CN111582956A - 一种广告推送方法、装置及计算机设备 - Google Patents
一种广告推送方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN111582956A CN111582956A CN202010611185.5A CN202010611185A CN111582956A CN 111582956 A CN111582956 A CN 111582956A CN 202010611185 A CN202010611185 A CN 202010611185A CN 111582956 A CN111582956 A CN 111582956A
- Authority
- CN
- China
- Prior art keywords
- advertisement
- industry
- personnel
- advertisements
- identification
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Signal Processing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及线下广告技术领域,公开了一种广告推送方法、装置及计算机设备,可以在获取现场人员的人员标识之后,基于该人员标识查找到预先采集的且反映现场人员个性化行业兴趣排列顺序的关注行业排列信息,然后根据该关注行业排列信息对不同行业的待播放广告进行排序,得到与现场人员匹配的个体广告列表,最后按照个体广告列表中的广告排列顺序进行广告的现场推送,从而可以使得推送播放的广告能够高精准地匹配现场人员的个性化兴趣,解决资源错配问题,达到广告资源利用率的最优化目的。
Description
技术领域
本发明属于线下广告技术领域,具体地涉及一种广告推送方法、装置及计算机设备。
背景技术
在现有的线下广告行业中,例如电梯广告和公交车内广告等,选取广告类型的投放方式大多是根据点位区域和人的经验进行广告选取及投放。此外,部分技术升级的广告公司会根据对区域人群的特点进行群体分析,然后基于群体特点选取适当的广告进行推送播放。同时推送播放方式都是采用滚动播放,例如每天播放约300次,所有广告每次轮循3分钟,不管有没有人在场都一直持续播放。
但是考虑每个人在兴趣、年龄和性别等方面的差异,可能对同一个广告的兴趣度不尽相同,进而会造成资源错配问题。即使以分析区域人群特点为选取广告的唯一指标,来暴力推送广告给该区域的人群,但是由于没有个性化地推送广告给个体,依然会导致推送不够精准,限制了资源利用率的进一步优化。例如,当电梯内大多是男性和小孩时,可能会推送一些女性用品的无效广告,造成资源错配问题。
发明内容
为了解决现有线下广告技术所存在的因广告推送缺乏个性化,容易导致资源错配的问题,本发明目的在于提供一种广告推送方法、装置、计算机设备及计算机可读存储介质。
第一方面,本发明提供了一种广告推送方法,包括:
获取处于当前播放场景中人员的人员标识;
根据所述人员标识,获取与所述人员标识对应的至少一个行业标识,其中,所述至少一个行业标识按照行业关注度大小依次排列;
根据所述至少一个行业标识和广告与行业标识的对应关系,对与所述当前播放场景对应的至少一个待播放广告进行排序,得到与所述人员匹配的个体广告列表;
按照与所述人员匹配的个体广告列表为所述人员推送广告。
基于上述发明内容,可以在获取现场人员的人员标识之后,基于该人员标识查找到预先采集的且反映现场人员个性化行业兴趣排列顺序的关注行业排列信息,然后根据该关注行业排列信息对不同行业的待播放广告进行排序,得到与现场人员匹配的个体广告列表,最后按照个体广告列表中的广告排列顺序进行广告的现场推送,从而可以使得推送播放的广告能够高精准地匹配现场人员的个性化兴趣,解决资源错配问题,达到广告资源利用率的最优化目的。
在一个可能的设计中,根据所述至少一个行业标识和广告与行业标识的对应关系,对与所述当前播放场景对应的至少一个待播放广告进行排序,得到与所述人员匹配的个体广告列表,包括:
获取所述人员的人员特征信息,其中,所述人员特征信息包含有所述人员的个体性别和/或个体年龄;
从所述至少一个待播放广告中确定出与所述人员特征信息匹配的匹配广告;
根据所述至少一个行业标识和广告与行业标识的对应关系,对所述匹配广告进行排序,得到与所述人员匹配的个体广告列表。
通过上述设计,可以在性别和年龄等方面来进一步细化广告标签的颗粒度,使性别和年龄等与现场人员匹配的待播放广告才能被推送播放,不但可进一步提升广告推送的精准度,还能够满足广告主的投放需求,确保广告投放效力。
在一个可能的设计中,当所述人员的个数为多个时,按照与所述人员匹配的个体广告列表为所述人员推送广告,包括:
按照排列顺序为所述个体广告列表中的广告赋予对应的排序分,所述排序分用于表示广告在对应个体广告列表中的个体关注度;
对所述个体广告列表中相同广告的排序分进行相加,得到所述个体广告列表中各广告的排序分总值;
根据所述排序分总值的大小,对所述各广告进行依次排列,得到公共匹配广告列表;
按照所述公共匹配广告列表为所述人员推送广告。
通过上述设计,可以确保所述广告推荐方法适用于现场有多个行业关注不一致的现场人员的场景,即通过综合他们对待播放广告的个体关注度来优先推送满足共性关注或兴趣的待播放广告,从而确保为多个现场人员进行广告推送的精准性,便于实际应用和推广。
在一个可能的设计中,在按照所述公共匹配广告列表为所述人员推送广告之前,所述方法还包括:
当根据所述排序分总值的从大到小顺序,对所述各广告进行依次排列时,从所述公共匹配广告列表中,剔除排列序号在数值N之后的所有广告,得到更新的公共匹配广告列表,其中,N为介于5~15之间的正整数。
通过上述设计,可以使所述公共匹配广告列表中的广告条数满足实际需求。
在一个可能的设计中,在根据所述人员标识,获取与所述人员标识对应的至少一个行业标识之前,所述方法还包括:
针对在先播放广告,累加计算所述人员的广告注视连续时长,得到分别与所述在先播放广告和所述人员标识对应的广告注视时长;
根据所述广告注视时长,计算得到分别与所述在先播放广告的对应行业标识和所述人员标识对应的行业关注度;
根据所述行业关注度的大小,对各个行业的行业标识进行依次排列,得到与所述人员标识对应的所述至少一个行业标识。
通过上述设计,可以通过统计现场人员关注在先播放广告的时长来为现场人员进行关注广告及关注行业的个性化特征画像,实现预先采集现场人员的关注行业排序信息的目的,并确保所采集的关注行业排序信息具有科学性,能够保证后续广告推送的精准性。
在一个可能的设计中,根据所述广告注视时长,计算得到分别与所述在先播放广告的对应行业标识和所述人员标识对应的行业关注度,包括:
根据所述广告注视时长,按照如下公式计算得到分别与所述在先播放广告和所述人员标识对应的广告关注度:
式中,WT表示分别与所述在先播放广告和所述人员标识对应的广告注视时长,VT表示与所述在先播放广告对应的单次播放时长;
对与同一行业标识对应的所有在先播放广告的广告关注度进行相加,得到分别与行业标识和所述人员标识对应的行业关注度。
