CN111144952A - 基于用户兴趣的广告推荐方法、装置、服务器及存储介质 - Google Patents
基于用户兴趣的广告推荐方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN111144952A CN111144952A CN201911417820.XA CN201911417820A CN111144952A CN 111144952 A CN111144952 A CN 111144952A CN 201911417820 A CN201911417820 A CN 201911417820A CN 111144952 A CN111144952 A CN 111144952A
- Authority
- CN
- China
- Prior art keywords
- recommended
- advertisement
- user
- application
- list
- 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
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
- 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 Transfer Between Computers (AREA)
Abstract
本发明公开了基于用户兴趣的广告推荐方法、装置、服务器及存储介质,该方法包括:获取待推荐用户终端的应用列表;根据预设算法将所述应用列表里的应用的文本信息进行处理以获得处理结果;根据预设标签和所述处理结果为所述应用分配兴趣标签;根据所述兴趣标签从待推荐广告库中为所述待推荐用户确定推荐广告。本发明的技术方案实现了提高用户对广告推送的点击率的效果。
Description
技术领域
本发明实施例涉及金融领域,尤其涉及基于用户兴趣的广告推荐方法、装置、服务器及存储介质。
背景技术
现有主要依靠用户历史行为的表现和产品属性相互交叉融合来定位用户的金融产品兴趣偏好,从而给用户推荐相应的产品。但是对于新用户或者无历史产品推荐行为的用户就无法捕捉到相应的兴趣点,需要不断尝试,积累一定量的数据才能体现出来,在这个过程中用户可能由于我们的推荐错误而导致对产品的体验效果下降,从而流失。
发明内容
本发明提供基于用户兴趣的广告推荐方法、装置、服务器及存储介质,以实现提高用户对广告推送的点击率的效果。
第一方面,本发明实施例提供了一种基于用户兴趣的广告推荐方法,包括:
获取待推荐用户终端的应用列表;
根据预设算法将所述应用列表里的应用的文本信息进行处理以获得处理结果;
根据预设标签和所述处理结果为所述应用分配兴趣标签;
根据所述兴趣标签从待推荐广告库中为所述待推荐用户确定推荐广告。
第二方面,本发明实施例还提供了一种基于用户兴趣的广告推荐装置,包括:
应用列表获取模块,用于获取待推荐用户终端的应用列表;
文本信息处理模块,用于根据预设算法将所述应用列表里的应用的文本信息进行处理以获得处理结果;
兴趣标签分配模块,用于根据预设标签和所述处理结果为所述应用分配兴趣标签;
推荐广告确定模块,用于根据所述兴趣标签从待推荐广告库中为所述待推荐用户确定推荐广告。
第三方面,本发明实施例还提供了一种服务器,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述的基于用户兴趣的广告推荐方法。
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,其上存储有计算机程序,该程序被处理器执行时实现如上述的基于用户兴趣的广告推荐方法。
本发明的技术方案,通过获取待推荐用户终端的应用列表;根据预设算法将所述应用列表里的应用的文本信息进行处理以获得处理结果;根据预设标签和所述处理结果为所述应用分配兴趣标签;根据所述兴趣标签从待推荐广告库中为所述待推荐用户确定推荐广告,解决了对于新用户或者无历史产品推荐行为的用户就无法捕捉到相应的兴趣点的问题,达到了提高用户对广告推送的点击率的效果。
附图说明
图1是本发明实施例一中的基于用户兴趣的广告推荐方法的流程图。
图2是本发明实施例二中的基于用户兴趣的广告推荐方法的流程图。
图3是本发明实施例三中的基于用户兴趣的广告推荐装置的结构示意图。
图4是本发明实施例四中的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止,但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
