CN116308556A - 基于物联网的广告推送方法及系统 - Google Patents
基于物联网的广告推送方法及系统 Download PDFInfo
- Publication number
- CN116308556A CN116308556A CN202310595544.6A CN202310595544A CN116308556A CN 116308556 A CN116308556 A CN 116308556A CN 202310595544 A CN202310595544 A CN 202310595544A CN 116308556 A CN116308556 A CN 116308556A
- Authority
- CN
- China
- Prior art keywords
- advertisement
- pushing
- push
- target
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000004044 response Effects 0.000 claims abstract description 25
- 230000015572 biosynthetic process Effects 0.000 claims description 37
- 238000003786 synthesis reaction Methods 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 32
- 238000000605 extraction Methods 0.000 claims description 29
- 238000013507 mapping Methods 0.000 claims description 28
- 239000000463 material Substances 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 12
- 238000013145 classification model Methods 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 230000002194 synthesizing effect Effects 0.000 claims description 6
- 230000003796 beauty Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 235000013606 potato chips Nutrition 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 206010044565 Tremor Diseases 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q30/0255—Targeted advertisements based on user history
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (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)
Abstract
本申请公开了基于物联网的广告推送方法及系统,其中,该方法一方面,通过获取广告推送方的广告推送参数,并根据广告推送参数生成多个元素标签信息和模板信息,及根据多个元素标签信息和模板信息生成目标推送广告,解决了目前广告业务人员制作广告效率低的问题,提高了广告的制作效率;另一方面,通过目标推送广告的广告特征和若干个历史推送广告的广告特征构建相关广告数据库,并基于相关广告数据库构建广告推送管理模型,及根据广告用户对历史推送广告的响应信息确定目标推送广告的目标用户之后,基于广告推送管理模型将目标推送广告推送给目标用户,解决了目前的广告推送方法对广告业务人员依赖性高的问题,提高了广告推送的效率。
Description
技术领域
本申请涉及广告管理技术领域,尤其涉及一种基于物联网的广告推送方法及系统。
背景技术
随着物联网技术的发展,在各种信息平台推送广告已成为产品推广的重要手段,各行各业的商家均采用在信息平台推送广告的方式来推广自己的产品,以获得更大的经济效益,而传统的广告推送方法通常是广告业务人员制作出符合广告推送方需求的广告后对广告内容进行分析,并根据广告内容对广告进行推送,这种广告推送方式对广告业务人员的依赖性高,效率低。因此,亟需一种方法来解决上述问题。
发明内容
本申请实施例提供一种基于物联网的广告推送方法及系统,以解决现有的广告推送方法对广告业务人员依赖性高且效率低的问题。
第一方面,本申请实施例提供一种基于物联网的广告推送方法,所述方法用于基于物联网的广告推送系统,所述方法包括:
响应广告推送方的广告推送请求,获取所述广告推送方的广告推送参数,并根据所述广告推送参数生成多个元素标签信息和模板信息,其中,所述广告推送方通过网络与所述广告推送系统相连;
根据多个所述元素标签信息和所述模板信息生成目标推送广告;
将所述目标推送广告输入广告特征提取模型,以获取所述目标推送广告的广告特征;
基于大数据构建历史广告推送数据库,所述历史广告推送数据库中包括若干个映射关系,所述映射关系为历史推送广告与所述历史推送广告的信息集的映射关系,其中,所述信息集包括所述历史推送广告的广告特征和广告用户对所述历史推送广告的响应信息;
根据所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征构建相关广告数据库;
基于所述相关广告数据库构建广告推送管理模型;
根据所述广告用户对所述历史推送广告的响应信息确定所述目标推送广告的目标用户;
基于所述广告推送管理模型将所述目标推送广告推送给所述目标用户。
在一些实施例中,所述根据多个所述元素标签信息和所述模板信息生成目标推送广告,包括:
根据多个所述元素标签信息在预设的素材库中进行检索,确定多个初始广告合成元素;
将多个所述初始广告合成元素分别输入标准元素标签识别模型,以获取多个所述初始广告合成元素分别对应的标准元素标签信息;
计算每个所述初始广告合成元素对应的所述元素标签信息和所述标准元素标签信息的相似度;
比较每个所述相似度与预设相似度的大小关系;
