CN109978607A - 广告推荐方法、装置及计算机可读存储介质 - Google Patents

广告推荐方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN109978607A
CN109978607A CN201910164384.3A CN201910164384A CN109978607A CN 109978607 A CN109978607 A CN 109978607A CN 201910164384 A CN201910164384 A CN 201910164384A CN 109978607 A CN109978607 A CN 109978607A
Authority
CN
China
Prior art keywords
user
standing
vector
advertisement
recommended
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
Application number
CN201910164384.3A
Other languages
English (en)
Inventor
刘继宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910164384.3A priority Critical patent/CN109978607A/zh
Publication of CN109978607A publication Critical patent/CN109978607A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本方案涉及人工智能，提供广告推荐方法、装置及计算机可读存储介质，方法包括：根据站内流量和站外流量采取不同的推荐方法。对站内流量，在当前打开APP无登录的情况下，判断一段时间内移动终端最近一次登录账号，利用最近一次登录账号信息来推荐广告；对站外流量，以对于各广告转化率最高的信息标签对应的外部渠道作为站外流量的推荐方式，所述外部渠道指用于推广广告的安装在移动终端上的应用。本发明根据站内流量和站外流量采取不同的推荐方法，站内流量在用户未登录的情况下，利用其最近一次登录的账号信息来推荐广告，站外流量则充分利用广告转化率最高的信息标签对应的外部渠道，提升了用户体验，提高新用户各阶段的转化。

Description

广告推荐方法、装置及计算机可读存储介质
技术领域
本发明涉及人工智能，具体地说，涉及一种广告推荐方法、装置及计算机可读存储介质。
背景技术
随着互联网技术的发展，通过互联网获取信息、生活、娱乐和工作成为人们生活的一部分。商家为了提高知名度，推广商品，往往通过互联网投放广告。业内在推荐系统中冷启动主要采用用户注册基本信息。而用户注册基本信息无法全面的表示某个用户，导致冷启动用户体验不佳。另一种冷启动的方式采用非个性化的方式。如：热度。同样存在用户体验不佳的现象。另一种是通过协同过滤算法来实现冷启动，如：ItemCF可以解决用户冷启动，userCF可以解决物品冷启动。但这些算法的前提是需要用户现有一定的行为反馈，对于一些刚进来没有任何行为的用户，暂时还没有合适的推荐方法。
发明内容
为解决以上技术问题，本发明提供一种广告推荐方法，应用于电子装置，包括如下步骤：
根据站内流量和站外流量采取不同的推荐方法，所述站内流量是指指定APP内的流量，所述站外流量是指指定APP之外的流量，其中：
对于站内流量，在当前打开APP无登录的情况下，判断一段限定时间内移动终端最近一次登录所述APP的账号，利用最近一次登录的账号信息来推荐广告；
对于站外流量，以对于各广告转化率最高的信息标签对应的外部渠道作为站外流量的推荐方式，所述外部渠道指用于推广广告的安装在移动终端上的应用，其公式如下：
其中，recommendorigin表示推荐的外部渠道；
scoretranslate表示与外部渠道对应的信息标签的各广告转化率；
admax表示取广告转化率最高的。
优选地，若所述限定时间内无登录用户信息，则分析该移动终端一段时
期内的兴趣标签，根据兴趣标签推荐广告，其公式如下：
adlabel∈user_interest
其中，user_interest表示用户兴趣标签；
history_interesti表示用户第i个历史兴趣标签；
adlabel表示推荐广告的标签。
优选地，对于站内流量来说，若用户为新注册用户，则根据用户注册基本信息+热度推荐融合的方式，进行加权求和得到综合的分数推荐广告，其公式如下：
s＝w1*scoread_register_info+w2*scorehot_recommend
其中，scorehot_recommend为广告热度；