此外,术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等,但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一应用为第二应用,且类似地,可将第二应用称为第一应用。第一应用和第二应用两者都是应用,但其不是同一应用。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
实施例一
图1为本发明实施例一提供的基于用户兴趣的广告推荐的流程图,本实施例可适用于金融应用推荐情况,该方法具体包括如下步骤:
S110、获取待推荐用户终端的应用列表;
本实施例中,服务器按照预设的提供申请列表要求生成相应的列表获取请求,并可以将列表获取请求发送到终端。预设的提供申请列表要求可以为对应用类型的限定,示例性的,应用列表可以为基于金融类应用的列表,此处不作限定。在终端接收到列表获取请求之后,可以对列表获取请求进行分析处理,并可以基于分析处理结果确定所需要获取的应用程序对应的应用信息,该应用信息可以为终端上所有的或者部分的已安装应用程序所对应的应用信息,在获取到应用信息之后,可以基于应用信息生成相应的应用列表,例如,将应用信息中的应用标识或者应用安装信息等内容,按照预设的规则进行排列整合处理,即获取到了相应的应用列表。当然的,本领域技术人员还可以采用其他的方式来生成应用列表,在此不再赘述。在终端生成相应的应用列表之后,可以将所生成的应用列表根据列表获取请求返回至服务器。服务器可以将该应用列表展示给待推荐用户查看。应用列表的选择可以适当去掉一些已知的大众app,例如QQ、微信之类的。
S120、根据预设算法将所述应用列表里的应用的文本信息进行处理以获得处理结果;
本实施例中,预设算法为对应用内文本信息处理的算法,本实施例使用的是NLP技术。NLP分析技术大致分为三个层面:词法分析、句法分析和语义分析。词法分析包括分词、词性标注、命名实体识别和词义消歧。分词为信息分段识别;词性标注为每个分词结果中的单词单独标注一个正确的词性,确定每个词是动词、名词、形容词或其他;命名实体识别的任务是识别句子中的人名、地名和机构名称等等命名实体;词义消歧是要根据句子上下文语境来判断出每一个或某些词语的真实意思。句法分析是将输入句子从序列形式变成树状结构,从而可以捕捉到句子内部词语之间的搭配或者修饰关系,这一步是NLP中关键的一步。语义分析的最终目的是理解句子表达的真实语义。示例性的,利用app的文本信息处理,首先把app表示成一个词列表,例如随手记的文本信息为“随手记是一款个人理财手机应用,采用了完全按照生活场景设计的理念,计时你在购物、旅游时都能随时随地记账…”,通过NLP技术的分词,随手记可以表示成【随手、记账、理财…】。本实施例根据NLP技术将文本信息进行分词处理,再根据预训练好的word2vec技术,计算每个词向量之间的余弦相似度加权平均以得到处理结果,根据余弦相似度进行加权平均,加权平均的公式可以为示例性的,处理结果可以为:金融0.7、记账0.6、旅游0.4、游戏0.1、音乐0.8。
S130、根据预设标签和所述处理结果为所述应用分配兴趣标签;
本实施例中,预设标签可以为与待推荐广告库关联性较多的标签,此处不作限定。示例性的,预设标签可以为(游戏、记账、旅游、理财、金融…)。本实施例步骤120的处理结果根据预设标签进行调整匹配得到兴趣标签。示例性的,当某应用的加权最终结果为金融0.7、记账0.6、旅游0.4、游戏0.1、音乐0.8时,如果取前2名的话该应用的标签为金融和音乐,但基于预设标签的权重规则调整,基于记账更高的权重,则该应用的最终兴趣标签为金融和记账。
S140、根据所述兴趣标签从待推荐广告库中为所述待推荐用户确定推荐广告。
本实施例中,待推荐广告库可以为营销方生产的或者有关联的需要给用户推荐的金融广告的集合,可以通过推荐广告链接至各种金融活动或者金融应用。更多更精准的用户关于金融方面的标签能帮助营销方更精准的进行营销。
本发明实施例的技术方案,通过获取待推荐用户终端的应用列表;根据预设算法将所述应用列表里的应用的文本信息进行处理以获得处理结果;根据预设标签和所述处理结果为所述应用分配兴趣标签;根据所述兴趣标签从待推荐广告库中为所述待推荐用户确定推荐广告,解决了对于新用户或者无历史产品推荐行为的用户就无法捕捉到相应的兴趣点的问题,达到了提高用户对广告推送的点击率的效果。
实施例二
图2为本发明实施例二提供的基于用户兴趣的广告推荐方法的流程图,本实施例在上述实施例的基础上进一步优化,该方法具体包括:
S210、获取待推荐用户终端的应用列表;
本实施例中,服务器按照预设的提供申请列表要求生成相应的列表获取请求,并可以将列表获取请求发送到终端。终端接收到列表获取请求之后,可以对列表获取请求进行分析处理,并可以基于分析处理结果确定所需要获取的应用程序对应的应用信息,该应用信息可以为终端上所有的或者部分的已安装应用程序所对应的应用信息,在获取到应用信息之后,可以基于应用信息生成相应的应用列表。进一步的,所述获取待推荐用户终端的应用列表之后,还包括:根据所述应用对应的操作次数以及预设操作权重,计算所述应用对应的分值;
