CN112182376A - 一种实时高效分析的互联网广告平台的推荐引擎方法 - Google Patents

Abstract

本发明公开了一种实时高效分析的互联网广告平台的推荐引擎方法，涉及互联网技术领域，具体包括以下步骤：获取用户行为信息；根据用户行为信息生成推荐信息，所述推荐信息至少包括源内容、与源内容相关的用户评价信息、同类度信息、级别信息；根据推荐信息生成推荐关键词，并根据所述推荐关键词向用户推荐与所述推荐关键词相关的内容；本发明基于用户的评价以及源内容的评价能够对用户进行精准的广告推荐，并能够推荐关联度更高的广告内容，能够消除关键词表征兴趣推荐忽略关键词与广告内容的关联度的缺陷，使得互联网广告平台的推荐更为精准，减少无用推荐内容。

Description

一种实时高效分析的互联网广告平台的推荐引擎方法

技术领域

本发明涉及互联网技术领域，更具体地说，它涉及一种实时高效分析的互联网广告平台的推荐引擎方法。

背景技术

互联网广告，是指通过网站、网页、互联网应用程序等互联网媒介，以文字、图片、音频、视频或者其他形式，直接或者间接地推销商品或者服务的商业广告。

与传统的四大传播媒体（报纸、杂志、电视、广播）广告及备受垂青的户外广告相比，互联网广告具有得天独厚的优势，是实施现代营销媒体战略的重要一部分。Internet是一个全新的广告媒体，速度最快效果很理想，是中小企业扩展壮大的很好途径，对于广泛开展国际业务的公司更是如此。

互联网广告可以追踪、研究用户的偏好，这是互联网相对传统媒体营销的优势，也是其精准营销的基础。这几乎是互联网的天然优势——比起传统媒体，每个ip背后的网民的上网行为、浏览习惯、注册的个人信息，都可通过技术手段获取、挖掘，通过对上述内容的长期积累和深度分析，广告商便有机会深入了解用户行为和喜好，按照每个用户的行为特点、地域、兴趣爱好等挑选最匹配的广告信息。一个旅游爱好者与一个汽车爱好者，在访问同一个网站的页面时，看到的广告并不相同，因为系统已经记录了他们的行为习惯和喜好，使得广告的设定不再千篇一律。当然，达到这种精准性需要多样的技术支持；

现有技术中的互联网广告平台一般是根据用户搜索或使用的内容的关键词进行关联推荐，难以精准把握用户的需求，存在大量无用内容的推荐。

发明内容

本发明提供一种实时高效分析的互联网广告平台的推荐引擎方法，解决相关技术中难以精准把握用户的需求的技术问题。

根据本发明的一个方面，提供了一种实时高效分析的互联网广告平台的推荐引擎方法，包括以下步骤：

步骤S1，获取用户行为信息；

步骤S2，根据用户行为信息生成推荐信息，推荐信息至少包括源内容、与源内容相关的用户评价信息、同类度信息、级别信息；

步骤S3，根据推荐信息生成推荐关键词，并根据推荐关键词向用户推荐与推荐关键词相关的内容。

进一步地，所述用户行为信息是用户对于源内容的评价和针对用户的评价的评价，针对用户的评价的评价划分级别，用户对源内容的评价为一级评价，对于一级评价的评价为二级评价，对于二级评价的评价为三级评价。

进一步地，所述同类度信息是对于用户的评价的下一级评价的数量；

或对于用户的评价的更低级的评价的数量；

或对于用户的评价的下一级评价中肯定该用户的评价的数量；

或对于用户的评价的更低级的评价中肯定该用户的评价的数量。

进一步地，所述源内容均具有对应的至少一个以上的关键词。

进一步地，所述根据推荐信息生成推荐关键词包括：

步骤S311，选取源内容项下的用户的评价中出现的次数超过次数阈值或频率超过频率阈值的至少一个以上的词语的作为新关键词赋予到源内容上；

步骤S312，至少选择一个以上的与源内容初始时具有的旧关键词相同的新关键词作为待取关键词；

步骤S313，根据待取关键词第一次出现的用户的评论的级别、待取关键词的同类度以及待取关键词在源内容项下的评价中出现的次数计算待取关键词与源内容的关联度；

其中待取关键词的同类度是对待取关键词指向为肯定的源内容项下的用户的评价的数量；

步骤S314，选取与源内容的关联度超过阈值待取关键词作为该源内容的推荐关键词。

进一步地，所述计算待取关键词与源内容的关联度的计算公式如下：

关联度Z=W1*A+W2*B+W3*C，其中A表示待取关键词第一次出现的用户的评论的级别、B表示待取关键词的同类度、C表示待取关键词在源内容项下的评价中出现的次数、W1表示第一权重、W2表示第二权重、W3表示第三权重。

