CN110602533B - 分时段分人群的智能电视广告推荐系统及其推荐方法 - Google Patents
分时段分人群的智能电视广告推荐系统及其推荐方法 Download PDFInfo
- Publication number
- CN110602533B CN110602533B CN201910853858.5A CN201910853858A CN110602533B CN 110602533 B CN110602533 B CN 110602533B CN 201910853858 A CN201910853858 A CN 201910853858A CN 110602533 B CN110602533 B CN 110602533B
- Authority
- CN
- China
- Prior art keywords
- advertisement
- data
- crowd
- time
- 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.)
- Active
Links
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/231—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion
- H04N21/23106—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion involving caching operations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/254—Management at additional data server, e.g. shopping server, rights management server
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
- H04N21/25891—Management of end-user data being end-user preferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
- H04N21/26208—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints
- H04N21/26241—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints involving the time of distribution, e.g. the best time of the day for inserting an advertisement or airing a children program
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
- H04N21/26291—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists for providing content or additional data updates, e.g. updating software modules, stored at the client
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
- H04N21/2668—Creating a channel for a dedicated end-user group, e.g. insertion of targeted commercials based on end-user profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/81—Monomedia components thereof
- H04N21/812—Monomedia components thereof involving advertisement data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/85—Assembly of content; Generation of multimedia applications
- H04N21/858—Linking data to content, e.g. by linking an URL to a video object, by creating a hotspot
- H04N21/8586—Linking data to content, e.g. by linking an URL to a video object, by creating a hotspot by using a URL
Abstract