若所述相似度不小于所述预设相似度,将所述相似度对应的所述初始广告合成元素确定为广告合成元素;
若所述相似度小于所述预设相似度,根据所述相似度对应的所述元素标签信息从云端获取广告合成元素,并将从云端获取到的所述广告合成元素存入所述素材库;
根据所述模板信息将所述广告合成元素和从云端获取的所述广告合成元素合成为所述目标推送广告。
在一些实施例中,所述广告特征提取模型的训练方法,包括:
获取第一训练集和第二训练集,其中,所述第一训练集包括多个第一广告资源的初始广告特征和标签信息,所述第二训练集包括多个第二广告资源的初始搜索词特征;
对所述初始广告特征和所述初始搜索词特征进行正则化处理,并将正则化处理后的所述初始广告特征作为所述第一广告资源的广告特征,及将正则化处理后的所述初始搜索词特征作为所述第二广告资源的搜索词特征;
基于分类模型确定所述第一广告资源的广告特征的分类结果,并根据所述分类结果与所述标签信息的差异信息,确定分类损失值;
分别计算每个所述第一广告资源的广告特征和每个所述第二广告资源的搜索词特征的相似度,以获取每个所述第一广告资源的广告特征和每个所述第二广告资源的搜索词特征的关联系数;
比较每个所述关联系数与预设关联系数的大小关系;
若所述关联系数不小于所述预设关联系数,将所述关联系数对应的所述第一广告资源和所述第二广告资源确定为相同广告资源;
若所述关联系数小于所述预设关联系数,将所述关联系数对应的所述第一广告资源和所述第二广告资源确定为相异广告资源;
基于所述相同广告资源确定相同广告特征集合,并基于所述相异广告资源确定相异广告特征集合;
根据所述相同广告特征集合和所述相异广告特征集合确定对比损失值;
基于所述分类损失值和所述对比损失值对初始广告特征提取模型进行训练,得到所述广告特征提取模型。
在一些实施例中,所述根据所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征构建相关广告数据库,包括:
对所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征进相关性分析,获得若干个广告相关系数;
分别比较若干个所述广告相关系数与预设的广告相关系数的大小关系;
若所述广告相关系数不小于所述预设的广告相关系数,将所述广告相关系数对应的所述映射关系确定为目标元素;
利用全部所述目标元素构建所述相关广告数据库。
在一些实施例中,所述根据所述广告用户对所述历史推送广告的响应信息确定所述目标推送广告的目标用户,包括:
根据每个所述广告用户对所述历史推送广告的响应信息确定每个所述广告用户的广告感兴趣类型信息;
根据所述目标推送广告的广告特征确定目标推送广告类型信息;
根据每个所述广告用户的广告感兴趣类型信息和所述目标推送广告类型信息确定所述目标用户。
在一些实施例中,所述基于所述广告推送管理模型将所述目标推送广告推送给所述目标用户,包括:
将所述目标推送广告输入所述广告推送管理模型,以获取目标推送广告管理方案;
获取所述目标用户的浏览信息和身份信息;
根据所述浏览信息调整所述目标推送广告管理方案,并根据所述身份信息调整所述目标推送广告的广告参数;
基于调整后的所述广告推送管理方案将调整后的所述目标推送广告推送给所述目标用户。
第二方面,本申请实施例提供一种基于物联网的广告推送系统,包括:
第一获取模块,用于响应广告推送方的广告推送请求,获取所述广告推送方的广告推送参数,并根据所述广告推送参数生成多个元素标签信息和模板信息,其中,所述广告推送方通过网络与所述广告推送系统相连;
生成模块,用于根据多个所述元素标签信息和所述模板信息生成目标推送广告;
第二获取模块,用于将所述目标推送广告输入广告特征提取模型,以获取所述目标推送广告的广告特征;
第一构建模块,用于基于大数据构建历史广告推送数据库,所述历史广告推送数据库中包括若干个映射关系,所述映射关系为历史推送广告与所述历史推送广告的信息集的映射关系,其中,所述信息集包括所述历史推送广告的广告特征和广告用户对所述历史推送广告的响应信息;
第二构建模块,用于根据所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征构建相关广告数据库;
第三构建模块,用于基于所述相关广告数据库构建广告推送管理模型;
确定模块,用于根据所述广告用户对所述历史推送广告的响应信息确定所述目标推送广告的目标用户;
推送模块,用于基于所述广告推送管理模型将所述目标推送广告推送给所述目标用户。
在一些实施例中,所述生成模块,包括:
第一确定单元,用于根据多个所述元素标签信息在预设的素材库中进行检索,确定多个初始广告合成元素;
第一获取单元,用于将多个所述初始广告合成元素分别输入标准元素标签识别模型,以获取多个所述初始广告合成元素分别对应的标准元素标签信息;
计算单元,用于计算每个所述初始广告合成元素对应的所述元素标签信息和所述标准元素标签信息的相似度;
比较单元,用于比较每个所述相似度与预设相似度的大小关系;
第二确定单元,用于若所述相似度不小于所述预设相似度,将所述相似度对应的所述初始广告合成元素确定为广告合成元素;
第二获取单元,用于若所述相似度小于所述预设相似度,根据所述相似度对应的所述元素标签信息从云端获取广告合成元素,并将从云端获取到的所述广告合成元素存入所述素材库;
合成单元,用于根据所述模板信息将所述广告合成元素和从云端获取的所述广告合成元素合成为所述目标推送广告。
在一些实施例中,所述第二构建模块,包括:
分析单元,用于对所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征进相关性分析,获得若干个广告相关系数;
比较单元,用于分别比较若干个所述广告相关系数与预设的广告相关系数的大小关系;
确定单元,用于若所述广告相关系数不小于所述预设的广告相关系数,将所述广告相关系数对应的所述映射关系确定为目标元素;
构建单元,用于利用全部所述目标元素构建所述相关广告数据库。
在一些实施例中,所述推送模块,包括:
输入单元,用于将所述目标推送广告输入所述广告推送管理模型,以获取目标推送广告管理方案;
获取单元,用于获取所述目标用户的浏览信息和身份信息;
调整单元,用于根据所述浏览信息调整所述目标推送广告管理方案,并根据所述身份信息调整所述目标推送广告的广告参数;
推送单元,用于基于调整后的所述目标推送广告管理方案将调整后的所述目标推送广告推送给所述目标用户。