scoread_register_info为用户注册基本信息；
A表示用户注册信息标签集合；
B表示广告自身标签集合；
A∩B表示用户标签集合与广告标签集合之间交集；
A∪B表示用户标签集合与广告标签集合之间并集；
clickad表示广告点击次数，expoad表示广告曝光次数；
w1、w2是权重。
优选地，还根据站外用户基本信息所属的标签构建站外用户标签组成的向量，称为站外用户标签向量，站外用户基本信息至少包括用户的年龄、兴趣、薪资、居住地、以往的消费记录、贷款记录，而站内用户则利用用户注册基本信息和用户兴趣标签来构建站内用户标签向量，计算站外用户标签向量与站内用户标签向量的相似度，若站外用户标签向量与站内用户标签向量的相似度高于相似度阈值，则利用站内用户的信息来为站外用户推荐广告。
优选地，站外用户标签向量与站内用户标签向量的相似度计算公式为：
其中，d(A，B)表示站外用户标签向量与站内用户标签向量的余弦相似度；
userA表示站外用户标签向量；
userB表示站内用户标签向量；
j是表示用户标签向量的第j个分量。
优选地，站外用户标签向量与站内用户标签向量的相似度计算公式为：
其中，x表示站外用户标签向量；
y表示站内用户标签向量；
j是表示用户标签向量的第j个分量；
d(x,y)表示站外用户标签向量与站内用户标签向量之间的欧几里得距离，其中，站外用户标签向量与站内用户标签向量之间的欧几里得距离小于距离阈值，则认为站外用户标签向量与站内用户标签向量的相似度高于相似度阈值。
优选地，在当前打开APP无登录的情况下，判断一段限定时间内移动终端最近一次登录的账号，利用最近一次登录的账号信息来推荐广告对应的公式如下：
user_device＝devicemax(date)
其中，user_device表示用户账号；
m是查询到的用户在规定时间内登录该APP的次数；
k是用户在规定时间内登录该APP的次数中的第k次；
dayk是用户在规定时间内登录该APP的次数中的第k次对应的日期；
max(date)表示在规定时间内用户登录该APP的次数中最大的日期。
本发明还提供一种电子装置，该电子装置包括：存储器和处理器，所述存储器中存储有广告推荐程序，所述广告推荐程序被所述处理器执行时实现如下步骤：
根据站内流量和站外流量采取不同的推荐方法，所述站内流量是指指定APP内的流量，所述站外流量是指指定APP之外的流量，其中：
对于站内流量，在当前打开APP无登录的情况下，判断一段限定时间内移动终端最近一次登录所述APP的账号，利用最近一次登录的账号信息来推荐广告；
对于站外流量，以对于各广告转化率最高的信息标签对应的外部渠道作为站外流量的推荐方式，所述外部渠道指用于推广广告的安装在移动终端上的应用，其公式如下：
其中，recommendorigin表示推荐的外部渠道；
scoretranslate表示与外部渠道对应的信息标签的各广告转化率；
admax表示取广告转化率最高的。
优选地，若所述限定时间内无登录用户信息，则分析该移动终端一段时期内的兴趣标签，根据兴趣标签推荐广告，其公式如下：
adlabel∈user_interest
其中，user_interest表示用户兴趣标签；
history_interest表示用户历史兴趣标签；
adlabel表示推荐广告的标签。
本发明还提供一种计算机可读存储介质，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，所述程序指令被处理器执行时，实现如上所述的广告推荐方法。
本发明根据站内流量和站外流量采取不同的推荐方法，站内流量在用户未登录的情况下，利用其最近一次登录的账号信息来推荐广告，站外流量则充分利用广告转化率最高的信息标签对应的外部渠道，提升了用户体验，提高新用户各阶段的转化，如：注册转化，贷款转化，信用卡申请转化等。
附图说明
通过结合下面附图对其实施例进行描述，本发明的上述特征和技术优点将会变得更加清楚和容易理解。
图1是本发明实施例的广告推荐方法的流程示意图；
图2是本发明实施例的电子装置的硬件架构示意图；
图3是本发明实施例的广告推荐程序的模块构成图。
具体实施方式
下面将参考附图来描述本发明所述的广告推荐方法、装置及计算机可读存储介质的实施例。本领域的普通技术人员可以认识到，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式或其组合对所描述的实施例进行修正。因此，附图和描述在本质上是说明性的，而不是用于限制权利要求的保护范围。此外，在本说明书中，附图未按比例画出，并且相同的附图标记表示相同的部分。
图1为本发明实施例提供的广告推荐方法的流程示意图，应用于电子装置，该方法包括以下步骤：
