述用户标识符相匹配的画像标识符。
S133a,若所述用户画像数据库中存在与所述用户标识符相匹配的画像标识符,将所述画像标识符对应的用户画像确定为所述当前用户的用户画像。
S134a,若所述用户画像数据库中不存在与所述用户标识符相匹配的画像标识符,采集当前用户的基础数据。
S135a,对所述基础数据进行特征提取,以生成数据标签。
S136a,根据所述数据标签构建当前用户的用户画像。
其中,步骤S133a-S136a的实施方式具体请参照前述实施例中构建多个用户的用户画像的实施方式,在此不再一一赘述。
具体地,构建当前用户的用户画像具体为采集当前用户的基础数据;对所述当前用户的基础数据进行特征提取,以生成数据标签。进而根据所述数据标签构建当前用户的用户画像。构建当前用户的用户画像的过程具体请参照前述实施例中构建多个用户的用户画像的构建过程,在此不再一一赘述。
在一实施例中,如图5所示,所述步骤S130中的从所述用户画像数据库中确定与所述当前用户的用户画像相匹配的用户画像类型可包括步骤S131b-S133b。
S131b,将所述当前用户的用户画像逐一与所述用户画像数据库中的多个用户画像进行对比,以生成画像相似度。
其中,所述画像相似度用于判断当前用户的用户画像与用户画像数据库中的用户画像是否匹配,以从所述用户画像数据库中确定与所述当前用户的用户画像相匹配的用户画像类型。
在一实施例中,如图6所示,所述步骤S131b包括S1311b-S1312b。
S1311b,将当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签进行比对,以得出数据标签的相似度。
具体实施中,当前用户画像的数据标签数量与所述用户画像数据中的用户画像的数据标签数量相同。将当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签进行比对,以得出数据标签的相似度。
若两个数据标签相同,则数据标签的相似度为100%;若所述两个数据标签不同,则数据标签的相似度为0%;若两个数据标签不同但具有关联性,即两个数据标签相似,则数据标签的相似度为50%。
两个数据标签是否具有关联性可通过预设的标签映射库进行判断,该标签映射库存储有一个或者多个的标签关联组合。同一个标签关联组合中的数据标签互不相同。例如,该标签关联组合可以包括“世界杯”、“足球”、“罗纳尔多”、“曼城”等等。若这两个数据标签分别为“世界杯”与“足球”,表明这两个数据标签存在于同一个标签关联组合,则确定两个数据标签不同但具有关联性,即两个数据标签相似,进而将这两个数据标签对应的标签相似度确定为50%。
S1312b,根据所述数据标签的相似度以及预设的画像相似度公式生成画像相似度。
具体地,画像相似度可根据所述数据标签的相似度以及预设的画像相似度公式。该预设的画像相似度公式可以为:
其中,M为画像相似度,xn每一个数据标签的相似度,n为数据标签的数量。
S132b,判断所述画像相似度是否大于预设的相似度阈值。
具体地,预设的相似度阈值可以根据实际需求进行设定,例如预设的相似度阈值可设定为60%。假设当前用户画像为“篮球”、“骑士”、“球鞋”、“世界杯”;所述用户画像数据库中的A用户画像为“篮球”、“骑士”、“球鞋”、“周杰伦”。其中,“篮球”、“骑士”、“球鞋”这三个数据标签为相同的数据标签,则这三个数据标签对应标签相似度为“100%”。通过预设的标签映射库可确定“世界杯”与“周杰伦”为不相同的数据标签且不同时存在于任意一个标签关联组合,则这两个数据标签对应的标签相似度为“0%”。根据画像相似度的生成公式,可计算得出当前用户的用户画像与A用户的用户画像的画像相似度为75%,进而确定所述画像相似度大于预设的相似度阈值。
S133b,若所述画像相似度大于预设的相似度阈值,将所述画像相似度对应的用户画像类型确定为与当前用户的用户画像匹配的用户画像类型。
具体地,若A用户的用户画像类型为重点画像类型。当前用户的用户画像与A用户的用户画像的画像相似度为75%,预设的相似度阈值为60%,即所述画像相似度大于预设的相似度阈值,则可确定当前用户的用户画像为重点画像类型。
S140,判断与所述当前用户的用户画像相匹配的用户画像类型是否为重点画像类型。
具体地,根据不同的待投放广告,每一个用户画像数据库中的用户画像均对应唯一的一个用户画像类型,即用户画像数据库中的用户画像对应的用户画像类型为重点画像类型或者普通画像类型。
通过从所述用户画像数据库中确定与所述当前用户的用户画像相匹配的用户画像类型,进而确定与所述当前用户的用户画像相匹配的用户画像类型是否为重点画像类型。
S150,若与所述当前用户的用户画像相匹配的用户画像类型为重点画像类型,投放所述待投放广告。
具体地,若与所述当前用户的用户画像相匹配的用户画像类型为重点画像类型为重点画像类型,即表明该类型的用户购买甲产品的可能性较大,属于目标用户,广告投放的收益比将会更高。其中,投放待投放广告可通过当前用户打开的网页、正在使用的客户端的显示区域中显示甲理财产品广告。
