CN115687790B - 基于大数据的广告推送方法、系统及云平台 - Google Patents

Abstract

本发明提供的基于大数据的广告推送方法、系统及云平台，通过获取广告的待推送广告概要文本，再从待推送广告概要文本中获取第一广告刻画文本和广告推送分析文本，以及通过第一广告刻画文本和广告推送分析文本获取所述广告的用户画像群体表征要素，最后基于用户画像群体表征要素将所述广告向所述多个用户终端进行大数据推送。通过对广告推送分析文本进行用户画像标签关联分析，对广告的目标受众群体进行第一步判断，然后结合第一广告刻画文本，根据预先建立的配对结果进行分析，从而得到待推送广告概要文本对应的广告的用户画像群体表征要素，提升了判断结果的精确度，同时极大降低人力投入，减少软硬件资源开销。

Description

基于大数据的广告推送方法、系统及云平台

技术领域

本申请涉及业务推送领域，具体而言，涉及一种基于大数据的广告推送方法、系统及云平台。

背景技术

随着互联网的高速发展，互联网用户和互联网信息呈爆炸式增长，丰富的用户基础使得内容平台开始进行广告的投放，广告作为内容平台的主要收入来源，平台在广告的输出上需要进行充分考量，因为如果机械僵硬地将广告无差别推送给每一个用户，用户的使用感受收到影响，会降低对平台的粘性，可能造成用户流失，且该广告推送也是无效推送。因此，如何能够将广告有针对性地推送到转化率高的用户群体，是亟待解决的问题，通过人力进行广告的逐一甄别显然并不高效。

发明内容

本发明的目的在于提供一种基于大数据的广告推送方法、系统及云平台。

本发明是这样实现的：

第一方面，本申请实施例提供一种基于大数据的广告推送方法，应用于云平台，所述云平台与多个用户终端通信连接，所述方法包括：

获取广告的待推送广告概要文本；

从所述待推送广告概要文本中获取第一广告刻画文本和广告推送分析文本；

通过所述第一广告刻画文本和广告推送分析文本获取所述广告的用户画像群体表征要素；

基于所述用户画像群体表征要素将所述广告向所述多个用户终端进行大数据推送。

可选地，所述从所述待推送广告概要文本中获取第一广告刻画文本和广告推送分析文本，通过所述第一广告刻画文本和广告推送分析文本获取上述广告的用户画像群体表征要素；包括：

确定所述待推送广告概要文本中与事先部署的广告筛选要素关联的第一广告刻画文本，将所述待推送广告概要文本中清洗掉所述第一广告刻画文本后的广告概要文本确定为广告推送分析文本；

将所述广告推送分析文本与事先部署的多个目标用户画像群体的画像标签集进行关联分析，得到所述广告推送分析文本中与所述画像标签集的用户画像标签关联的推送描述文本；

通过所述广告推送分析文本中与每一所述目标用户画像群体对应的推送描述文本，从所述目标用户画像群体中确定所述待推送广告概要文本对应的广告的第一临时用户画像群体，依据所述目标用户画像群体与第一用户画像群体表征要素的匹配情况，确定所述第一临时用户画像群体的第一用户画像群体表征要素；

对所述第一广告刻画文本和所述第一用户画像群体表征要素进行知识字段提取，得到知识字段提取结果，将所述知识字段提取结果确定为所述待推送广告概要文本对应的推送用户画像群体知识字段；

根据用户画像群体知识字段与第二用户画像群体表征要素的事先建立的配对结果以及所述推送用户画像群体知识字段，确定所述待推送广告概要文本对应的第三用户画像群体表征要素，将所述第三用户画像群体表征要素确定为所述待推送广告概要文本对应的广告的用户画像群体表征要素。

可选地，所述通过所述广告推送分析文本中与每一所述目标用户画像群体对应的推送描述文本，从所述目标用户画像群体中确定所述待推送广告概要文本对应的广告的第一临时用户画像群体，包括：

根据每一所述目标用户画像群体的用户画像标签的用户画像群体贡献度以及所述广告推送分析文本在每一所述画像标签集中确定的推送描述文本，确定所述广告推送分析文本与每一所述目标用户画像群体的匹配度，所述用户画像群体贡献度代表所述用户画像标签在所属目标用户画像群体中的重要度；

通过所述广告推送分析文本与每一所述目标用户画像群体的匹配度，得到所述待推送广告概要文本对应的广告的第一临时用户画像群体。

可选地，所述根据每一所述目标用户画像群体的用户画像标签的用户画像群体贡献度以及所述广告推送分析文本在每一所述画像标签集中确定的推送描述文本，确定所述广告推送分析文本与每一所述目标用户画像群体的匹配度，包括：

获取所述推送描述文本和与所述推送描述文本关联的用户画像标签之间的量化共性结果；

根据每一所述目标用户画像群体的用户画像标签的用户画像群体贡献度和所述量化共性结果，确定所述推送描述文本与每一所述目标用户画像群体的匹配度；

基于所述广告推送分析文本中的推送描述文本，和所述推送描述文本与每一所述目标用户画像群体的匹配度，确定所述广告推送分析文本与每一所述目标用户画像群体的匹配度。

可选地，所述确定待推送广告概要文本中，与事先部署的广告筛选要素关联的第一广告刻画文本的步骤之前，所述方法还包括：

获取过往广告的过往推送广告概要文本的过往用户画像群体知识字段和所述过往广告的第二用户画像群体表征要素；

将归属同一过往广告的第二用户画像群体表征要素和过往用户画像群体知识字段进行配对，得到所述用户画像群体知识字段与所述第二用户画像群体表征要素的配对结果；

所述根据用户画像群体知识字段与第二用户画像群体表征要素的事先建立的配对结果以及所述推送用户画像群体知识字段，确定所述待推送广告概要文本对应的第三用户画像群体表征要素，包括：

确定所述推送用户画像群体知识字段，与所述事先建立的配对结果中每一所述用户画像群体知识字段的量化共性结果；

根据每一所述用户画像群体知识字段对应的所述量化共性结果以及每一所述用户画像群体知识字段对应的第二用户画像群体表征要素，确定所述待推送广告概要文本对应的第三用户画像群体表征要素。

可选地，所述确定所述推送用户画像群体知识字段，与所述事先建立的配对结果中各用户画像群体知识字段的量化共性结果，包括：

获取所述推送用户画像群体知识字段与每一所述用户画像群体知识字段的预设矢量值，将所述预设矢量值确定为所述推送用户画像群体知识字段与每一所述用户画像群体知识字段的量化共性结果；