步骤S10，根据站内流量和站外流量采取不同的推荐方法，所述站内流量是指指定APP内的流量，所述站外流量是指指定APP之外的流量。例如，指定APP是招商证券平台，则站内流量是指通过招商证券平台产生的流量，用户对招商证券平台上的广告信息的点击浏览，用户购买理财产品等都是站内流量。而通过招商证券平台以外的应用和浏览器产生的流量就是站外流量，例如，指定APP是招商证券平台的话，那么如果招商证券公司在今日头条APP上推送了广告，而用户对今日头条APP上推送的广告的点击和浏览等情况都是站外流量。指定APP还可以是例如淘宝，则用户对甲用户在淘宝平台上发布的信息的点击、浏览，以及产品购买情况都是站内流量，而甲用户可能还会在淘宝平台以外的APP上发布广告信息，则用户对甲用户在淘宝平台以外的APP上发布广告信息产生的操作都是站外流量。本实施例就是要帮助甲用户向用户来推广广告信息。下面分别根据站内流量和站外流量来说明。
步骤S101，对于站内流量，在当前打开APP无登录的情况下，判断一段限定时间内移动终端最近一次登录所述APP的账号，利用最近一次登录的账号信息来推荐广告；
步骤S102，对于站外流量，判断在某个站外流量的外部渠道中，某类信息标签对于某个广告转化率最高，则以该外部渠道作为站外流量的推荐方式，所述外部渠道指用于推广广告的安装在移动终端上的应用，采用如下公式进行判断：
其中，recommendorigin表示推荐的外部渠道；
scoretranslate表示与外部渠道对应的信息标签的各广告转化率。其中，转化是指网民的身份产生转变的标志，如网民从普通浏览者升级为注册用户或购买用户等。转化的标志是指某些特定页面，如注册成功页、购买成功页、下载成功页等，广告用户的转化量与广告到达量的比值称为广告的转化率。
在一个可选实施例中，若所述限定时间内无登录用户信息，则分析该移动终端一段时期内的兴趣标签，根据兴趣标签推荐广告，其公式如下：
adlabel∈user)interest
其中，user_interest表示用户兴趣标签；
history_interesti表示用户第i个历史兴趣标签；
adlabel表示推荐广告的标签。
在一个可选实施例中，对于站内流量来说，若用户为新注册用户，则根据用户注册基本信息+热度推荐融合的方式，最终进行加权求和得到一个综合的分数推荐广告，其公式如下：
s＝w1*scoread_register_info+w2*scorehot_recommend
其中，scorehot_recommend为广告热度；
scoread_register_info为用户注册基本信息；
A表示用户注册信息标签集合；
B表示广告自身标签集合；
A∩B表示用户标签集合与广告标签集合之间交集；
A∪B表示用户标签集合与广告标签集合之间并集；
clickad表示广告点击次数，expoad表示广告曝光次数；
w1、w2是权重。
在一个可选实施例中，还根据站外用户基本信息所属的标签构建站外用户标签组成的向量，称为站外用户标签向量，站外用户基本信息至少包括用户的年龄、兴趣、薪资、居住地、以往的消费记录、贷款记录，而站内用户则利用用户注册基本信息和用户兴趣标签来构建站内用户标签向量，计算站外用户标签向量与站内用户标签向量的相似度，若站外用户标签向量与站内用户标签向量的相似度高于相似度阈值，则利用站内用户的信息来为站外用户推荐广告。其中，站内用户是指对指定APP上的广告发生操作而产生站内流量的用户。例如，指定APP是招商证券平台，则通过招商证券平台对招商证券公司在招商证券平台上的广告信息的点击浏览，购买理财产品等的用户都是站内用户。
站外用户是指对指定APP以外的广告发生操作而产生站外流量的用户。例如，指定APP是招商证券平台，招商证券公司还通过招商证券平台以外的APP也发布了广告信息，而通过招商证券平台以外的应用和浏览器来对招商证券公司发布的广告信息的点击浏览，购买理财产品等的用户都是站外用户。
在一个可选实施例中，站外用户标签向量与站内用户标签向量的相似度计算公式为：
其中，d(A，B)表示站外用户标签向量与站内用户标签向量的余弦相似度；
userA表示站外用户标签向量；
userB表示站内用户标签向量；
j是表示用户标签向量的第j个分量。
6.根据权利要求4所述的广告推荐方法，其特征在于：站外用户标签向量与站内用户标签向量的相似度计算公式为：
其中，x表示站外用户标签向量；
y表示站内用户标签向量；
j是表示用户标签向量的第j个分量；
d(x,y)表示站外用户标签向量与站内用户标签向量之间的欧几里得距离，其中，站外用户标签向量与站内用户标签向量之间的欧几里得距离小于距离阈值，则认为站外用户标签向量与站内用户标签向量的相似度高于相似度阈值。
在一个可选实施例中，在当前打开APP无登录的情况下，判断一段限定时间内移动终端最近一次登录的账号，利用最近一次登录的账号信息来推荐广告对应的公式如下：
user_device＝devicemax(date)