通过上述设计,可以确保所计算的行业关注度具有科学性,能够保证后续广告推送的精准性。
在一个可能的设计中,在计算得到分别与所述在先播放广告和所述人员标识对应的广告关注度之后,所述方法还包括:
根据所述广告关注度的大小,对各个在先播放广告的广告标识进行依次排列,得到与所述人员标识对应的至少一个广告标识;
更新保存所述至少一个广告标识;
根据所述至少一个行业标识和广告与行业标识的对应关系,对与所述当前播放场景对应的至少一个待播放广告进行排序,得到与所述人员匹配的个体广告列表,包括:
根据所述至少一个行业标识和广告与行业标识的对应关系,对与不同行业标识对应的待播放广告进行排序,以及根据所述至少一个广告标识,对与同一行业标识对应的待播放广告进行排序,得到与所述人员匹配的个体广告列表。
通过上述设计,可以在所述个体配广告列表中对属于同类行业的多个待播放广告,能够基于现场人员的广告关注程度进行科学排序,进一步保证后续广告推送的精准性。
第二方面,本发明提供了一种广告推送装置,包括依次通信连接的人员标识获取单元、关注行业获取单元、广告排列单元和广告推送单元;
所述人员标识获取单元,用于获取处于当前播放场景中人员的人员标识;
所述关注行业获取单元,用于根据所述人员标识,获取与所述人员标识对应的至少一个行业标识,其中,所述至少一个行业标识按照行业关注度大小依次排列;
所述广告排列单元,用于根据所述至少一个行业标识和广告与行业标识的对应关系,对与所述当前播放场景对应的至少一个待播放广告进行排序,得到与所述人员匹配的个体广告列表;
所述广告推送单元,用于按照与所述人员匹配的个体广告列表为所述人员推送广告。
在一个可能的设计中,所述人员标识获取单元包括有通信相连的图像采集子单元和模型识别子单元;
所述图像采集子单元,用于采集所述人员的人脸图像;
所述模型识别子单元,用于将所述人脸图像导入已完成深度学习训练的第一人脸识别模型,得到所述人员的人员标识。
在一个可能的设计中,所述广告排列单元包括有依次通信连接的人员特征获取子单元、匹配广告确定子单元和匹配广告排列子单元;
所述人员特征获取子单元,用于获取所述人员的人员特征信息,其中,所述人员特征信息包含有所述人员的个体性别和/或个体年龄;
所述匹配广告确定子单元,用于从所述至少一个待播放广告中确定出与所述人员特征信息匹配的匹配广告;
所述匹配广告排列子单元,用于根据所述至少一个行业标识和广告与行业标识的对应关系,对所述匹配广告进行排序,得到与所述人员匹配的个体广告列表。
在一个可能的设计中,当所述人员的个数为多个时,所述广告推送单元包括有依次通信连接的排序分赋予子单元、排序分相加子单元、广告公共匹配子单元和广告公共推送子单元;
所述排序分赋予子单元,还通信连接所述广告排列单元,用于照排列顺序为所述个体广告列表中的广告赋予对应的排序分,其中,所述排序分用于表示广告在对应个体广告列表中的个体关注度;
所述排序分相加子单元,用于对所述个体广告列表中相同广告的排序分进行相加,得到所述个体广告列表中各广告的排序分总值;
所述广告公共匹配子单元,用于根据所述排序分总值的大小,对所述各广告进行依次排列,得到公共匹配广告列表;
所述广告公共推送子单元,用于按照所述公共匹配广告列表为所述人员推送广告。
在一个可能的设计中,所述广告公共推送子单元还用于在按照所述公共匹配广告列表为所述人员推送广告之前,当根据所述排序分总值的从大到小顺序,对所述各广告进行依次排列时,从所述公共匹配广告列表中,剔除排列序号在数值N之后的所有广告,得到更新的公共匹配广告列表,其中,N为介于5~15之间的正整数。
在一个可能的设计中,还包括依次通信连接的时长累加计算单元、关注度计算单元和行业排列单元;
所述时长累加计算单元,用于在根据所述人员标识,获取与所述人员标识对应的至少一个行业标识之前,针对在先播放广告,累加计算所述人员的广告注视连续时长,得到分别与所述在先播放广告和所述人员标识对应的广告注视时长;
所述关注度计算单元,用于在根据所述人员标识,获取与所述人员标识对应的至少一个行业标识之前,根据所述广告注视时长,计算得到分别与所述在先播放广告的对应行业标识和所述人员标识对应的行业关注度;
所述行业排列单元,用于在根据所述人员标识,获取与所述人员标识对应的至少一个行业标识之前,根据所述行业关注度的大小,对各个行业的行业标识进行依次排列,得到与所述人员标识对应的所述至少一个行业标识。
在一个可能的设计中,所述关注度计算单元包括通信相连的广告关注度计算子单元和行业关注度计算子单元;
所述广告关注度计算子单元,通信连接所述时长累加计算单元,用于根据所述广告注视时长,按照如下公式计算得到分别与所述在先播放广告和所述人员标识对应的广告关注度:
式中,WT表示分别与所述在先播放广告和所述人员标识对应的广告注视时长,VT表示与所述在先播放广告对应的单次播放时长;
所述行业关注度计算子单元,通信连接所述行业排列单元,用于对与同一行业标识对应的所有在先播放广告的广告关注度进行相加,得到分别与行业标识和所述人员标识对应的行业关注度。
在一个可能的设计中,还包括关注广告排列单元和存储单元;
所述关注广告排列单元,通信连接广告关注度计算子单元,用于根据所述广告关注度的大小,对各个在先播放广告的广告标识进行依次排列,得到与所述人员标识对应的至少一个广告标识;
所述存储单元,通信连接所述关注广告排列单元,用于更新保存所述至少一个广告标识;
所述广告排列单元,还通信连接所述存储单元,用于根据所述至少一个行业标识和广告与行业标识的对应关系,对与不同行业标识对应的待播放广告进行排序,以及根据所述至少一个广告标识,对与同一行业标识对应的待播放广告进行排序,得到与所述人员匹配的个体广告列表。
第三方面,本发明提供了一种计算机设备,包括通信相连的存储器和处理器,其中,所述存储器用于存储计算机程序,所述处理器用于读取所述计算机程序,执行如第一方面或第一方面中任意一种可能设计所述的广告推送方法。
第四方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如上第一方面或第一方面中任意一种可能设计的所述广告推送方法。
第五方面,本发明提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如上第一方面或第一方面中任意一种可能设计的所述广告推送方法。
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是本发明提供的广告推送方法的流程示意图。
图2是本发明提供的公共匹配广告列表的生成示例图。
图3是本发明提供的广告推送装置的结构示意图。
图4是本发明提供的计算机设备的结构示意图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是,对于这些实施例方式的说明虽然是用于帮助理解本发明,但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解,尽管本文可能使用术语第一、第二等等来描述各种单元,但是这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B三种情况;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