本发明公开了一种分时段分人群的智能电视广告推荐系统,将人群进行分类打标签并构建日期属性,还包括:广告管理平台,用于当广告信息变动后,调用数据缓存中心的数据更新缓存中的广告信息;媒资运营平台;大数据清洗程序,清洗用户行为数据,分离出用户观影行为数据;时段‑人群预测算法模型组,每日固定时间运行,对用户上一天各个时段内的用户观影行为数据进行分析处理;数据缓存中心,用于每日定时更新数据;分时段人群广告推荐云平台,用于接收请求和反馈广告数据。本发明还提供一种分时段分人群的智能电视广告推荐方法,本发明根据时段使用电视用户所属人群推荐广告内容,提升了广告投放的性价比。
Description
技术领域
本发明涉及智能电视技术领域,特别是一种分时段分人群的智能电视广告推荐系统及其推荐方法。
背景技术
随着智能电视普及,越来越多广告商愿意在智能电视上投放广告,现今电视终端广告投放,要么范围太广,性价比不高,要么受限于收视率,用户接受率不高,或者由于电视直播广告有固定时间,用户在播放广告时换台,或者小孩看电视时,给播放老年人的广告等,导致广告转化率低;现有精准广告投放方法主要有3大类:
1、通过对直播电视影视节目和广告的基本信息进行分词处理,然后使用算法进行一对多匹配,进行根据直播节目推荐广告,其缺陷是,广告内容和电视直播节目内容其实能够关联的量不大或者及时关联了也是模糊关联,投放精度欠缺,而且需要维护广告和直播节目的关联关系,同时与大广告商有利益冲突;
2、将广告与视频进行关联,当用户播放视频时,使用获取到的视频信息,查询该视频关联的广告,进行精准推送,其缺陷是,广告内容和视频节目内容其实能够关联的量不大或者及时关联了也是模糊关联,投放精度欠缺,而且需要维护广告和视频节目的关联关系;
3、将广告与广告进行关联,使用用户观看历史,并分析历史中广告的喜好得分,推荐类似的广告,缺陷是虽然获取到用户可能喜好的广告,但是这种推荐就会像电商推荐一样,容易一段时间内都是同一种类广告,容易引起用户反感。
发明内容
为解决现有技术中存在的问题,本发明的目的是提供一种分时段分人群的智能电视广告推荐系统及其推荐方法,本发明根据时段使用电视用户所属人群推荐广告内容,每个用户群体都能收到匹配其相关信息的广告内容,这样增加了广告投放精度,提升了广告的接收率和转化率,降低广告在电视终端的费率,提升了广告投放的性价比。
为实现上述目的,本发明采用的技术方案是:一种分时段分人群的智能电视广告推荐系统,将人群进行分类打标签并构建日期属性,还包括:
广告管理平台,用于当广告信息变动后,调用数据缓存中心的数据更新缓存中的广告信息;
媒资运营平台,用于运营人员的运营工作;
大数据清洗程序,清洗用户行为数据,分离出用户观影行为数据,并存储备用;
时段-人群预测算法模型组,每日固定时间运行,对用户上一天各个时段内的用户观影行为数据进行分析处理,通过获取用户观看的影视剧信息,统计影视剧被归入的人群标签,计算在该时段内使用人群占比作为当日人群权重值,并将数据融合到所述日期属性的数据中;
数据缓存中心,用于每日定时更新数据;
分时段人群广告推荐云平台,用于接收请求和反馈广告数据。
作为一种优选的实施方式,所述广告管理平台具体包括:
广告信息存储模块,用于编辑存储广告信息的URL地址信息、简介信息和标签;
广告信息查询模块,用于展示广告基本信息、上下线状态、购买投放次数和已投放次数;
广告信息删除/修改模块,用于对广告信息进行删除或修改;
广告审查模块,用于管理员观看广告内容,审查广告合法性;
广告上下线模块,用于编辑广告投放次数以及控制广告是否进行投放。
作为另一种优选的实施方式,运营人员的运营工作具体包括:
运营人员将接入电视终端的媒资资源进行分类;
运营人员根据运营时段数据分析结论,改变日期、时段配置并存储备用;
维护本年度寒暑假日期并存储备用。
作为另一种优选的实施方式,所述数据缓存中心具体包括:
时段分布数据缓存组件,使用key-value数据格式缓存时段标记对应时段的数据,对外提供查询服务;
缓存年度寒暑假日期模块,并对外提供查询服务;
分时段人群数据缓存组件,使用key-value数据格式缓存终端mac和对应的画像数据,并对外提供通过mac地址查询画像信息的服务;
广告数据缓存组件,使用key-value数据格式缓存广告信息,并提供通过id查询广告信息服务;
人群-广告匹配信息缓存组件,使用key-value数据格式缓存标签-广告匹配信息,并提供通过人群查询所关联的广告的服务,通过人群修改所关联的广告的服务,根据人群和广告id剔除该标签下该广告的服务;
广告预订投放次数缓存组件,使用key-value数据格式缓存广告预订投放次数数据,并提供查询服务;
广告投放次数缓存组件,使用key-value数据格式缓存广告已投放次数,提供给外部调用,每次被调用,以线程安全模式运行,通过广告id,获取到广告已投放次数,如果获取不到,则默认为0,并加入缓存,通过广告id在广告预定投放次缓存组件获取预订投放次数,使用预订投放次数减去加1后的已投放次数,如果大于等于0,则反馈成功码,若小于0,则反馈失败码,当等于0或小于0时,将已投放次数存入数据库,并调用地域-广告匹配信息缓存组件的根据地域和广告id剔除该地域下该广告的服务进行广告剔除,成功后自我剔除已投放次数缓存;
用户已投放广告缓存组件,使用key-value数据格式缓存用户最近一次投放的广告id。
本发明还提供一种分时段分人群的智能电视广告推荐方法,将人群进行分类打标签并构建日期属性,还包括以下步骤:
S10、搭建广告管理平台,当广告信息变动后,调用数据缓存中心的数据更新缓存中的广告信息;
S20、搭建媒资运营平台,用于运营人员的运营工作;
S30、搭建大数据清洗程序,清洗用户行为数据,分离出用户观影行为数据,并存储备用;
S40、搭建时段-人群预测算法模型组,每日固定时间运行,对用户上一天各个时段内的用户观影行为数据进行分析处理,通过获取用户观看的影视剧信息,统计影视剧被归入的人群标签,计算在该时段内使用人群占比作为当日人群权重值,并将数据融合到所述日期属性的数据中;
S50、搭建数据缓存中心,用于每日定时更新数据;
S60、搭建分时段人群广告推荐云平台,用于接收请求和反馈广告数据。
作为一种优选的实施方式,所述步骤S10具体包括以下步骤:
搭建广告信息存储模块,用于编辑存储广告信息的URL地址信息、简介信息和标签;
搭建广告信息查询模块,用于展示广告基本信息、上下线状态、购买投放次数和已投放次数;
搭建广告信息删除/修改模块,用于对广告信息进行删除或修改;
搭建广告审查模块,用于管理员观看广告内容,审查广告合法性;
搭建广告上下线模块,用于编辑广告投放次数以及控制广告是否进行投放。
作为另一种优选的实施方式,所述步骤S20中,运营人员的运营工作具体包括:
运营人员将接入电视终端的媒资资源进行分类;
运营人员根据运营时段数据分析结论,改变日期、时段配置并存储备用;
维护本年度寒暑假日期并存储备用。
作为另一种优选的实施方式,所述步骤S50具体包括以下步骤:
S51、搭建时段分布数据缓存组件,使用key-value数据格式缓存时段标记对应时段的数据,对外提供查询服务;
S52、搭建缓存年度寒暑假日期模块,并对外提供查询服务;
S53、搭建分时段人群数据缓存组件,使用key-value数据格式缓存终端mac和对应的画像数据,并对外提供通过mac地址查询画像信息的服务;
S54、搭建广告数据缓存组件,使用key-value数据格式缓存广告信息,并提供通过id查询广告信息服务;
S55、搭建人群-广告匹配信息缓存组件,使用key-value数据格式缓存标签-广告匹配信息,并提供通过人群查询所关联的广告的服务,通过人群修改所关联的广告的服务,根据人群和广告id剔除该标签下该广告的服务;
S56、搭建广告预订投放次数缓存组件,使用key-value数据格式缓存广告预订投放次数数据,并提供查询服务;
S57、搭建广告投放次数缓存组件,使用key-value数据格式缓存广告已投放次数,提供给外部调用,每次被调用,以线程安全模式运行,通过广告id,获取到广告已投放次数,如果获取不到,则默认为0,并加入缓存,通过广告id在广告预定投放次缓存组件获取预订投放次数,使用预订投放次数减去加1后的已投放次数,如果大于等于0,则反馈成功码,若小于0,则反馈失败码,当等于0或小于0时,将已投放次数存入数据库,并调用地域-广告匹配信息缓存组件的根据地域和广告id剔除该地域下该广告的服务进行广告剔除,成功后自我剔除已投放次数缓存;
S58、搭建用户已投放广告缓存组件,使用key-value数据格式缓存用户最近一次投放的广告id。
作为另一种优选的实施方式,所述步骤S60具体包括以下步骤:
S61、接收广告推荐请求,对请求中的参数进行合法性验证;
S62、获取当前时间,获取缓存年度寒暑假日期,使用当前时间比对寒暑假日期,看是否为寒暑假,如果是,则返回日期属性中的假期标识,如果否,判定当前时间是工作日还是非工作日,返回标识;
S63、获取时间段信息,判定当前时间属于哪个时段,获取时段对应的时段标识;
S64、使用mac地址获取终端对应的分时段人群数据,根据步骤S62中获取到的标识和步骤S63中标识获取对应的时间段下人群信息,判断权重,获取权重最大的人群;
S65、在用户已投放广告缓存组件获取该mac地址上一次推荐的广告id,获取步骤S64中人群对应的广告候选集,从中获取该id的下一个广告id;
S66、调用广告投放次数缓存组件更新已投放次数;
S67、如果步骤S66中获取成功码,则通过查询广告信息缓存组件查询到广告具体信息,按照与终端的数据协议,组装成终端可用的数据,在反馈给终端同时调用用户已投放广告缓存组件,将该广告id更新为到用户最新投放广告id;
S68、如果获取失败码,则从步骤S65重新执行请求;
S69、返回组装好的广告数据给终端。
本发明的有益效果是:本发明使用更加精准的方法进行广告投放,通过由大数据技术产出的分时段人群预测数据,结合在广告信息中预先打上的人群信息,根据用户开机或者终端请求广告的时间,判定用户群体,在根据群体标签查找群体对应的广告,轮流推荐对应的广告给用户,并记录每个用户被推荐的广告,使用该方法进行广告的精准投放,对于运营人员,只需要维护广告的标签和对用户可点播的媒资信息进行人群归类,运营工作强度不大,对于广告投放商,极大提升了广告的投放精确度,接收率,提升广告的投放性价比。
附图说明
图1为本发明实施例的系统结构框图;
图2为本发明实施例的流程框图。
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
实施例
如图1所示,一种分时段分人群的智能电视广告推荐系统,将人群进行分类打标签并构建日期属性,还包括:
广告管理平台,用于当广告信息变动后,更新缓存中的广告信息;