本发明实施例通过建立用户画像数据库,所述用户画像数据库存储有多个用户画像;根据待投放广告对应的用户消费数据对所述用户画像数据库中所述用户画像进行分类,以生成用户画像类型,所述用户画像类型包重点画像类型以及普通画像类型;构建当前用户的用户画像,并从所述用户画像数据库中确定与所述当前用户的用户画像相匹配的用户画像类型;判断与所述当前用户的用户画像相匹配的用户画像类型是否为重点画像类型;若与所述当前用户的用户画像相匹配的用户画像类型为重点画像类型,投放所述待投放广告。实施本发明实施例,有利于提高广告投放的精准度以及广告投放效果。
图7是本发明实施例提供的一种广告投放装置100的示意性框图。如图7所示,对应于以上广告投放方法,本发明还提供一种广告投放装置100。该广告投放装置100包括用于执行上述广告投放方法的单元,该装置可以被配置于台式电脑、平板电脑、手提电脑等终端中。
具体地,请参阅图7,该广告投放装置100包括建立单元110、分类单元120、匹配单元130、第一判断单元140以及投放单元150。
建立单元110,用于建立用户画像数据库,所述用户画像数据库存储有多个用户画像。
具体地,所述用户画像数据库可基于Qunar基础数据仓库进行构建。所述用户画像数据库存储有至少两个用户画像,以及用户画像对应的画像标识符。用户画像是建立在一系列真实数据之上的用户模型,是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。
在一实施例中,如图8所示,所述建立单元110包括第一采集单元111、第一提取单元112以及保存单元113。
第一采集单元111,用于采集多个用户的基础数据。
具体地,采集多个用户的基础数据可通过多个渠道进行获取。例如,基础数据可以是来自手机业务平台,QQ、微信、来往等实时聊天平台,微博、论坛、人人网等社交平台,淘宝、当当、京东等购物平台。所述基础数据具体可以为用户在各个渠道作出的行为,例如基础数据可以是用户在购物平台中的购物行为,又或者可以是用户在论坛网页中浏览的论坛文章等等。其中,所述基础数据为文本格式数据。
第一提取单元112,用于对所述基础数据进行特征提取,以生成数据标签。
具体地,若所述基础数据为文本格式数据,对所述基础数据进行特征提取,以生成数据标签具体为:对所述基础数据进行关键词提取,并将所提取的关键词作为所述数据标签。
在一实施例中,如图9所示,所述第一提取单元112包括分词单元1121以及第一生成单元1122。
分词单元1121,用于通过调用预设的分词工具对所述基础数据进行分词处理,以生成单词列表。
具体地,预设的分词工具可以为Stanford汉语分词工具、jieba分词等。例如,该基础数据为论坛网页中的论坛文章,该论坛文章的部分内容为“6月1日勇士3分惜败骑士”。通过对该论坛文章进行分词处理后,所生成的单词列表为“6月1日、勇士、3分、惜败、骑士”。
第一生成单元1122,用于对所述单词列表进行关键词提取,并将所述关键词确定为所述数据标签。
具体地,对所述单词列表进行关键词提取可通过预设的关键词提取算法实现。其中,预设的关键词提取算法可以为TF-IDF(Term Frequency-Inverse DocumentFrequency,词项频率-逆向文本频率)算法、LSA(Latent Semantic Analysis,隐性语义分析)算法或者PLSA(Probabilisitic Latent Semantic Analysis,概率隐性语义分析)算法等。
其中,所述预设的关键词提取算法的数量可以为一个或者多个。若预设的关键词提取算法的数量为一个,则该预设的关键词提取算法所提取的关键词为最终提取结果。若所述关键词提取算法的数量为多个,则可分别按照多个预设的关键词提取算法对基础数据的单词列表中提取关键词;将所述多个关键词提取算法提取的关键词中重复率最高的一个或者多个的关键词作为该基础数据对应的关键词。例如,将重复率最高的前四个的关键词作为该基础数据对应的关键词。
进一步地,在进行关键词提取的过程中,可以对关键词进行停用词筛选的操作,所谓停用词(Stopwords)是指与所述基础数据关联度较低的词汇,例如一些语气助词“呢”、“的”等,还有时间、日期以及非商业英文字母及组合等,这些词出现频率往往很高,应当予以忽略,以避免对关键词的干扰。
保存单元113,用于根据所述数据标签构建多个用户的用户画像,并将所述多个用户的用户画像保存至用户画像数据库中。
具体地,假设A用户对应的数据标签为“篮球”、“骑士”、“球鞋”、“世界杯”;B用户对应的数据标签为“口红”、“防晒霜”、“高跟鞋”、“周杰伦”。则A用户的用户画像为“篮球”、“骑士”、“球鞋”、“世界杯”,B用户的用户画像为“口红”、“防晒霜”、“高跟鞋”、“周杰伦”。用户画像数据库中可包括多个用户画像,通过为每一个用户画像设定画像标识符以区分不同用户的用户画像。其中,画像标识符可以为该用户的用户标识符,该用户标识符可以为手机号、微信号、QQ号、微博账号、论坛账号、终端序列号等信息。
分类单元120,用于根据待投放广告对应的用户消费数据对所述用户画像数据库中所述用户画像进行分类,以生成用户画像类型,所述用户画像类型包重点画像类型以及普通画像类型。
具体地,待投放广告对应的用户消费数据为用户是否购买过与待投放广告对应的产品。若用户购买过与待投放广告对应的产品,将该用户对应的用户画像类型确定为重点画像类型;若用户未购买过与待投放广告对应的产品,将该用户对应的用户画像类型确定为普通画像类型。