进一步地，所述根据推荐关键词向用户推荐与推荐关键词相关的内容包括：

选取待推荐的用户的评论中出现最多的词语相同的推荐关键词关联的源内容推荐给该用户。

根据本发明的一个方面，提供了一种实时高效分析的互联网广告平台的推荐引擎方法的平台，包括：

内容平台，内容平台通过网络连接用户终端，内容平台配置在大数据云平台上或独立于大数据云平台之外，独立于大数据云平台之外时通过网络连接大数据云平台；

内容平台可操作于从大数据云平台获取与用户相关的数据，提取推荐信息，根据推荐信息给用户推荐广告内容；

内容平台至少包括：

数据获取单元，其被连接来接收大数据云平台的与用户相关的数据，可操作于将与用户相关的数据发送给推荐信息生成单元；

推荐信息生成单元，其可操作于生成推荐信息，推荐信息至少包括源内容、与源内容相关的用户评价信息、同类度信息、级别信息；

推荐引擎单元，其可操作于根据推荐信息生成推荐关键词，并根据推荐关键词向用户推荐与推荐关键词相关的内容。

进一步地，所述推荐引擎单元包括：

提词单元，其可操作于选取源内容项下的用户的评价中出现的次数超过次数阈值或频率超过频率阈值的至少一个以上的词语的作为新关键词赋予到源内容上；

待取关键词生成单元，其可操作于选择一个以上的与源内容初始时具有的旧关键词相同的新关键词作为待取关键词；

关联度计算单元，其可操作于计算待取关键词与源内容的关联度；

推荐关键词生成单元，其可操作于选取与源内容的关联度超过阈值待取关键词作为该源内容的推荐关键词；

内容推荐单元，其可操作于选取待推荐的用户的评论中出现最多的词语相同的推荐关键词关联的源内容推荐给该用户。

本发明的有益效果在于：本发明基于用户的评价以及源内容的评价能够对用户进行精准的广告推荐，并能够推荐关联度更高的广告内容，能够消除关键词表征兴趣推荐忽略关键词与广告内容的关联度的缺陷，该关联度由于是基于用户的评论提取出来的，因此将用户作为集群来通过集群人性化集体化兴趣提取，改变单纯依靠机器计算与用户实际需求偏离的缺陷，使得互联网广告平台的推荐更为精准，减少无用推荐内容。

附图说明

图1是本发明实施例的实时高效分析的互联网广告平台的推荐引擎方法的流程示意图；

图2是本发明实施例的根据推荐信息生成推荐关键词的流程示意图；

图3是本发明实施例的实时高效分析的互联网广告平台的模块示意图；

图4是本发明实施例的推荐引擎单元的模块示意图。

具体实施方式

现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。例如，所描述的方法可以按照与所描述的顺序不同的顺序来执行，以及各个步骤可以被添加、省略或者组合。另外，相对一些示例所描述的特征在其它例子中也可以进行组合。

在本实施例中提供了一种实时高效分析的互联网广告平台的推荐引擎方法，如图1所示是根据本发明的实时高效分析的互联网广告平台的推荐引擎方法的流程示意图，如图1所示，该实时高效分析的互联网广告平台的推荐引擎方法包括以下步骤：

步骤S1，获取用户行为信息；

步骤S2，根据用户行为信息生成推荐信息，推荐信息至少包括源内容、与源内容相关的用户评价信息、同类度信息、级别信息；

用户行为信息可以是用户对于源内容的评价和针对用户的评价的评价（复评价），针对用户的评价的评价（复评价）划分级别，用户对源内容的评价为一级评价，对于一级评价的评价为二级评价，对于二级评价的评价为三级评价，以此类推；

