CN112163909A - 一种基于大数据的广告投放系统 - Google Patents
一种基于大数据的广告投放系统 Download PDFInfo
- Publication number
- CN112163909A CN112163909A CN202011187161.8A CN202011187161A CN112163909A CN 112163909 A CN112163909 A CN 112163909A CN 202011187161 A CN202011187161 A CN 202011187161A CN 112163909 A CN112163909 A CN 112163909A
- Authority
- CN
- China
- Prior art keywords
- advertisement
- category
- watching
- preferred
- module
- 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.)
- Granted
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
- G06Q30/0242—Determining effectiveness of advertisements
-
- 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
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0244—Optimization
-
- 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
-
- 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
- H04L67/535—Tracking the activity of the user
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的广告投放系统，涉及广告投放技术领域，包括记忆模块、用户行为分析模块、控制器、存储模块、访问统计模块、广告数据库、广告评估模块、广告分类模块以及广告投放模块；用户行为分析模块用于根据用户的广告观看记录对用户的观看标签进行分析；广告评估模块用于对点击记录作出分析，得到每条广告的活稳值，获取活稳值大于第一预设值的广告，并按照广告类别进行分类，得到类别推荐表；广告投放模块接收用户行为分析模块传输的观看标签自动从存储模块内存储的类别推荐表中得到匹配的广告信息后推送给用户，以便有针对性的进行广告推送，避免广告在非偏好观看时间段推送，影响用户正常工作。
Description
技术领域
本发明涉及广告投放技术领域，具体涉及一种基于大数据的广告投放系统。
背景技术
广告是为了某种特定的需要，通过一定形式的媒体，公开而广泛地向公众传递信息的宣传手段；随着网络科技的日益发展，人们对信息的获取意愿日益增强，但现有市场上的广告投放系统无法根据用户的个人的爱好以及观看广告的类型进行针对性的推送，从而使得用户需要花时间去搜索广告，没有提高用户的观看感受，因此不利于推广；
另外用户登录客户终端进行操作时，通常是根据用户是否为会员决定是否投放固定时间的广告，并没有考虑到用户是否正在处理其他事情，容易出现用户因为关闭广告而影响工作心情和效率的情况，即使是用户感兴趣的广告，也无法达到预期的广告投放效果，还会让用户产生反感情绪，对广告的推广产生反作用；为了解决上述技术问题，本发明提供如下技术方案。
发明内容
针对现有技术存在的不足，本发明目的是提供一种基于大数据的广告投放系统。本发明通过用户行为分析模块根据用户的广告观看记录对用户的观看标签进行分析，得到用户的偏好广告类别和偏好观看时间段，使得可以根据用户的偏好广告类别和偏好观看时间段进行针对性的广告推送，从而使得用户无需花时间去搜索广告，提高用户的观看感受；通过广告评估模块对点击记录作出分析，结合单天广告频次、单天观看时长以及评论、转发、收藏和点赞的行为特征，得到活稳值β大于第一预设值的广告，并按照广告类别进行分类，得到类别推荐表；广告投放模块接收用户行为分析模块传输的观看标签自动从存储模块内存储的类别推荐表中得到匹配的广告信息后推送给用户，以便有针对性的进行广告推送，避免广告在非偏好观看时间段推送，影响用户正常工作。
本发明的目的可以通过以下技术方案实现：
一种基于大数据的广告投放系统，包括记忆模块、用户行为分析模块、控制器、存储模块、访问统计模块、广告数据库、广告评估模块、广告分类模块以及广告投放模块；
记忆模块用于存储预设时间内用户的广告观看记录并将用户的广告观看记录传输到用户行为分析模块；
用户行为分析模块用于接收用户的广告观看记录并根据用户的广告观看记录对用户的观看标签进行分析，观看标签包括偏好广告类别和偏好观看时间段；
用户行为分析模块用于将用户的偏好广告类别和对应的偏好观看时间段传输至控制器，控制器用于接收用户的偏好广告类别和对应的偏好观看时间段并将用户的偏好广告类别和对应的偏好观看时间段融合形成偏好记录表传输至存储模块进行存储；
访问统计模块用于统计广告数据库中每条广告在系统当前时间前15天内的点击记录并将点击记录传输到广告评估模块；广告评估模块用于对点击记录作出分析，得到每条广告的活稳值β；