需要说明的是,与待投放广告对应的产品可通过预设的产品映射关系确定。一个待投放广告映射于唯一的一个与待投放广告对应的产品。例如,该待投放广告为甲理财产品广告,则与甲理财产品广告对应的产品可以为甲理财产品、乙理财产品、丙理财产品等产品中的一个,用户可根据实际需求调整该产品映射关系。
假设待投放广告为甲理财产品广告,且与甲理财产品广告对应的产品为甲理财产品,即该待投放广告对应的消费数据为用户是否购买过与甲理财产品。若A用户已购买过甲理财产品,B用户未购买过甲理财产品;则确定A用户的用户画像类型为重点画像类型,以及确定B用户的用户画像类型为普通画像类型。
匹配单元130,用于构建当前用户的用户画像,并从所述用户画像数据库中确定与所述当前用户的用户画像相匹配的用户画像类型。
在一实施例中,如图10所示,所述匹配单元130包括获取单元131a、第二判断单元132a、第一确定单元133a、第二采集单元134a、第二提取单元135a以及处理单元136a。
获取单元131a,用于获取当前用户的用户标识符。
具体地,当前用户的用户标识符可以为当前用户的手机号、微信号、QQ号、微博账号、论坛账号、终端序列号等信息。例如,当前用户正在使用微博客户端浏览微博,则可通过读取微博客户端当前登录的微博账号,并将该当前登录的微博账号确定为当前用户的用户标识符。用户标识符的数量可以为一个或者多个。例如,用户A的用户标识符可以包括微信号“abc123”,微博账号“patent8185”等等。
第二判断单元132a,用于判断所述用户画像数据库中是否存在与所述用户标识符相匹配的画像标识符。
具体地,画像标识符可以是用户画像对应的用户标识符。用户画像对应的用户标识符可以为用户画像对应的用户的手机号、微信号、QQ号、微博账号、论坛账号、终端序列号等信息。所述标识符的数量可以一个或者多个。其中,判断所述用户画像数据库中是否存在与所述用户标识符相匹配的画像标识符具体为:依次获取所述画像数据库中的用户画像对应的画像标识符;进而判断所述画像标识符是否与所述用户标识符相同;若所述画像标识符与所述用户标识符相同,确定所述用户画像数据库中存在与所述用户标识符相匹配的画像标识符。
第一确定单元133a,用于若所述用户画像数据库中存在与所述用户标识符相匹配的画像标识符,将所述画像标识符对应的用户画像确定为所述当前用户的用户画像。
第二采集单元134a,用于若所述用户画像数据库中不存在与所述用户标识符相匹配的画像标识符,采集当前用户的基础数据。
第二提取单元135a,用于对所述基础数据进行特征提取,以生成数据标签。
处理单元136a,用于根据所述数据标签构建当前用户的用户画像。
其中,第二采集单元134a、第二提取单元135a以及处理单元136a的实施方式具体请参照前述实施例中构建多个用户的用户画像的实施方式,在此不再一一赘述。
在一实施例中,如图11所示,所述匹配单元130包括第二生成单元131b、第三判断单元132b以及第二确定单元133b。
第二生成单元131b,用于将所述当前用户的用户画像逐一与所述用户画像数据库中的多个用户画像进行对比,以生成画像相似度。
其中,所述画像相似度用于判断当前用户的用户画像与用户画像数据库中的用户画像是否匹配,以从所述用户画像数据库中确定与所述当前用户的用户画像相匹配的用户画像类型。
在一实施例中,如图12所示,所述第二生成单元131b包括对比单元1311b以及第三生成单元1312b。
对比单元1311b,用于将当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签进行比对,以得出数据标签的相似度。
具体实施中,当前用户画像的数据标签数量与所述用户画像数据中的用户画像的数据标签数量相同。将当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签进行比对,以得出数据标签的相似度。
若两个数据标签相同,则数据标签的相似度为100%;若所述两个数据标签不同,则数据标签的相似度为0%;若两个数据标签不同但具有关联性,即两个数据标签相似,则数据标签的相似度为50%。
两个数据标签是否具有关联性可通过预设的标签映射库进行判断,该标签映射库存储有一个或者多个的标签关联组合。同一个标签关联组合中的数据标签互不相同。例如,该标签关联组合可以包括“世界杯”、“足球”、“罗纳尔多”、“曼城”等等。若这两个数据标签分别为“世界杯”与“足球”,表明这两个数据标签存在于同一个标签关联组合,则确定两个数据标签不同但具有关联性,即两个数据标签相似,进而将这两个数据标签对应的标签相似度确定为50%。
第三生成单元1312b,用于根据所述数据标签的相似度以及预设的画像相似度公式生成画像相似度。
具体地,画像相似度可根据所述数据标签的相似度以及预设的画像相似度公式。该预设的画像相似度公式可以为:
其中,M为画像相似度,xn每一个数据标签的相似度,n为数据标签的数量。
第三判断单元132b,用于判断所述画像相似度是否大于预设的相似度阈值。
具体地,预设的相似度阈值可以根据实际需求进行设定,例如预设的相似度阈值可设定为60%。假设当前用户画像为“篮球”、“骑士”、“球鞋”、“世界杯”;所述用户画像数据库中的A用户画像为“篮球”、“骑士”、“球鞋”、“周杰伦”。其中,“篮球”、“骑士”、“球鞋”这三个数据标签为相同的数据标签,则这三个数据标签对应标签相似度为“100%”。通过预设的标签映射库可确定“世界杯”与“周杰伦”为不相同的数据标签且不同时存在于任意一个标签关联组合,则这两个数据标签对应的标签相似度为“0%”。根据画像相似度的生成公式,可计算得出当前用户的用户画像与A用户的用户画像的画像相似度为75%,进而确定所述画像相似度大于预设的相似度阈值。