应当理解,在本文中若将单元称作与另一个单元“连接”、“相连”或“耦合”时,它可以与另一个单元直相连接或耦合,或中间单元可以存在。相対地,在本文中若将单元称作与另一个单元“直接相连”或“直接耦合”时,表示不存在中间单元。另外,应当以类似方式来解释用于描述单元之间的关系的其他单词(例如,“在……之间”对“直接在……之间”,“相邻”对“直接相邻”等等)。
应当理解,本文使用的术语仅用于描述特定实施例,并不意在限制本发明的示例实施例。若本文所使用的,单数形式“一”、“一个”以及“该”意在包括复数形式,除非上下文明确指示相反意思。还应当理解,若术语“包括”、“包括了”、“包含”和/或“包含了”在本文中被使用时,指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性,并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。
应当理解,还应当注意到在一些备选可能设计中,所出现的功能/动作可能与附图出现的顺序不同。例如,取决于所涉及的功能/动作,实际上可以实质上并发地执行,或者有时可以以相反的顺序来执行连续示出的两个图。
应当理解,在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统,以避免用不必要的细节来使得示例不清楚。在其他实例中,可以不以非必要的细节来示出众所周知的过程、结构和技术,以避免使得示例实施例不清楚。
如图1所示,本实施例第一方面提供的所述广告推送方法,可以但不限于适用于在广告机或通信连接所述广告机的服务器上执行,并在诸如小区/写字楼电梯、公交车内和候车室内等场所进行广告推送。所述广告推送方法,可以但不限于包括有如下步骤S101~S104。
S101.获取处于当前播放场景中人员的人员标识。
在所述步骤S101中,所述当前播放场景是指当前在处于诸如小区/写字楼电梯、公交车内和候车室内等场所进行广告播放的场景。所述人员是指当前处于诸如小区/写字楼电梯、公交车内和候车室内等场所的潜在广告观众。所述人员标识用于唯一标识现场的潜在广告观众,可以但不限于以数字编号和/或字符串等形式存在。
S102.根据所述人员标识,获取与所述人员标识对应的至少一个行业标识,其中,所述至少一个行业标识按照行业关注度大小依次排列。
在所述步骤S102中,所述人员标识与所述至少一个行业标识预先绑定存储在数据库中,由此通过所述人员标识即可查找得到所述至少一个行业标识。所述至少一个行业标识反映了预先采集的且所述人员的个性化行业兴趣排列顺序,其中的多个行业标识既可以是按照行业关注度(即兴趣越大,关注度越大)从大到小的顺序进行依次排列,例如行业关注排行榜,也可以是按照行业关注度从小到大的顺序进行依次排列,由此后续基于此排列顺序而向所述人员推送广告,将具有极高的准确性,进而规避资源错配问题;此外,所述至少一个行业标识可举例地以表格为载体文本而存储在所述数据库中。
S103.根据所述至少一个行业标识和广告与行业标识的对应关系,对与所述当前播放场景对应的至少一个待播放广告进行排序,得到与所述人员匹配的个体广告列表。
在所述步骤S103中,所述广告与行业标识的对应关系也预先存储在数据库中,可以是一对一的对应关系,也可以是多对一的对应关系(但不能是一对多或多对多关系,以免后续不能唯一决定待播放广告在所述个体广告列表中的排列序号),例如白酒广告、啤酒广告和香烟广告等可对应烟酒行业标识。所述至少一个待播放广告即为在所述当前播放场景中准备要播放的广告,其在所述个体广告列表中的排列序号由对应的行业标识在所述至少一个行业标识中的排列序号决定;举例的,若存在待播放的广告A(属于教育行业)、广告B(属于化妆品行业)、广告C(属于汽车行业)、广告D(属于烟酒行业)和广告E(属于食品行业)等,而所述至少一个行业标识中的行业标识排列顺序依次为化妆品行业标识、食品行业标识、教育行业标识、汽车行业标识和烟酒行业标识,由此在得到的所述个体广告列表中,广告标识排列顺序依次为广告B标识、广告E标识、广告A标识、广告C标识和广告D标识,准确反映了所述人员对这些广告的兴趣排列顺序。
S104.按照与所述人员匹配的个体广告列表为所述人员推送广告。
在所述步骤S104中,如果所述至少一个行业标识中的多个行业标识是按照行业关注度从大到小的顺序进行依次排列,则按照所述个体广告列表中广告标识从前到后的顺序,依次推送与各个广告标识对应的广告进行现场播放,举例的,若在所述个体广告列表中,广告标识排列顺序依次为广告B标识、广告E标识、广告A标识、广告C标识和广告D标识等,则依次推送广告B、广告E、广告A、广告C和广告D进行现场播放,以便所述人员对这些广告产生兴趣,解决资源错配问题;而如果所述至少一个行业标识中的多个行业标识是按照行业关注度从小到大的顺序进行依次排列,则按照所述个体广告列表中广告标识从后到前的顺序,依次推送与各个广告标识对应的广告进行现场播放,同样可以解决资源错配问题。
由此通过前述步骤S101~S104所描述的广告推送方法,可以在获取现场人员的人员标识之后,基于该人员标识查找到预先采集的且反映现场人员个性化行业兴趣排列顺序的关注行业排列信息,然后根据该关注行业排列信息对不同行业的待播放广告进行排序,得到与现场人员匹配的个体广告列表,最后按照个体广告列表中的广告排列顺序进行广告的现场推送,从而可以使得推送播放的广告能够高精准地匹配现场人员的个性化兴趣,解决资源错配问题,达到广告资源利用率的最优化目的。
本实施例在前述第一方面的基础上,还具体提出了一种获取现场人员标识的可能设计一,即获取处于当前播放场景中人员的人员标识,包括但不限于有如下步骤S1011~S1012。
S1011.采集所述人员的人脸图像。
在所述步骤S1011中,所述人脸图像的采集方式为现有常规方式,例如通过摄像头进行实时采集。此外,如果当前不能采集到任何人脸图像,表明在所述当前播放场景中不存在潜在广告观众,例如在发现电梯无人时,此时可停止任何广告的推送播放,以便节约投放资源,节省电能开销,避免无效浪费。
S1012.将所述人脸图像导入已完成深度学习训练的第一人脸识别模型,得到所述人员的人员标识。
在所述步骤S1012中,所述第一人脸识别模型为通过深度学习训练,能够根据人脸图像进行人员识别的现有常规模型,可以基于所述人脸图像识别出对应现场人员的身份(即所述人员标识)。如果不能识别得到所述人员的人员标识,则表明该现场人员为新人,需要创建一个新人员标识来标识所述新人的身份,以便进行下次识别和绑定存储采集到的且反应该新人个性化行业兴趣排列顺序的至少一个行业标识。
由此通过上述步骤S1011~S1012所描述的可能设计一,可以基于现有人脸识别技术对现场人员进行身份识别,准确得到现场人员的人员标识,以便确保后续广告推送的准确性。
本实施例在前述第一方面的基础上,还具体提出了一种先广告筛选后排序的可能设计二,即根据所述至少一个行业标识和广告与行业标识的对应关系,对与所述当前播放场景对应的至少一个待播放广告进行排序,得到与所述人员匹配的个体广告列表,包括但不限于有如下步骤S1031~S1033。