本实施例中,待推荐用户的应用列表包括待推荐用户已安装应用列表以及预设时间段内的下载应用列表以及所述预设时间段内的浏览应用列表以及所述预设时间段内的更新应用列表。进一步的,所述操作次数包括更新次数、浏览次数、下载次数和安装次数。
服务器可以从待推荐用户的用户终端获取到与待推荐用户对应的应用列表,也可以在每个用户终端从服务器下载/浏览/更新应用时,服务器将所述用户终端与其下载/浏览/更新的应用进行匹配并记录,当需要获取所述待推荐用户对应的应用列表时,可以直接从服务器中获取。优选的,可以获取待推荐用户已安装应用列表、最近n天下载应用列表、最近n天浏览应用列表、最近n天更新应用列表,共四类应用列表。可以理解的是,根据待推荐最近的数据进行分析,得到的应用推荐列表也将更准确。获取到用户的应用列表以及各个应用对应的操作次数以及预设操作权重,分别计算每个应用对应的分值。
选择所述应用对应的分值排名高的应用作为文本信息提取对象。
本实施例中,服务器选择应用分值排名高的组成应用列表作为文本处理对象。
S220、根据预设算法将所述应用列表里的应用的文本信息进行处理以获得处理结果;
本实施例中,预设算法为对应用内文本信息处理的算法,本实施例使用的是NLP技术。NLP分析技术大致分为三个层面:词法分析、句法分析和语义分析。进一步的,所述文本信息包括应用类别和描述信息。
本实施例中,应用类别可以为金融、社交、游戏类,描述信息为应用的详情描述。示例性的,随手记的文本信息为“随手记是一款个人理财手机应用,采用了完全按照生活场景设计的理念,计时你在购物、旅游时都能随时随地记账…”。
S230、根据预设标签和所述处理结果为所述应用分配兴趣标签;
本实施例中,预设标签可以为与待推荐广告库关联性较多的标签,此处不作限定。本实施例步骤120的处理结果根据预设标签进行调整匹配得到兴趣标签。
S240、采集待推荐用户在当前应用的历史数据,所述历史数据包括用户信息和使用信息;
本实施例中,当前应用为营销方推荐广告的app。待推荐用户指的是,在当前应用的广告位上点击查阅各种广告的用户。历史数据指的是,待推荐用户对各种广告的点击查阅行为。例如,历史数据中可以包括:待推荐用户在预设历史时间段内点击过的广告、对广告的点击时间、查阅时间长度、广告的具体内容等。本实施例中,待推荐用户的历史数据可以由显示广告的终端设备采集并上报给服务器。历史数据中还可以包括用户的标识,以便服务器根据用户的标识来区分不同的用户。
S250、获取历史数据的关键词,生成关键词列表;
本实施例中,本实施例中,历史数据中的关键词可以包括以下信息中的任意一种或者多种:历史数据对应的标签、历史数据对应的搜索词,以及历史数据内容中的关键词。其中,历史数据对应的标签例如可以为广告的分类类型、领域等。其中领域例如体育、经济、生物、数学、教育、娱乐等。历史数据内容中的关键词,为对广告内容进行分词、过滤等操作后得到的词语。
S260、根据关键词列表从待推荐广告库中匹配对应的广告形成推荐清单。
本实施例中,将相似用户的历史数据与待推荐用户的历史数据进行比对,确定相似用户的历史数据中未被待推荐用户点击过的待推荐广告;将待推荐广告推荐给待推荐用户。
S270、根据应用的被点击次数为所述推荐清单进行广告排名。
本实施例中,根据推荐清单里的广告在网上统计该广告的点击次数,并根据点击次数为推荐清单的所有广告进行降序排名,以便待推荐用户能更快注意到令人感兴趣的广告。
S280、根据所述兴趣标签从所述待推荐广告库中为所述用户确定推荐广告补充到所述推荐清单。
本实施例中,用户对应用的历史使用数据不一定全面,可以补充根据待推荐用户应用列表获取的兴趣标签匹配到的推荐广告来对老用户的历史行为来作适当修正,以提高推荐的准确性。
本实施例的技术方案,通过获取待推荐用户终端的应用列表;根据预设算法将所述应用列表里的应用的文本信息进行处理以获得处理结果;根据预设标签和所述处理结果为所述应用分配兴趣标签;采集待推荐用户在当前应用的历史数据,所述历史数据包括用户信息和使用信息;获取历史数据的关键词,生成关键词列表;根据关键词列表从待推荐广告库中匹配对应的广告形成推荐清单;根据应用的被点击次数为所述推荐清单进行应用排名;根据所述兴趣标签从所述待推荐广告库中为所述用户确定推荐广告补充到所述推荐清单,解决了老用户的历史行为不一定全面的问题,达到了提高推荐的准确性的效果。
实施例三
图3所示为本发明实施例三提供的基于用户兴趣的广告推荐装置300的结构示意图,本实施例可适用于金融应用推荐情况,具体结构如下:
应用列表获取模块310,用于获取待推荐用户终端的应用列表;
文本信息处理模块320,用于根据预设算法将所述应用列表里的应用的文本信息进行处理以获得处理结果;