第二确定单元133b,用于若所述画像相似度大于预设的相似度阈值,将所述画像相似度对应的用户画像类型确定为与当前用户的用户画像匹配的用户画像类型。
具体地,若A用户的用户画像类型为重点画像类型。当前用户的用户画像与A用户的用户画像的画像相似度为75%,预设的相似度阈值为60%,即所述画像相似度大于预设的相似度阈值,则可确定当前用户的用户画像为重点画像类型。
第一判断单元,用于判断与所述当前用户的用户画像相匹配的用户画像类型是否为重点画像类型。
具体地,根据不同的待投放广告,每一个用户画像数据库中的用户画像均对应唯一的一个用户画像类型,即用户画像数据库中的用户画像对应的用户画像类型为重点画像类型或者普通画像类型。
通过从所述用户画像数据库中确定与所述当前用户的用户画像相匹配的用户画像类型,进而确定与所述当前用户的用户画像相匹配的用户画像类型是否为重点画像类型。
投放单元150,用于若与所述当前用户的用户画像相匹配的用户画像类型为重点画像类型,投放所述待投放广告。
具体地,若与所述当前用户的用户画像相匹配的用户画像类型为重点画像类型为重点画像类型,即表明该类型的用户购买甲产品的可能性较大,属于目标用户,广告投放的收益比将会更高。其中,投放待投放广告可通过当前用户打开的网页、正在使用的客户端的显示区域中显示甲理财产品广告。
请参阅图13,图13是本发明实施例提供的一种计算机设备的示意性框图。该计算机设备500设备可以是终端。该终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。
该计算机设备500包括通过系统总线510连接的处理器520、存储器和网络接口550,其中,存储器可以包括非易失性存储介质530和内存储器540。
该非易失性存储介质530可存储操作系统531和计算机程序532。该计算机程序532被执行时,可使得处理器520执行一种广告投放方法。
该处理器520用于提供计算和控制能力,支撑整个计算机设备500的运行。
该内存储器540为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器520执行时,可使得处理器520执行一种广告投放方法。
该网络接口550用于与其它设备进行网络通信。本领域技术人员可以理解,该计算机设备的示意性框图仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器520用于运行存储在存储器中的程序代码,以实现如下功能:建立用户画像数据库,所述用户画像数据库存储有多个用户画像;根据待投放广告对应的用户消费数据对所述用户画像数据库中所述用户画像进行分类,以生成用户画像类型,所述用户画像类型包重点画像类型以及普通画像类型;构建当前用户的用户画像,并从所述用户画像数据库中确定与所述当前用户的用户画像相匹配的用户画像类型;判断与所述当前用户的用户画像相匹配的用户画像类型是否为重点画像类型;若与所述当前用户的用户画像相匹配的用户画像类型为重点画像类型,投放所述待投放广告。
在一实施例中,处理器520在执行所述建立用户画像数据库的步骤时,具体执行如下步骤:采集多个用户的基础数据;对所述基础数据进行特征提取,以生成数据标签;根据所述数据标签构建多个用户的用户画像,并将所述多个用户的用户画像保存至用户画像数据库中。
在一实施例中,处理器520在执行所述对所述基础数据进行特征提取,以生成数据标签的步骤时,具体执行如下步骤:通过调用预设的分词工具对所述基础数据进行分词处理,以生成单词列表;对所述单词列表进行关键词提取,并将所述关键词确定为所述数据标签。
在一实施例中,处理器520在执行所述在所述用户画像数据库中获取与当前用户的用户画像相匹配的用户画像类型的步骤时,具体执行如下步骤:将所述当前用户的用户画像逐一与所述用户画像数据库中的多个用户画像进行对比,以生成画像相似度;判断所述画像相似度是否大于预设的相似度阈值;若所述画像相似度大于预设的相似度阈值,将所述画像相似度对应的用户画像类型确定为与当前用户的用户画像匹配的用户画像类型。
在一实施例中,处理器520在执行所述将所述当前用户的用户画像逐一与所述用户画像数据库中的多个用户画像进行对比,以生成画像相似度的步骤时,具体执行如下步骤:将当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签进行比对,以得出数据标签的相似度;根据所述数据标签的相似度以及预设的画像相似度公式生成画像相似度。
在一实施例中,处理器520在执行将当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签进行比对,以得出数据标签的相似度的步骤时,具体执行如下步骤:若当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签相同,所得出的数据标签的相似度为100%;若当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签不相同,所得出的数据标签的相似度为0%;若当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签不相同但具有关联性,所得出的数据标签的相似度为50%。