当活稳值β大于第一预设值时，广告评估模块将活稳值β和对应的广告传输到广告分类模块；广告分类模块接收活稳值β和对应的广告，并按照广告类别进行分类；具体步骤为：
AA1：按照广告类别获取同一广告类别的所有广告，形成类别集合；
AA2：获取同一类别集合中广告的活稳值β，按照活稳值β从大到小的顺序将类别集合中的广告作降序排列，形成类别推荐表；
AA3：重复步骤AA1-AA2，直至获取所有广告类别的类别推荐表；
广告分类模块用于将类别推荐表传输至控制器，控制器用于接收类别推荐表并将类别推荐表传输至存储模块进行存储；
用户行为分析模块用于将观看标签传输到广告投放模块；广告投放模块接收用户行为分析模块传输的观看标签自动从存储模块内存储的类别推荐表中得到匹配的广告信息后推送给用户。
进一步地，广告观看记录包括广告标题、广告类别、观看开始时刻和观看结束时刻；点击记录包括点击次数、每次点击的观看时长、以及评论、转发、收藏和点赞的行为特征。
进一步地，用户行为分析模块的具体分析步骤如下：
步骤一：获取预设时间内用户的广告观看记录；将广告观看记录中的观看开始时刻与观看结束时刻进行时间差计算得到观看时长；
步骤二：按照广告类别将同一广告类别的观看次数累加形成类别频次，将类别频次标记为G1i；其中i表示第i个广告类别；
按照广告类别将同一广告类别的观看时长累加形成类别总时长，将类别总时长标记为G2i；类别频次G1i与类别总时长G2i一一对应；
步骤三：对类别频次、类别总时长进行权重分配，将类别频次的权重标记为Z1，将类别总时长的权重标记为Z2，其中Z1和Z2均为固定值且Z1>Z2；
利用公式Qi＝G1i×Z1+G2i×Z2获取得到类别吸引值Qi；
步骤四：将类别吸引值Qi与预设吸引值阈值进行比较；
若Qi≥预设吸引值阈值，则判定该广告类别为用户的偏好广告类别；
步骤五：将1天24h划分为若干个时间段，获取用户的偏好广告类别，按照偏好广告类别获取同一广告类别的广告观看记录，进行进一步分析；具体为：
S51：按照时间段将同一时间段的观看次数累加形成时段频次，将时段频次标记为G3m，其中m表示第m个时间段；
按照时间段将同一时间段的观看时长累加形成时段总时长，将时段总时长标记为G4m，时段频次G3m与时段总时长G4m一一对应；
S52：对时段频次、时段总时长进行权重分配，将时段频次的权重标记为Z3，将时段总时长的权重标记为Z4，其中Z3和Z4均为固定值且Z3>Z4；
利用公式Gm＝G3m×Z3+G4m×Z4获取得到时段吸引值Gm；
S53：将时段吸引值Gi与第一预设阈值进行比较；
若Gi≥第一预设阈值，则该时间段为对应偏好广告类别的偏好观看时间段；
步骤六：重复步骤五，直至获取得到所有偏好广告类别的偏好观看时间段。
进一步地，广告评估模块的具体工作步骤如下：
SS1：获取广告在系统当前时间前15天内的点击记录；
SS2：将广告每天的点击次数标记为单天广告频次Bn，n＝1，…，15；n表示第n天；
SS3：获取广告每次点击的观看时长，并标记为单次观看时长，将每天的单次观看时长进行求和得到单天观看时长，将单天观看时长标记为DTn；
SS4：利用公式
计算得出该广告的单天关注值FCn，其中a1、a2、a3、b1、b2以及b3均为系数因子；
SS5：获取广告每天被评论的次数并标记为Cn；
获取广告每天被转发的次数标记为Dn；
获取广告每天被收藏的次数标记为En；
获取广告每天被点赞的次数标记为Fn；
利用公式SDn＝FCn×a4+Cn×r1+Dn×r2+En×r3+Fn×r4计算得出该广告的单天活跃值SDn，其中，a4、r1、r2、r3和r4均为系数因子；
SS6：重复步骤SS2-SS5，获取该广告在系统当前时间前15天内的单天活跃值SDn；得到单天活跃值信息组；
SS7：按照标准差计算公式计算得到单天活跃值信息组的标准差α，当α大于等于预设值时，舍弃该广告，获取下一条广告，重新执行步骤SS1；
当α小于预设值时，处于待验证状态；
SS8：当单天活跃值信息组处于待验证状态，按照平均值计算公式计算得到单天活跃值信息组的平均值并标记为平均活跃值PL；
利用公式β＝(PL×η1-α×η2)(η3+η4)计算得出该条广告的活稳值β，其中η1、η2、η3和η4均为系数因子。
进一步地，广告投放模块的具体工作步骤为：
DD1：获取系统当前时间并标记为TR；
DD2：获取用户的偏好广告类别和对应的偏好观看时间段，将系统当前时间TR与偏好观看时间段进行对比；
若TR不属于偏好观看时间段，则此时不进行广告投放；
若TR属于偏好观看时间段，获取该偏好观看时间段对应的偏好广告类别，并标记为目标偏好广告类别；
DD3：根据目标偏好广告类别自动从存储模块中获取同一广告类别的类别推荐表并标记为目标类别推荐表，获取目标类别推荐表中活稳值β前五的广告；
DD4：将目标类别推荐表中活稳值β前五的广告传输至控制器，控制器用于将目标类别推荐表中活稳值β前五的广告推送至用户终端。
本发明的有益效果是：
1、本发明通过用户行为分析模块根据用户的广告观看记录对用户的观看标签进行分析；按照广告类别将同一广告类别的观看次数累加形成类别频次，按照广告类别将同一广告类别的观看时长累加形成类别总时长，利用公式Qi＝G1i×Z1+G2i×Z2获取得到类别吸引值Qi；若Qi≥预设吸引值阈值，则判定该广告类别为用户的偏好广告类别；将1天24h划分为若干个时间段，获取用户的偏好广告类别，按照偏好广告类别获取同一广告类别的广告观看记录，进行进一步分析，得到时段吸引值Gm；若Gi≥第一预设阈值，则该时间段为对应偏好广告类别的偏好观看时间段，获取得到所有偏好广告类别对应的偏好观看时间段；本发明可以根据用户的偏好广告类别和偏好观看时间段进行针对性的广告推送，从而使得用户无需花时间去搜索广告，提高用户的观看感受；