当然的，同类度信息可以是对于用户的评价的一个类型的信息，可选但不限于：

对于用户的评价的下一级评价的数量；此时同类度信息较为模糊的表征与该用户同类的其他用户的数量；

对于用户的评价的更低级的评价的数量；此时同类度信息在更大范围内较为模糊的表征与该用户同类的其他用户的数量；

对于用户的评价的下一级评价中肯定该用户的评价的数量；此时同类度信息高度表征与该用户同类的的其他用户的数量；

对于用户的评价的更低级的评价中肯定该用户的评价的数量；此时同类度信息在更大范围内高度表征与该用户同类的其他用户的数量；

上述用户的评价不局限于一级评价，也可以是二级评价或三级评价或N级评价；

通过本实施例提供的上述数据来源可以获得与源内容相关的用户行为信息、同类度信息、级别信息；

在上述过程中，评价不仅限于评论也可以是用户的肯定或否定选择，例如对于网页或其他用户界面上加载的“是”或“否”的选项、“好”或“差”的选项、“赞”或“踩”的选项；上述用户的选择信息同样可作为上述的“评价”，上述的“评价”不局限于通过编辑语言的评价还包括其他类型的能够表达用户态度的评价方式和内容；

在上述过程中，源内容也是推荐的内容，部分源内容可能也不存在与其相关的用户评价信息、同类度信息、级别信息，因为其未被评价过；

但是每个源内容均具有对应的至少一个以上的关键词；该关键词是表征源内容关键属性的词语，也可以是源内容的提供者自定义的词语，其表征着用户的兴趣以及广告平台对该兴趣的用户的推荐方向，也即将内容与用户兴趣联系的关键；

步骤S3，根据推荐信息生成推荐关键词，并根据推荐关键词向用户推荐与推荐关键词相关的内容；

如图2所示，根据推荐信息生成推荐关键词包括：

步骤S311，选取源内容项下的用户的评价中出现的次数超过次数阈值或频率超过频率阈值的至少一个以上的词语的作为新关键词赋予到源内容上。

在上述过程中，频率表征词语出现次数与源内容项下的用户的评价的总条数的比值。

步骤S312，至少选择一个以上的与源内容初始时具有的旧关键词相同的新关键词作为待取关键词；

例如从一个奶瓶广告的用户的评论中选取新关键词“奶粉”、“尿不湿”、“啤酒”等，而源内容初始时具有的旧关键词包括“奶粉”、“尿不湿”，则从“奶粉”、“尿不湿”中选择一个以上的作为待取关键词；

步骤S313，计算待取关键词与源内容的关联度，具体是，根据待取关键词第一次出现的用户的评论的级别、待取关键词的同类度以及待取关键词在源内容项下的评价中出现的次数进行计算；

其中待取关键词的同类度是对待取关键词指向为肯定的源内容项下的用户的评价的数量；

计算公式如下：关联度Z=W1*A+W2*B+W3*C，其中A表示待取关键词第一次出现的用户的评论的级别、B表示待取关键词的同类度、C表示待取关键词在源内容项下的评价中出现的次数、W1表示第一权重、W2表示第二权重、W3表示第三权重；

以“奶粉”为例，A为2（第一次出现在第二级别的评论中），B为23（肯定的评价为23条），C为50；

W1为1，W2为0.2，W3为0.1，关联度为2+4.6+5=11.6。

步骤S314，选取与源内容的关联度超过阈值待取关键词作为该源内容的推荐关键词；

根据推荐关键词向用户推荐与推荐关键词相关的内容包括：

选取待推荐的用户的评论中出现最多的词语相同的推荐关键词关联的源内容推荐给该用户。

基于用户的评价以及源内容的评价能够对用户进行精准的广告推荐，并能够推荐关联度更高的广告内容，能够消除关键词表征兴趣推荐忽略关键词与广告内容的关联度的缺陷，该关联度由于是基于用户的评论提取出来的，因此将用户作为集群来通过集群人性化集体化兴趣提取，改变单纯依靠机器计算与用户实际需求偏离的缺陷；

如图3所示，基于上述的实时高效分析的互联网广告平台的推荐引擎方法，本实施例提供一种实时高效分析的互联网广告平台，包括：

内容平台100，内容平台100通过网络连接用户终端200，内容平台100配置在大数据云平台300上或独立于大数据云平台300之外，独立于大数据云平台300之外时通过网络连接大数据云平台300；