所述根据每一所述用户画像群体知识字段对应的量化共性结果以及所述用户画像群体表征要素，确定所述待推送广告概要文本对应的第三用户画像群体表征要素，包括：

依据所述量化共性结果从所述用户画像群体知识字段中获取理想数目的用户画像群体知识字段作为对照用户画像群体知识字段；

通过所述对照用户画像群体知识字段对应的第二用户画像群体表征要素，确定每一第二用户画像群体表征要素下的对照用户画像群体知识字段的数目；

根据每一所述第二用户画像群体表征要素下的对照用户画像群体知识字段的数目，确定所述待推送广告概要文本对应的第三用户画像群体表征要素。

可选地，所述根据每一所述第二用户画像群体表征要素下的对照用户画像群体知识字段的数目，确定所述待推送广告概要文本对应的第三用户画像群体表征要素，包括：

确定每一所述第二用户画像群体表征要素下对应的对照用户画像群体知识字段的数目，与所述理想数目的预设计算结果，得到每一所述第二用户画像群体表征要素对应的支持率；

如果具有支持率大于支持率阈值的第二用户画像群体表征要素，从支持率大于所述支持率阈值的第二用户画像群体表征要素中确定所述待推送广告概要文本对应的第二用户画像群体表征要素，得到第三用户画像群体表征要素；

如果没有支持率大于支持率阈值的第二用户画像群体表征要素，将所述待推送广告概要文本和所述待推送广告概要文本在每一所述第二用户画像群体表征要素下对应的对照用户画像群体知识字段的数目，确定为困难推送分析文本；

将所述困难推送分析文本输出至二级校验终端；

获取所述二级校验终端返回的针对所述困难推送分析文本的二级校验信息，若所述二级校验信息中包括为所述待推送广告概要文本匹配的第四用户画像群体表征要素，将所述第四用户画像群体表征要素确定为所述待推送广告概要文本对应的第三用户画像群体表征要素。

可选地，所述方法还包括：

从所述多个目标用户画像群体的画像标签集中，选择所述第三用户画像群体表征要素对应的目标画像标签集；

通过所述目标画像标签集，确定所述目标画像标签集中与所述广告推送分析文本关联的目标用户画像标签；

获取所述第三用户画像群体表征要素对应的广告推送决策样本，所述广告推送决策样本中包括画像空缺区域的归类引导内容，所述归类引导内容用于引导提示所述画像空缺区域上待归类完善的用户画像标签；

根据所述归类引导内容，选择所述目标用户画像标签中待归类完善的用户画像标签，将所述待归类完善的用户画像标签，粘贴至所述广告推送决策样本对应的画像空缺区域，得到广告推送决策文档；

基于所述广告推送决策文档进行广告推送。

第二方面，本申请实施例提供了一种广告推送系统，包括云平台和多个用户终端，所述云平台与多个所述用户终端通信连接，所述云平台被配置成执行本申请第一方面提供的方法。

第三方面，本申请实施例提供了一种云平台，其特征在于，所述云平台与多个用户终端通信连接，所述云平台包括处理器和存储器，所述存储器存储有计算机程序，当所述处理器运行所述计算机程序时，实现如本申请第一方面提供的方法。

本申请实施例提供的基于大数据的广告推送方法、系统及云平台，通过获取待推送广告概要文本，确定出待推送广告概要文本中与事先部署的广告筛选要素关联的第一广告刻画文本，将该待推送广告概要文本中清洗掉该第一广告刻画文本后的广告概要文本确定为广告推送分析文本，并将该广告推送分析文本与事先部署的多个目标用户画像群体的画像标签集进行关联分析，得到该广告推送分析文本中与该画像标签集的用户画像标签关联的推送描述文本，基于广告推送分析文本中与每一所述目标用户画像群体对应的推送描述文本，从该目标用户画像群体中确定该待推送广告概要文本对应的广告的第一临时用户画像群体，依据目标用户画像群体与第一用户画像群体表征要素的匹配情况，获取该第一临时用户画像群体的第一用户画像群体表征要素，将该第一广告刻画文本和该第一用户画像群体表征要素进行知识字段提取，得到知识字段提取结果，将知识字段提取结果确定为该待推送广告概要文本对应的推送用户画像群体知识字段，根据用户画像群体知识字段与第二用户画像群体表征要素的事先建立的配对结果以及该推送用户画像群体知识字段，确定该待推送广告概要文本对应的第三用户画像群体表征要素，将该第三用户画像群体表征要素确定为该待推送广告概要文本对应的广告的用户画像群体表征要素。通过对广告推送分析文本进行用户画像标签关联分析，得到广告推送分析文本在第一临时用户画像群体下的第一用户画像群体表征要素，对广告的目标受众群体进行第一步判断，然后结合第一广告刻画文本，根据预先建立的配对结果进行分析，从而得到待推送广告概要文本对应的广告的用户画像群体表征要素，提升了判断结果的精确度，同时极大降低人力投入，减少软硬件资源开销。

在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中参考数字在附图的各个视图中代表相似的机构。

图1是根据本申请的一些实施例所示的一种基于大数据的广告推送系统的框图。

图2是根据本申请的一些实施例所示的一种云平台中硬件和软件组成的示意图。

图3是根据本申请的一些实施例所示的一种基于大数据的广告推送方法的流程图。

图4是本申请实施例提供的广告推送装置的架构示意图。

具体实施方式

为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。

在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本申请。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本申请的方面。

这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这些形成本申请的一部分。然而，需要理解清楚的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当了解的是，这些图纸不是按比例绘制的。然而，应当明确理解的是，附图仅用于说明和描述的目的，并不意图限制本申请的范围。应当知晓的是，这些附图并不依照比例。

本申请中使用流程图说明根据本申请的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。

图1是根据本申请的一些实施例所示的基于大数据的广告推送系统400的系统架构框图，该广告推送系统400可以包括云平台100和多个与之通信的用户终端200。

用户终端200为目标用户接受业务数据（如广告）时使用的设备，例如可以是具备网络交互功能的个人电脑、笔记本电脑、平板电脑或智能手机等。

另外，广告推送系统400还可以包括二级校验终端300，与云平台100之间通信，其可以和用户终端200具有相同的配置。

在一些实施例中，请参照图2，是云平台100的架构示意图，该云平台100包括广告推送装置110、存储器120、处理器130和通信单元140。存储器120、处理器130以及通信单元140各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。广告推送装置110包括至少一个可以软件或固件（firmware）的形式存储于存储器120中或固化在云平台100的操作系统（operating system，OS）中的软件功能模块。处理器130用于执行存储器120中存储的可执行模块，例如基于教育的业务信息处理装置110所包括的软件功能模块及计算机程序等。

其中，所述存储器120可以是，但不限于，随机存取存储器（Random AccessMemory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（ProgrammableRead-Only Memory，PROM），可擦除只读存储器（Erasable Programmable Read-OnlyMemory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-OnlyMemory，EEPROM）等。其中，存储器120用于存储程序，处理器130在接收到执行指令后，执行所述程序。通信单元140用于通过网络建立云平台100与用户终端200之间的通信连接，并用于通过网络收发数据。