2、本发明通过访问统计模块统计广告数据库中每条广告在系统当前时间前15天内的点击记录，再对点击记录作出分析，结合单天广告频次、单天观看时长以及评论、转发、收藏和点赞的行为特征，得到广告的单天活跃值；获取系统当前时间前15天内的单天活跃值，得到单天活跃值信息组；对单天活跃值信息组进行进一步分析，得到活稳值β大于第一预设值的广告，并按照广告类别进行分类，得到类别推荐表；再根据用户的观看标签自动从存储模块内存储的类别推荐表中得到匹配的广告信息后推送给用户，以便有针对性的进行广告推送，避免广告在非偏好观看时间段推送，影响用户正常工作。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的系统框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种基于大数据的广告投放系统，包括记忆模块、用户行为分析模块、控制器、存储模块、访问统计模块、广告数据库、广告评估模块、广告分类模块以及广告投放模块；
所述记忆模块用于存储预设时间内用户的广告观看记录并将用户的广告观看记录传输到用户行为分析模块；所述广告观看记录包括广告标题、广告类别、观看开始时刻和观看结束时刻；
所述用户行为分析模块用于接收用户的广告观看记录并根据用户的广告观看记录对用户的观看标签进行分析，所述观看标签包括偏好广告类别和偏好观看时间段；具体分析步骤如下：
步骤一：获取预设时间内用户的广告观看记录；将广告观看记录中的观看开始时刻与观看结束时刻进行时间差计算得到观看时长；
步骤二：按照广告类别将同一广告类别的观看次数累加形成类别频次，将类别频次标记为G1i；其中i表示第i个广告类别；
按照广告类别将同一广告类别的观看时长累加形成类别总时长，将类别总时长标记为G2i；类别频次G1i与类别总时长G2i一一对应；
步骤三：对类别频次、类别总时长进行权重分配，将类别频次的权重标记为Z1，将类别总时长的权重标记为Z2，其中Z1和Z2均为固定值且Z1>Z2；
利用公式Qi＝G1i×Z1+G2i×Z2获取得到类别吸引值Qi；
步骤四：将类别吸引值Qi与预设吸引值阈值进行比较；
若Qi≥预设吸引值阈值，则判定该广告类别为用户的偏好广告类别；
步骤五：将1天24h划分为若干个时间段，获取用户的偏好广告类别，按照偏好广告类别获取同一广告类别的广告观看记录，进行进一步分析；具体为：
S51：按照时间段将同一时间段的观看次数累加形成时段频次，将时段频次标记为G3m，其中m表示第m个时间段；
按照时间段将同一时间段的观看时长累加形成时段总时长，将时段总时长标记为G4m，时段频次G3m与时段总时长G4m一一对应；
S52：对时段频次、时段总时长进行权重分配，将时段频次的权重标记为Z3，将时段总时长的权重标记为Z4，其中Z3和Z4均为固定值且Z3>Z4；
利用公式Gm＝G3m×Z3+G4m×Z4获取得到时段吸引值Gm；
S53：将时段吸引值Gi与第一预设阈值进行比较；
若Gi≥第一预设阈值，则该时间段为对应偏好广告类别的偏好观看时间段；例如偏好广告类别可以是珠宝广告类别，预设时间可以是最近15天，时间段例如可以为8:30—9:30；即，若用户在最近15天内的8:30—9:30的时间段内，累计观看珠宝广告类别的次数为G31，累计观看珠宝广告类别的观看时长为G41，则时段吸引值G1＝G31×Z3+G41×Z4，若G1≥第一预设阈值，则认为时间段8:30—9:30为该用户针对珠宝广告类别的偏好观看时间段，其中，同一偏好广告类别的偏好观看时间段可以有多个，同一偏好观看时间段的偏好广告类别也可以有多个；
步骤六：重复步骤五，直至获取得到所有偏好广告类别的偏好观看时间段；
本发明可以根据用户的偏好广告类别和偏好观看时间段进行针对性的广告推送，从而使得用户无需花时间去搜索广告，提高用户的观看感受；
所述用户行为分析模块用于将用户的偏好广告类别和对应的偏好观看时间段传输至控制器，所述控制器用于接收用户的偏好广告类别和对应的偏好观看时间段并将用户的偏好广告类别和对应的偏好观看时间段融合形成偏好记录表传输至存储模块进行存储；
所述访问统计模块用于统计广告数据库中每条广告在系统当前时间前15天内的点击记录并将点击记录传输到广告评估模块；所述点击记录包括点击次数、每次点击的观看时长、以及评论、转发、收藏和点赞的行为特征；
所述广告评估模块用于对点击记录作出分析，具体步骤如下：
SS1：获取广告在系统当前时间前15天内的点击记录；
SS2：将广告每天的点击次数标记为单天广告频次Bn，n＝1，…，15；n表示第n天；
SS3：获取广告每次点击的观看时长，并标记为单次观看时长，将每天的单次观看时长进行求和得到单天观看时长，将单天观看时长标记为DTn；
SS4：利用公式
计算得出该广告的单天关注值FCn，其中a1、a2、a3、b1、b2以及b3均为系数因子；
SS5：获取广告每天被评论的次数并标记为Cn；
获取广告每天被转发的次数标记为Dn；
获取广告每天被收藏的次数标记为En；
获取广告每天被点赞的次数标记为Fn；
利用公式SDn＝FCn×a4+Cn×r1+Dn×r2+En×r3+Fn×r4计算得出该广告的单天活跃值SDn，其中，a4、r1、r2、r3和r4均为系数因子；