兴趣标签分配模块330,用于根据预设标签和所述处理结果为所述应用分配兴趣标签;
推荐广告确定模块340,用于根据所述兴趣标签从待推荐广告库中为所述待推荐用户确定推荐广告。
进一步的,装置300还包括历史数据采集模块、关键词列表生成模块和推荐清单生成模块,
历史数据采集模块用于采集待推荐用户在当前应用的历史数据,所述历史数据包括用户信息和使用信息;
关键词列表生成模块用于获取历史数据的关键词,生成关键词列表;
推荐清单生成模块用于根据关键词列表从待推荐广告库中匹配对应的广告形成推荐清单。
进一步的,装置300还包括排名模块,用于根据应用的被点击次数为所述推荐清单进行应用排名。
进一步的,推荐广告确定模块340还包括用于根据所述兴趣标签从所述待推荐广告库中为所述用户确定推荐广告补充到所述推荐清单。
进一步的,所述文本信息包括应用类别和描述信息。
进一步的,装置300还包括分值计算模块和应用选择模块,
分值计算模块用于根据所述应用对应的操作次数以及预设操作权重,计算所述应用对应的分值;
应用选择模块用于选择所述应用对应的分值排名高的应用作为文本信息提取对象。
进一步的,所述操作次数包括更新次数、浏览次数、下载次数和安装次数。
本发明实施例所提供的基于用户兴趣的广告推荐装置300可执行前述实施例所提供的基于用户兴趣的广告推荐方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4是本发明实施例四提供的一种服务器的结构示意图。图4示出了适于用来实现本发明实施方式的示例性服务器412的框图。图4显示的服务器412仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,服务器412以通用服务器的形式表现。服务器412的组件可以包括但不限于:一个或者多个处理器416,存储装置428,连接不同系统组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种,包括存储装置总线或者存储装置控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance,ISA)总线,微通道体系结构(Micro Channel Architecture,MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
服务器412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器412访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory,RAM)430和/或高速缓存存储器432。终端412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统434可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘,例如只读光盘(Compact Disc Read-Only Memory,CD-ROM),数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440,可以存储在例如存储装置428中,这样的程序模块442包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
服务器412也可以与一个或多个外部设备414(例如键盘、指向终端、显示器424等)通信,还可与一个或者多个使得用户能与该服务器412交互的终端通信,和/或与使得该服务器412能与一个或多个其它计算终端进行通信的任何终端(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且,服务器412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network,LAN),广域网(Wide AreaNetwork,WAN)和/或公共网络,例如因特网)通信。如图4所示,网络适配器420通过总线418与服务器412的其它模块通信。应当明白,尽管图中未示出,可以结合服务器412使用其它硬件和/或软件模块,包括但不限于:微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks,RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在存储装置428中的程序,从而执行各种功能应用以及数据处理,例如实现本发明任意实施例所提供的一种基于用户兴趣的广告推荐方法,该方法可以包括:
获取待推荐用户终端的应用列表;
根据预设算法将所述应用列表里的应用的文本信息进行处理以获得处理结果;
根据预设标签和所述处理结果为所述应用分配兴趣标签;