S1031.获取所述人员的人员特征信息,其中,所述人员特征信息可以但不限于包含有所述人员的个体性别和/或个体年龄等。
在所述步骤S1031中,获取所述人员的人员特征信息的具体方式可以但不限于择一地有如下两个方式:(A)根据所述人员标识查找到所述人员的且预存的人员特征信息;(B)将采集所述人员的人脸图像导入已完成深度学习训练的第二人脸识别模型,得到所述人员的人员特征信息。前述方式(A)中的人员特征信息可在创建一个新人员标识来作为新人的身份时,通过所述第二人脸识别模型识别得到,并与所述新人员标识一起绑定存储在数据库中,后续可定期地更新,例如对于所述个体年龄,可每隔一年更新一次。而在前述方式(B)中,所述第二人脸识别模型为通过深度学习训练,能够根据人脸图像进行性别和/或年龄等识别的现有常规模型,可以基于所述人脸图像识别出对应现场人员的人员特征信息(包括个体性别和/或个体年龄等)。
S1032.从所述至少一个待播放广告中确定出与所述人员特征信息匹配的匹配广告。
在所述步骤S1032中,所述待播放广告对应有由广告主所预先设置的且包含所述待播放广告的受众性别和/或受众年龄等的受众特征信息,以便反映广告主的投放需求,进一步细化广告标签的颗粒度。因此可根据所述受众特征信息与所述人员特征信息的匹配结果,将匹配时的对应待播放广告作为所述匹配广告。
S1033.根据所述至少一个行业标识和广告与行业标识的对应关系,对所述匹配广告进行排序,得到与所述人员匹配的个体广告列表。
在所述步骤S1033中,具体排序方式可参照前述第一方面中所述步骤S103的描述,于此不再赘述。
由此通过上述步骤S1031~S1033所描述的可能设计一,可以在性别和年龄等方面来进一步细化广告标签的颗粒度,使性别和年龄等与现场人员匹配的待播放广告才能被推送播放,不但可进一步提升广告推送的精准度,还能够满足广告主的投放需求,确保广告投放效力。
本实施例在前述第一方面及可能设计一至二中任意一种的基础上,考虑不同的现场人员具有不同的关注行业排序信息(即所述至少一个行业标识),因此直接基于所述个体广告列表进行广告推送的方法仅适用于特殊情况(例如仅一个现场人员,或现场人员的关注行业排序信息一致,若有多个关注不一致的现场人员,将会出现推送混乱问题),为此还具体提出了一种可为多个现场人员进行精准广告推送的可能设计三,即当所述人员的个数为多个时,按照与所述人员匹配的个体广告列表为所述人员推送广告,包括但不限于有如下步骤S1041~S1044。
S1041.按照排列顺序为所述个体广告列表中的广告赋予对应的排序分,其中,所述排序分用于表示广告在对应个体广告列表中的个体关注度。
在所述步骤S1041中,如果所述至少一个行业标识中的多个行业标识是按照行业关注度从大到小的顺序进行依次排列,则所述排序分与广告在对应个体广告列表中的排列序号成反比,即排列序号越靠前,对应广告的排序分越多,对应广告的个体关注度越高,而排列序号越靠后,对应广告的排序分越少,对应广告的个体关注度越低。例如对于有10个广告标识的个体广告列表,排序首位的广告标识的对应排序分可赋予10分(如图2所示,在个体广告列表1/2/3中,广告标识Ad_id2/Ad_id5/Ad_id5有10分),排序次位的广告标识的对应排序分可赋予9分(如图2所示,广告标识Ad_id5/Ad_id2/Ad_id3有9分),排序再次位的广告标识的对应排序分可赋予8分(如图2所示,广告标识Ad_id3/Ad_id3/Ad_id7有8分),依次类推,排序第十位的广告标识的对应排序分会仅有1分。而如果所述至少一个行业标识中的多个行业标识是按照行业关注度从小到大的顺序进行依次排列,则所述排序分与广告在对应个体广告列表中的排列序号成正比,即排列序号越靠前,对应广告的排序分越少,对应广告的个体关注度越低,而排列序号越靠后,对应广告的排序分越多,对应广告的个体关注度越高。
S1042.对所述个体广告列表中相同广告的排序分进行相加,得到所述个体广告列表中各广告的排序分总值。
在所述步骤S1042中,通过对相同广告的排序分进行相加,可使得排序分总值越高,表明对应的待播放广告越被更多现场人员所关注和感兴趣,应该被优先地推送和播放。
S1043.根据所述排序分总值的大小,对所述各广告进行依次排列,得到公共匹配广告列表。
在所述步骤S1043中,所述各广告可以是按照排序分总值从大到小的顺序进行依次排列,举例的,如图2所示,在基于个体广告列表1~3得到的公共匹配广告列表中,广告标识ad_id5的排序分总值达到29分(即9分+10分+10分),为最大值,将排序首位;而广告标识ad_id3会以排序分总值为25分(即8分+8分+9分)居排序次位,依次类推。此外,所述各广告也可以是按照排序分总值从小到大的顺序进行依次排列。
S1044.按照所述公共匹配广告列表为所述人员推送广告。
在所述步骤S1044中,如果所述公共匹配广告列表中各广告是按照排序分总值从大到小的顺序进行依次排列,则按照所述公共匹配广告列表中广告标识从前到后的顺序,依次推送与各个广告标识对应的广告进行现场播放,举例的,如图2所示,会优先推送播放对应广告标识ad_id5的待播广告,其次推送播放对应广告标识ad_id3的待播广告,依次类推;而如果所述公共匹配广告列表中各广告是按照排序分总值从小到大的顺序进行依次排列,则按照所述公共匹配广告列表中广告标识从后到前的顺序,依次推送与各个广告标识对应的广告进行现场播放。
由此通过上述步骤S1041~S1044所描述的可能设计三,可以确保所述广告推荐方法适用于现场有多个行业关注不一致的现场人员的场景,即通过综合他们对待播放广告的个体关注度来优先推送满足共性关注或兴趣的待播放广告,从而确保为多个现场人员进行广告推送的精准性,便于实际应用和推广。
本实施例在前述可能设计三的基础上,考虑现场人员停留广告现场的时间有限,而广告播放的时长是固定的,因此可能单轮还未播放完,现场人员就已经离开,使得继续推送广告将无意义,为此还具体提出了一种优化所述公共匹配广告列表的可能设计四,即在按照所述公共匹配广告列表为所述人员推送广告之前,所述方法还包括:当根据所述排序分总值的从大到小顺序,对所述各广告进行依次排列时,从所述公共匹配广告列表中,剔除排列序号在数值N之后的所有广告,得到更新的公共匹配广告列表,其中,N为介于5~15之间的正整数。以电梯广告为例,现场人员乘坐电梯的时间一般不会超过3分钟,而每条广告的播放时长平均为15秒,因此在所述公共匹配广告列表中保留10个广告标识即可满足实际场景需求。由此通过前述可能设计四,可以使所述公共匹配广告列表中的广告条数满足实际需求。此外,为了进一步降低数据处理的难度,快速地实现广告推送,所述个体广告列表中的广告标识数量也可以限制在5~15之间。
本实施例在前述第一方面及可能设计一至四中任意一个的基础上,还具体提出了一种采集关注行业排序信息的可能设计五,即在根据所述人员标识,获取与所述人员标识对应的至少一个行业标识之前,所述方法还包括但不限于有如下步骤S201~S203。
S201.针对在先播放广告,累加计算所述人员的广告注视连续时长,得到分别与所述在先播放广告和所述人员标识对应的广告注视时长。