SS6：重复步骤SS2-SS5，获取该广告在系统当前时间前15天内的单天活跃值SDn；得到单天活跃值信息组；
SS7：按照标准差计算公式计算得到单天活跃值信息组的标准差α，当α大于等于预设值时，舍弃该广告，获取下一条广告，重新执行步骤SS1；
当α小于预设值时，处于待验证状态；
SS8：当单天活跃值信息组处于待验证状态，按照平均值计算公式计算得到单天活跃值信息组的平均值并标记为平均活跃值PL；
利用公式β＝(PL×η1-α×η2)(η3+η4)计算得出该条广告的活稳值β，其中η1、η2、η3和η4均为系数因子；
当β大于第一预设值时，广告评估模块将活稳值β和对应的广告传输到广告分类模块；所述广告分类模块接收活稳值β和对应的广告，并按照广告类别进行分类；具体分类步骤为：
AA1：按照广告类别获取同一广告类别的所有广告，形成类别集合；
AA2：获取同一类别集合中广告的活稳值β，按照活稳值β从大到小的顺序将类别集合中的广告作降序排列，形成类别推荐表；
AA3：重复步骤AA1-AA2，直至获取所有广告类别的类别推荐表；
所述广告分类模块用于将类别推荐表传输至控制器，所述控制器用于接收类别推荐表并将类别推荐表传输至存储模块进行存储；
所述用户行为分析模块用于将观看标签传输到广告投放模块；所述广告投放模块接收用户行为分析模块传输的观看标签自动从存储模块内存储的类别推荐表中得到匹配的广告信息后推送给用户，所述广告投放模块的具体工作步骤为：
DD1：获取系统当前时间并标记为TR；
DD2：获取用户的偏好广告类别和对应的偏好观看时间段，将系统当前时间TR与偏好观看时间段进行对比；
若TR不属于偏好观看时间段，则此时不进行广告投放；
若TR属于偏好观看时间段，获取该偏好观看时间段对应的偏好广告类别，并标记为目标偏好广告类别；
DD3：根据目标偏好广告类别自动从存储模块中获取同一广告类别的类别推荐表并标记为目标类别推荐表，获取目标类别推荐表中活稳值β前五的广告；
DD4：将目标类别推荐表中活稳值β前五的广告传输至控制器，所述控制器用于将目标类别推荐表中活稳值β前五的广告推送至用户终端。
本发明能够根据用户的观看标签自动从存储模块内存储的类别推荐表中得到匹配的广告信息后推送给用户，以便有针对性的进行广告推送，避免广告在非偏好观看时间段推送，影响用户正常工作。
一种基于大数据的广告投放系统，在工作时，首先记忆模块用于存储预设时间内用户的广告观看记录并将用户的广告观看记录传输到用户行为分析模块；用户行为分析模块根据用户的广告观看记录对用户的观看标签进行分析；按照广告类别将同一广告类别的观看次数累加形成类别频次，按照广告类别将同一广告类别的观看时长累加形成类别总时长，利用公式Qi＝G1i×Z1+G2i×Z2获取得到类别吸引值Qi；若Qi≥预设吸引值阈值，则判定该广告类别为用户的偏好广告类别；将1天24h划分为若干个时间段，获取用户的偏好广告类别，按照偏好广告类别获取同一广告类别的广告观看记录，进行进一步分析，得到时段吸引值Gm；若Gi≥第一预设阈值，则该时间段为对应偏好广告类别的偏好观看时间段，获取得到所有偏好广告类别对应的偏好观看时间段；本发明可以根据用户的偏好广告类别和偏好观看时间段进行针对性的广告推送，从而使得用户无需花时间去搜索广告，提高用户的观看感受；
访问统计模块用于统计广告数据库中每条广告在系统当前时间前15天内的点击记录；广告评估模块用于对点击记录作出分析，结合单天广告频次、单天观看时长以及评论、转发、收藏和点赞的行为特征，得到广告的单天活跃值；获取系统当前时间前15天内的单天活跃值，得到单天活跃值信息组；对单天活跃值信息组进行进一步分析，得到活稳值β大于第一预设值的广告，广告分类模块接收活稳值β和对应的广告，并按照广告类别进行分类，得到类别推荐表；广告投放模块接收用户行为分析模块传输的观看标签自动从存储模块内存储的类别推荐表中得到匹配的广告信息后推送给用户，首先获取系统当前时间并标记为TR；获取用户的偏好广告类别和对应的偏好观看时间段，将系统当前时间TR与偏好观看时间段进行对比；若TR不属于偏好观看时间段，则此时不进行广告投放；若TR属于偏好观看时间段，获取该偏好观看时间段对应的偏好广告类别，并标记为目标偏好广告类别；根据目标偏好广告类别自动从存储模块中获取同一广告类别的类别推荐表并标记为目标类别推荐表，获取目标类别推荐表中活稳值β前五的广告；将目标类别推荐表中活稳值β前五的广告传输至控制器，所述控制器用于将目标类别推荐表中活稳值β前五的广告推送至用户终端；以便有针对性的进行广告推送，避免广告在非偏好观看时间段推送，影响用户正常工作。
上述公式均是由采集大量数据进行软件模拟及相应专家进行参数设置处理，得到与真实结果符合的公式。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (5)
1.一种基于大数据的广告投放系统，其特征在于，包括记忆模块、用户行为分析模块、控制器、存储模块、访问统计模块、广告数据库、广告评估模块、广告分类模块以及广告投放模块；
所述记忆模块用于存储预设时间内用户的广告观看记录并将用户的广告观看记录传输到用户行为分析模块；
所述用户行为分析模块用于接收用户的广告观看记录并根据用户的广告观看记录对用户的观看标签进行分析，所述观看标签包括偏好广告类别和偏好观看时间段；
所述用户行为分析模块用于将用户的偏好广告类别和对应的偏好观看时间段传输至控制器，所述控制器用于接收用户的偏好广告类别和对应的偏好观看时间段并将用户的偏好广告类别和对应的偏好观看时间段融合形成偏好记录表传输至存储模块进行存储；