媒资运营平台,用于运营人员的运营工作;
大数据清洗程序,清洗用户行为数据,分离出用户观影行为数据,并存储备用;
时段-人群预测算法模型组,每日固定时间运行,对用户上一天各个时段内的用户观影行为数据进行分析处理,通过获取用户观看的影视剧信息,统计影视剧被归入的人群标签,计算在该时段内使用人群占比作为当日人群权重值,并将数据融合到所述日期属性的数据中;
数据缓存中心,用于每日定时更新数据;
分时段人群广告推荐云平台,用于接收请求和反馈广告数据。
所述广告管理平台具体包括:
广告信息存储模块,用于编辑存储广告信息的URL地址信息、简介信息和标签;
广告信息查询模块,用于展示广告基本信息、上下线状态、购买投放次数和已投放次数;
广告信息删除/修改模块,用于对广告信息进行删除或修改;
广告审查模块,用于管理员观看广告内容,审查广告合法性;
广告上下线模块,用于编辑广告投放次数以及控制广告是否进行投放。
运营人员的运营工作具体包括:
运营人员将接入电视终端的媒资资源进行分类;
运营人员根据运营时段数据分析结论,改变日期、时段配置并存储备用;
维护本年度寒暑假日期并存储备用。
所述数据缓存中心具体包括:
时段分布数据缓存组件,使用key-value数据格式缓存时段标记对应时段的数据,对外提供查询服务;
缓存年度寒暑假日期模块,并对外提供查询服务;
分时段人群数据缓存组件,使用key-value数据格式缓存终端mac和对应的画像数据,并对外提供通过mac地址查询画像信息的服务;
广告数据缓存组件,使用key-value数据格式缓存广告信息,并提供通过id查询广告信息服务;
人群-广告匹配信息缓存组件,使用key-value数据格式缓存标签-广告匹配信息,并提供通过人群查询所关联的广告的服务,通过人群修改所关联的广告的服务,根据人群和广告id剔除该标签下该广告的服务;
广告预订投放次数缓存组件,使用key-value数据格式缓存广告预订投放次数数据,并提供查询服务;
广告投放次数缓存组件,使用key-value数据格式缓存广告已投放次数,提供给外部调用,每次被调用,以线程安全模式运行,通过广告id,获取到广告已投放次数,如果获取不到,则默认为0,并加入缓存,通过广告id在广告预定投放次缓存组件获取预订投放次数,使用预订投放次数减去加1后的已投放次数,如果大于等于0,则反馈成功码,若小于0,则反馈失败码,当等于0或小于0时,将已投放次数存入数据库,并调用地域-广告匹配信息缓存组件的根据地域和广告id剔除该地域下该广告的服务进行广告剔除,成功后自我剔除已投放次数缓存;
用户已投放广告缓存组件,使用key-value数据格式缓存用户最近一次投放的广告id。
如图2所示,本实施例还提供一种分时段分人群的智能电视广告推荐方法,首先准备好大数据技术平台,人群分类:老年(女),老年(男),中年(女),中年(男),青年(女),青年(男),少年(女),少年(男),儿童(女),儿童(男);以及日期属性:暑假,寒假,工作日,非工作日,暑假寒假权重大于工作日和非工作日;还包括以下步骤:
1、搭建广告管理平台,当广告信息变动后,需要调用数据缓存中心的数据更新缓存中广告信息;
a)、广告信息存储服务,主要为广告视频url地址信息,简介信息和标签(标签集数据来源于画像标签集合,如将高端剃须刀广告打上精致男标签等)的编辑存储;
b)、广告信息查询服务,展示广告基本信息,上下线状态,购买投放次数,已投放次数;
c)、广告信息删除服务;
d)、广告信息修改服务;
e)、广告审查服务,用于管理员观看广告内容,审查广告合法性;
f)、广告上下线服务,编辑广告投放次数,控制广告是否进行投放;
2、搭建媒资运营平台,主要提供运营人员做一些运营工作:
a)、提供运营人员将接入电视终端的媒资资源进行分类,如,动漫分为少儿动漫和青少年动漫(或可具体细分分为1-3岁,3-6岁,6-12岁,12岁以上动漫动画),数据存入数据库备用;
b)、提供运营人员运营时段数据,运营人员可以通过数据分析结论,改变日期、时段配置(如:工作日时段或非工作日时段:0-6,7-9,9-12,12-14,14-16,17-19,20-24),存库备用;
c)、维护本年度寒暑假日期,存库备用;
3、建立大数据清洗程序,清洗用户行为数据,分离出用户观影行为数据,并存库备用;
4、搭建时段-人群预测算法模型组,该模型每日固定时间运行,对用户上一天各个时段内的用户观影行为数据进行分析处理(时间段来源于运营平台),通过获取用户观看的影视剧信息,统计影视剧被归入的人群标签,计算在该时段内使用人群占比(比如9-12点儿童(10%),中年(男)90%)作为当日人群权重值,并将数据融合到之前所属的日期属性的数据中(直接进行人群权重加减,并存入库备用,其数据模型(’mac地址’:{‘工作日’:{‘time_2’:{‘time’:’09:00-12:00’,’人群’:[{‘中年男’:20},{‘儿童男’:2}]}}}),该数据每年年初计算另存一库并清空上一年数据,上一年数据支撑年初前几天数据,如果运营人员更改了时间段数据,则清空历史数据并重新按照新的时间段信息计算;
5、搭建数据缓存中心,,每日定时更新数据,也可以手动调用更新数据:
a)、时段分布数据缓存组件,使用key-value数据格式缓存时段标记对应时段的数据,如(”工作日”:[{time_0:”00:00-06:00”})对对外提供查询服务;
b)、缓存年度寒暑假日期,对外提供查询服务;
c)、分时段人群数据缓存组件,使用key-value数据格式缓存终端mac和对应的画像数据,如(”mac”:{‘time_0’:[{}]}),并对外提供通过mac地址查询画像信息的服务;
d)、广告数据缓存组件,使用key-value数据格式缓存广告信息(如:”广告id”:”广告url”),并提供通过id查询广告信息服务;
e)、人群-广告匹配信息缓存组件,使用key-value数据格式缓存标签-广告匹配信息(广告候选集)(如:”儿童”:[1,3,5,11](广告id数组)),并提供通过人群查询所关联的广告的服务,通过人群修改所关联的广告的服务,根据人群和广告id剔除该标签下该广告的服务;
f)、广告预订投放次数缓存组件,使用key-value数据格式缓存广告预订投放次数数据(购买次数-已投放次数,如果小于等于0,则不缓存)(如:”广告id”:10000),提供查询服务;
g)、广告投放次数缓存组件,使用key-value数据格式缓存广告已投放次数(如:”广告id”:3000),提供给外部调用,每次被调用,以线程安全模式运行,通过广告id,获取到广告已投放次数,如果获取不到,则默认为0,并加入缓存,通过广告id在广告预定投放次缓存组件获取预订投放次数,使用预订投放次数减去加1后的已投放次数,如果大于等于0,则反馈成功码,若小于0,则反馈执失败码,当等于0或小于0时,将已投放次数存入数据库,并调用地域-广告匹配信息缓存组件的根据地域和广告id剔除该地域下该广告的服务进行广告剔除,成功后自我剔除已投放次数缓存;
h)、用户已投放广告缓存组件,使用key-value数据格式缓存用户最近一次投放的广告id(如:”macaddress”:”1”);
6、搭建分时段人群广告推荐云平台:用于接收请求和反馈广告数据,其逻辑是:
i、接收广告推荐请求,对请求中的参数进行合法性验证;
ii、获取当前时间,获取缓存年度寒暑假日期,使用当前时间比对寒暑假日期,看是否为寒暑假,如果是,则返回假期标识,如果否,判定当前时间是工作日还是非工作日,返回标识;
iii、获取时间段信息,判定当前时间属于哪个时段,获取时段对应的时段标识(如:”time_1”);
iv、使用mac地址获取终端对应的分时段人群数据,根据ii中获取到的标识和iii中标识获取对应的时间段下人群信息,判断权重,获取权重最大的人群;
v、在用户已投放广告缓存组件获取该mac地址上一次推荐的广告id,获取iv中人群对应的广告候选集,从中获取该id的下一个广告id;
vi、调用广告投放次数缓存组件更新已投放次数;
vii、如果vi中获取成功码,则通过查询广告信息缓存组件查询到广告具体信息,按照与终端的数据协议,组装成终端可用的数据,在反馈给终端同时调用用户已投放广告缓存组件,将该广告id更新为到用户最新投放广告id;
viii、如果获取失败码,则从v步骤重新执行请求;
ix、返回组装好的广告数据给终端。
电视终端请求与展现:
请求方式有:
1、电视终端开机接入网络后,立即进行推荐广告服务请求,获取到推荐的广告,并进行展现,可用于固定广告位展现;
2、电视终端进入屏保时,请求广告推荐服务,可用于屏保广告展现。
以上所述实施例仅表达了本发明的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (5)
1.一种分时段分人群的智能电视广告推荐系统,其特征在于,将人群进行分类打标签并构建日期属性,还包括:
广告管理平台,用于当广告信息变动后,调用数据缓存中心的数据更新缓存中的广告信息;
媒资运营平台,用于运营人员的运营工作;
运营人员的运营工作具体包括:
运营人员将接入电视终端的媒资资源进行分类;
运营人员根据运营时段数据分析结论,改变日期、时段配置并存储备用;
维护本年度寒暑假日期并存储备用;
大数据清洗平台,清洗用户行为数据,分离出用户观影行为数据,并存储备用;
时段-人群预测算法模型组,每日固定时间运行,对用户上一天各个时段内的用户观影行为数据进行分析处理,通过获取用户观看的影视剧信息,统计影视剧被归入的人群标签,计算在该时段内使用人群占比作为当日人群权重值,并将数据融合到所述日期属性的数据中;
数据缓存中心,用于每日定时更新数据;
所述数据缓存中心具体包括:
时段分布数据缓存组件,使用key-value数据格式缓存时段标记对应时段的数据,对外提供查询服务;
缓存年度寒暑假日期模块,并对外提供查询服务;
分时段人群数据缓存组件,使用key-value数据格式缓存终端mac和对应的画像数据,并对外提供通过mac地址查询画像信息的服务;
广告数据缓存组件,使用key-value数据格式缓存广告信息,并提供通过id查询广告信息服务;
人群-广告匹配信息缓存组件,使用key-value数据格式缓存标签-广告匹配信息,并提供通过人群查询所关联的广告的服务,通过人群修改所关联的广告的服务,根据人群和广告id剔除该标签下该广告的服务;
广告预订投放次数缓存组件,使用key-value数据格式缓存广告预订投放次数数据,并提供查询服务;