本申请实施例提供了基于物联网的广告推送方法及系统。其中,所述基于物联网的广告推送方法,一方面,通过获取所述广告推送方的广告推送参数,并根据所述广告推送参数生成多个元素标签信息和模板信息,及根据多个所述元素标签信息和所述模板信息生成目标推送广告,解决了目前广告业务人员制作广告效率低的问题,提高了广告的制作效率;另一方面,通过所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征构建相关广告数据库,并基于所述相关广告数据库构建广告推送管理模型,及根据所述广告用户对所述历史推送广告的响应信息确定所述目标推送广告的目标用户之后,基于所述广告推送管理模型将所述目标推送广告推送给所述目标用户,解决了目前的广告推送方法对广告业务人员依赖性高的问题,提高了广告推送的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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为本申请实施例提供的基于物联网的广告推送方法的流程示意图;
图2为本申请实施例提供的根据多个所述元素标签信息和所述模板信息生成目标推送广告的子步骤的流程示意图;
图3为本申请实施例提供的广告特征提取模型的训练方法的流程示意图;
图4为本申请实施例提供的根据所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征构建相关广告数据库的子步骤的流程示意图;
图5为本申请实施例提供的根据所述广告用户对所述历史推送广告的响应信息确定所述目标推送广告的目标用户的子步骤的流程示意图;
图6为本申请实施例提供的基于所述广告推送管理模型将所述目标推送广告推送给所述目标用户的子步骤的流程示意图;
图7为本申请实施例提供的基于物联网的广告推送系统的结构示意性框图;
图8为本申请实施例提供的生成模块的结构示意性框图;
图9为本申请实施例提供的第二构建模块的结构示意性框图;
图10为本申请实施例提供的确定模块的结构示意性框图;
图11为本申请实施例提供的推送模块的结构示意性框图。
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做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
随着物联网技术的发展,在各种信息平台推送广告已成为产品推广的重要手段,各行各业的商家均采用在信息平台推送广告的方式来推广自己的产品,以获得更大的经济效益,而传统的广告推送方法通常是广告业务人员制作出符合广告推送方需求的广告后对广告内容进行分析,并根据广告内容对广告进行推送,这种广告推送方式对广告业务人员的依赖性高,效率低。为此,本申请实施例提供一种基于物联网的广告推送方法及系统,以解决上述问题。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述实施例及实施例中的特征可以相互结合。
请参阅图1,图1为本申请实施例提供的基于物联网的广告推送方法的流程示意图,所述方法用于基于物联网的广告推送系统,如图1所示,所述方法包括:
步骤S100、响应广告推送方的广告推送请求,获取所述广告推送方的广告推送参数,并根据所述广告推送参数生成多个元素标签信息和模板信息,其中,所述广告推送方通过网络与所述广告推送系统相连。
其中,所述广告推送参数包括所述广告推送方的产品类型和所述广告推送方推送广告的目的,例如,所述广告推送方是一家美容机构,所述广告推送方的产品类型是各种美容服务,所述广告推送方推送广告的目的是为了让更多的爱美人士了解自己的美容产品、经营地址及近期的优惠活动。
其中,所述元素标签信息为与所述广告推送参数匹配的元素的标签信息,所述模板信息为与所述广告推送参数匹配的广告模板的信息。
可以理解地,所述广告推送参数不同时,生成的所述多个元素标签信息和所述模板信息不同。例如,所述广告推送参数中的产品类型是童装,推送广告的目的是在网上售卖该童装,则所述多个元素标签信息为与童装有关的标签信息,所述模板信息中包括生成所述童装的购买链接的算法;又如,所述广告推送参数中的产品类型是美容服务,推送广告的目的是让顾客去美容店体验该美容服务,则所述多个元素标签信息为与美容服务有关的标签信息,所述模板信息中包括生成所述美容店的地址链接的算法,顾客在点击所述地址链接后可以获得去往所述美容店的地图。
步骤S200、根据多个所述元素标签信息和所述模板信息生成目标推送广告。
步骤S300、将所述目标推送广告输入广告特征提取模型,以获取所述目标推送广告的广告特征。
其中,所述广告特征包括广告类型(例如:品牌广告、产品广告和公益广告等)、广告关键词、广告受众等。
步骤S400、基于大数据构建历史广告推送数据库,所述历史广告推送数据库中包括若干个映射关系,所述映射关系为历史推送广告与所述历史推送广告的信息集的映射关系,其中,所述信息集包括所述历史推送广告的广告特征和广告用户对所述历史推送广告的响应信息。
其中,所述历史推送广告是指已经推送过的广告,所述响应信息包括所述广告用户对所述历史推送广告的浏览情况、评价情况、转发情况、收藏情况和点赞情况等。
步骤S500、根据所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征构建相关广告数据库。
其中,所述相关广告数据库中的数据是从若干个所述历史推送广告中选出的与所述目标推送广告相同或类似的历史推送广告的映射关系,可以理解地,这里的映射关系与上文提到的映射关系相同。
步骤S600、基于所述相关广告数据库构建广告推送管理模型。
其中,每个所述历史推送广告的信息集均包括所述历史推送广告的推送方式,所述广告推送管理模型通过对所述相关广告数据库中的每个所述历史推送广告与所述历史推送广告对应的推送方式进行卷积神经网络的不断自我学习训练获得。
步骤S700、根据所述广告用户对所述历史推送广告的响应信息确定所述目标推送广告的目标用户。
步骤S800、基于所述广告推送管理模型将所述目标推送广告推送给所述目标用户。
本申请实施例提供的基于物联网的广告推送方法,一方面,通过获取所述广告推送方的广告推送参数,并根据所述广告推送参数生成多个元素标签和模板信息,及根据多个所述元素标签信息和所述模板信息生成目标推送广告,解决了目前广告业务人员制作广告效率低的问题,提高了广告的制作效率;另一方面,通过所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征构建相关广告数据库,并基于所述相关广告数据库构建广告推送管理模型,及根据所述广告用户对所述历史推送广告的响应信息确定所述目标推送广告的目标用户之后,基于所述广告推送管理模型将所述目标推送广告推送给所述目标用户,解决了目前的广告推送方法对广告业务人员依赖性高的问题,提高了广告推送的效率。