在所述步骤S201中,所述在先播放广告可以是在所述当前播放场景中所播放的历史广告,也可以是在其它播放场景中所播放的历史广告。所述广告注视连续时长的具体获取方式包括但不限于有:S2011.将采集所述人员的身体图像导入已完成深度学习训练的注视行为识别模型,得到所述人员的且反映所述人员是否注视广告屏的注视行为识别结果;S2012.当识别出所述人员在注视广告屏时,记录与当前在广告屏上推送所述在先播放广告对应的且单次注视过程的前后时间戳;S2013.根据所述前后时间戳得到单次注视过程的广告注视连续时长。所述身体图像的采集方式与所述人脸图像的采集方式一致,优选为人体头部图像。所述注视行为识别模型为通过深度学习训练,能够根据身体图像进行注视行为识别的现有常规模型,可以基于所述身体图像识别出对应现场人员的注视行为(识别结果可简单分为两种:注视广告屏或不注视广告屏)。
S202.根据所述广告注视时长,计算得到分别与所述在先播放广告的对应行业标识和所述人员标识对应的行业关注度。
在所述步骤S202中,如果所述广告注视时长越长,表明所述人员对所述在先播放广告及对应所属行业的关注度越高,因此可以基于所述在先播放广告的广告注视时长,通过一定的算法计算得到对应所属行业的行业关注度。
S203.根据所述行业关注度的大小,对各个行业的行业标识进行依次排列,得到与所述人员标识对应的所述至少一个行业标识。
由此通过上述步骤S201~S203所描述的可能设计五,可以通过统计现场人员关注在先播放广告的时长来为现场人员进行关注广告及关注行业的个性化特征画像,实现预先采集现场人员的关注行业排序信息的目的,并确保所采集的关注行业排序信息具有科学性,能够保证后续广告推送的精准性。
本实施例在前述可能设计五的基础上,还具体提出了一种计算行业关注度的可能设计六,即根据所述广告注视时长,计算得到分别与所述在先播放广告的对应行业标识和所述人员标识对应的行业关注度,包括但不限于有如下步骤S2021~S2022。
S2021.根据所述广告注视时长,按照如下公式计算得到分别与所述在先播放广告和所述人员标识对应的广告关注度:
式中,WT表示分别与所述在先播放广告和所述人员标识对应的广告注视时长,VT表示与所述在先播放广告对应的单次播放时长。
2022.对与同一行业标识对应的所有在先播放广告的广告关注度进行相加,得到分别与行业标识和所述人员标识对应的行业关注度。
在所述步骤S2022中,具体计算公式可以但不限于如下:
式中,HA表示所述行业关注度,m和M分别为正整数,M表示与同一行业标识对应的在先播放广告的个数,Am表示第m个在先播放广告的广告关注度。由此通过对与同一行业标识对应的所有在先播放广告的广告关注度进行相加,可使得行业关注度越高,表明所述人员对相应行业越关注和感兴趣。此外,Am也可以表示第m个在先播放广告的广告日均关注度,其中,所述广告日均关注度可根据对每日所得的所述广告关注度求平均来计算得到。
由此通过上述步骤S2021~S2022所描述的可能设计六,可以确保所计算的行业关注度具有科学性,能够保证后续广告推送的精准性。
本实施例在前述可能设计六的基础上,还具体提出了一种如何在所述个体广告列表中对属于同类行业的多个待播放广告进行科学排序的可能设计七,即在计算得到分别与所述在先播放广告和所述人员标识对应的广告关注度之后,还包括但不限于有如下步骤S701~S703。
S701.根据所述广告关注度的大小,对各个在先播放广告的广告标识进行依次排列,得到与所述人员标识对应的至少一个广告标识。
在所述步骤S701中,各个在先播放广告的广告标识可以是按照广告关注度从大到小的顺序进行依次排列,也可以是按照广告关注度从小到大的顺序进行依次排列。此外,还可以根据广告日均关注度的大小,对各个在先播放广告的广告标识进行依次排列,得到与所述人员标识对应的至少一个广告标识,其中,所述广告日均关注度可根据对每日所得的所述广告关注度求平均来计算得到。
S702.更新保存所述至少一个广告标识。
在所述步骤S702中,所述至少一个广告标识也可举例地以表格为载体文本而存储在所述数据库中,以便后续查找应用。
S703.根据所述至少一个行业标识和广告与行业标识的对应关系,对与所述当前播放场景对应的至少一个待播放广告进行排序,得到与所述人员匹配的个体广告列表,包括:根据所述至少一个行业标识和广告与行业标识的对应关系,对与不同行业标识对应的待播放广告进行排序,以及根据所述至少一个广告标识,对与同一行业标识对应的待播放广告进行排序,得到与所述人员匹配的个体广告列表。
在所述步骤S703中,所述待播放广告在所述个体广告列表中的排列序号由对应的行业标识在所述至少一个行业标识中的排列序号和对应的广告标识在所述至少一个广告标识中排列序号共同决定;举例的,若存在待播放的广告A1、广告A2和广告A3等(它们均属于教育行业),而所述至少一个广告标识中的广告标识排列顺序依次为广告A2标识、广告A3标识和广告A1标识,则在得到的所述个体广告列表中,与教育行业标识对应的广告标识排列顺序依次为广告A2标识、广告A3标识和广告A1标识,进一步准确反映了所述人员对这些广告的兴趣排列顺序。此外,在对与同一行业标识对应的待播放广告进行排序时,其排序结果需要与根据所述至少一个行业标识和广告与行业标识的对应关系而得的排序结果保持一致,即都是基于行业关注度和广告关注度的从大到小顺序或从小到大顺序进行排列。
由此通过上述步骤S701~S703所描述的可能设计七,可以在所述个体配广告列表中对属于同类行业的多个待播放广告,能够基于现场人员的广告关注程度进行科学排序,进一步保证后续广告推送的精准性。
如图3所示,本实施例第二方面提供了一种实现第一方面或第一方面中任意一种可能设计所述广告推送方法的虚拟装置,包括依次通信连接的人员标识获取单元、关注行业获取单元、广告排列单元和广告推送单元;
所述人员标识获取单元,用于获取处于当前播放场景中人员的人员标识;
所述关注行业获取单元,用于根据所述人员标识,获取与所述人员标识对应的至少一个行业标识,其中,所述至少一个行业标识按照行业关注度大小依次排列;
所述广告排列单元,用于根据所述至少一个行业标识和广告与行业标识的对应关系,对与所述当前播放场景对应的至少一个待播放广告进行排序,得到与所述人员匹配的个体广告列表;
所述广告推送单元,用于按照与所述人员匹配的个体广告列表为所述人员推送广告。
在一个可能的设计中,所述人员标识获取单元包括有通信相连的图像采集子单元和模型识别子单元;
所述图像采集子单元,用于采集所述人员的人脸图像;
所述模型识别子单元,用于将所述人脸图像导入已完成深度学习训练的第一人脸识别模型,得到所述人员的人员标识。
在一个可能的设计中,所述广告排列单元包括有依次通信连接的人员特征获取子单元、匹配广告确定子单元和匹配广告排列子单元;
所述人员特征获取子单元,用于获取所述人员的人员特征信息,其中,所述人员特征信息包含有所述人员的个体性别和/或个体年龄;
所述匹配广告确定子单元,用于从所述至少一个待播放广告中确定出与所述人员特征信息匹配的匹配广告;
所述匹配广告排列子单元,用于根据所述至少一个行业标识和广告与行业标识的对应关系,对所述匹配广告进行排序,得到与所述人员匹配的个体广告列表。
在一个可能的设计中,当所述人员的个数为多个时,所述广告推送单元包括有依次通信连接的排序分赋予子单元、排序分相加子单元、广告公共匹配子单元和广告公共推送子单元;