广告投放次数缓存组件,使用key-value数据格式缓存广告已投放次数,提供给外部调用,每次被调用,以线程安全模式运行,通过广告id,获取到广告已投放次数,如果获取不到,则默认为0,并加入缓存,通过广告id在广告预订投放次数缓存组件获取预订投放次数,使用预订投放次数减去加1后的已投放次数,如果大于等于0,则反馈成功码,若小于0,则反馈失败码,当小于0时,将该广告信息和已投放次数存入数据库,并调用人群-广告匹配信息缓存组件进行广告剔除,根据人群和广告id剔除该人群下该广告的服务,成功后自我剔除已投放次数的缓存;
用户已投放广告缓存组件,使用key-value数据格式缓存用户最近一次投放的广告id;
分时段人群广告推荐云平台,用于接收请求和反馈广告数据。
2.根据权利要求1所述的分时段分人群的智能电视广告推荐系统,其特征在于,所述广告管理平台具体包括:
广告信息存储模块,用于编辑存储广告信息的URL地址信息、简介信息和标签;
广告信息查询模块,用于展示广告基本信息、上下线状态、购买投放次数和已投放次数;
广告信息删除/修改模块,用于对广告信息进行删除或修改;
广告审查模块,用于管理员观看广告内容,审查广告合法性;
广告上下线模块,用于编辑广告投放次数以及控制广告是否进行投放。
3.一种分时段分人群的智能电视广告推荐方法,其特征在于,将人群进行分类打标签并构建日期属性,还包括以下步骤:
S10、搭建广告管理平台,当广告信息变动后,调用数据缓存中心的数据更新缓存中的广告信息;
S20、搭建媒资运营平台,用于运营人员的运营工作;
所述步骤S20中,运营人员的运营工作具体包括:
运营人员将接入电视终端的媒资资源进行分类;
运营人员根据运营时段数据分析结论,改变日期、时段配置并存储备用;
维护本年度寒暑假日期并存储备用;
S30、搭建大数据清洗平台,清洗用户行为数据,分离出用户观影行为数据,并存储备用;
S40、搭建时段-人群预测算法模型组,每日固定时间运行,对用户上一天各个时段内的用户观影行为数据进行分析处理,通过获取用户观看的影视剧信息,统计影视剧被归入的人群标签,计算在该时段内使用人群占比作为当日人群权重值,并将数据融合到所述日期属性的数据中;
S50、搭建数据缓存中心,用于每日定时更新数据;
所述步骤S50具体包括以下步骤:
S51、搭建时段分布数据缓存组件,使用key-value数据格式缓存时段标记对应时段的数据,对外提供查询服务;
S52、搭建缓存年度寒暑假日期模块,并对外提供查询服务;
S53、搭建分时段人群数据缓存组件,使用key-value数据格式缓存终端mac和对应的画像数据,并对外提供通过mac地址查询画像信息的服务;
S54、搭建广告数据缓存组件,使用key-value数据格式缓存广告信息,并提供通过id查询广告信息服务;
S55、搭建人群-广告匹配信息缓存组件,使用key-value数据格式缓存标签-广告匹配信息,并提供通过人群查询所关联的广告的服务,通过人群修改所关联的广告的服务,根据人群和广告id剔除该标签下该广告的服务;
S56、搭建广告预订投放次数缓存组件,使用key-value数据格式缓存广告预订投放次数数据,并提供查询服务;
S57、搭建广告投放次数缓存组件,使用key-value数据格式缓存广告已投放次数,提供给外部调用,每次被调用,以线程安全模式运行,通过广告id,获取到广告已投放次数,如果获取不到,则默认为0,并加入缓存,通过广告id在广告预订投放次数缓存组件获取预订投放次数,使用预订投放次数减去加1后的已投放次数,如果大于等于0,则反馈成功码,若小于0,则反馈失败码,当小于0时,将该广告信息和已投放次数存入数据库,并调用人群-广告匹配信息缓存组件进行广告剔除,根据人群和广告id剔除该人群下该广告的服务,成功后自我剔除已投放次数的缓存;
S58、搭建用户已投放广告缓存组件,使用key-value数据格式缓存用户最近一次投放的广告id;
S60、搭建分时段人群广告推荐云平台,用于接收请求和反馈广告数据。
4.根据权利要求3所述的分时段分人群的智能电视广告推荐方法,其特征在于,所述步骤S10具体包括以下步骤:
搭建广告信息存储模块,用于编辑存储广告信息的URL地址信息、简介信息和标签;
搭建广告信息查询模块,用于展示广告基本信息、上下线状态、购买投放次数和已投放次数;
搭建广告信息删除/修改模块,用于对广告信息进行删除或修改;
搭建广告审查模块,用于管理员观看广告内容,审查广告合法性;
搭建广告上下线模块,用于编辑广告投放次数以及控制广告是否进行投放。
5.根据权利要求3所述的分时段分人群的智能电视广告推荐方法,其特征在于,所述步骤S60具体包括以下步骤:
S61、接收广告推荐请求,对请求中的参数进行合法性验证;
S62、获取当前时间,获取缓存年度寒暑假日期,使用当前时间比对寒暑假日期,看是否为寒暑假,如果是,则返回日期属性中的假期标识,如果否,判定当前时间是工作日还是非工作日,返回标识;
S63、获取时间段信息,判定当前时间属于哪个时段,获取时段对应的时段标识;
S64、使用mac地址获取终端对应的分时段人群数据,根据步骤S62中获取到的标识和步骤S63中标识获取对应的时间段下人群信息,判断权重,获取权重最大的人群;
S65、在用户已投放广告缓存组件获取该mac地址上一次推荐的广告id,获取步骤S64中人群对应的广告候选集,从中获取该id的下一个广告id;
S66、调用广告投放次数缓存组件更新已投放次数;