所述访问统计模块用于统计广告数据库中每条广告在系统当前时间前15天内的点击记录并将点击记录传输到广告评估模块；所述广告评估模块用于对点击记录作出分析，得到每条广告的活稳值β；
当活稳值β大于第一预设值时，广告评估模块将活稳值β和对应的广告传输到广告分类模块；所述广告分类模块接收活稳值β和对应的广告，并按照广告类别进行分类；具体步骤为：
AA1：按照广告类别获取同一广告类别的所有广告，形成类别集合；
AA2：获取同一类别集合中广告的活稳值β，按照活稳值β从大到小的顺序将类别集合中的广告作降序排列，形成类别推荐表；
AA3：重复步骤AA1-AA2，直至获取所有广告类别的类别推荐表；
所述广告分类模块用于将类别推荐表传输至控制器，所述控制器用于接收类别推荐表并将类别推荐表传输至存储模块进行存储；
所述用户行为分析模块用于将观看标签传输到广告投放模块；所述广告投放模块接收用户行为分析模块传输的观看标签自动从存储模块内存储的类别推荐表中得到匹配的广告信息后推送给用户。
2.根据权利要求1所述的一种基于大数据的广告投放系统，其特征在于，所述广告观看记录包括广告标题、广告类别、观看开始时刻和观看结束时刻；所述点击记录包括点击次数、每次点击的观看时长、以及评论、转发、收藏和点赞的行为特征。
3.根据权利要求1所述的一种基于大数据的广告投放系统，其特征在于，所述用户行为分析模块的具体分析步骤如下：
步骤一：获取预设时间内用户的广告观看记录；将广告观看记录中的观看开始时刻与观看结束时刻进行时间差计算得到观看时长；
步骤二：按照广告类别将同一广告类别的观看次数累加形成类别频次，将类别频次标记为G1i；其中i表示第i个广告类别；
按照广告类别将同一广告类别的观看时长累加形成类别总时长，将类别总时长标记为G2i；类别频次G1i与类别总时长G2i一一对应；
步骤三：对类别频次、类别总时长进行权重分配，将类别频次的权重标记为Z1，将类别总时长的权重标记为Z2，其中Z1和Z2均为固定值且Z1>Z2；
利用公式Qi＝G1i×Z1+G2i×Z2获取得到类别吸引值Qi；
步骤四：将类别吸引值Qi与预设吸引值阈值进行比较；
若Qi≥预设吸引值阈值，则判定该广告类别为用户的偏好广告类别；
步骤五：将1天24h划分为若干个时间段，获取用户的偏好广告类别，按照偏好广告类别获取同一广告类别的广告观看记录，进行进一步分析；具体为：
S51：按照时间段将同一时间段的观看次数累加形成时段频次，将时段频次标记为G3m，其中m表示第m个时间段；
按照时间段将同一时间段的观看时长累加形成时段总时长，将时段总时长标记为G4m，时段频次G3m与时段总时长G4m一一对应；
S52：对时段频次、时段总时长进行权重分配，将时段频次的权重标记为Z3，将时段总时长的权重标记为Z4，其中Z3和Z4均为固定值且Z3>Z4；
利用公式Gm＝G3m×Z3+G4m×Z4获取得到时段吸引值Gm；
S53：将时段吸引值Gi与第一预设阈值进行比较；
若Gi≥第一预设阈值，则该时间段为对应偏好广告类别的偏好观看时间段；
步骤六：重复步骤五，直至获取得到所有偏好广告类别的偏好观看时间段。
4.根据权利要求1所述的一种基于大数据的广告投放系统，其特征在于，所述广告评估模块的具体工作步骤如下：
SS1：获取广告在系统当前时间前15天内的点击记录；
SS2：将广告每天的点击次数标记为单天广告频次Bn，n＝1，…，15；n表示第n天；
SS3：获取广告每次点击的观看时长，并标记为单次观看时长，将每天的单次观看时长进行求和得到单天观看时长，将单天观看时长标记为DTn；
SS4：利用公式
计算得出该广告的单天关注值FCn，其中a1、a2、a3、b1、b2以及b3均为系数因子；
SS5：获取广告每天被评论的次数并标记为Cn；
获取广告每天被转发的次数标记为Dn；
获取广告每天被收藏的次数标记为En；
获取广告每天被点赞的次数标记为Fn；
利用公式SDn＝FCn×a4+Cn×r1+Dn×r2+En×r3+Fn×r4计算得出该广告的单天活跃值SDn，其中，a4、r1、r2、r3和r4均为系数因子；
SS6：重复步骤SS2-SS5，获取该广告在系统当前时间前15天内的单天活跃值SDn；得到单天活跃值信息组；
SS7：按照标准差计算公式计算得到单天活跃值信息组的标准差α，当α大于等于预设值时，舍弃该广告，获取下一条广告，重新执行步骤SS1；
当α小于预设值时，处于待验证状态；
SS8：当单天活跃值信息组处于待验证状态，按照平均值计算公式计算得到单天活跃值信息组的平均值并标记为平均活跃值PL；
利用公式
计算得出该条广告的活稳值β，其中η1、η2、η3和η4均为系数因子。
5.根据权利要求1所述的一种基于大数据的广告投放系统，其特征在于，所述广告投放模块的具体工作步骤为：
DD1：获取系统当前时间并标记为TR；
DD2：获取用户的偏好广告类别和对应的偏好观看时间段，将系统当前时间TR与偏好观看时间段进行对比；
若TR不属于偏好观看时间段，则此时不进行广告投放；
若TR属于偏好观看时间段，获取该偏好观看时间段对应的偏好广告类别，并标记为目标偏好广告类别；
DD3：根据目标偏好广告类别自动从存储模块中获取同一广告类别的类别推荐表并标记为目标类别推荐表，获取目标类别推荐表中活稳值β前五的广告；