在一实施例中,处理器520在执行构建当前用户的用户画像的步骤时,具体执行如下步骤:获取当前用户的用户标识符;判断所述用户画像数据库中是否存在与所述用户标识符相匹配的画像标识符;若所述用户画像数据库中存在与所述用户标识符相匹配的画像标识符,将所述画像标识符对应的用户画像确定为所述当前用户的用户画像;若所述用户画像数据库中不存在与所述用户标识符相匹配的画像标识符,采集当前用户的基础数据;对所述基础数据进行特征提取,以生成数据标签;根据所述数据标签构建当前用户的用户画像。
应当理解,在本发明实施例中,处理器520可以是中央处理单元(CentralProcessing Unit,CPU),该处理器520还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域技术人员可以理解,该计算机设备500的示意性框图并不构成对计算机设备500的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
在本发明的另一实施例中提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,其中计算机程序包括程序指令。所述程序指令被处理器执行时实现如下步骤:建立用户画像数据库,所述用户画像数据库存储有多个用户画像;根据待投放广告对应的用户消费数据对所述用户画像数据库中所述用户画像进行分类,以生成用户画像类型,所述用户画像类型包重点画像类型以及普通画像类型;构建当前用户的用户画像,并从所述用户画像数据库中确定与所述当前用户的用户画像相匹配的用户画像类型;判断与所述当前用户的用户画像相匹配的用户画像类型是否为重点画像类型;若与所述当前用户的用户画像相匹配的用户画像类型为重点画像类型,投放所述待投放广告。
在一实施例中,所述程序指令被处理器执行以实现所述建立用户画像数据库的步骤时,具体实现如下步骤采集多个用户的基础数据;对所述基础数据进行特征提取,以生成数据标签;根据所述数据标签构建多个用户的用户画像,并将所述多个用户的用户画像保存至用户画像数据库中。
在一实施例中,所述程序指令被处理器执行以实现所述对所述基础数据进行特征提取,以生成数据标签的步骤时,具体实现如下步骤:通过调用预设的分词工具对所述基础数据进行分词处理,以生成单词列表;对所述单词列表进行关键词提取,并将所述关键词确定为所述数据标签。
在一实施例中,所述程序指令被处理器执行以实现所述在所述用户画像数据库中获取与当前用户的用户画像相匹配的用户画像类型的步骤时,具体实现如下步骤:将所述当前用户的用户画像逐一与所述用户画像数据库中的多个用户画像进行对比,以生成画像相似度;判断所述画像相似度是否大于预设的相似度阈值;若所述画像相似度大于预设的相似度阈值,将所述画像相似度对应的用户画像类型确定为与当前用户的用户画像匹配的用户画像类型。
在一实施例中,所述程序指令被处理器执行以实现所述将所述当前用户的用户画像逐一与所述用户画像数据库中的多个用户画像进行对比,以生成画像相似度的步骤时,具体实现如下步骤:将当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签进行比对,以得出数据标签的相似度;根据所述数据标签的相似度以及预设的画像相似度公式生成画像相似度。
在一实施例中,所述程序指令被处理器执行以实现将当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签进行比对,以得出数据标签的相似度的步骤时,具体实现如下步骤:若当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签相同,所得出的数据标签的相似度为100%;若当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签不相同,所得出的数据标签的相似度为0%;若当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签不相同但具有关联性,所得出的数据标签的相似度为50%。
在一实施例中,所述程序指令被处理器执行以实现构建当前用户的用户画像的步骤时,具体实现如下步骤:获取当前用户的用户标识符;判断所述用户画像数据库中是否存在与所述用户标识符相匹配的画像标识符;若所述用户画像数据库中存在与所述用户标识符相匹配的画像标识符,将所述画像标识符对应的用户画像确定为所述当前用户的用户画像;若所述用户画像数据库中不存在与所述用户标识符相匹配的画像标识符,采集当前用户的基础数据;对所述基础数据进行特征提取,以生成数据标签;根据所述数据标签构建当前用户的用户画像。
该计算机可读存储介质可以是U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如一个以上单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种广告投放方法,其特征在于,包括:
建立用户画像数据库,所述用户画像数据库存储有多个用户画像;