其中，user_device表示用户账号(即用户设备信息)；
m是查询到的用户在规定时间内登录该APP的次数；
k是用户在规定时间内登录该APP的次数中的第k次；
dayk是用户在规定时间内登录该APP的次数中的第k次对应的日期；
max(date)表示在规定时间内用户登录该APP的次数中最大的日期。
参阅图2所示，是本发明电子装置的实施例的硬件架构示意图。本实施例中，所述电子装置2是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。例如，可以是智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图2所示，所述电子装置2至少包括，但不限于，可通过系统总线相互通信连接的存储器21、处理器22、网络接口23。其中：所述存储器21至少包括一种类型的计算机可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器21可以是所述电子装置2的内部存储单元，例如该电子装置2的硬盘或内存。在另一些实施例中，所述存储器21也可以是所述电子装置2的外部存储设备，例如该电子装置2上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(FlashCard)等。当然，所述存储器21还可以既包括所述电子装置2的内部存储单元也包括其外部存储设备。本实施例中，所述存储器21通常用于存储安装于所述电子装置2的操作系统和各类应用软件，例如所述广告推荐程序代码等。此外，所述存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制所述电子装置2的总体操作，例如执行与所述电子装置2进行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器22用于运行所述存储器21中存储的程序代码或者处理数据，例如运行所述的广告推荐程序等。
所述网络接口23可包括无线网络接口或有线网络接口，该网络接口23通常用于在所述电子装置2与其他电子装置之间建立通信连接。例如，所述网络接口23用于通过网络将所述电子装置2与推送平台相连，在所述电子装置2与推送平台之间建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication，GSM)、宽带码分多址(WidebandCodeDivision Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
可选地，该电子装置2还可以包括显示器，显示器也可以称为显示屏或显示单元。在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode，OLED)显示器等。显示器用于显示在电子装置2中处理的信息以及用于显示可视化的用户界面。
需要指出的是，图2仅示出了具有组件21-23的电子装置2，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
包含可读存储介质的存储器21中可以包括操作系统、广告推荐程序50等。处理器22执行存储器21中广告推荐程序50时实现如下步骤：
步骤S10，根据站内流量和站外流量采取不同的推荐方法，所述站内流量是指指定APP内的流量，所述站外流量是指指定APP之外的流量。下面分别根据站内流量和站外流量来说明。
步骤S101，对于站内流量，在当前打开APP无登录的情况下，判断一段限定时间内移动终端最近一次登录所述APP的账号，利用最近一次登录的账号信息来推荐广告；
步骤S102，对于站外流量，判断在某个站外流量的外部渠道中，某类信息标签对于某个广告转化率最高，则以该外部渠道作为站外流量的推荐方式，所述外部渠道指用于推广广告的安装在移动终端上的应用，采用如下公式进行判断：
其中，recommendorigin表示推荐的外部渠道；
scoretranslate表示与外部渠道对应的信息标签的各广告转化率。
在本实施例中，存储于存储器21中的所述广告推荐程序可以被分割为一个或者多个程序模块，所述一个或者多个程序模块被存储于存储器21中，并可由一个或多个处理器(本实施例为处理器22)所执行，以完成本发明。例如，图3示出了所述广告推荐程序的程序模块示意图，该实施例中，所述广告推荐程序50可以被分割为站内流量和站外流量判断模块501、站内流量广告推荐模块502、站外流量广告推荐模块503。其中，本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述所述广告推荐程序在所述电子装置2中的执行过程。以下描述将具体介绍所述程序模块的具体功能。