DD4：将目标类别推荐表中活稳值β前五的广告传输至控制器，所述控制器用于将目标类别推荐表中活稳值β前五的广告推送至用户终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011187161.8A CN112163909B (zh) | 2020-10-29 | 2020-10-29 | 一种基于大数据的广告投放系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011187161.8A CN112163909B (zh) | 2020-10-29 | 2020-10-29 | 一种基于大数据的广告投放系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112163909A true CN112163909A (zh) | 2021-01-01 |
| CN112163909B CN112163909B (zh) | 2021-05-18 |
Family
ID=73865293
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011187161.8A Active CN112163909B (zh) | 2020-10-29 | 2020-10-29 | 一种基于大数据的广告投放系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112163909B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113222641A (zh) * | 2021-04-12 | 2021-08-06 | 深圳市豪斯莱科技有限公司 | 一种基于大数据强化学习的广告分析和监控方法 |
| CN114065038A (zh) * | 2021-11-17 | 2022-02-18 | 中国银行股份有限公司 | 基于大数据的头条资讯推荐方法及装置 |
| CN114187024A (zh) * | 2021-10-26 | 2022-03-15 | 特赞（上海）信息科技有限公司 | 广告标签时序分析方法、装置、设备和存储介质 |
| CN114331561A (zh) * | 2022-01-06 | 2022-04-12 | 广州岸边网络科技有限公司 | 一种智能广告信息投放匹配系统及方法 |
| CN115099866A (zh) * | 2022-07-07 | 2022-09-23 | 悦诚智慧(厦门)科技有限公司 | 一种基于ai眼镜的广告投放系统 |
| CN115293823A (zh) * | 2022-09-26 | 2022-11-04 | 深圳媒介之家文化传播有限公司 | 基于广告点击数据分析的用户偏好识别方法 |
| CN116150482A (zh) * | 2023-01-28 | 2023-05-23 | 北京黑马企服科技有限公司 | 一种基于大数据云平台的分布式消息推送系统 |
| CN116245574A (zh) * | 2023-02-17 | 2023-06-09 | 欢聚时代文化传媒（北京）有限公司 | 基于特征分析的广告过滤系统 |
| CN116452271A (zh) * | 2023-06-01 | 2023-07-18 | 邯郸市乡年网络科技有限公司 | 一种基于大数据数据处理的广告推送方法及系统 |
| CN117372091A (zh) * | 2023-11-02 | 2024-01-09 | 广州予之文化科技有限公司 | 一种热点事件的群体情绪分析方法及系统 |
| CN117408752A (zh) * | 2023-10-19 | 2024-01-16 | 广州信日信息科技有限公司 | 基于商业智能的广告流量监控系统 |
| CN118134561A (zh) * | 2023-10-19 | 2024-06-04 | 中泽信技术(深圳)有限公司 | 电梯广告的处理方法、装置、存储介质及电梯 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103744957A (zh) * | 2014-01-06 | 2014-04-23 | 同济大学 | 基于Web用户时间属性的序列模式挖掘方法 |
| CN103927673A (zh) * | 2014-03-24 | 2014-07-16 | 腾讯科技（深圳）有限公司 | 一种推荐业务信息的方法及装置 |
| CN106202226A (zh) * | 2016-06-28 | 2016-12-07 | 乐视控股（北京）有限公司 | 一种资源推荐方法及装置 |
| CN106326277A (zh) * | 2015-06-30 | 2017-01-11 | 上海证大喜马拉雅网络科技有限公司 | 一种基于用户行为的音频个性化推荐方法和系统 |
| CN106709033A (zh) * | 2016-12-29 | 2017-05-24 | 腾讯科技（深圳）有限公司 | 一种业务多媒体数据处理方法以及装置 |
| CN107862553A (zh) * | 2017-11-15 | 2018-03-30 | 平安科技（深圳）有限公司 | 广告实时推荐方法、装置、终端设备及存储介质 |
| CN108460631A (zh) * | 2018-02-13 | 2018-08-28 | 口口相传(北京)网络技术有限公司 | 多元化信息的混合推送方法及装置 |