根据待投放广告对应的用户消费数据对所述用户画像数据库中所述用户画像进行分类,以生成用户画像类型,所述用户画像类型包重点画像类型以及普通画像类型;
构建当前用户的用户画像,并从所述用户画像数据库中确定与所述当前用户的用户画像相匹配的用户画像类型;
判断与所述当前用户的用户画像相匹配的用户画像类型是否为重点画像类型;
若与所述当前用户的用户画像相匹配的用户画像类型为重点画像类型,投放所述待投放广告。
2.如权利要求1所述的方法,其特征在于,所述建立用户画像数据库,包括:
采集多个用户的基础数据;
对所述基础数据进行特征提取,以生成数据标签;
根据所述数据标签构建多个用户的用户画像,并将所述多个用户的用户画像保存至用户画像数据库中。
3.如权利要求2所述的方法,其特征在于,所述对所述基础数据进行特征提取,以生成数据标签,包括:
通过调用预设的分词工具对所述基础数据进行分词处理,以生成单词列表;
对所述单词列表进行关键词提取,并将所述关键词确定为所述数据标签。
4.如权利要求1所述的方法,其特征在于,所述在所述用户画像数据库中获取与当前用户的用户画像相匹配的用户画像类型,包括:
将所述当前用户的用户画像逐一与所述用户画像数据库中的多个用户画像进行对比,以生成画像相似度;
判断所述画像相似度是否大于预设的相似度阈值;
若所述画像相似度大于预设的相似度阈值,将所述画像相似度对应的用户画像类型确定为与当前用户的用户画像匹配的用户画像类型。
5.如权利要求4所述的方法,其特征在于,所述将所述当前用户的用户画像逐一与所述用户画像数据库中的多个用户画像进行对比,以生成画像相似度,包括:
将当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签进行比对,以得出数据标签的相似度;
根据所述数据标签的相似度以及预设的画像相似度公式生成画像相似度。
6.如权利要求5所述的方法,其特征在于,将当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签进行比对,以得出数据标签的相似度,包括:
若当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签相同,所得出的数据标签的相似度为100%;
若当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签不相同,所得出的数据标签的相似度为0%;
若当前用户的用户画像对应的数据标签与用户数据库中的用户画像对应的数据标签不相同但具有关联性,所得出的数据标签的相似度为50%。
7.如权利要求1所述的方法,其特征在于,所述构建当前用户的用户画像包括:
获取当前用户的用户标识符;
判断所述用户画像数据库中是否存在与所述用户标识符相匹配的画像标识符;
若所述用户画像数据库中存在与所述用户标识符相匹配的画像标识符,将所述画像标识符对应的用户画像确定为所述当前用户的用户画像;
若所述用户画像数据库中不存在与所述用户标识符相匹配的画像标识符,采集当前用户的基础数据;
对所述基础数据进行特征提取,以生成数据标签;
根据所述数据标签构建当前用户的用户画像。
8.一种广告投放装置,其特征在于,所述装置包括用于执行如权利要求1-7任一项所述方法的单元。
9.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项的广告投放方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的广告投放方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810923877.6A CN109242537A (zh) | 2018-08-14 | 2018-08-14 | 广告投放方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810923877.6A CN109242537A (zh) | 2018-08-14 | 2018-08-14 | 广告投放方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109242537A true CN109242537A (zh) | 2019-01-18 |
Family
ID=65071082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810923877.6A Pending CN109242537A (zh) | 2018-08-14 | 2018-08-14 | 广告投放方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242537A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109889430A (zh) * | 2019-01-23 | 2019-06-14 | 平安科技(深圳)有限公司 | 消息推送方法、装置、计算机设备及存储介质 |
CN109919656A (zh) * | 2019-01-23 | 2019-06-21 | 平安科技(深圳)有限公司 | 广告投放方法、装置、计算机设备及存储介质 |