所述排序分赋予子单元,还通信连接所述广告排列单元,用于照排列顺序为所述个体广告列表中的广告赋予对应的排序分,其中,所述排序分用于表示广告在对应个体广告列表中的个体关注度;
所述排序分相加子单元,用于对所述个体广告列表中相同广告的排序分进行相加,得到所述个体广告列表中各广告的排序分总值;
所述广告公共匹配子单元,用于根据所述排序分总值的大小,对所述各广告进行依次排列,得到公共匹配广告列表;
所述广告公共推送子单元,用于按照所述公共匹配广告列表为所述人员推送广告。
在一个可能的设计中,所述广告公共推送子单元还用于在按照所述公共匹配广告列表为所述人员推送广告之前,当根据所述排序分总值的从大到小顺序,对所述各广告进行依次排列时,从所述公共匹配广告列表中,剔除排列序号在数值N之后的所有广告,得到更新的公共匹配广告列表,其中,N为介于5~15之间的正整数。
在一个可能的设计中,还包括依次通信连接的时长累加计算单元、关注度计算单元和行业排列单元;
所述时长累加计算单元,用于在根据所述人员标识,获取与所述人员标识对应的至少一个行业标识之前,针对在先播放广告,累加计算所述人员的广告注视连续时长,得到分别与所述在先播放广告和所述人员标识对应的广告注视时长;
所述关注度计算单元,用于在根据所述人员标识,获取与所述人员标识对应的至少一个行业标识之前,根据所述广告注视时长,计算得到分别与所述在先播放广告的对应行业标识和所述人员标识对应的行业关注度;
所述行业排列单元,用于在根据所述人员标识,获取与所述人员标识对应的至少一个行业标识之前,根据所述行业关注度的大小,对各个行业的行业标识进行依次排列,得到与所述人员标识对应的所述至少一个行业标识。
在一个可能的设计中,所述关注度计算单元包括通信相连的广告关注度计算子单元和行业关注度计算子单元;
所述广告关注度计算子单元,通信连接所述时长累加计算单元,用于根据所述广告注视时长,按照如下公式计算得到分别与所述在先播放广告和所述人员标识对应的广告关注度:
式中,WT表示分别与所述在先播放广告和所述人员标识对应的广告注视时长,VT表示与所述在先播放广告对应的单次播放时长;
所述行业关注度计算子单元,通信连接所述行业排列单元,用于对与同一行业标识对应的所有在先播放广告的广告关注度进行相加,得到分别与行业标识和所述人员标识对应的行业关注度。
在一个可能的设计中,还包括关注广告排列单元和存储单元;
所述关注广告排列单元,通信连接广告关注度计算子单元,用于根据所述广告关注度的大小,对各个在先播放广告的广告标识进行依次排列,得到与所述人员标识对应的至少一个广告标识;
所述存储单元,通信连接所述关注广告排列单元,用于更新保存所述至少一个广告标识;
所述广告排列单元,还通信连接所述存储单元,用于根据所述至少一个行业标识和广告与行业标识的对应关系,对与不同行业标识对应的待播放广告进行排序,以及根据所述至少一个广告标识,对与同一行业标识对应的待播放广告进行排序,得到与所述人员匹配的个体广告列表。
本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果,可以参见第一方面或第一方面中任意一种可能设计所述的广告推送方法,于此不再赘述。
如图4所示,本实施例第三方面提供了一种执行第一方面或第一方面中任意一种可能设计所述广告推送方法的计算机设备,包括通信相连的存储器和处理器,其中,所述存储器用于存储计算机程序,所述处理器用于读取所述计算机程序,执行如第一方面或第一方面中任意一种可能设计所述的广告推送方法。具体举例的,所述存储器可以但不限于包括随机存取存储器(RAM,Random-Access Memory)、只读存储器(ROM,Read-Only Memory)、闪存(Flash Memory)、先进先出存储器(FIFO,First Input First Output)和/或先进后出存储器(FILO,First Input Last Output)等等;所述处理器可以不限于采用型号采用STM32F105系列的微处理器。此外,所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例第三方面提供的前述计算机设备的工作过程、工作细节和技术效果,可以参见第一方面或第一方面中任意一种可能设计所述的广告推送方法,于此不再赘述。
本实施例第四方面提供了一种存储包含第一方面或第一方面中任意一种可能设计所述广告推送方法的指令的计算机可读存储介质,即所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面或第一方面中任意一种可能设计所述的广告推送方法。其中,所述计算机可读存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例第四方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果,可以参见第一方面或第一方面中任意一种可能设计所述的广告推送方法,于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面或第一方面中任意一种可能设计所述的广告推送方法。其中,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
以上所描述的实施例仅仅是示意性的,若涉及到作为分离部件说明的单元,其可以是或者也可以不是物理上分开的;若涉及到作为单元显示的部件,其可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
最后应说明的是,本发明不局限于上述可选的实施方式,任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。
Claims (10)
1.一种广告推送方法,其特征在于,包括:
获取处于当前播放场景中人员的人员标识;
根据所述人员标识,获取与所述人员标识对应的至少一个行业标识,其中,所述至少一个行业标识按照行业关注度大小依次排列;
根据所述至少一个行业标识和广告与行业标识的对应关系,对与所述当前播放场景对应的至少一个待播放广告进行排序,得到与所述人员匹配的个体广告列表;
按照与所述人员匹配的个体广告列表为所述人员推送广告。
2.如权利要求1所述的方法,其特征在于,根据所述至少一个行业标识和广告与行业标识的对应关系,对与所述当前播放场景对应的至少一个待播放广告进行排序,得到与所述人员匹配的个体广告列表,包括:
获取所述人员的人员特征信息,其中,所述人员特征信息包含有所述人员的个体性别和/或个体年龄;
从所述至少一个待播放广告中确定出与所述人员特征信息匹配的匹配广告;
根据所述至少一个行业标识和广告与行业标识的对应关系,对所述匹配广告进行排序,得到与所述人员匹配的个体广告列表。
3.如权利要求1所述的方法,其特征在于,当所述人员的个数为多个时,按照与所述人员匹配的个体广告列表为所述人员推送广告,包括:
按照排列顺序为所述个体广告列表中的广告赋予对应的排序分,其中,所述排序分用于表示广告在对应个体广告列表中的个体关注度;
对所述个体广告列表中相同广告的排序分进行相加,得到所述个体广告列表中各广告的排序分总值;