处理器可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器（DSP)）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

可以理解，图2所示的结构仅为示意，云平台100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。

图3是根据本申请的一些实施例所示的一种基于大数据的广告推送方法的流程图，该方法应用于图1中的云平台100，具体可以包括以下步骤S1-步骤S7。在以下步骤S1-步骤S7的基础上，将对一些可选实施例进行说明，这些实施例应当理解为示例，不应理解为实现本方案所必不可少的技术特征。

本申请实施例提供的基于大数据的广告推送方法，包括以下步骤：

步骤S1，获取广告的待推送广告概要文本。

步骤S2，从待推送广告概要文本中获取第一广告刻画文本和广告推送分析文本并通过第一广告刻画文本和广告推送分析文本获取广告的用户画像群体表征要素。

步骤S3，基于用户画像群体表征要素将广告向多个用户终端进行大数据推送。

以下对上述步骤进行详细介绍：

对于步骤S1，待推送广告概要文本是对待推送的广告的介绍信息，例如广告涉及的商品、商品的功效、商品的使用条件、商品的价格、商品的产地等等。

对于步骤S2，具体可以包括以下步骤：

步骤S21，确定待推送广告概要文本中与事先部署的广告筛选要素关联的第一广告刻画文本，将待推送广告概要文本中清洗掉第一广告刻画文本后的广告概要文本确定为广告推送分析文本。

其中，事先部署的广告筛选要素可以是根据可以合法收集到的用户群体的信息进行归纳总结的信息，例如性别、年龄、学历、工作性质、婚恋状态等。云平台可以将待推送广告概要文本与事先部署的广告筛选要素进行关联分析，得到与事先部署的广告筛选要素对应的第一广告刻画文本。例如，事先部署的广告筛选要素包括性别、身份、消费区间等，待推送广告概要文本为“帮助忙碌的上班族男性在忙碌的工作日快速剃须，光滑无残留，价格1000元……”，则第一广告刻画文本为：针对男性，已参加工作，消费区间为1000元以内。

为了增加后续步骤中获得的第三用户画像群体表征要素（在后文介绍）的精确度，在对待推送广告概要文本进行分析，得到待推送广告概要文本之前，需要事先构建在广告推送方法中采取的配对结果。包括以下步骤：

获取过往广告的过往推送广告概要文本的过往用户画像群体知识字段和过往广告的第二用户画像群体表征要素；将归属同一过往广告的第二用户画像群体表征要素和过往用户画像群体知识字段进行配对，得到用户画像群体知识字段与第二用户画像群体表征要素的配对结果；在本申请实施例中，过往推送广告概要文本可以为过往时间周期内过往广告包含的待推送广告概要文本，例如在进行配对时，挑选以往一段时间内平台推送的所有广告的待推送广告概要文本作为过往推送广告概要文本。过往广告的第二用户画像群体表征要素可以是通过人工对过往推送广告概要文本进行分析得到用户画像群体后得到的。

作为一种实施方式，在配对结果中，一个过往广告的第二用户画像群体表征要素可以仅和一个过往用户画像群体知识字段配对，不同的过往用户画像群体知识字段配对的过往广告的第二用户画像群体表征要素可以相同，抑或是一个过往广告的第二用户画像群体表征要素与多个过往用户画像群体知识字段配对。

步骤S22，将广告推送分析文本与事先部署的多个目标用户画像群体的画像标签集进行关联分析，得到广告推送分析文本中与画像标签集的用户画像标签关联的推送描述文本。

其中，目标用户画像群体可以是平台根据预设规则对用户进行的各种归类，每一个分类通过一个用户画像来描绘，一个用户画像指示一个用户群体。作为一种实施方式，每个用户画像群体都有匹配的画像标签集，画像标签集中包含多个用于描绘用户画像的画像标签，例如画像标签可以是年龄、性别、职业、婚恋状态等。需要说明的是，不同用户画像群体的画像标签集中可能具有重叠的画像标签。当画像标签集中的一个或多个画像标签与广告推送分析文本关联（匹配）时，与广告推送分析文本关联的画像标签为用户画像标签，广告推送分析文本中与画像标签集的用户画像标签关联的词为推送描述文本。需要说明，不同目标用户画像群体对应的画像标签可以重叠，即具有交集，对应的推送描述文本也可以有重叠。为了使推送描述文本与用户群体的相关性得到保障，在确定广告推送分析文本中的推送描述文本时，推送描述文本可以包括与用户画像标签完全关联的文本，还可以包括对文本的补充描述内容。

作为另一实施方式，如果广告推送分析文本中，包含的一些文本与画像标签集中的用户画像标签关联性不足，但是量化共性结果（相似性度量结果，指示接近程度，可通过向量距离表示）大于阈值，可以将以上文本确定为推送描述文本，同时留存每个推送描述文本对应的量化共性结果。

举例而言，某用户画像群体对应的画像标签集中，包括“皮肤油腻”的用户画像标签。设定待推送广告中广告推送分析文本中的概要信息包含“针对肌肤出油问题有效解决”的文本，那么，在确定推送描述文本时，将“肌肤出油”确定为推送描述文本，同时留存“肌肤出油”与“皮肤油腻”的量化共性结果。

此外，为了保证画像标签集中画像标签的精确和及时，可以通过过往推送广告概要文本对画像标签集中的画像标签进行更新或修正。作为一种实施方式，在步骤S21，确定待推送广告概要文本中与事先部署的广告筛选要素关联的第一广告刻画文本，之前，该方法还可以包括以下步骤：

获取过往广告推送分析文本和对应的过往推送描述文本；

将过往广告推送分析文本与事先部署的多个目标用户画像群体的待调试的画像标签集进行关联分析，确定与待调试的画像标签集中的用户画像标签关联的推送描述文本；

根据过往推送描述文本和推送描述文本，对待调试的画像标签集中的画像标签进行更新修正，得到画像标签集。

其中，在更新修正待调试的画像标签集中的画像标签时，可以是对待调试的画像标签集中已有的画像标签进行增减或。

步骤S23，通过广告推送分析文本中与每一所述目标用户画像群体对应的推送描述文本，从目标用户画像群体中确定待推送广告概要文本对应的广告的第一临时用户画像群体，依据目标用户画像群体与第一用户画像群体表征要素的匹配情况，确定第一临时用户画像群体的第一用户画像群体表征要素。

不同的第一用户画像群体表征要素可以代表不同的目标用户画像群体，第一用户画像群体表征要素可以是用户画像群体的标题，也可以通过其他标记来代表，如用户画像群体H1、用户画像群体H2。

作为一种实施方式，通过广告推送分析文本中与每一所述目标用户画像群体对应的推送描述文本，从目标用户画像群体中确定待推送广告概要文本对应的广告的第一临时用户画像群体，具体可以包括以下步骤：