如图2所示,在一些实施例中,步骤S200包括:
步骤S201、根据多个所述元素标签信息在预设的素材库中进行检索,确定多个初始广告合成元素。
其中,每个所述元素标签信息对应一个所述初始广告合成元素,所述初始广告合成元素包括介绍广告的文字、广告的背景图片和广告的背景音乐等。
步骤S202、将多个所述初始广告合成元素分别输入标准元素标签识别模型,以获取多个所述初始广告合成元素分别对应的标准元素标签信息。
其中,所述标准元素识别模型通过卷积神经网阔训练得到。
步骤S203、计算每个所述初始广告合成元素对应的所述元素标签信息和所述标准元素标签信息的相似度。
其中,步骤S203可以包括以下步骤:
分别将每个所述初始广告合成元素对应的所述元素标签信息和所述标准元素标签信息输入元素标签特征提取模型,以获得每个所述初始广告合成元素对应的所述元素标签信息的特征向量和所述标准元素标签信息的特征向量;
计算每个所述初始广告合成元素对应的所述元素标签信息的特征向量和所述标准元素标签信息的特征向量之间的余弦值,并将所述余弦值确定为所述元素标签信息和所述标准元素标签信息的相似度。
步骤S204、比较每个所述相似度与预设相似度的大小关系。
步骤S205、若所述相似度不小于所述预设相似度,将所述相似度对应的所述初始广告合成元素确定为广告合成元素。
步骤S206、若所述相似度小于所述预设相似度,根据所述相似度对应的所述元素标签信息从云端获取广告合成元素,并将从云端获取到的所述广告合成元素存入所述素材库。
可以理解地,若所述相似度小于所述预设的相似度,说明在所述预设的素材库中不存在与所述相似度对应的所述元素标签信息对应的广告合成元素。步骤S206在所述相似度小于所述预设相似度时,根据所述相似度对应的所述元素标签信息从云端获取广告合成元素,并将从云端获取到的所述广告合成元素存入所述素材库既可以得到与所述元素标签信息更加匹配的广告合成元素又可以对所述预设的素材库中的广告合成元素进行补充,使所述素材库中的广告合成元素的种类更加完善。
步骤S207、根据所述模板信息将所述广告合成元素和从云端获取的所述广告合成元素合成为所述目标推送广告。
如图3所示,在一些实施例中,所述广告特征提取模型的训练方法包括:
步骤S301、获取第一训练集和第二训练集,其中,所述第一训练集包括多个第一广告资源的初始广告特征和标签信息,所述第二训练集包括多个第二广告资源的初始搜索词特征。
其中,所述标签信息与所述初始广告特征一一对应,所述标签信息是所述第一广告资源所属的领域标签,例如,当所述第一广告资源为麦当劳时,所述标签信息为餐饮。
可以理解地,为提高所述广告特征提取模型的准确度,可以基于有监督的方式进行所述广告特征提取模型的训练,基于有监督的方式进行所述广告特征提取模型的训练时,需要依赖于监督信息。由于所述标签信息是与所述第一广告资源匹配的标签信息,因此,可以将所述标签信息作为训练所述广告特征提取模型时的监督信息。
步骤S302、对所述初始广告特征和所述初始搜索词特征进行正则化处理,并将正则化处理后的所述初始广告特征作为所述第一广告资源的广告特征,及将正则化处理后的所述初始搜索词特征作为所述第二广告资源的搜索词特征。
可以理解地,由于所述初始广告特征是第一视频资源的初始广告特征,所述初始搜索词特征是第二广告资源的初始搜索词特征,为了保证后续确定对比损失值的所述广告特征和所述搜索词特征在同一纬度,可以对所述初始广告特征和所述初始搜索词特征进行正则化处理。
步骤S303、基于分类模型确定所述第一广告资源的广告特征的分类结果,并根据所述分类结果与所述标签信息的差异信息,确定分类损失值。
其中,所述分类模型是提前训练好的用于对所述广告特征进行分类的模型,所述分类模型能够根据所述广告特征确定所述第一广告资源对应的产品名称,例如,当所述第一广告资源为薯片的广告,所述第一广告资源的标签为食品时,将所述第一广告资源的所述广告特征输入所述分类模型后得到所述广告特征的分类结果为“薯片”,此时将根据“薯片”与“食品”的差异信息确定所述分类损失值。
步骤S304、分别计算每个所述第一广告资源的广告特征和每个所述第二广告资源的搜索词特征的相似度,以获取每个所述第一广告资源的广告特征和每个所述第二广告资源的搜索词特征的关联系数。
例如,所有所述第一广告资源的广告特征分别为1、2、3,所有所述第二广告资源的搜索词特征分别为A、B、C,则获取到的关联系数分别为1A、1B、1C、2A、2B、2C、3A、3B、3C的相似度。
步骤S305、比较每个所述关联系数与预设关联系数的大小关系。
步骤S306、若所述关联系数不小于所述预设关联系数,将所述关联系数对应的所述第一广告资源和所述第二广告资源确定为相同广告资源,若所述关联系数小于所述预设关联系数,将所述关联系数对应的所述第一广告资源和所述第二广告资源确定为相异广告资源。
例如,若1A、2B、3C的关联系数不小于所述预设关联系数,且1B、1C、2B、2C、3B、3C的关联系数小于所述预设关联系数,则1对应的所述第一广告资源和A对应的所述第二广告资源为相同的广告资源、2对应的所述第一广告资源和B对应的所述第二广告资源为相同的广告资源、3对应的所述第一广告资源和C对应的所述第二广告资源为相同的广告资源、1对应的所述第一广告资源和B对应的所述第二广告资源为相异的广告资源、1对应的所述第一广告资源和C对应的所述第二广告资源为相异的广告资源、2对应的所述第一广告资源和B对应的所述第二广告资源为相异的广告资源、2对应的所述第一广告资源和C对应的所述第二广告资源为相异的广告资源、3对应的所述第一广告资源和B对应的所述第二广告资源为相异的广告资源、3对应的所述第一广告资源和C对应的所述第二广告资源为相异的广告资源。
步骤S307、基于所述相同广告资源确定相同广告特征集合,并基于所述相异广告资源确定相异广告特征集合。
其中,一个所述相同广告特征集合包括一个所述第一广告资源的广告特征和一个所述第二广告资源的搜索词特征,一个所述相异广告特征集合也包括一个所述第一广告资源的广告特征和一个所述第二广告资源的搜索词特征。
例如,若1A、2B、3C的关联系数不小于所述预设关联系数,且1B、1C、2B、2C、3B、3C的关联系数小于所述预设关联系数,则得到3个所述相同广告特征集合,分别为(1,A)、(2,B)、(3,C),得到6个所述相异广告特征集合,分别为(1,B)、(1,C)、(2,B)、(2,C)、(3,B)、(3,C)。