其中，站内流量和站外流量判断模块501根据站内流量和站外流量采取不同的推荐方法，所述站内流量是指指定APP内的流量，所述站外流量是指指定APP之外的流量，其中：
站内流量广告推荐模块502在当前打开APP无登录的情况下，判断一段限定时间内移动终端最近一次登录所述APP的账号，利用最近一次登录的账号信息来推荐广告；
站外流量广告推荐模块503判断在某个站外流量的外部渠道中，某类信息标签对于某个银行产品新用户转化率较高，以该外部渠道作为站外流量的推荐方式，所述外部渠道指用于推广广告的安装在移动终端上的应用，其公式如下：
其中，recommendorigin表示推荐的外部渠道；
scoretranslate表示与外部渠道对应的信息标签的各广告转化率。
在一个可选实施例中，还包括用户兴趣分析模块504，若所述限定时间内无登录用户信息，用户兴趣分析模块504则分析该移动终端一段时期内的兴趣爱好，根据兴趣爱好推荐广告，其公式如下：
adlabel∈user_interest
其中，user_interest表示用户兴趣标签；
history_interesti表示用户第i个历史兴趣标签；
adlabel表示推荐广告的标签，即推荐的广告对应标签在用户兴趣user_interest中出现过。
在一个可选实施例中，还包括注册基本信息加热度推荐模块505，对于站内流量来说，若用户为新注册用户，则根据用户注册基本信息+热度推荐融合的方式，最终进行加权求和得到一个综合的分数推荐广告，其公式如下：
s＝w1*scoread_register_info+w2*scorehot_recommend
其中，scorehot_recommend为广告热度；
scoread_register_info为用户注册基本信息；
A表示用户注册信息标签集合；
B表示广告自身标签集合；
A∩B表示用户标签集合与广告标签集合之间交集；
A∪B表示用户标签集合与广告标签集合之间并集；
clickad表示广告点击次数，expoad表示广告曝光次数；
w1、w2是权重。
所述用户注册信息标签集合是指用户注册时所填写的资料对应的标签，例如，用户注册时填写了年龄、家庭住址、兴趣爱好等。则可能根据年龄和家庭住址所在区域推断出一些标签，例如，年龄42岁，家庭住址旁边有很多的书店，则可能推断出用户的标签有“书籍”、“家庭”，根据兴趣爱好的填写更可以推断出更多的标签。A就表示所有这些用户注册信息的标签的集合。
在一个可选实施例中，还包括站内用户与站外用户相似度获取模块506，注册基本信息加热度推荐模块505根据站外用户基本信息所属的标签构建站外用户标签组成的向量，称为站外用户标签向量，站外用户基本信息至少包括用户的年龄、兴趣、薪资、居住地、以往的消费记录、贷款记录，而站内用户则利用用户注册基本信息和用户兴趣标签来构建站内用户标签向量，计算站外用户标签向量与站内用户标签向量的相似度，若站外用户标签向量与站内用户标签向量的相似度高于相似度阈值，则利用站内用户的信息来为站外用户推荐广告。
在一个可选实施例中，站外用户标签向量与站内用户标签向量的相似度计算公式为：
其中，d(A，B)表示站外用户标签向量与站内用户标签向量的余弦相似度；
userA表示站外用户标签向量；
userB表示站内用户标签向量；
j是表示用户标签向量的第j个分量。
6.根据权利要求4所述的广告推荐方法，其特征在于：站外用户标签向量与站内用户标签向量的相似度计算公式为：
其中，x表示站外用户标签向量；
y表示站内用户标签向量；
j是表示用户标签向量的第j个分量；
d(x,y)表示站外用户标签向量与站内用户标签向量之间的欧几里得距离，其中，站外用户标签向量与站内用户标签向量之间的欧几里得距离小于距离阈值，则认为站外用户标签向量与站内用户标签向量的相似度高于相似度阈值。
在一个可选实施例中，站内流量广告推荐模块502在当前打开APP无登录的情况下，判断一段限定时间内移动终端最近一次登录的账号，利用最近一次登录的账号信息来推荐广告对应的公式如下：
user_device＝devicemax(date)
其中，user_device表示用户账号(即用户设备信息)；
m是查询的用户在规定时间内登录该APP的次数；
k是用户在规定时间内登录该APP的次数中的第k次；
dayk是用户在规定时间内登录该APP的次数中的第k次对应的日期；
max(date)表示在规定时间内用户登录该APP的次数中最大的日期。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质可以是硬盘、多媒体卡、SD卡、闪存卡、SMC、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器等等中的任意一种或者几种的任意组合。所述计算机可读存储介质中包括广告推荐程序等，所述广告推荐程序50被处理器22执行时实现如下操作：