| CN108776907A (zh) * | 2018-05-31 | 2018-11-09 | 康键信息技术（深圳）有限公司 | 广告智能推荐方法、服务器及存储介质 |
| CN109146556A (zh) * | 2018-07-30 | 2019-01-04 | 广州新趋士网络科技有限公司 | 一种网络广告投放系统 |
| CN111401970A (zh) * | 2020-04-09 | 2020-07-10 | 东风小康汽车有限公司重庆分公司 | 一种广告的推送方法、装置、系统 |
| CN111708740A (zh) * | 2020-06-16 | 2020-09-25 | 荆门汇易佳信息科技有限公司 | 基于云平台的海量搜索查询日志计算分析系统 |
| 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 |
-
2020
- 2020-10-29 CN CN202011187161.8A patent/CN112163909B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103744957A (zh) * | 2014-01-06 | 2014-04-23 | 同济大学 | 基于Web用户时间属性的序列模式挖掘方法 |
| CN103927673A (zh) * | 2014-03-24 | 2014-07-16 | 腾讯科技（深圳）有限公司 | 一种推荐业务信息的方法及装置 |
| CN106326277A (zh) * | 2015-06-30 | 2017-01-11 | 上海证大喜马拉雅网络科技有限公司 | 一种基于用户行为的音频个性化推荐方法和系统 |
| CN106202226A (zh) * | 2016-06-28 | 2016-12-07 | 乐视控股（北京）有限公司 | 一种资源推荐方法及装置 |
| CN106709033A (zh) * | 2016-12-29 | 2017-05-24 | 腾讯科技（深圳）有限公司 | 一种业务多媒体数据处理方法以及装置 |
| CN107862553A (zh) * | 2017-11-15 | 2018-03-30 | 平安科技（深圳）有限公司 | 广告实时推荐方法、装置、终端设备及存储介质 |
| CN108460631A (zh) * | 2018-02-13 | 2018-08-28 | 口口相传(北京)网络技术有限公司 | 多元化信息的混合推送方法及装置 |
| CN108776907A (zh) * | 2018-05-31 | 2018-11-09 | 康键信息技术（深圳）有限公司 | 广告智能推荐方法、服务器及存储介质 |
| CN109146556A (zh) * | 2018-07-30 | 2019-01-04 | 广州新趋士网络科技有限公司 | 一种网络广告投放系统 |
| CN111401970A (zh) * | 2020-04-09 | 2020-07-10 | 东风小康汽车有限公司重庆分公司 | 一种广告的推送方法、装置、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 |
| CN111708740A (zh) * | 2020-06-16 | 2020-09-25 | 荆门汇易佳信息科技有限公司 | 基于云平台的海量搜索查询日志计算分析系统 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113222641A (zh) * | 2021-04-12 | 2021-08-06 | 深圳市豪斯莱科技有限公司 | 一种基于大数据强化学习的广告分析和监控方法 |
| CN114187024A (zh) * | 2021-10-26 | 2022-03-15 | 特赞（上海）信息科技有限公司 | 广告标签时序分析方法、装置、设备和存储介质 |
| CN114065038A (zh) * | 2021-11-17 | 2022-02-18 | 中国银行股份有限公司 | 基于大数据的头条资讯推荐方法及装置 |
| CN114331561B (zh) * | 2022-01-06 | 2023-06-06 | 广州岸边网络科技有限公司 | 一种智能广告信息投放匹配系统及方法 |
| CN114331561A (zh) * | 2022-01-06 | 2022-04-12 | 广州岸边网络科技有限公司 | 一种智能广告信息投放匹配系统及方法 |
| CN115099866A (zh) * | 2022-07-07 | 2022-09-23 | 悦诚智慧(厦门)科技有限公司 | 一种基于ai眼镜的广告投放系统 |
| CN115099866B (zh) * | 2022-07-07 | 2023-05-05 | 悦诚智慧(厦门)科技有限公司 | 一种基于ai眼镜的广告投放系统 |
| CN115293823A (zh) * | 2022-09-26 | 2022-11-04 | 深圳媒介之家文化传播有限公司 | 基于广告点击数据分析的用户偏好识别方法 |
| CN115293823B (zh) * | 2022-09-26 | 2023-01-03 | 深圳媒介之家文化传播有限公司 | 基于广告点击数据分析的用户偏好识别方法 |