根据所述兴趣标签从待推荐广告库中为所述待推荐用户确定推荐广告。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的一种基于用户兴趣的广告推荐方法,该方法可以包括:
获取待推荐用户终端的应用列表;
根据预设算法将所述应用列表里的应用的文本信息进行处理以获得处理结果;
根据预设标签和所述处理结果为所述应用分配兴趣标签;
根据所述兴趣标签从待推荐广告库中为所述待推荐用户确定推荐广告。本发明实施例的计算机可读存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
存储介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于用户兴趣的广告推荐方法,其特征在于,包括:
获取待推荐用户终端的应用列表;
根据预设算法将所述应用列表里的应用的文本信息进行处理以获得处理结果;
根据预设标签和所述处理结果为所述应用分配兴趣标签;
根据所述兴趣标签从待推荐广告库中为所述待推荐用户确定推荐广告。
2.根据权利要求1所述的基于用户兴趣的广告推荐方法,其特征在于,所述根据所述兴趣标签从待推荐广告库中为所述待推荐用户确定推荐广告之前,还包括:
采集待推荐用户在当前应用的历史数据,所述历史数据包括用户信息和使用信息;
获取历史数据的关键词,生成关键词列表;
根据关键词列表从待推荐广告库中匹配对应的广告形成推荐清单。
3.根据权利要求2所述的基于用户兴趣的广告推荐方法,其特征在于,所述根据关键词列表从待推荐广告库中匹配对应的广告形成推荐清单之后,还包括:
根据应用的被点击次数为所述推荐清单进行应用排名。
4.根据权利要求3所述的基于用户兴趣的广告推荐方法,其特征在于,所述根据所述兴趣标签从待推荐广告库中为所述待推荐用户确定推荐广告包括:
根据所述兴趣标签从所述待推荐广告库中为所述用户确定推荐广告补充到所述推荐清单。
5.根据权利要求1所述的基于用户兴趣的广告推荐方法,其特征在于,所述文本信息包括应用类别和描述信息。
6.根据权利要求2所述的基于用户兴趣的广告推荐方法,其特征在于,所述获取待推荐用户终端的应用列表之后,还包括:
根据所述应用对应的操作次数以及预设操作权重,计算所述应用对应的分值;
选择所述应用对应的分值排名高的应用作为文本信息提取对象。
7.根据权利要求6所述的基于用户兴趣的广告推荐方法,其特征在于,所述操作次数包括更新次数、浏览次数、下载次数和安装次数。
8.一种基于用户兴趣的广告推荐装置,其特征在于,包括:
应用列表获取模块,用于获取待推荐用户终端的应用列表;
文本信息处理模块,用于根据预设算法将所述应用列表里的应用的文本信息进行处理以获得处理结果;
兴趣标签分配模块,用于根据预设标签和所述处理结果为所述应用分配兴趣标签;
推荐广告确定模块,用于根据所述兴趣标签从待推荐广告库中为所述待推荐用户确定推荐广告。
9.一种服务器,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的基于用户兴趣的广告推荐方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的基于用户兴趣的广告推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911417820.XA CN111144952A (zh) | 2019-12-31 | 2019-12-31 | 基于用户兴趣的广告推荐方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911417820.XA CN111144952A (zh) | 2019-12-31 | 2019-12-31 | 基于用户兴趣的广告推荐方法、装置、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111144952A true CN111144952A (zh) | 2020-05-12 |
Family
ID=70522904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911417820.XA Pending CN111144952A (zh) | 2019-12-31 | 2019-12-31 | 基于用户兴趣的广告推荐方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144952A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111739596A (zh) * | 2020-06-23 | 2020-10-02 | 上海合川医药咨询有限公司 | 医学方案匹配合作方法及系统 |