根据所述排序分总值的大小,对所述各广告进行依次排列,得到公共匹配广告列表;
按照所述公共匹配广告列表为所述人员推送广告。
4.如权利要求3所述的方法,其特征在于,在按照所述公共匹配广告列表为所述人员推送广告之前,所述方法还包括:
当根据所述排序分总值的从大到小顺序,对所述各广告进行依次排列时,从所述公共匹配广告列表中,剔除排列序号在数值N之后的所有广告,得到更新的公共匹配广告列表,其中,N为介于5~15之间的正整数。
5.如权利要求1所述的方法,其特征在于,在根据所述人员标识,获取与所述人员标识对应的至少一个行业标识之前,所述方法还包括:
针对在先播放广告,累加计算所述人员的广告注视连续时长,得到分别与所述在先播放广告和所述人员标识对应的广告注视时长;
根据所述广告注视时长,计算得到分别与所述在先播放广告的对应行业标识和所述人员标识对应的行业关注度;
根据所述行业关注度的大小,对各个行业的行业标识进行依次排列,得到与所述人员标识对应的所述至少一个行业标识。
7.如权利要求6所述的方法,其特征在于,在计算得到分别与所述在先播放广告和所述人员标识对应的广告关注度之后,所述方法还包括:
根据所述广告关注度的大小,对各个在先播放广告的广告标识进行依次排列,得到与所述人员标识对应的至少一个广告标识;
更新保存所述至少一个广告标识;
根据所述至少一个行业标识和广告与行业标识的对应关系,对与所述当前播放场景对应的至少一个待播放广告进行排序,得到与所述人员匹配的个体广告列表,包括:
根据所述至少一个行业标识和广告与行业标识的对应关系,对与不同行业标识对应的待播放广告进行排序,以及根据所述至少一个广告标识,对与同一行业标识对应的待播放广告进行排序,得到与所述人员匹配的个体广告列表。
8.一种广告推送装置,其特征在于,包括依次通信连接的人员标识获取单元、关注行业获取单元、广告排列单元和广告推送单元;
所述人员标识获取单元,用于获取处于当前播放场景中人员的人员标识;
所述关注行业获取单元,用于根据所述人员标识,获取与所述人员标识对应的至少一个行业标识,其中,所述至少一个行业标识按照行业关注度大小依次排列;
所述广告排列单元,用于根据所述至少一个行业标识和广告与行业标识的对应关系,对与所述当前播放场景对应的至少一个待播放广告进行排序,得到与所述人员匹配的个体广告列表;
所述广告推送单元,用于按照与所述人员匹配的个体广告列表为所述人员推送广告。
9.一种计算机设备,其特征在于,包括通信相连的存储器和处理器,其中,所述存储器用于存储计算机程序,所述处理器用于读取所述计算机程序,执行如权利要求1~7中任意一项所述的广告推送方法。
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上存储有指令,当所述指令在计算机上运行时,执行如权利要求1~7中任意一项所述的广告推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010611185.5A CN111582956A (zh) | 2020-06-29 | 2020-06-29 | 一种广告推送方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010611185.5A CN111582956A (zh) | 2020-06-29 | 2020-06-29 | 一种广告推送方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111582956A true CN111582956A (zh) | 2020-08-25 |
Family
ID=72125912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010611185.5A Pending CN111582956A (zh) | 2020-06-29 | 2020-06-29 | 一种广告推送方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111582956A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308609A (zh) * | 2020-10-31 | 2021-02-02 | 成都新潮传媒集团有限公司 | 一种广告投放计费方法、装置及计算机设备 |
CN115048068A (zh) * | 2022-05-25 | 2022-09-13 | 中仪英斯泰克进出口有限公司 | 一种4kled显示屏图像显示控制系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102946566A (zh) * | 2012-10-24 | 2013-02-27 | 北京奇虎科技有限公司 | 基于历史信息的视频推荐方法和装置 |
CN102968446A (zh) * | 2012-10-24 | 2013-03-13 | 北京奇虎科技有限公司 | 一种视频推荐方法和装置 |
CN103442285A (zh) * | 2013-08-21 | 2013-12-11 | 深圳Tcl新技术有限公司 | 节目推送的方法、智能电视、智能手机、后台服务器 |
CN105488109A (zh) * | 2015-11-20 | 2016-04-13 | 小米科技有限责任公司 | 内容项目排布方法、装置及系统 |
CN105956872A (zh) * | 2016-04-18 | 2016-09-21 | 乐视控股(北京)有限公司 | 基于人群行业的精准广告投放方法及装置 |
CN106204093A (zh) * | 2016-06-23 | 2016-12-07 | 无锡天脉聚源传媒科技有限公司 | 一种投放广告的方法及装置 |
CN106658180A (zh) * | 2015-10-29 | 2017-05-10 | 北京国双科技有限公司 | 确定用户对频道偏好程度的方法及装置 |
CN107103487A (zh) * | 2017-03-02 | 2017-08-29 | 浙江兰德纵横网络技术股份有限公司 | 一种基于大数据的广告推送方法 |
CN107257358A (zh) * | 2017-05-16 | 2017-10-17 | 深圳市金立通信设备有限公司 | 一种信息推送方法、终端及服务器 |
CN108874813A (zh) * | 2017-05-10 | 2018-11-23 | 腾讯科技(北京)有限公司 | 一种信息处理方法、装置及存储介质 |
CN109168043A (zh) * | 2018-10-10 | 2019-01-08 | 北京小米智能科技有限公司 | 显示推荐信息的方法、设备和系统 |
CN109961321A (zh) * | 2019-03-14 | 2019-07-02 | 佛山市摄时度文化传播有限公司 | 广告推送方法及装置 |
CN110689367A (zh) * | 2019-08-21 | 2020-01-14 | 深圳壹账通智能科技有限公司 | 数据采集方法、装置、计算机装置及存储介质 |