S67、如果步骤S66中获取成功码,则通过查询广告信息缓存组件查询到广告具体信息,按照与终端的数据协议,组装成终端可用的数据,在反馈给终端同时调用用户已投放广告缓存组件,将该广告id更新为到用户最新投放广告id;
S68、如果获取失败码,则从步骤S65重新执行请求;
S69、返回组装好的广告数据给终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910853858.5A CN110602533B (zh) | 2019-09-10 | 2019-09-10 | 分时段分人群的智能电视广告推荐系统及其推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910853858.5A CN110602533B (zh) | 2019-09-10 | 2019-09-10 | 分时段分人群的智能电视广告推荐系统及其推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110602533A CN110602533A (zh) | 2019-12-20 |
CN110602533B true CN110602533B (zh) | 2021-05-11 |
Family
ID=68858549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910853858.5A Active CN110602533B (zh) | 2019-09-10 | 2019-09-10 | 分时段分人群的智能电视广告推荐系统及其推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110602533B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111601165A (zh) * | 2020-05-21 | 2020-08-28 | 广州欢网科技有限责任公司 | 基于时段节目受众群体的广告推荐方法、装置及控制器 |
CN111601169B (zh) * | 2020-05-21 | 2022-01-14 | 广州欢网科技有限责任公司 | 确定家庭成员年龄阶段的方法、装置、存储介质及服务器 |
CN112163895A (zh) * | 2020-10-14 | 2021-01-01 | 广州欢网科技有限责任公司 | 基于异步编程的高并发广告投放方法、装置、设备和系统 |
CN112449214B (zh) * | 2020-11-25 | 2023-12-08 | 恩亿科(北京)数据科技有限公司 | 一种ott广告投放方法、系统、计算机设备及存储介质 |
CN115392980B (zh) * | 2022-09-06 | 2023-05-05 | 杭州储秀网络科技股份有限公司 | 一种新媒体广告精准投放系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109903068A (zh) * | 2017-12-11 | 2019-06-18 | 杭州掌优科技有限公司 | 一种精确量化及准确统计投放效果的广告发布系统及方法 |
CN110097388A (zh) * | 2018-01-31 | 2019-08-06 | 上海甚术网络科技有限公司 | 一种网络广告数据分析方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080250450A1 (en) * | 2007-04-06 | 2008-10-09 | Adisn, Inc. | Systems and methods for targeted advertising |
CN102769781B (zh) * | 2012-07-17 | 2015-01-21 | 青岛海信传媒网络技术有限公司 | 推荐电视节目的方法及装置 |
US9781490B2 (en) * | 2013-03-15 | 2017-10-03 | Samir B. Makhlouf | System and method for engagement and distribution of media content |
CN103686236A (zh) * | 2013-11-19 | 2014-03-26 | 乐视致新电子科技(天津)有限公司 | 推荐视频资源的方法及系统 |
CN103729778A (zh) * | 2013-12-12 | 2014-04-16 | 广州市网威信息技术有限公司 | 全渠道广告精准投放系统及其方法 |
CN103955842B (zh) * | 2014-04-14 | 2017-03-29 | 武汉烽火普天信息技术有限公司 | 一种面向大规模媒体数据的在线广告推荐系统及方法 |
CN105208411B (zh) * | 2014-06-05 | 2018-09-07 | 北京秒针信息咨询有限公司 | 一种实现数字电视目标受众统计的方法及装置 |
CN104602042B (zh) * | 2014-12-31 | 2017-11-03 | 合一网络技术(北京)有限公司 | 基于用户行为的标签设置方法 |