根据每一所述目标用户画像群体的用户画像标签的用户画像群体贡献度以及广告推送分析文本在每一所述画像标签集中确定的推送描述文本，确定广告推送分析文本与每一所述目标用户画像群体的匹配度，用户画像群体贡献度代表用户画像标签在所属目标用户画像群体中的重要度；

通过广告推送分析文本与每一所述目标用户画像群体的匹配度，得到待推送广告概要文本对应的广告的第一临时用户画像群体。

其中，每一所述目标用户画像群体的用户画像标签的用户画像群体贡献度可以用来评估，根据用户画像标签将广告推送分析文本对应的广告所对应的用户画像群体，估计为每一所述目标用户画像群体的重要度，每一目标用户画像群体的用户画像标签的用户画像群体贡献度可以是趋向于用户画像群体的可能性，其可以通过百分比或者评分来体现。

对于不同的目标用户画像群体，用户画像标签的用户画像群体贡献度可以具有差异。

举例而言，如果每一目标用户画像群体的用户画像标签的用户画像群体贡献度通过百分比呈现，在用户画像群体H1中，用户画像标签“月收入”对应的用户画像群体贡献比为20%，而在用户画像群体H2中，用户画像标签“月收入”对应的用户画像群体贡献比为30%。

作为一种实施方式，确定广告推送分析文本与每一所述目标用户画像群体的匹配度的过程中，如果用户画像群体贡献度通过百分比呈现，可以根据每一所述目标用户画像群体的用户画像标签的用户画像群体贡献度，采用加权来获得广告推送分析文本在不同的目标用户画像群体中对应的匹配度。

作为另一种实施方式，确定广告推送分析文本与每一所述目标用户画像群体的匹配度时，如果用户画像群体贡献度通过评分来呈现，可以基于每一所述目标用户画像群体的用户画像标签的用户画像群体贡献度，采用加权求和来获取广告推送分析文本在不同的目标用户画像群体中的匹配度。

具体可以通过广告推送分析文本与每一所述目标用户画像群体的匹配度，得到待推送广告概要文本对应的广告的第一临时用户画像群体的方式。举例而言，仅将与广告推送分析文本具有最高匹配度的用户画像群体作为第一临时用户画像群体。

作为另一种实施方式，为了防止因为仅选取一个第一临时用户画像群体引起误判，可以定义先对广告推送分析文本与每一所述目标用户画像群体的匹配度大小按序排列，前面多个与广告推送分析文本的匹配度对应的用户画像群体确定为第一临时用户画像群体。

其中，不同的匹配度是在不同的目标用户画像群体下确定的，则可以在获取广告推送分析文本与每一所述目标用户画像群体的匹配度后，直接确定不同的匹配度对应的用户画像群体，减少额外运算。

如果广告推送分析文本中，具有和画像标签集中的画像标签匹配度较低的文本，但和画像标签具备可观的量化共性结果，此时，可以将上述文本也确定为推送描述文本，并留存每个推送描述文本与对应用户画像标签之间的量化共性结果。

根据每一所述目标用户画像群体的用户画像标签的用户画像群体贡献度以及广告推送分析文本在每一所述画像标签集中确定的推送描述文本，确定广告推送分析文本与每一所述目标用户画像群体的匹配度的步骤可以具体包括：

获取推送描述文本和与推送描述文本关联的用户画像标签之间的量化共性结果；

根据每一所述目标用户画像群体的用户画像标签的用户画像群体贡献度和量化共性结果，确定推送描述文本与每一所述目标用户画像群体的匹配度；

基于广告推送分析文本中的推送描述文本，和推送描述文本与每一所述目标用户画像群体的匹配度，确定广告推送分析文本与每一所述目标用户画像群体的匹配度。

上述步骤中，在根据每一所述目标用户画像群体的用户画像标签的用户画像群体贡献度和量化共性结果，确定推送描述文本与每一所述目标用户画像群体的匹配度时，可以先根据量化共性结果，确定不同的推送描述文本与对应的目标用户画像群体的匹配度的权重，然后再采用加权计算以得到推送描述文本与每一所述目标用户画像群体的匹配度。

为提高每一目标用户画像群体中用户画像标签与对应目标用户画像群体的匹配度的匹配情况的精确度，可以通过过往推送广告概要文本，对用户画像标签与对应目标用户画像群体的匹配度的匹配情况进行修正更新。

作为一种实施方式，本申请实施例还可以包括以下步骤：

获取过往广告推送分析文本对应的过往推送描述文本和对应的过往用户画像群体匹配度；

根据每一所述目标用户画像群体的用户画像标签的待调试的用户画像群体贡献度以及过往推送描述文本和与过往推送描述文本关联的用户画像标签的量化共性结果，确定广告推送分析文本在每一所述目标用户画像群体下的匹配度；

根据过往用户画像群图匹配度，对每一所述目标用户画像群体的用户画像标签的待调试的用户画像群体贡献度进行修正更新，得到调试后的每一目标用户画像群体的用户画像标签的用户画像群体贡献度。

在修正更新待调试的每一目标用户画像群体的用户画像标签的用户画像群体贡献度时，可以采用对不同用户画像群体中用户画像标签的用户画像群体贡献度进行增减或修正，抑或是对不同用户画像标签的用户画像群体贡献度进行增减修正。

步骤S24，对第一广告刻画文本和第一用户画像群体表征要素进行知识字段提取，得到知识字段提取结果，将该知识字段提取结果确定为待推送广告概要文本对应的推送用户画像群体知识字段。

其中，推送用户画像群体知识字段（特征，矢量形式展现）可以通过对第一广告刻画文本和第一用户画像群体表征要素进行全面的刻画。例如，云平台可以根据用户画像群体知识字段，构建推送知识字段坐标系，推送知识字段坐标系的维度基于事先部署的广告筛选要素而定。如果第一用户画像群体表征要素为用户画像群体对应的数字，那么推送用户画像群体知识字段则可以是在推送知识字段坐标系中通过坐标的方式对第一广告刻画文本和第一用户画像群体表征要素进行描述。

步骤S25，根据用户画像群体知识字段与第二用户画像群体表征要素的事先建立的配对结果以及推送用户画像群体知识字段，确定待推送广告概要文本对应的第三用户画像群体表征要素，将第三用户画像群体表征要素确定为待推送广告概要文本对应的广告的用户画像群体表征要素。

事先建立的配对结果是通过预先人为配对或者用机器学习模型得到的用户画像群体知识字段与第二用户画像群体表征要素之间的匹配情况。

在事先建立的配对结果中，一个用户画像群体的第二用户画像群体表征要素可以仅和一个用户画像群体知识字段匹配，不同的用户画像群体知识字段对应的第二用户画像群体表征要素可以相同，也可以一个用户画像群体的第二用户画像群体表征要素同多个用户画像群体知识字段匹配。