步骤S10，根据站内流量和站外流量采取不同的推荐方法，所述站内流量是指指定APP内的流量，所述站外流量是指指定APP之外的流量。下面分别根据站内流量和站外流量来说明。
步骤S101，对于站内流量，在当前打开APP无登录的情况下，判断一段限定时间内移动终端最近一次登录所述APP的账号，利用最近一次登录的账号信息来推荐广告；
步骤S102，对于站外流量，判断在某个站外流量的外部渠道中，某类信息标签对于某个广告转化率最高，则以该外部渠道作为站外流量的推荐方式，所述外部渠道指用于推广广告的安装在移动终端上的应用，采用如下公式进行判断：
其中，recommendorigin表示推荐的外部渠道；
scoretranslate表示与外部渠道对应的信息标签的各广告转化率。
本发明之计算机可读存储介质的具体实施方式与上述广告推荐方法以及电子装置2的具体实施方式大致相同，在此不再赘述。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种广告推荐方法，应用于电子装置，其特征在于，包括如下步骤：
根据站内流量和站外流量采取不同的推荐方法，所述站内流量是指指定APP内的流量，所述站外流量是指指定APP之外的流量，其中：
对于站内流量，在当前打开APP无登录的情况下，判断一段限定时间内移动终端最近一次登录所述APP的账号，利用最近一次登录的账号信息来推荐广告；
对于站外流量，以对于各广告转化率最高的信息标签对应的外部渠道作为站外流量的推荐方式，所述外部渠道指用于推广广告的安装在移动终端上的应用，其公式如下：
其中，recommendorigin表示推荐的外部渠道；
scoretranslate表示与外部渠道对应的信息标签的各广告转化率；
admax表示取广告转化率最高的。
2.根据权利要求1所述的广告推荐方法，其特征在于：
若所述限定时间内无登录用户信息，则分析该移动终端一段时期内的兴趣标签，根据兴趣标签推荐广告，其公式如下：
adlabel∈user_interest
其中，user_interest表示用户兴趣标签；
history_interesti表示用户第i个历史兴趣标签；
adlabel表示推荐广告的标签。
3.根据权利要求1所述的广告推荐方法，其特征在于：
对于站内流量来说，若用户为新注册用户，则根据用户注册基本信息+热度推荐融合的方式，进行加权求和得到综合的分数推荐广告，其公式如下：
s＝w1*scoread_register_info+w2*scorehot_recommend
其中，scorehot_recommend为广告热度；
scoread_register_info为用户注册基本信息；
A表示用户注册信息标签集合；
B表示广告自身标签集合；
A∩B表示用户标签集合与广告标签集合之间交集；
A∪B表示用户标签集合与广告标签集合之间并集；
clickad表示广告点击次数，expoad表示广告曝光次数；
W1、w2是权重。
4.根据权利要求1所述的广告推荐方法，其特征在于：
还根据站外用户基本信息所属的标签构建站外用户标签组成的向量，称为站外用户标签向量，站外用户基本信息至少包括用户的年龄、兴趣、薪资、居住地、以往的消费记录、贷款记录，而站内用户则利用用户注册基本信息和用户兴趣标签来构建站内用户标签向量，计算站外用户标签向量与站内用户标签向量的相似度，若站外用户标签向量与站内用户标签向量的相似度高于相似度阈值，则利用站内用户的信息来为站外用户推荐广告。
5.根据权利要求4所述的广告推荐方法，其特征在于：站外用户标签向量与站内用户标签向量的相似度计算公式为：
其中，d(A，B)表示站外用户标签向量与站内用户标签向量的余弦相似度；
userA表示站外用户标签向量；
userB表示站内用户标签向量；
j是表示用户标签向量的第j个分量。
6.根据权利要求4所述的广告推荐方法，其特征在于：站外用户标签向量与站内用户标签向量的相似度计算公式为：
其中，x表示站外用户标签向量；
y表示站内用户标签向量；
j是表示用户标签向量的第j个分量；
d(x,y)表示站外用户标签向量与站内用户标签向量之间的欧几里得距离，其中，站外用户标签向量与站内用户标签向量之间的欧几里得距离小于距离阈值，则认为站外用户标签向量与站内用户标签向量的相似度高于相似度阈值。
7.根据权利要求1所述的广告推荐方法，其特征在于：在当前打开APP无登录的情况下，判断一段限定时间内移动终端最近一次登录的账号，利用最近一次登录的账号信息来推荐广告对应的公式如下：
user_device＝devicemax(date)
其中，user_device表示用户账号；
m是查询到的用户在规定时间内登录该APP的次数；
k是用户在规定时间内登录该APP的次数中的第k次；