步骤S308、根据所述相同广告特征集合和所述相异广告特征集合确定对比损失值。
其中,可以将所述相同广告特征集合和所述相异广告特征集合输入提前训练好的对比学习模型来确定所述对比损失值。
步骤S309、基于所述分类损失值和所述对比损失值对初始广告特征提取模型进行训练,得到所述广告特征提取模型。
其中,可以将所述分类损失值和所述对比损失值相加后,得到对应的联合损失,并根据所述联合损失对所述初始特征提取模型进行训练,得到所述广告特征提取模型。
可以理解地,由于所述分类损失值是根据所述分类结果与所述标签信息的差异信息得到的,所述对比损失值是根据所述第一广告资源的广告特征和所述第二广告资源的搜索词特征得到的,因此,基于所述分类损失值和所述对比损失值训练得到的所述广告特征提取模型,可以看作是基于包括所述标签信息和所述搜索词特征的有监督信息(无需人工标注 监督信息)得到的广告特征提取模型。因此,所述广告特征提取模型在提取所述目标推送广告的广告特征时,可以充分挖掘所述目标推送广告的广告特征,提高了所述广告特征提取模型的准确度,同时,上述训练方法还可以提高所述广告特征提取模型的训练效率。
如图4所示,在一些实施例中,步骤S500包括:
步骤S501、对所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征进相关性分析,获得若干个广告相关系数。
步骤S502、分别比较若干个所述广告相关系数与预设的广告相关系数的大小关系。
步骤S503、若所述广告相关系数不小于所述预设的广告相关系数,将所述广告相关系数对应的所述映射关系确定为目标元素。
步骤S504、利用全部所述目标元素构建所述相关广告数据库。
可以理解地,所述相关广告数据库包括多个映射关系,所述映射关系与前述映射关系相同,所述相关广告数据库中的广告与所述目标推送广告相同或相似。
如图5所示,在一些实施例中,步骤S700包括:
步骤S701、根据每个所述广告用户对所述历史推送广告的响应信息确定每个所述广告用户的广告感兴趣类型信息。
其中,可以将所述广告用户对所述历史推送广告的响应信息输入提前训练好的广告感兴趣类型识别模型来确定所述广告用户的广告感兴趣类型信息,每个所述广告用户的广告感兴趣类型信息中可以包括一个或多个所述广告用户感兴趣的广告类型,所述广告感兴趣类型信息还包括所述广告用户感兴趣的广告的领域、适用人群等信息。
步骤S702、根据所述目标推送广告的广告特征确定目标推送广告类型信息。
其中,所述目标推送广告类型信息包括所述目标推送广告推送的产品的名称、适用的人群等信息。
步骤S703、根据每个所述广告用户的广告感兴趣类型信息和所述目标推送广告类型信息确定所述目标用户。
可以理解地,当所述广告用户的广告感兴趣类型信息中包括与所述目标推送广告类型信息相匹配的信息时,将所述广告用户确定为所述目标用户,例如,所述广告用户的感兴趣类型信息中包括时装以及所述时装的适用人群为30岁以下的女性,所述目标推送广告的类型信息是裙子以及所述裙子的适用人群为25岁以下的女性,则可以将所述广告用户确定为所述目标用户。
如图6所示,在一些实施例中,步骤S800包括:
步骤S801、将所述目标推送广告输入所述广告推送管理模型,以获取目标推送广告管理方案。
步骤S802、获取所述目标用户的浏览信息和身份信息。
其中,所述浏览信息包括所述目标用户经常浏览的媒体信息和所述目标用户经常浏览信息的时间。
步骤S803、根据所述浏览信息调整所述目标推送广告管理方案,并根据所述身份信息调整所述目标推送广告的广告参数。
其中,可以根据所述浏览信息中所述目标用户经常浏览的媒体信息调整所述目标推送广告所要推送的目标媒体,例如,所述目标用户经常浏览抖音,可以将所述目标媒体确定为抖音,也可以根据所述浏览信息中所述目标用户浏览信息的时间,确定所述目标推送广告的推送时间,例如,所述目标用户经常浏览信息的时间是晚上八点到九点之间,则可以在晚上八点到九点之间向所述目标用户推送所述目标推送广告。
其中,可以根据所述目标用户的年龄信息调整所述目标推送广告的广告参数,例如,所述目标用户为老年人,则可以将所述目标推送广告中的字体调整为大字体。
步骤S804、基于调整后的所述目标推送广告管理方案将调整后的所述目标推送广告推送给所述目标用户。
可以理解地,调整后的所述目标推送广告管理方案和调整后的所述目标推送广告更加符合所述目标用户的习惯和需求,可以提高所述目标推送广告被推送后的积极响应,从而提高所述目标推送广告的转化率。
请参阅图7,图7为本申请实施例提供的基于物联网的广告推送系统10的结构示意性框图,如图7所示,基于物联网的广告推送系统10包括:
第一获取模块11,用于响应广告推送方的广告推送请求,获取所述广告推送方的广告推送参数,并根据所述广告推送参数生成多个元素标签信息和模板信息,其中,所述广告推送方通过网络与所述广告推送系统相连。
生成模块12,用于根据多个所述元素标签信息和所述模板信息生成目标推送广告。
第二获取模块13,用于将所述目标推送广告输入广告特征提取模型,以获取所述目标推送广告的广告特征。
第一构建模块14,用于基于大数据构建历史广告推送数据库,所述历史广告推送数据库中包括若干个映射关系,所述映射关系为历史推送广告与所述历史推送广告的信息集的映射关系,其中,所述信息集包括所述历史推送广告的广告特征和广告用户对所述历史推送广告的响应信息。
第二构建模块15,用于根据所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征构建相关广告数据库。
第三构建模块16,用于基于所述相关广告数据库构建广告推送管理模型。
确定模块17,用于根据所述广告用户对所述历史推送广告的响应信息确定所述目标推送广告的目标用户。
推送模块18,用于基于所述广告推送管理模型将所述目标推送广告推送给所述目标用户。
如图8所示,在一些实施例中,生成模块12包括:
第一确定单元,用于根据多个所述元素标签信息在预设的素材库中进行检索,确定多个初始广告合成元素。
第一获取单元,用于将多个所述初始广告合成元素分别输入标准元素标签识别模型,以获取多个所述初始广告合成元素分别对应的标准元素标签信息。
计算单元,用于计算每个所述初始广告合成元素对应的所述元素标签信息和所述标准元素标签信息的相似度。
比较单元,用于比较每个所述相似度与预设相似度的大小关系。
第二确定单元,用于若所述相似度不小于所述预设相似度,将所述相似度对应的所述初始广告合成元素确定为广告合成元素。