CN105898420B (zh) * | 2015-01-09 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 一种视频推荐方法、装置以及电子设备 |
CN106792210B (zh) * | 2016-12-07 | 2020-05-12 | Tcl科技集团股份有限公司 | 一种电视用户的分类方法及系统 |
CN106791963B (zh) * | 2016-12-08 | 2020-08-18 | Tcl科技集团股份有限公司 | 一种电视节目推荐方法及系统 |
CN106780196A (zh) * | 2016-12-14 | 2017-05-31 | 北京小麦互娱文化传媒有限公司 | 一种明星知识产权生成运营及粉丝互动平台及方法 |
CN106603351B (zh) * | 2016-12-19 | 2020-12-22 | 武汉Tcl集团工业研究院有限公司 | 一种基于用户行为的电视广告推送方法及推送系统 |
CN107291881A (zh) * | 2017-06-19 | 2017-10-24 | 北京计算机技术及应用研究所 | 基于HBase的海量日志存储和查询方法 |
CN109246450B (zh) * | 2018-08-06 | 2021-07-06 | 上海大学 | 一种基于隐式信息评分的影视择优推荐方法 |
-
2019
- 2019-09-10 CN CN201910853858.5A patent/CN110602533B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109903068A (zh) * | 2017-12-11 | 2019-06-18 | 杭州掌优科技有限公司 | 一种精确量化及准确统计投放效果的广告发布系统及方法 |
CN110097388A (zh) * | 2018-01-31 | 2019-08-06 | 上海甚术网络科技有限公司 | 一种网络广告数据分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110602533A (zh) | 2019-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110602533B (zh) | 分时段分人群的智能电视广告推荐系统及其推荐方法 | |
CN110602531B (zh) | 一种给智能电视推荐广告的系统 | |
US20140075473A1 (en) | Method and apparatus for television program promotion | |
CA2667670C (en) | Media inventory service | |
US20120158461A1 (en) | Content management and advertisement management | |
CN109508839A (zh) | 订单分配方法和装置 | |
CN105163142A (zh) | 一种用户偏好确定方法、视频推荐方法和系统 | |
CN101217640A (zh) | 一种p2p视频点播中实现节目收藏的方法和设备 | |
WO2021129531A1 (zh) | 一种资源分配方法、装置、设备、存储介质及计算机程序 | |
CN110191171A (zh) | 气象信息传播方法 | |
CN114501081A (zh) | 屏幕广告播放方法及系统 | |
CN115187301A (zh) | 一种基于用户画像的广告即时植入方法、系统及装置 | |
CN109612465A (zh) | 一种创建个人场景多维度特征图谱的方法、装置及其应用 | |
CN111569412A (zh) | 一种云游戏资源调度的方法和装置 | |
CN110070392B (zh) | 用户流失预警方法和装置 | |
CN115062676B (zh) | 数据处理方法、装置及计算机可读存储介质 | |
CN106603351B (zh) | 一种基于用户行为的电视广告推送方法及推送系统 | |
CN114897571A (zh) | 一种基于私域电商平台中商城货品数据处理方法、系统和存储介质 | |
CN114819528A (zh) | 一种生产流程管理的工业互联网平台和方法 | |
CN114493400A (zh) | 一种进销存智能分析系统 | |
CN112561563A (zh) | 一种通过信息交互门禁实现价值传递的商业方法 | |
CN114302182B (zh) | 电视节目的推送方法、装置、设备及存储介质 | |
CN115695863A (zh) | 一种给智能终端或智能终端应用精准推荐地域广告的方法 | |
CN112950270B (zh) | 用于智能零售管理平台的视频广告投放系统 | |
CN115988244A (zh) | 多媒体资源推荐方法及装置 |
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 |