CN110009401A (zh) * | 2019-03-18 | 2019-07-12 | 康美药业股份有限公司 | 基于用户画像的广告投放方法、装置和存储介质 |
CN110175233A (zh) * | 2019-03-07 | 2019-08-27 | 平安科技(深圳)有限公司 | 目标主体画像分析的方法、装置、计算机装置及存储介质 |
CN111144944A (zh) * | 2019-12-27 | 2020-05-12 | 浙江致梦大数据有限公司 | 一种广告投放方法、装置、电子设备及存储介质 |
CN111210275A (zh) * | 2020-01-06 | 2020-05-29 | 平安科技(深圳)有限公司 | 基于vr数据的用户画像构建方法、装置及计算机设备 |
CN113383360A (zh) * | 2019-06-26 | 2021-09-10 | 深圳市欢太科技有限公司 | 内容推送方法、装置、服务端及存储介质 |
CN113592540A (zh) * | 2021-07-14 | 2021-11-02 | 车智互联(北京)科技有限公司 | 一种用户裂变方法及计算设备 |
CN114219580A (zh) * | 2021-12-31 | 2022-03-22 | 江苏玖益贰信息科技有限公司 | 一种消费者画像生成装置及画像分析方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447730A (zh) * | 2015-12-25 | 2016-03-30 | 腾讯科技(深圳)有限公司 | 目标用户定向方法及装置 |
CN106886918A (zh) * | 2017-02-06 | 2017-06-23 | 中国联合网络通信集团有限公司 | 一种目标用户的确定方法、装置及系统 |
CN107103057A (zh) * | 2017-04-13 | 2017-08-29 | 腾讯科技(深圳)有限公司 | 一种资源推送方法及装置 |
CN107633036A (zh) * | 2017-09-08 | 2018-01-26 | 广州汪汪信息技术有限公司 | 一种微博用户画像方法、电子设备、存储介质、系统 |
CN108269128A (zh) * | 2018-01-22 | 2018-07-10 | 北京小米移动软件有限公司 | 广告的投放方法、装置、设备及存储介质 |
-
2018
- 2018-08-14 CN CN201810923877.6A patent/CN109242537A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447730A (zh) * | 2015-12-25 | 2016-03-30 | 腾讯科技(深圳)有限公司 | 目标用户定向方法及装置 |
CN106886918A (zh) * | 2017-02-06 | 2017-06-23 | 中国联合网络通信集团有限公司 | 一种目标用户的确定方法、装置及系统 |
CN107103057A (zh) * | 2017-04-13 | 2017-08-29 | 腾讯科技(深圳)有限公司 | 一种资源推送方法及装置 |
CN107633036A (zh) * | 2017-09-08 | 2018-01-26 | 广州汪汪信息技术有限公司 | 一种微博用户画像方法、电子设备、存储介质、系统 |
CN108269128A (zh) * | 2018-01-22 | 2018-07-10 | 北京小米移动软件有限公司 | 广告的投放方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
邱均平等: "《文献计量与内容分析2004信息化与信息资源管理研讨会论文选集》", 吉林科学技术出版社, pages: 237 - 241 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109889430A (zh) * | 2019-01-23 | 2019-06-14 | 平安科技(深圳)有限公司 | 消息推送方法、装置、计算机设备及存储介质 |
CN109919656A (zh) * | 2019-01-23 | 2019-06-21 | 平安科技(深圳)有限公司 | 广告投放方法、装置、计算机设备及存储介质 |
WO2020151164A1 (zh) * | 2019-01-23 | 2020-07-30 | 平安科技(深圳)有限公司 | 消息推送方法、装置、计算机设备及存储介质 |
CN110175233A (zh) * | 2019-03-07 | 2019-08-27 | 平安科技(深圳)有限公司 | 目标主体画像分析的方法、装置、计算机装置及存储介质 |
CN110175233B (zh) * | 2019-03-07 | 2022-03-11 | 平安科技(深圳)有限公司 | 目标主体画像分析的方法、装置、计算机装置及存储介质 |
CN110009401A (zh) * | 2019-03-18 | 2019-07-12 | 康美药业股份有限公司 | 基于用户画像的广告投放方法、装置和存储介质 |