第二用户画像群体表征要素可以通过人为基于过往推送广告概要文本和用户画像群体知识字段分析，得到用户画像群体知识字段所指示的广告的对应的用户画像群体确定的。第三用户画像群体表征要素是最终得到的待推送广告概要文本对应的广告的用户画像群体，第三用户画像群体表征要素可以指示一个或多个用户画像群体，云平台可以将指示多个用户画像群体的第三用户画像群体表征要素输送至二级校验终端，交由人工校验以确定待推送广告概要文本对应的唯一用户画像群体。

根据用户画像群体知识字段与第二用户画像群体表征要素的事先建立的配对结果以及推送用户画像群体知识字段，确定待推送广告概要文本对应的第三用户画像群体表征要素的步骤，具体可以包括：

确定推送用户画像群体知识字段，与事先建立的配对结果中各用户画像群体知识字段的量化共性结果；

根据各用户画像群体知识字段对应的量化共性结果以及各用户画像群体知识字段对应的第二用户画像群体表征要素，确定待推送广告概要文本对应的第三用户画像群体表征要素。

量化共性结果表示每一用户画像群体知识字段与推送用户画像群体知识字段之间的相似度。其可以通过以下步骤计算得到：

获取推送用户画像群体知识字段与每一用户画像群体知识字段的预设矢量值，将预设矢量值确定为推送用户画像群体知识字段与各对照用户画像群体知识字段的量化共性结果。推送用户画像群体知识字段与每一用户画像群体知识字段都是矢量，预设矢量值例如可以是二者之间的夹角，或者距离，例如计算夹角余弦距离、欧氏距离、曼哈顿距离等。

在本申请实施例中，为了确保第三用户画像群体表征要素的精确，同时缓解该方法运行时的计算消耗，可以采用聚类算法获取第三用户画像群体表征要素。作为一种实施方式，根据每一用户画像群体知识字段对应的量化共性结果以及用户画像群体表征要素，确定待推送广告概要文本对应的第三用户画像群体表征要素可以包括以下步骤：

依据量化共性结果从用户画像群体知识字段中理想数目获取理想数目的用户画像群体知识字段作为对照用户画像群体知识字段；

通过对照用户画像群体知识字段对应的第二用户画像群体表征要素，确定每一第二用户画像群体表征要素下的对照用户画像群体知识字段的数目；

根据每一每一所述第二用户画像群体表征要素下的对照用户画像群体知识字段的数目，确定待推送广告概要文本对应的第三用户画像群体表征要素。

该实施方式中，理想数目是预设的一个数，例如可以设置为奇数，防止在仅包括两种目标用户画像群体时，两个目标用户画像群体中对应的对照用户画像群体知识字段的数目相等。

得到对照用户画像群体知识字段后，可以对对照用户画像群体知识字段代表的相关参数和扰动项基于对应的加权，得到第二相关参数和第二扰动项，根据第二相关参数和第二扰动项确定对应的第二用户画像群体表征要素，作为第三用户画像群体表征要素。

作为一种实施方式，将第三用户画像群体表征要素确定为待推送广告概要文本对应的广告的用户画像群体表征要素的过程中，如果待推送广告概要文本中一开始含有用户画像群体表征要素，可以将一开始的用户画像群体表征要素替换为第三用户画像群体表征要素；如果待推送广告概要文本中一开始没有用户画像群体表征要素，可以将第三用户画像群体表征要素并入待推送广告概要文本。

另外，为防止第三用户画像群体表征要素确定偏差引起的后果，可以在获取第三用户画像群体表征要素后，对获取的第三用户画像群体表征要素进行校验，增加鲁棒性。作为一种实施方式，根据每一第二用户画像群体表征要素下的对照用户画像群体知识字段的数目，确定待推送广告概要文本对应的第三用户画像群体表征要素可以包括以下步骤：

确定每一所述第二用户画像群体表征要素下对应的对照用户画像群体知识字段的数目，与理想数目的预设计算结果，得到每一所述第二用户画像群体表征要素对应的支持率；

如果具有支持率大于支持率阈值的第二用户画像群体表征要素，从支持率大于支持率阈值的第二用户画像群体表征要素中确定待推送广告概要文本对应的第二用户画像群体表征要素，得到第三用户画像群体表征要素；

如果没有支持率大于支持率阈值的第二用户画像群体表征要素，将待推送广告概要文本和待推送广告概要文本在每一所述第二用户画像群体表征要素下对应的对照用户画像群体知识字段的数目，确定为困难推送分析文本，并可以进行存储；

将困难推送分析文本输出至二级校验终端；

获取二级校验终端返回的对于困难推送分析文本的二级校验信息，如果二级校验信息中包括为待推送广告概要文本匹配的第四用户画像群体表征要素，将第四用户画像群体表征要素确定为待推送广告概要文本对应的第三用户画像群体表征要素。

该实施方式中，通过获取每个第二用户画像群体表征要素下对应的支持率，在得到多个大于支持率阈值的支持率时，将大于支持率阈值的支持率以及对应的第二用户画像群体表征要素输送到二级校验终端，该二级校验终端可以采取人工校验，从而确定待推送广告概要文本对应的第三用户画像群体表征要素。

另一方面，还可以获取每一所述第二用户画像群体表征要素下对应的支持率，再得到多个大于支持率阈值的支持率时，将支持率大于支持率阈值的第二用户画像群体表征要素均作为第三用户画像群体表征要素，即第三用户画像群体表征要素可以包含多个第二用户画像群体表征要素，在将第三用户画像群体表征要素确定为待推送广告概要文本对应的广告的用户画像群体表征要素时，优选地将最高支持率的待推送广告概要文本对应的第三用户画像群体表征要素确定为待推送广告概要文本对应的广告的用户画像群体表征要素；将余下的第三用户画像群体表征要素以及对应的支持率以完善描述或注解等途径加入待推送广告概要文本。

另外，还可仅获取最大数值的对照用户画像群体知识字段的数目对应的支持率，如果该支持率大于支持率阈值，则将该支持率对应的第二用户画像群体表征要素作为待推送广告概要文本对应的第三用户画像群体表征要素。

作为一种实施方式，将困难推送分析文本进行存储的过程中，可以同步确定困难推送分析文本的量，如果存储的困难推送分析文本的量大于预设量，存储的困难推送分析文本输出至二级校验终端。

作为一种实施方式，为提高广告推送的效率和精确度，可以把二级校验后的数据确定为新的过往推送广告概要文本进行调试。进一步地，本申请实施例还可以包括以下步骤：

如果二级校验信息中包括困难推送分析文本对应的第三用户画像群体表征要素，将二级校验信息中的第三用户画像群体表征要素以及对应的待推送广告概要文本，作为新的过往推送广告概要文本。