内容平台100可操作于从大数据云平台300获取与用户相关的数据，提取推荐信息，根据推荐信息给用户推荐广告内容；

内容平台100至少包括：

数据获取单元110，其被连接来接收大数据云平台300的与用户相关的数据，可操作于将与用户相关的数据发送给推荐信息生成单元120；

推荐信息生成单元120，其可操作于生成推荐信息，推荐信息至少包括源内容、与源内容相关的用户评价信息、同类度信息、级别信息；

推荐引擎单元130，其可操作于根据推荐信息生成推荐关键词，并根据推荐关键词向用户推荐与推荐关键词相关的内容。

推荐引擎单元130的操作包括：

选取源内容项下的用户的评价中出现的次数超过次数阈值或频率超过频率阈值的至少一个以上的词语的作为新关键词赋予到源内容上。

至少选择一个以上的与源内容初始时具有的旧关键词相同的新关键词作为待取关键词；

例如从一个奶瓶广告的用户的评论中选取新关键词“奶粉”、“尿不湿”、“啤酒”等，而源内容初始时具有的旧关键词包括“奶粉”、“尿不湿”，则从“奶粉”、“尿不湿”中选择一个以上的作为待取关键词；

计算待取关键词与源内容的关联度，具体是，根据待取关键词第一次出现的用户的评论的级别、待取关键词的同类度以及待取关键词在源内容项下的评价中出现的次数；

其中待取关键词的同类度是对待取关键词指向为肯定的源内容项下的用户的评价的数量；

计算公式如下：关联度Z=W1*A+W2*B+W3*C，其中A表示待取关键词第一次出现的用户的评论的级别、B表示待取关键词的同类度、C表示待取关键词在源内容项下的评价中出现的次数、W1表示第一权重、W2表示第二权重、W3表示第三权重；

以“奶粉”为例，A为2（第一次出现在第二级别的评论中），B为23（肯定的评价为23条），C为50；

选取与源内容的关联度超过阈值待取关键词作为该源内容的推荐关键词；

选取待推荐的用户的评论中出现最多的词语相同的推荐关键词关联的源内容推荐给该用户；

用户终端200至少可以展示、编写或修改内容，具体的可以是智能手机、笔记本电脑或PC等智能设备，还可以是未来可能会出现的其他具有类似功能的智能终端。

如图4所示，依据上述的操作，本实施例提供一种推荐引擎单元130，包括：

提词单元131，其可操作于选取源内容项下的用户的评价中出现的次数超过次数阈值或频率超过频率阈值的至少一个以上的词语的作为新关键词赋予到源内容上；

待取关键词生成单元132，其可操作于选择一个以上的与源内容初始时具有的旧关键词相同的新关键词作为待取关键词；

关联度计算单元133，其可操作于计算待取关键词与源内容的关联度；

推荐关键词生成单元134，其可操作于选取与源内容的关联度超过阈值待取关键词作为该源内容的推荐关键词；

内容推荐单元135，其可操作于选取待推荐的用户的评论中出现最多的词语相同的推荐关键词关联的源内容推荐给该用户；

大数据云平台300，其存储与用户相关的数据，并可操作于将于用户相关的数据发送给内容平台100；

大数据云平台300包含至少一个以上的数据库，对于超过一个的数据库组成的大数据云平台300还包括连接各个数据库的数据库管理单元，数据库管理单元至少能够对各个数据库之间进行数据交换并管理数据库内的数据；

数据库与数据库管理单元、数据库与数据库之间可以是通过网络、局域网等方式进行连接以交换数据。

与用户相关的数据至少包括源内容、与源内容相关的用户行为信息。

Claims (9)

1.一种实时高效分析的互联网广告平台的推荐引擎方法，其特征在于，包括以下步骤：

步骤S1，获取用户行为信息；

步骤S2，根据用户行为信息生成推荐信息，所述推荐信息至少包括源内容、与源内容相关的用户评价信息、同类度信息、级别信息；

步骤S3，根据推荐信息生成推荐关键词，并根据所述推荐关键词向用户推荐与所述推荐关键词相关的内容。

2.根据权利要求1所述的一种实时高效分析的互联网广告平台的推荐引擎方法，其特征在于，所述用户行为信息是用户对于源内容的评价和针对用户的评价的评价，针对用户的评价的评价划分级别，用户对源内容的评价为一级评价，对于一级评价的评价为二级评价，对于二级评价的评价为三级评价。