| CN116150482A (zh) * | 2023-01-28 | 2023-05-23 | 北京黑马企服科技有限公司 | 一种基于大数据云平台的分布式消息推送系统 |
| CN116150482B (zh) * | 2023-01-28 | 2023-09-29 | 北京黑马企服科技有限公司 | 一种基于大数据云平台的分布式消息推送系统 |
| CN116245574A (zh) * | 2023-02-17 | 2023-06-09 | 欢聚时代文化传媒（北京）有限公司 | 基于特征分析的广告过滤系统 |
| CN116452271A (zh) * | 2023-06-01 | 2023-07-18 | 邯郸市乡年网络科技有限公司 | 一种基于大数据数据处理的广告推送方法及系统 |
| CN116452271B (zh) * | 2023-06-01 | 2023-11-17 | 省广营销集团有限公司 | 一种基于大数据数据处理的广告推送方法及系统 |
| CN117408752A (zh) * | 2023-10-19 | 2024-01-16 | 广州信日信息科技有限公司 | 基于商业智能的广告流量监控系统 |
| CN118134561A (zh) * | 2023-10-19 | 2024-06-04 | 中泽信技术(深圳)有限公司 | 电梯广告的处理方法、装置、存储介质及电梯 |
| CN117372091A (zh) * | 2023-11-02 | 2024-01-09 | 广州予之文化科技有限公司 | 一种热点事件的群体情绪分析方法及系统 |
| CN117372091B (zh) * | 2023-11-02 | 2024-02-27 | 广州予之文化科技有限公司 | 一种热点事件的群体情绪分析方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112163909B (zh) | 2021-05-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112163909B (zh) | 一种基于大数据的广告投放系统 | |
| CN112348602B (zh) | 一种基于大数据的广告自动化投放管理系统 | |
| CN110543598B (zh) | 信息推荐方法、装置及终端 | |
| CN105427129B (zh) | 一种信息的投放方法及系统 | |
| US20190379629A1 (en) | Methods and apparatus to estimate demographics of users employing social media | |
| CN110147821B (zh) | 目标用户群体确定方法、装置、计算机设备及存储介质 | |
| CN103714139B (zh) | 一种移动海量客户群识别的并行数据挖掘方法 | |
| CN108492132B (zh) | 一种利用音频特征识别的广告监播投放系统及方法 | |
| CN108038237A (zh) | 一种信息推荐方法与系统 | |
| US10785329B2 (en) | Methods and apparatus to facilitate meter to meter matching for media identification | |
| CN113643070A (zh) | 一种基于大数据的智能信息推送方法及系统 | |
| CN102404240B (zh) | 信息搜索系统及方法 | |
| Arantes et al. | Understanding video-ad consumption on YouTube: a measurement study on user behavior, popularity, and content properties | |
| CN112529635A (zh) | 一种基于大数据的广告推送方法 | |
| CN106919692B (zh) | 一种推送消息的方法和装置 | |
| WO2022247666A1 (zh) | 一种内容的处理方法、装置、计算机设备和存储介质 | |
| CN109145109B (zh) | 基于社交网络的用户群体消息传播异常分析方法及装置 | |
| CN113256356B (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 | |
| CN117421478A (zh) | 一种基于数据分析的用户行为分析系统及方法 | |
| CN116362810B (zh) | 广告投放效果评估方法 | |
| CN111080378A (zh) | 一种基于人脸识别的广告精准投放系统及方法 | |
| KR102471571B1 (ko) | 빅데이터 기반의 인테리어 리빙 상품 추천 시스템 | |
| CN115858815A (zh) | 确定映射信息的方法、广告推荐方法、装置、设备及介质 | |
| CN110413770A (zh) | 将群消息归类到群话题的方法及装置 | |
| US20160078032A1 (en) | Method of on-line media scoring |
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 |