CN111833096A (zh) * | 2020-06-10 | 2020-10-27 | 北京龙云科技有限公司 | 一种基于机器学习的广告推荐方法及系统 |
CN111884940A (zh) * | 2020-07-17 | 2020-11-03 | 中国人民解放军国防科技大学 | 兴趣匹配方法、装置、计算机设备和存储介质 |
CN112231563A (zh) * | 2020-10-15 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 一种内容推荐方法、装置及存储介质 |
CN112465556A (zh) * | 2020-12-07 | 2021-03-09 | 深圳市易售科技有限公司 | 一种广告显示方法、装置、系统及存储介质 |
CN113065895A (zh) * | 2021-03-29 | 2021-07-02 | 上海酷量信息技术有限公司 | 一种基于地理位置的广告推荐方法及装置 |
CN113761886A (zh) * | 2020-10-16 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 确定目标任务的方法、装置、电子设备及存储介质 |
CN114936885A (zh) * | 2022-07-21 | 2022-08-23 | 成都薯片科技有限公司 | 广告信息匹配推送方法、装置、系统、设备及存储介质 |
US11893220B1 (en) | 2023-06-14 | 2024-02-06 | International Business Machines Corporation | Generating and modifying graphical user interface elements |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008153625A2 (en) * | 2007-05-25 | 2008-12-18 | Peerset Inc. | Recommendation systems and methods |
CN107194732A (zh) * | 2017-05-24 | 2017-09-22 | 努比亚技术有限公司 | 一种应用推送方法、移动终端以及计算机可读存储介质 |
CN107888703A (zh) * | 2017-11-29 | 2018-04-06 | 广东欧珀移动通信有限公司 | 信息推送方法、装置、服务器及可读存储介质 |
CN109711868A (zh) * | 2018-12-07 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 广告推送方法和装置 |
CN110363580A (zh) * | 2019-06-28 | 2019-10-22 | 深圳新度博望科技有限公司 | 信息推荐方法、装置、计算机设备及存储介质 |
-
2019
- 2019-12-31 CN CN201911417820.XA patent/CN111144952A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008153625A2 (en) * | 2007-05-25 | 2008-12-18 | Peerset Inc. | Recommendation systems and methods |
CN107194732A (zh) * | 2017-05-24 | 2017-09-22 | 努比亚技术有限公司 | 一种应用推送方法、移动终端以及计算机可读存储介质 |
CN107888703A (zh) * | 2017-11-29 | 2018-04-06 | 广东欧珀移动通信有限公司 | 信息推送方法、装置、服务器及可读存储介质 |
CN109711868A (zh) * | 2018-12-07 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 广告推送方法和装置 |
CN110363580A (zh) * | 2019-06-28 | 2019-10-22 | 深圳新度博望科技有限公司 | 信息推荐方法、装置、计算机设备及存储介质 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111833096A (zh) * | 2020-06-10 | 2020-10-27 | 北京龙云科技有限公司 | 一种基于机器学习的广告推荐方法及系统 |
CN111739596A (zh) * | 2020-06-23 | 2020-10-02 | 上海合川医药咨询有限公司 | 医学方案匹配合作方法及系统 |