CN111144928A (zh) * | 2019-11-29 | 2020-05-12 | 淮阴工学院 | 一种基于用户行为的电梯医疗信息广告投放系统及方法 |
-
2020
- 2020-06-29 CN CN202010611185.5A patent/CN111582956A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968446A (zh) * | 2012-10-24 | 2013-03-13 | 北京奇虎科技有限公司 | 一种视频推荐方法和装置 |
CN102946566A (zh) * | 2012-10-24 | 2013-02-27 | 北京奇虎科技有限公司 | 基于历史信息的视频推荐方法和装置 |
CN103442285A (zh) * | 2013-08-21 | 2013-12-11 | 深圳Tcl新技术有限公司 | 节目推送的方法、智能电视、智能手机、后台服务器 |
CN106658180A (zh) * | 2015-10-29 | 2017-05-10 | 北京国双科技有限公司 | 确定用户对频道偏好程度的方法及装置 |
CN105488109A (zh) * | 2015-11-20 | 2016-04-13 | 小米科技有限责任公司 | 内容项目排布方法、装置及系统 |
CN105956872A (zh) * | 2016-04-18 | 2016-09-21 | 乐视控股(北京)有限公司 | 基于人群行业的精准广告投放方法及装置 |
CN106204093A (zh) * | 2016-06-23 | 2016-12-07 | 无锡天脉聚源传媒科技有限公司 | 一种投放广告的方法及装置 |
CN107103487A (zh) * | 2017-03-02 | 2017-08-29 | 浙江兰德纵横网络技术股份有限公司 | 一种基于大数据的广告推送方法 |
CN108874813A (zh) * | 2017-05-10 | 2018-11-23 | 腾讯科技(北京)有限公司 | 一种信息处理方法、装置及存储介质 |
CN107257358A (zh) * | 2017-05-16 | 2017-10-17 | 深圳市金立通信设备有限公司 | 一种信息推送方法、终端及服务器 |
CN109168043A (zh) * | 2018-10-10 | 2019-01-08 | 北京小米智能科技有限公司 | 显示推荐信息的方法、设备和系统 |
CN109961321A (zh) * | 2019-03-14 | 2019-07-02 | 佛山市摄时度文化传播有限公司 | 广告推送方法及装置 |
CN110689367A (zh) * | 2019-08-21 | 2020-01-14 | 深圳壹账通智能科技有限公司 | 数据采集方法、装置、计算机装置及存储介质 |
CN111144928A (zh) * | 2019-11-29 | 2020-05-12 | 淮阴工学院 | 一种基于用户行为的电梯医疗信息广告投放系统及方法 |
Non-Patent Citations (1)
Title |
---|
世界知识产权组织: "《国际专利分类表(第8版)使用指南》", 31 January 2006, 知识产权出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308609A (zh) * | 2020-10-31 | 2021-02-02 | 成都新潮传媒集团有限公司 | 一种广告投放计费方法、装置及计算机设备 |
CN115048068A (zh) * | 2022-05-25 | 2022-09-13 | 中仪英斯泰克进出口有限公司 | 一种4kled显示屏图像显示控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108269123B (zh) | 广告投放控制方法及装置 | |
US20180052855A1 (en) | Method for learning a latent interest taxonomy from multimedia metadata | |
CN111582957B (zh) | 一种广告推送计费方法、装置及计算机设备 | |
CN108108821A (zh) | 模型训练方法及装置 | |
CN110263235A (zh) | 信息推送对象更新方法、装置和计算机设备 | |
CN107368965A (zh) | 一种剧本数据处理方法、装置及应用其的计算机设备 | |
CN111582956A (zh) | 一种广告推送方法、装置及计算机设备 | |
CN106095842B (zh) | 在线课程搜索方法和装置 | |
CN110689367A (zh) | 数据采集方法、装置、计算机装置及存储介质 | |
CN110428277B (zh) | 推荐产品的触达方法、存储介质和程序产品 | |
CN110378752A (zh) | 广告推荐方法、装置、电子设备以及存储介质 | |
CN112529635A (zh) | 一种基于大数据的广告推送方法 | |
CN115907868A (zh) | 一种广告投放分析方法及装置 | |
CN105117482B (zh) | 一种实现网站导航的方法和装置 | |
CN111626781A (zh) | 基于人工智能的广告投放方法 | |
Xu et al. | The medal war in peacetime: Examining nationalistic notions embedded in CCTV’s coverage of gymnastics in the 2016 Rio Summer Olympics | |
CN113506124B (zh) | 一种智慧商圈中媒体广告投放效果的评价方法 | |
CN114065051A (zh) | 私域平台视频推荐方法、装置、电子设备和介质 | |
CN113256356A (zh) | 一种基于特征识别的互联网广告智能投放分析管理系统 | |
CN112308609B (zh) | 一种广告投放计费方法、装置及计算机设备 | |
CN110489758B (zh) | 应用程序的价值观计算方法及装置 | |
WO2016125166A1 (en) | Systems and methods for analyzing video and making recommendations | |
CN116304356B (zh) | 一种基于aigc的景区多场景内容创作及应用系统 | |
KR20140100595A (ko) | 소셜 네트워크 서비스를 이용한 미디어 콘텐츠 추천 방법 | |
CN115017200B (zh) | 搜索结果的排序方法、装置、电子设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200825 |