作为一种实施方式，为了便于后续运营决策，可以通过广告推送分析文本以及第四用户画像群体表征要素，形成决策文档，该方法还可以包括以下步骤：从多个目标用户画像群体的画像标签集中，选择第三用户画像群体表征要素对应的目标画像标签集；根据目标画像标签集，确定目标画像标签集中与广告推送分析文本关联的目标用户画像标签；获取第三用户画像群体表征要素对应的广告推送决策样本，广告推送决策样本中包括画像空缺区域的归类引导内容，归类引导内容用于引导提示画像空缺区域上待归类完善的用户画像标签；根据归类引导内容，选择目标用户画像标签中待归类完善的用户画像标签，将待归类完善的用户画像标签，粘贴至广告推送决策样本对应的画像空缺区域，得到广告推送决策文档。其中，广告推送决策样本是预先设置的文档模板，不同的第二用户画像群体表征要素可以配置不同的广告推送决策样本。归类引导内容还可以用于引导提示画像空缺区域上待归类完善的第一广告刻画文本。在对广告推送决策样本进行归类完善时，还可以根据归类引导内容和第一广告刻画文本，将第一广告刻画文本按不同的事先部署的广告筛选要素粘贴至广告推送决策样本对应的画像空缺区域。

对于前述基于大数据的广告推送方法，下面通过完善的例子进行说明。

本申请实施例提供的基于大数据的广告推送方法，包括：

S100，云平台接收待推送广告概要文本，确定待推送广告概要文本中与事先部署的广告筛选要素关联的第一广告刻画文本，将待推送广告概要文本中清洗掉第一广告刻画文本后的广告概要文本确定为广告推送分析文本。

其中，确定待推送广告概要文本中，属于事先部署的广告筛选要素的第一广告刻画文本的过程可以事先确定，减少计算消耗。云平台接收到待推送广告概要文本后，可以立刻对待推送广告概要文本进行处理，也可以在临时存储在云平台中设立的空间中，按照预设的处理周期进行处理，从而缓解云平台的计算拥堵。

S200，云平台将广告推送分析文本与事先部署的多个目标用户画像群体的画像标签集进行关联分析，确定广告推送分析文本中与画像标签集的用户画像标签关联的推送描述文本。

具体而言，云平台确定的广告推送分析文本为“商品是针对工作中面对电脑的男性的洁面品，价格接收范围在300-500之间”，用户画像群体H1的画像标签集中包括“男性”、“洁面品”、“在职”、“消费水平高于1000”等，用户画像群体H2中的画像标签包括“中年”、“男性”、“护肤品”、“游戏”等。那么，广告推送分析文本中与用户画像群体H1对应的推送描述文本为：男性、工作、洁面品、300-500，与用户画像群体H2对应的推送描述文本为：男性、洁面品，其中，洁面品和护肤品的量化共性结果计算为33％。

S300，云平台根据每一所述目标用户画像群体的用户画像标签的用户画像群体贡献度以及广告推送分析文本在每一画像标签集中确定的推送描述文本，确定广告推送分析文本与每一所述目标用户画像群体的匹配度。

其中，用户画像标签与对应的目标用户画像群体的匹配度可以为数值。用户画像标签与对应的目标用户画像群体的匹配度的匹配情况可以包括不同的目标用户画像群体中，每个用户画像标签对应的贡献值，例如在用户画像群体H1，用户画像标签“男性”对应的贡献值为30%，用户画像群体H1，用户画像标签“男性”对应的贡献值为50%。

在确定广告推送分析文本与每一目标用户画像群体的匹配度时，可以将广告推送分析文本在不同用户画像群体中对应的各个用户画像标签对应的贡献值作加，得到广告推送分析文本与每一目标用户画像群体的匹配度。如果推送描述文本与用户画像标签没有完全对应配对，却有一定接近，那么可根据量化共性结果，对广告推送分析文本在不同用户画像群体中，对应的推送描述文本所对应的贡献值进行加权，得到广告推送分析文本与每一所述目标用户画像群体的匹配度。例如，广告推送分析文本中与用户画像群体H1对应的推送描述文本为：男性、工作、洁面品、300-500，与用户画像群体H2对应的推送描述文本为：男性、洁面品，其中，洁面品和护肤品的量化共性结果计算为33％。设定在用户画像群体H1中，各标画像标签对应的贡献值为：男性-3、洁面品-3、工作-3、消费水平高于1000-5；用户画像群体H2中，各标画像标签对应的贡献值为：中年-4、男性-5、护肤品-2、游戏-4。那么，计算广告推送分析文本与用户画像群体H1的匹配度为3+3+3+5＝14，与用户画像群体H2的匹配度为5+2×33％＝5.66。

S400，云平台通过广告推送分析文本与每一目标用户画像群体的匹配度，得到待推送广告概要文本对应的广告的第一临时用户画像群体，依据目标用户画像群体与第一用户画像群体表征要素的匹配情况，确定第一临时用户画像群体的第一用户画像群体表征要素。

可以把第一用户画像群体表征要素确定为字母、符号或数字。例如，用户画像群体对应的第一用户画像群体表征要素为H1

S500，云平台将第一广告刻画文本和第一用户画像群体表征要素进行知识字段提取，得到知识字段提取结果，将所述知识字段提取结果确定为待推送广告概要文本对应的推送用户画像群体知识字段。

知识字段是矢量特征，可以通过编码器进行编码将文本转换为矢量。

S600，云平台获取推送用户画像群体知识字段与各用户画像群体知识字段的预设矢量值，将预设矢量值确定为推送用户画像群体知识字段与各用户画像群体知识字段的量化共性结果。

S700，云平台基于量化共性结果从用户画像群体知识字段中理想数目获取理想数目的用户画像群体知识字段作为对照用户画像群体知识字段。

其中，用户画像群体知识字段可以包括多个，理想数目小于用户画像群体知识字段。

在确定对照用户画像群体知识字段时，可以先对量化共性结果进行排序，再确定匹配度较大的量化共性结果，将确定的量化共性结果对应的用户画像群体知识字段作为对照用户画像群体知识字段。例如，有用户画像群体知识字段Z1、Z2、Z3和Z4，推送用户画像群体知识字段与Z1、Z2、Z3、Z4之间的预设矢量值分别为9、8、7、6（矢量），理想数目等于3，和预设矢量值的顺序由大到小为9、8、7、6，按照理想数目，确定最小的三个预设矢量值对应的用户画像群体知识字段作为对照用户画像群体知识字段，确定的对照用户画像群体知识字段是Z2、Z3和Z4。

S800，云平台根据对照用户画像群体知识字段的第二用户画像群体表征要素，确定推送用户画像群体知识字段在每一所述第二用户画像群体表征要素下对应的对照用户画像群体知识字段的数目，基于对照用户画像群体知识字段的数目，确定待推送广告概要文本对应的第三用户画像群体表征要素。