第二获取单元,用于若所述相似度小于所述预设相似度,根据所述相似度对应的所述元素标签信息从云端获取广告合成元素,并将从云端获取到的所述广告合成元素存入所述素材库。
合成单元,用于根据所述模板信息将所述广告合成元素和从云端获取的所述广告合成元素合成为所述目标推送广告。
请参阅图7,在一些实施例中,基于物联网的广告推送系统10还包括模型训练模块19,模型训练模块19用于执行以下步骤:
获取第一训练集和第二训练集,其中,所述第一训练集包括多个第一广告资源的初始广告特征和标签信息,所述第二训练集包括多个第二广告资源的初始搜索词特征;
对所述初始广告特征和所述初始搜索词特征进行正则化处理,并将正则化处理后的所述初始广告特征作为所述第一广告资源的广告特征,及将正则化处理后的所述初始搜索词特征作为所述第二广告资源的搜索词特征;
基于分类模型确定所述第一广告资源的广告特征的分类结果,并根据所述分类结果与所述标签信息的差异信息,确定分类损失值;
分别计算每个所述第一广告资源的广告特征和每个所述第二广告资源的搜索词特征的相似度,以获取每个所述第一广告资源的广告特征和每个所述第二广告资源的搜索词特征的关联系数;
比较每个所述关联系数与预设关联系数的大小关系;
若所述关联系数不小于所述预设关联系数,将所述关联系数对应的所述第一广告资源和所述第二广告资源确定为相同广告资源;
若所述关联系数小于所述预设关联系数,将所述关联系数对应的所述第一广告资源和所述第二广告资源确定为相异广告资源;
基于所述相同广告资源确定相同广告特征集合,并基于所述相异广告资源确定相异广告特征集合;
根据所述相同广告特征集合和所述相异广告特征集合确定对比损失值;
基于所述分类损失值和所述对比损失值对初始广告特征提取模型进行训练,得到所述广告特征提取模型。
如图9所示,在一些实施例中,第二构建模块15包括:
分析单元,用于对所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征进相关性分析,获得若干个广告相关系数。
比较单元,用于分别比较若干个所述广告相关系数与预设的广告相关系数的大小关系。
确定单元,用于若所述广告相关系数不小于所述预设的广告相关系数,将所述广告相关系数对应的所述映射关系确定为目标元素。
构建单元,用于利用全部所述目标元素构建所述相关广告数据库。
如图10所示,在一些实施例中,确定模块17包括:
第一确定单元,用于根据每个所述广告用户对所述历史推送广告的响应信息确定每个所述广告用户的广告感兴趣类型信息。
第二确定单元,用于根据所述目标推送广告的广告特征确定目标推送广告类型信息。
第三确定单元,用于根据每个所述广告用户的广告感兴趣类型信息和所述目标推送广告类型信息确定所述目标用户。
如图11所示,推送模块18包括:
输入单元,用于将所述目标推送广告输入所述广告推送管理模型,以获取目标推送广告管理方案。
获取单元,用于获取所述目标用户的浏览信息和身份信息。
调整单元,用于根据所述浏览信息调整所述目标推送广告管理方案,并根据所述身份信息调整所述目标推送广告的广告参数。
推送单元,用于基于调整后的所述目标推送广告管理方案将调整后的所述目标推送广告推送给所述目标用户。
需要说明的是,所属技术领域的技术人员可以清楚了解到,为了描述的方便和简洁,上述描述的系统和各个模块及单元的具体工作过程,可以参考前述基于物联网的广告推送方法实施例中的对应过程,在此不再赘述。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求书的保护范围为准。
Claims (10)
1.一种基于物联网的广告推送方法,其特征在于,用于基于物联网的广告推送系统,所述方法包括:
响应广告推送方的广告推送请求,获取所述广告推送方的广告推送参数,并根据所述广告推送参数生成多个元素标签信息和模板信息,其中,所述广告推送方通过网络与所述广告推送系统相连;
根据多个所述元素标签信息和所述模板信息生成目标推送广告;
将所述目标推送广告输入广告特征提取模型,以获取所述目标推送广告的广告特征;
基于大数据构建历史广告推送数据库,所述历史广告推送数据库中包括若干个映射关系,所述映射关系为历史推送广告与所述历史推送广告的信息集的映射关系,其中,所述信息集包括所述历史推送广告的广告特征和广告用户对所述历史推送广告的响应信息;
根据所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征构建相关广告数据库;
基于所述相关广告数据库构建广告推送管理模型;
根据所述广告用户对所述历史推送广告的响应信息确定所述目标推送广告的目标用户;
基于所述广告推送管理模型将所述目标推送广告推送给所述目标用户。
2.根据权利要求1所述的基于物联网的广告推送方法,其特征在于,所述根据多个所述元素标签信息和所述模板信息生成目标推送广告,包括:
根据多个所述元素标签信息在预设的素材库中进行检索,确定多个初始广告合成元素;
将多个所述初始广告合成元素分别输入标准元素标签识别模型,以获取多个所述初始广告合成元素分别对应的标准元素标签信息;
计算每个所述初始广告合成元素对应的所述元素标签信息和所述标准元素标签信息的相似度;
比较每个所述相似度与预设相似度的大小关系;
若所述相似度不小于所述预设相似度,将所述相似度对应的所述初始广告合成元素确定为广告合成元素;
若所述相似度小于所述预设相似度,根据所述相似度对应的所述元素标签信息从云端获取广告合成元素,并将从云端获取到的所述广告合成元素存入所述素材库;
根据所述模板信息将所述广告合成元素和从云端获取的所述广告合成元素合成为所述目标推送广告。
3.根据权利要求1所述的基于物联网的广告推送方法,其特征在于,所述广告特征提取模型的训练方法,包括:
获取第一训练集和第二训练集,其中,所述第一训练集包括多个第一广告资源的初始广告特征和标签信息,所述第二训练集包括多个第二广告资源的初始搜索词特征;
对所述初始广告特征和所述初始搜索词特征进行正则化处理,并将正则化处理后的所述初始广告特征作为所述第一广告资源的广告特征,及将正则化处理后的所述初始搜索词特征作为所述第二广告资源的搜索词特征;
基于分类模型确定所述第一广告资源的广告特征的分类结果,并根据所述分类结果与所述标签信息的差异信息,确定分类损失值;
分别计算每个所述第一广告资源的广告特征和每个所述第二广告资源的搜索词特征的相似度,以获取每个所述第一广告资源的广告特征和每个所述第二广告资源的搜索词特征的关联系数;