CN113383360A (zh) * | 2019-06-26 | 2021-09-10 | 深圳市欢太科技有限公司 | 内容推送方法、装置、服务端及存储介质 |
CN113383360B (zh) * | 2019-06-26 | 2023-11-24 | 深圳市欢太科技有限公司 | 内容推送方法、装置、服务端及存储介质 |
CN111144944A (zh) * | 2019-12-27 | 2020-05-12 | 浙江致梦大数据有限公司 | 一种广告投放方法、装置、电子设备及存储介质 |
CN111144944B (zh) * | 2019-12-27 | 2023-05-16 | 浙江致梦大数据有限公司 | 一种广告投放方法、装置、电子设备及存储介质 |
CN111210275A (zh) * | 2020-01-06 | 2020-05-29 | 平安科技(深圳)有限公司 | 基于vr数据的用户画像构建方法、装置及计算机设备 |
CN111210275B (zh) * | 2020-01-06 | 2023-07-21 | 平安科技(深圳)有限公司 | 基于vr数据的用户画像构建方法、装置及计算机设备 |
CN113592540A (zh) * | 2021-07-14 | 2021-11-02 | 车智互联(北京)科技有限公司 | 一种用户裂变方法及计算设备 |
CN113592540B (zh) * | 2021-07-14 | 2023-09-19 | 车智互联(北京)科技有限公司 | 一种用户裂变方法及计算设备 |
CN114219580A (zh) * | 2021-12-31 | 2022-03-22 | 江苏玖益贰信息科技有限公司 | 一种消费者画像生成装置及画像分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242537A (zh) | 广告投放方法、装置、计算机设备及存储介质 | |
JP6301958B2 (ja) | 検索語句を構成し、広告を配信し、製品情報を検索するための方法および装置 | |
CN106021586B (zh) | 一种信息处理方法及服务器 | |
WO2019214336A1 (zh) | 一种内容推送方法、装置及机器可读存储介质 | |
CN109889430A (zh) | 消息推送方法、装置、计算机设备及存储介质 | |
WO2020048084A1 (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
US10410125B1 (en) | Artificial intelligence based identification of negative user sentiment in event data | |
US20140095308A1 (en) | Advertisement distribution apparatus and advertisement distribution method | |
JP2019505908A (ja) | 広告情報プッシュ方法、装置、システム、サーバ及びコンピュータ読取り可能な媒体 | |
CN106294500B (zh) | 内容项目的推送方法、装置及系统 | |
WO2017041359A1 (zh) | 信息推送方法、装置、设备及非易失性计算机存储介质 | |
CN106202317A (zh) | 基于视频的商品推荐方法及装置 | |
EP3306486A1 (en) | Pushed information processing method, apparatus, and device, and non-volatile computer storage medium | |
CN104537000B (zh) | 一种用于推送信息的方法和装置 | |
WO2015135110A1 (en) | Systems and methods for keyword suggestion | |
CN104751354B (zh) | 一种广告人群筛选方法 | |
CN111078742B (zh) | 用户分类模型训练方法、用户分类方法及装置 | |
CN108133058B (zh) | 一种视频检索方法 | |
US10410273B1 (en) | Artificial intelligence based identification of item attributes associated with negative user sentiment | |
CN103577405A (zh) | 基于兴趣分析的微博博主社区分类方法 | |
CN110503459A (zh) | 基于大数据的用户信用度评估方法、装置及存储介质 | |
CN104077707B (zh) | 一种推广呈现方式的优化方法和装置 | |
CN109684497B (zh) | 一种图文匹配的信息发送方法、装置及电子设备 | |
CN109919656A (zh) | 广告投放方法、装置、计算机设备及存储介质 | |
CN112818224A (zh) | 信息推荐方法、装置、电子设备及可读存储介质 |
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 |