3.根据权利要求1所述的一种实时高效分析的互联网广告平台的推荐引擎方法，其特征在于，所述同类度信息是对于用户的评价的下一级评价的数量；

或对于用户的评价的更低级的评价的数量；

或对于用户的评价的下一级评价中肯定该用户的评价的数量；

或对于用户的评价的更低级的评价中肯定该用户的评价的数量。

4.根据权利要求1所述的一种实时高效分析的互联网广告平台的推荐引擎方法，其特征在于，所述源内容均具有对应的至少一个以上的关键词。

5.根据权利要求1所述的一种实时高效分析的互联网广告平台的推荐引擎方法，其特征在于，所述根据推荐信息生成推荐关键词包括：

步骤S311，选取源内容项下的用户的评价中出现的次数超过次数阈值或频率超过频率阈值的至少一个以上的词语的作为新关键词赋予到源内容上；

步骤S312，至少选择一个以上的与源内容初始时具有的旧关键词相同的新关键词作为待取关键词；

步骤S313，根据待取关键词第一次出现的用户的评论的级别、待取关键词的同类度以及待取关键词在源内容项下的评价中出现的次数计算待取关键词与源内容的关联度；

其中待取关键词的同类度是对待取关键词指向为肯定的源内容项下的用户的评价的数量；

步骤S314，选取与源内容的关联度超过阈值待取关键词作为该源内容的推荐关键词。

6.根据权利要求1所述的一种实时高效分析的互联网广告平台的推荐引擎方法，其特征在于，所述计算待取关键词与源内容的关联度的计算公式如下：

关联度Z=W1*A+W2*B+W3*C，其中A表示待取关键词第一次出现的用户的评论的级别、B表示待取关键词的同类度、C表示待取关键词在源内容项下的评价中出现的次数、W1表示第一权重、W2表示第二权重、W3表示第三权重。

7.根据权利要求1所述的一种实时高效分析的互联网广告平台的推荐引擎方法，其特征在于，所述根据推荐关键词向用户推荐与推荐关键词相关的内容包括：

选取待推荐的用户的评论中出现最多的词语相同的推荐关键词关联的源内容推荐给该用户。

8.根据权利要求1~7任一所述的一种实时高效分析的互联网广告平台的推荐引擎方法的平台，其特征在于，包括：

内容平台，内容平台通过网络连接用户终端，内容平台配置在大数据云平台上或独立于大数据云平台之外，独立于大数据云平台之外时通过网络连接大数据云平台；

内容平台可操作于从大数据云平台获取与用户相关的数据，提取推荐信息，根据推荐信息给用户推荐广告内容；

内容平台至少包括：

数据获取单元，其被连接来接收大数据云平台的与用户相关的数据，可操作于将与用户相关的数据发送给推荐信息生成单元；

推荐信息生成单元，其可操作于生成推荐信息，推荐信息至少包括源内容、与源内容相关的用户评价信息、同类度信息、级别信息；

推荐引擎单元，其可操作于根据推荐信息生成推荐关键词，并根据推荐关键词向用户推荐与推荐关键词相关的内容。

9.根据权利要求8所述的一种实时高效分析的互联网广告平台的推荐引擎方法的平台，其特征在于，所述推荐引擎单元包括：

提词单元，其可操作于选取源内容项下的用户的评价中出现的次数超过次数阈值或频率超过频率阈值的至少一个以上的词语的作为新关键词赋予到源内容上；

待取关键词生成单元，其可操作于选择一个以上的与源内容初始时具有的旧关键词相同的新关键词作为待取关键词；

关联度计算单元，其可操作于计算待取关键词与源内容的关联度；

推荐关键词生成单元，其可操作于选取与源内容的关联度超过阈值待取关键词作为该源内容的推荐关键词；

内容推荐单元，其可操作于选取待推荐的用户的评论中出现最多的词语相同的推荐关键词关联的源内容推荐给该用户。

Images