比较每个所述关联系数与预设关联系数的大小关系;
若所述关联系数不小于所述预设关联系数,将所述关联系数对应的所述第一广告资源和所述第二广告资源确定为相同广告资源;
若所述关联系数小于所述预设关联系数,将所述关联系数对应的所述第一广告资源和所述第二广告资源确定为相异广告资源;
基于所述相同广告资源确定相同广告特征集合,并基于所述相异广告资源确定相异广告特征集合;
根据所述相同广告特征集合和所述相异广告特征集合确定对比损失值;
基于所述分类损失值和所述对比损失值对初始广告特征提取模型进行训练,得到所述广告特征提取模型。
4.根据权利要求1所述的基于物联网的广告推送方法,其特征在于,所述根据所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征构建相关广告数据库,包括:
对所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征进相关性分析,获得若干个广告相关系数;
分别比较若干个所述广告相关系数与预设的广告相关系数的大小关系;
若所述广告相关系数不小于所述预设的广告相关系数,将所述广告相关系数对应的所述映射关系确定为目标元素;
利用全部所述目标元素构建所述相关广告数据库。
5.根据权利要求1所述的基于物联网的广告推送方法,其特征在于,所述根据所述广告用户对所述历史推送广告的响应信息确定所述目标推送广告的目标用户,包括:
根据每个所述广告用户对所述历史推送广告的响应信息确定每个所述广告用户的广告感兴趣类型信息;
根据所述目标推送广告的广告特征确定目标推送广告类型信息;
根据每个所述广告用户的广告感兴趣类型信息和所述目标推送广告类型信息确定所述目标用户。
6.根据权利要求1所述的基于物联网的广告推送方法,其特征在于,所述基于所述广告推送管理模型将所述目标推送广告推送给所述目标用户,包括:
将所述目标推送广告输入所述广告推送管理模型,以获取目标推送广告管理方案;
获取所述目标用户的浏览信息和身份信息;
根据所述浏览信息调整所述目标推送广告管理方案,并根据所述身份信息调整所述目标推送广告的广告参数;
基于调整后的所述目标推送广告管理方案将调整后的所述目标推送广告推送给所述目标用户。
7.一种基于物联网的广告推送系统,其特征在于,包括:
第一获取模块,用于响应广告推送方的广告推送请求,获取所述广告推送方的广告推送参数,并根据所述广告推送参数生成多个元素标签信息和模板信息,其中,所述广告推送方通过网络与所述广告推送系统相连;
生成模块,用于根据多个所述元素标签信息和所述模板信息生成目标推送广告;
第二获取模块,用于将所述目标推送广告输入广告特征提取模型,以获取所述目标推送广告的广告特征;
第一构建模块,用于基于大数据构建历史广告推送数据库,所述历史广告推送数据库中包括若干个映射关系,所述映射关系为历史推送广告与所述历史推送广告的信息集的映射关系,其中,所述信息集包括所述历史推送广告的广告特征和广告用户对所述历史推送广告的响应信息;
第二构建模块,用于根据所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征构建相关广告数据库;
第三构建模块,用于基于所述相关广告数据库构建广告推送管理模型;
确定模块,用于根据所述广告用户对所述历史推送广告的响应信息确定所述目标推送广告的目标用户;
推送模块,用于基于所述广告推送管理模型将所述目标推送广告推送给所述目标用户。
8.根据权利要求7所述的基于物联网的广告推送系统,其特征在于,所述生成模块,包括:
第一确定单元,用于根据多个所述元素标签信息在预设的素材库中进行检索,确定多个初始广告合成元素;
第一获取单元,用于将多个所述初始广告合成元素分别输入标准元素标签识别模型,以获取多个所述初始广告合成元素分别对应的标准元素标签信息;
计算单元,用于计算每个所述初始广告合成元素对应的所述元素标签信息和所述标准元素标签信息的相似度;
比较单元,用于比较每个所述相似度与预设相似度的大小关系;
第二确定单元,用于若所述相似度不小于所述预设相似度,将所述相似度对应的所述初始广告合成元素确定为广告合成元素;
第二获取单元,用于若所述相似度小于所述预设相似度,根据所述相似度对应的所述元素标签信息从云端获取广告合成元素,并将从云端获取到的所述广告合成元素存入所述素材库;
合成单元,用于根据所述模板信息将所述广告合成元素和从云端获取的所述广告合成元素合成为所述目标推送广告。
9.根据权利要求7所述的基于物联网的广告推送系统,其特征在于,所述第二构建模块,包括:
分析单元,用于对所述目标推送广告的广告特征和若干个所述历史推送广告的广告特征进相关性分析,获得若干个广告相关系数;
比较单元,用于分别比较若干个所述广告相关系数与预设的广告相关系数的大小关系;
确定单元,用于若所述广告相关系数不小于所述预设的广告相关系数,将所述广告相关系数对应的所述映射关系确定为目标元素;
构建单元,用于利用全部所述目标元素构建所述相关广告数据库。
10.根据权利要求7所述的基于物联网的广告推送系统,其特征在于,所述推送模块,包括:
输入单元,用于将所述目标推送广告输入所述广告推送管理模型,以获取目标推送广告管理方案;
获取单元,用于获取所述目标用户的浏览信息和身份信息;
调整单元,用于根据所述浏览信息调整所述目标推送广告管理方案,并根据所述身份信息调整所述目标推送广告的广告参数;
推送单元,用于基于调整后的所述目标推送广告管理方案将调整后的所述目标推送广告推送给所述目标用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310595544.6A CN116308556A (zh) | 2023-05-25 | 2023-05-25 | 基于物联网的广告推送方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310595544.6A CN116308556A (zh) | 2023-05-25 | 2023-05-25 | 基于物联网的广告推送方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116308556A true CN116308556A (zh) | 2023-06-23 |
Family