CN111884940A (zh) * | 2020-07-17 | 2020-11-03 | 中国人民解放军国防科技大学 | 兴趣匹配方法、装置、计算机设备和存储介质 |
CN112231563A (zh) * | 2020-10-15 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 一种内容推荐方法、装置及存储介质 |
CN112231563B (zh) * | 2020-10-15 | 2023-10-13 | 腾讯科技(深圳)有限公司 | 一种内容推荐方法、装置及存储介质 |
CN113761886A (zh) * | 2020-10-16 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 确定目标任务的方法、装置、电子设备及存储介质 |
CN112465556A (zh) * | 2020-12-07 | 2021-03-09 | 深圳市易售科技有限公司 | 一种广告显示方法、装置、系统及存储介质 |
CN113065895A (zh) * | 2021-03-29 | 2021-07-02 | 上海酷量信息技术有限公司 | 一种基于地理位置的广告推荐方法及装置 |
CN114936885A (zh) * | 2022-07-21 | 2022-08-23 | 成都薯片科技有限公司 | 广告信息匹配推送方法、装置、系统、设备及存储介质 |
US11893220B1 (en) | 2023-06-14 | 2024-02-06 | International Business Machines Corporation | Generating and modifying graphical user interface elements |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111144952A (zh) | 基于用户兴趣的广告推荐方法、装置、服务器及存储介质 | |
CN109564571B (zh) | 利用搜索上下文的查询推荐方法及系统 | |
US10984432B2 (en) | Using media information for improving direct marketing response rate | |
CN108491540B (zh) | 文本信息推送方法、装置及智能终端 | |
CN107222526B (zh) | 推送推广信息的方法、装置、设备和计算机存储介质 | |
CN108845806B (zh) | 小程序分发方法、装置、服务器和存储介质 | |
CN107133263B (zh) | Poi推荐方法、装置、设备及计算机可读存储介质 | |
CN110633423B (zh) | 目标账号识别方法、装置、设备及存储介质 | |
CN108121814B (zh) | 搜索结果排序模型生成方法和装置 | |
CN107908616B (zh) | 预测趋势词的方法和装置 | |
CN112184290A (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN113592535B (zh) | 一种广告推荐方法、装置、电子设备和存储介质 | |
CN111178056A (zh) | 基于深度学习的文案生成方法、装置及电子设备 | |
CN116821475B (zh) | 基于客户数据的视频推荐方法、装置及计算机设备 | |
CN113220999B (zh) | 用户特征的生成方法、装置、电子设备和存储介质 | |
CN113961823B (zh) | 新闻推荐方法、系统、存储介质及设备 | |
CN109284367B (zh) | 用于处理文本的方法和装置 | |
CN111310065A (zh) | 一种社交推荐方法、装置、服务器及存储介质 | |
CN110737824B (zh) | 内容查询方法和装置 | |
CN111754278A (zh) | 物品推荐方法、装置、计算机存储介质和电子设备 | |
CN112506981A (zh) | 一种线上培训服务推送方法和装置 | |
CN110895587B (zh) | 用于确定目标用户的方法和装置 | |
CN112148958A (zh) | 用于信息推荐的方法、设备和计算机存储介质 | |
CN111507471B (zh) | 一种模型训练方法、装置、设备及存储介质 | |
CN117609612A (zh) | 资源推荐方法、装置、存储介质及电子设备 |
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 |