dayk是用户在规定时间内登录该APP的次数中的第k次对应的日期；
max(date)表示在规定时间内用户登录该APP的次数中最大的日期。
8.一种电子装置，其特征在于，该电子装置包括：存储器和处理器，所述存储器中存储有广告推荐程序，所述广告推荐程序被所述处理器执行时实现如下步骤：
根据站内流量和站外流量采取不同的推荐方法，所述站内流量是指指定APP内的流量，所述站外流量是指指定APP之外的流量，其中：
对于站内流量，在当前打开APP无登录的情况下，判断一段限定时间内移动终端最近一次登录所述APP的账号，利用最近一次登录的账号信息来推荐广告；
对于站外流量，以对于各广告转化率最高的信息标签对应的外部渠道作为站外流量的推荐方式，所述外部渠道指用于推广广告的安装在移动终端上的应用，其公式如下：
其中，recommendorigin表示推荐的外部渠道；
scoretranslate表示与外部渠道对应的信息标签的各广告转化率；
admax表示取广告转化率最高的。
9.根据权利要求8所述的电子装置，其特征在于：
若所述限定时间内无登录用户信息，则分析该移动终端一段时期内的兴趣标签，根据兴趣标签推荐广告，其公式如下：
adlabel∈user_interest
其中，user_interest表示用户兴趣标签；
history_interest表示用户历史兴趣标签；
adlabel表示推荐广告的标签。
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，所述程序指令被处理器执行时，实现权利要求1至7中任一项所述的广告推荐方法。
CN201910164384.3A 2019-03-05 2019-03-05 广告推荐方法、装置及计算机可读存储介质 Pending CN109978607A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910164384.3A CN109978607A (zh) 2019-03-05 2019-03-05 广告推荐方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910164384.3A CN109978607A (zh) 2019-03-05 2019-03-05 广告推荐方法、装置及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN109978607A true CN109978607A (zh) 2019-07-05

Family

ID=67077942

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910164384.3A Pending CN109978607A (zh) 2019-03-05 2019-03-05 广告推荐方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN109978607A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111177536A (zh) * 2019-12-12 2020-05-19 上海淇玥信息技术有限公司 基于设备指纹对未登录用户传送定制信息的方法、装置及电子设备
CN112749984A (zh) * 2019-10-31 2021-05-04 腾讯科技（深圳）有限公司 推广信息的处理方法、装置、计算机可读介质及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103578010A (zh) * 2012-07-26 2014-02-12 阿里巴巴集团控股有限公司 生成流量质量比较参数的方法和装置、广告计费方法
US9002887B1 (en) * 2007-03-30 2015-04-07 Amazon Technologies, Inc. Advertisement generator based on external traffic
CN105447731A (zh) * 2016-01-07 2016-03-30 上海携程商务有限公司 站外用户站内动态广告生成方法及系统
CN106126669A (zh) * 2016-06-28 2016-11-16 北京邮电大学 基于标签的用户协同过滤内容推荐方法及装置
WO2017028093A1 (zh) * 2015-08-16 2017-02-23 常平 广告投放方法和广告投放系统