ID=86834520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310595544.6A Pending CN116308556A (zh) | 2023-05-25 | 2023-05-25 | 基于物联网的广告推送方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308556A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116777524A (zh) * | 2023-07-18 | 2023-09-19 | 北京吉欣科技有限公司 | 基于人工智能的互动广告投放方法及相关装置 |
CN116843393A (zh) * | 2023-07-18 | 2023-10-03 | 北京吉欣科技有限公司 | 智能广告管理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113095881A (zh) * | 2020-11-11 | 2021-07-09 | 陈炜炜 | 基于人工智能的推送要素确定方法、系统及大数据中心 |
CN113888211A (zh) * | 2021-09-23 | 2022-01-04 | 北京奇艺世纪科技有限公司 | 一种广告推送方法、装置、电子设备及存储介质 |
CN114638646A (zh) * | 2022-03-25 | 2022-06-17 | 广州华多网络科技有限公司 | 广告投放推荐方法及其装置、设备、介质、产品 |
CN116030375A (zh) * | 2022-09-30 | 2023-04-28 | 北京达佳互联信息技术有限公司 | 视频特征提取、模型训练方法、装置、设备及存储介质 |
-
2023
- 2023-05-25 CN CN202310595544.6A patent/CN116308556A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113095881A (zh) * | 2020-11-11 | 2021-07-09 | 陈炜炜 | 基于人工智能的推送要素确定方法、系统及大数据中心 |
CN113888211A (zh) * | 2021-09-23 | 2022-01-04 | 北京奇艺世纪科技有限公司 | 一种广告推送方法、装置、电子设备及存储介质 |
CN114638646A (zh) * | 2022-03-25 | 2022-06-17 | 广州华多网络科技有限公司 | 广告投放推荐方法及其装置、设备、介质、产品 |
CN116030375A (zh) * | 2022-09-30 | 2023-04-28 | 北京达佳互联信息技术有限公司 | 视频特征提取、模型训练方法、装置、设备及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116777524A (zh) * | 2023-07-18 | 2023-09-19 | 北京吉欣科技有限公司 | 基于人工智能的互动广告投放方法及相关装置 |
CN116843393A (zh) * | 2023-07-18 | 2023-10-03 | 北京吉欣科技有限公司 | 智能广告管理方法及系统 |
CN116843393B (zh) * | 2023-07-18 | 2024-04-19 | 成都红户里科技有限公司 | 智能广告管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229590B (zh) | 一种获取多标签用户画像的方法和装置 | |
CN108665064B (zh) | 神经网络模型训练、对象推荐方法及装置 | |
Mao et al. | Multiobjective e-commerce recommendations based on hypergraph ranking | |
JP5962926B2 (ja) | レコメンダシステム、レコメンド方法、及びプログラム | |
CN116308556A (zh) | 基于物联网的广告推送方法及系统 | |
CN110910199B (zh) | 项目信息的排序方法、装置、计算机设备及存储介质 | |
CN109582876B (zh) | 旅游行业用户画像构造方法、装置和计算机设备 | |
CN111008335B (zh) | 一种信息处理方法、装置、设备及存储介质 | |
CN113379449B (zh) | 多媒体资源召回方法、装置、电子设备以及存储介质 | |
CN113946754A (zh) | 基于用户画像的权益推荐方法、装置、设备及存储介质 | |
CN112925973A (zh) | 数据处理方法和装置 | |
CN109522487A (zh) | 一种基于评论的餐厅个性化推荐方法 | |
CN114862480A (zh) | 广告投放定向方法及其装置、设备、介质、产品 | |
CN109389419B (zh) | 广告资源预加载方法、装置、计算机设备及存储介质 | |
CN111191127A (zh) | 一种基于关联分析算法的旅行推荐方法和系统 | |
CN111383042A (zh) | 房源推荐方法和装置 | |
CN113327132A (zh) | 多媒体推荐方法、装置、设备及存储介质 | |
KR102511634B1 (ko) | 리테일 키오스크를 위한 상황인지 기반 크로스도메인 추천 서비스 제공 시스템 | |
CN116932896A (zh) | 一种基于注意力机制的多模型融合个性化推荐架构 | |
CN110717094A (zh) | 信息推荐方法、装置、计算机设备和存储介质 | |
CN114399352B (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN115293818A (zh) | 广告投放选品方法及其装置、设备、介质 | |
WO2018002664A1 (en) | Data aggregation and performance assessment | |
WO2005064511A1 (ja) | キャンペーン動的適正化システム及びその方法又はその方法を記録した記録媒体及びその方法を伝送する伝送媒体 | |
CN114283300A (zh) | 标签确定方法及装置、模型训练方法及装置 |
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 |