例如，确定的三个对照用户画像群体知识字段所对应的第二用户画像群体表征要素分别为H1、H1和H2，待推送广告概要文本在第二用户画像群体表征要素为H1的用户画像群体中的对照用户画像群体知识字段的数目为2，在第二用户画像群体表征要素为H2的用户画像群体中的对照用户画像群体知识字段的数目为1，确定待推送广告概要文本对应的第二用户画像群体表征要素为1，即第三用户画像群体表征要素为1。

作为一种实施方式，可以根据对照用户画像群体知识字段和对应的第二用户画像群体表征要素，得到待推送广告概要文本在不同第二用户画像群体表征要素下对应的对照用户画像群体知识字段的数目，将最大的对照用户画像群体知识字段的数目对应的第二用户画像群体表征要素，作为待推送广告概要文本对应的第三用户画像群体表征要素。

S900，云平台确定每一所述第二用户画像群体表征要素下对应的对照用户画像群体知识字段的数目，与理想数目的预设计算结果，得到每一所述第二用户画像群体表征要素对应的支持率，如果第二用户画像群体表征要素的支持率大于支持率阈值，执行S1200。

S1000，如果第二用户画像群体表征要素的支持率不大于支持率阈值，云平台将待推送广告概要文本和待推送广告概要文本在每一第二用户画像群体表征要素下对应的对照用户画像群体知识字段的数目，确定为困难推送分析文本输出至二级校验终端。

S1100，二级校验终端获取到云平台输出的困难推送分析文本，可以由人工校验确定用户画像群体，生成第四用户画像群体表征要素返回至云平台。

S1200，云平台将第三用户画像群体表征要素确定为待推送广告概要文本对应的广告的用户画像群体表征要素。

在将第三用户画像群体表征要素确定为待推送广告概要文本对应的广告的用户画像群体表征要素时，待推送广告概要文本中一开始具有用户画像群体表征要素，将一开始的用户画像群体表征要素替换为第三用户画像群体表征要素。

S1300，云平台根据广告推送分析文本和广告推送决策样本，生成广告推送决策文档。

综上所述，本申请实施例提供的基于大数据的广告推送方法、系统及云平台，通过获取待推送广告概要文本，确定出待推送广告概要文本中与事先部署的广告筛选要素关联的第一广告刻画文本，将该待推送广告概要文本中清洗掉该第一广告刻画文本后的广告概要文本确定为广告推送分析文本，并将该广告推送分析文本与事先部署的多个目标用户画像群体的画像标签集进行关联分析，得到该广告推送分析文本中与该画像标签集的用户画像标签关联的推送描述文本，基于广告推送分析文本中与每一所述目标用户画像群体对应的推送描述文本，从该目标用户画像群体中确定该待推送广告概要文本对应的广告的第一临时用户画像群体，依据目标用户画像群体与第一用户画像群体表征要素的匹配情况，获取该第一临时用户画像群体的第一用户画像群体表征要素，将该第一广告刻画文本和该第一用户画像群体表征要素进行知识字段提取，得到知识字段提取结果，将知识字段提取结果确定为该待推送广告概要文本对应的推送用户画像群体知识字段，根据用户画像群体知识字段与第二用户画像群体表征要素的事先建立的配对结果以及该推送用户画像群体知识字段，确定该待推送广告概要文本对应的第三用户画像群体表征要素，将该第三用户画像群体表征要素确定为该待推送广告概要文本对应的广告的用户画像群体表征要素。通过对广告推送分析文本进行用户画像标签关联分析，得到广告推送分析文本在第一临时用户画像群体下的第一用户画像群体表征要素，对广告的目标受众群体进行第一步判断，然后结合第一广告刻画文本，根据预先建立的配对结果进行分析，从而得到待推送广告概要文本对应的广告的用户画像群体表征要素，提升了判断结果的精确度，同时极大降低人力投入，减少软硬件资源开销。

请参照图4，是本发明实施例提供的广告推送装置110的架构示意图，该广告推送装置110可用于执行基于大数据的广告推送方法，其中，广告推送装置110包括：

数据获取模块111，用于获取广告的待推送广告概要文本。

要素获取模块112，用于从待推送广告概要文本中获取第一广告刻画文本和广告推送分析文本；通过第一广告刻画文本和广告推送分析文本获取广告的用户画像群体表征要素。

推送模块113，用于基于用户画像群体表征要素将广告向多个用户终端进行大数据推送。

其中，数据获取模块111可用于执行步骤S1，要素获取模块112可用于执行步骤S2，推送模块113可用于执行步骤S3。

由于在上述实施例中，已经对本发明实施例提供的基于大数据的广告推送方法进行了详细的介绍，而该广告推送装置110的原理与该方法相同，此处不再对广告推送装置110的各模块的执行原理进行赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，云平台，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

需要理解的是，针对上述内容没有进行名词解释的技术术语，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定其所指代的含义。本申请实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本申请所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可以对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

同样应当理解的是，为了简化本申请揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法幷不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (9)

1.一种基于大数据的广告推送方法，其特征在于，应用于云平台，所述云平台与多个用户终端通信连接，所述方法包括：

获取广告的待推送广告概要文本，所述待推送广告概要文本是对待推送的广告的介绍信息；

从所述待推送广告概要文本中获取第一广告刻画文本和广告推送分析文本；

通过所述第一广告刻画文本和广告推送分析文本获取所述广告的用户画像群体表征要素；

基于所述用户画像群体表征要素将所述广告向所述多个用户终端进行大数据推送；

其中，所述从所述待推送广告概要文本中获取第一广告刻画文本和广告推送分析文本，通过所述第一广告刻画文本和广告推送分析文本获取上述广告的用户画像群体表征要素；包括：

确定所述待推送广告概要文本中与事先部署的广告筛选要素关联的第一广告刻画文本，将所述待推送广告概要文本中清洗掉所述第一广告刻画文本后的广告概要文本确定为广告推送分析文本；

将所述广告推送分析文本与事先部署的多个目标用户画像群体的画像标签集进行关联分析，得到所述广告推送分析文本中与所述画像标签集的用户画像标签关联的推送描述文本；

通过所述广告推送分析文本中与每一所述目标用户画像群体对应的推送描述文本，从所述目标用户画像群体中确定所述待推送广告概要文本对应的广告的第一临时用户画像群体，依据所述目标用户画像群体与第一用户画像群体表征要素的匹配情况，确定所述第一临时用户画像群体的第一用户画像群体表征要素；

对所述第一广告刻画文本和所述第一用户画像群体表征要素进行知识字段提取，得到知识字段提取结果，将所述知识字段提取结果确定为所述待推送广告概要文本对应的推送用户画像群体知识字段；