CN109299981A (zh) * 2018-09-17 2019-02-01 北京点网聚科技有限公司 一种广告推荐方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9002887B1 (en) * 2007-03-30 2015-04-07 Amazon Technologies, Inc. Advertisement generator based on external traffic
CN103578010A (zh) * 2012-07-26 2014-02-12 阿里巴巴集团控股有限公司 生成流量质量比较参数的方法和装置、广告计费方法
WO2017028093A1 (zh) * 2015-08-16 2017-02-23 常平 广告投放方法和广告投放系统
CN105447731A (zh) * 2016-01-07 2016-03-30 上海携程商务有限公司 站外用户站内动态广告生成方法及系统
CN106126669A (zh) * 2016-06-28 2016-11-16 北京邮电大学 基于标签的用户协同过滤内容推荐方法及装置
CN109299981A (zh) * 2018-09-17 2019-02-01 北京点网聚科技有限公司 一种广告推荐方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112749984A (zh) * 2019-10-31 2021-05-04 腾讯科技（深圳）有限公司 推广信息的处理方法、装置、计算机可读介质及电子设备
CN111177536A (zh) * 2019-12-12 2020-05-19 上海淇玥信息技术有限公司 基于设备指纹对未登录用户传送定制信息的方法、装置及电子设备
CN111177536B (zh) * 2019-12-12 2023-12-26 上海淇玥信息技术有限公司 基于设备指纹对未登录用户传送定制信息的方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN109190044A (zh) 个性化推荐方法、装置、服务器和介质
CN104145270B (zh) 使用产品信息的外语翻译
CN109934619A (zh) 用户画像标签建模方法、装置、电子设备及可读存储介质
CN108536694A (zh) 用户偏好的推测方法、装置和终端设备
US20140156769A1 (en) System and method for posting message on social network website through an image
CN107798571A (zh) 恶意地址/恶意订单的识别系统、方法及装置
CN106940705A (zh) 一种用于构建用户画像的方法与设备
CN110135942A (zh) 产品推荐方法、装置及计算机可读存储介质
US20090222368A1 (en) Author website in a commerce environment
CN107688987A (zh) 电子装置、保险推荐方法、及计算机可读存储介质
CN107341173A (zh) 一种信息处理方法及装置
CN110097395A (zh) 定向广告投放方法、装置及计算机可读存储介质
CN109685579A (zh) 一种基于用户标签的数据处理方法、智能电视及存储介质
CN110399561A (zh) 信息推荐方法、信息推荐装置和电子设备
CN113704614A (zh) 基于用户画像的页面生成方法、装置、设备及介质
CN109978607A (zh) 广告推荐方法、装置及计算机可读存储介质
CN113706249B (zh) 数据推荐方法、装置、电子设备及存储介质
CN112511632B (zh) 基于多源数据的对象推送方法、装置、设备及存储介质
CN113505273B (zh) 基于重复数据筛选的数据排序方法、装置、设备及介质
CN106383857A (zh) 一种信息处理方法及电子设备
CN115439156A (zh) 广告位推荐的方法、装置、计算机设备及存储介质
CN111091218A (zh) 竞价预测模型的生成以及广告投放自动出价方法和装置
US20150269634A1 (en) System and method for publishing personalized book collections
KR20100009998A (ko) 책에 구비된 코드를 이용한 독자 의견 수집과 이의 활용방법 및 장치
Gurumoorthy Design and implementation of computerizing the dealership management software

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