根据用户画像群体知识字段与第二用户画像群体表征要素的事先建立的配对结果以及所述推送用户画像群体知识字段，确定所述待推送广告概要文本对应的第三用户画像群体表征要素，将所述第三用户画像群体表征要素确定为所述待推送广告概要文本对应的广告的用户画像群体表征要素。

2.根据权利要求1所述的基于大数据的广告推送方法，其特征在于，所述通过所述广告推送分析文本中与每一所述目标用户画像群体对应的推送描述文本，从所述目标用户画像群体中确定所述待推送广告概要文本对应的广告的第一临时用户画像群体，包括：

根据每一所述目标用户画像群体的用户画像标签的用户画像群体贡献度以及所述广告推送分析文本在每一所述画像标签集中确定的推送描述文本，确定所述广告推送分析文本与每一所述目标用户画像群体的匹配度，所述用户画像群体贡献度代表所述用户画像标签在所属目标用户画像群体中的重要度；

通过所述广告推送分析文本与每一所述目标用户画像群体的匹配度，得到所述待推送广告概要文本对应的广告的第一临时用户画像群体。

3.根据权利要求2所述的基于大数据的广告推送方法，其特征在于，所述根据每一所述目标用户画像群体的用户画像标签的用户画像群体贡献度以及所述广告推送分析文本在每一所述画像标签集中确定的推送描述文本，确定所述广告推送分析文本与每一所述目标用户画像群体的匹配度，包括：

获取所述推送描述文本和与所述推送描述文本关联的用户画像标签之间的量化共性结果；

根据每一所述目标用户画像群体的用户画像标签的用户画像群体贡献度和所述量化共性结果，确定所述推送描述文本与每一所述目标用户画像群体的匹配度；

基于所述广告推送分析文本中的推送描述文本，和所述推送描述文本与每一所述目标用户画像群体的匹配度，确定所述广告推送分析文本与每一所述目标用户画像群体的匹配度。

4.根据权利要求1所述的基于大数据的广告推送方法，其特征在于，所述确定所述待推送广告概要文本中与事先部署的广告筛选要素关联的第一广告刻画文本的步骤之前，所述方法还包括：

获取过往广告的过往推送广告概要文本的过往用户画像群体知识字段和所述过往广告的第二用户画像群体表征要素；

将归属同一过往广告的第二用户画像群体表征要素和过往用户画像群体知识字段进行配对，得到所述用户画像群体知识字段与所述第二用户画像群体表征要素的配对结果；

所述根据用户画像群体知识字段与第二用户画像群体表征要素的事先建立的配对结果以及所述推送用户画像群体知识字段，确定所述待推送广告概要文本对应的第三用户画像群体表征要素，包括：

确定所述推送用户画像群体知识字段，与所述事先建立的配对结果中每一所述用户画像群体知识字段的量化共性结果；

根据每一所述用户画像群体知识字段对应的所述量化共性结果以及每一所述用户画像群体知识字段对应的第二用户画像群体表征要素，确定所述待推送广告概要文本对应的第三用户画像群体表征要素。

5.根据权利要求4所述的基于大数据的广告推送方法，其特征在于，所述确定所述推送用户画像群体知识字段，与所述事先建立的配对结果中各用户画像群体知识字段的量化共性结果，包括：

获取所述推送用户画像群体知识字段与每一所述用户画像群体知识字段的预设矢量值，将所述预设矢量值确定为所述推送用户画像群体知识字段与每一所述用户画像群体知识字段的量化共性结果；

所述根据每一所述用户画像群体知识字段对应的量化共性结果以及所述用户画像群体表征要素，确定所述待推送广告概要文本对应的第三用户画像群体表征要素，包括：

依据所述量化共性结果从所述用户画像群体知识字段中获取理想数目的用户画像群体知识字段作为对照用户画像群体知识字段；

通过所述对照用户画像群体知识字段对应的第二用户画像群体表征要素，确定每一第二用户画像群体表征要素下的对照用户画像群体知识字段的数目；

根据每一所述第二用户画像群体表征要素下的对照用户画像群体知识字段的数目，确定所述待推送广告概要文本对应的第三用户画像群体表征要素。

6.根据权利要求5所述的基于大数据的广告推送方法，其特征在于，所述根据每一所述第二用户画像群体表征要素下的对照用户画像群体知识字段的数目，确定所述待推送广告概要文本对应的第三用户画像群体表征要素，包括：

确定每一所述第二用户画像群体表征要素下对应的对照用户画像群体知识字段的数目，与所述理想数目的预设计算结果，得到每一所述第二用户画像群体表征要素对应的支持率；

如果具有支持率大于支持率阈值的第二用户画像群体表征要素，从支持率大于所述支持率阈值的第二用户画像群体表征要素中确定所述待推送广告概要文本对应的第二用户画像群体表征要素，得到第三用户画像群体表征要素；

如果没有支持率大于支持率阈值的第二用户画像群体表征要素，将所述待推送广告概要文本和所述待推送广告概要文本在每一所述第二用户画像群体表征要素下对应的对照用户画像群体知识字段的数目，确定为困难推送分析文本；

将所述困难推送分析文本输出至二级校验终端；

获取所述二级校验终端返回的针对所述困难推送分析文本的二级校验信息，若所述二级校验信息中包括为所述待推送广告概要文本匹配的第四用户画像群体表征要素，将所述第四用户画像群体表征要素确定为所述待推送广告概要文本对应的第三用户画像群体表征要素。

7.根据权利要求1-6任一项所述的基于大数据的广告推送方法，其特征在于，所述方法还包括：

从所述多个目标用户画像群体的画像标签集中，选择所述第三用户画像群体表征要素对应的目标画像标签集；

通过所述目标画像标签集，确定所述目标画像标签集中与所述广告推送分析文本关联的目标用户画像标签；

获取所述第三用户画像群体表征要素对应的广告推送决策样本，所述广告推送决策样本中包括画像空缺区域的归类引导内容，所述归类引导内容用于引导提示所述画像空缺区域上待归类完善的用户画像标签；

根据所述归类引导内容，选择所述目标用户画像标签中待归类完善的用户画像标签，将所述待归类完善的用户画像标签，粘贴至所述广告推送决策样本对应的画像空缺区域，得到广告推送决策文档；

基于所述广告推送决策文档进行广告推送。

8.一种广告推送系统，其特征在于，包括云平台和多个用户终端，所述云平台与多个所述用户终端通信连接，所述云平台被配置成执行所述权利要求1-7任一项所述的方法。

9.一种云平台，其特征在于，所述云平台与多个用户终端通信连接，所述云平台包括处理器和存储器，所述存储器存储有计算机程序，当所述处理器运行所述计算机程序时，实现如权利要求1-7任一项所述的方法。

Images