CN116485475A - 基于边缘计算的物联网广告系统、方法及装置 - Google Patents

Abstract

本发明公开了一种基于边缘计算的物联网广告系统、方法及装置，涉及云计算、物联网技术领域，本发明实施例通过将广告系统的逻辑处理和内容分发部署到网络边缘计算设备上，利用边缘计算更广泛的覆盖范围优势和优化的网络优势，直接在边缘计算节点上处理广告投放、逻辑和数据分析等任务，减少了大量数据在服务器、云和设备或边缘位置之间传输的需求，降低对云计算资源的依赖，提高广告投放的效率和提升推荐精准度，增强了广告系统的稳定性和可扩展性，以及更低的成本优势。

Description

基于边缘计算的物联网广告系统、方法及装置

技术领域

本发明涉及云计算、物联网技术领域，尤其涉及一种基于边缘计算的物联网广告系统、方法及装置。

背景技术

随着近年来云计算、物联网技术的蓬勃发展，应用于物联网终端设备多样化解决方案也越来越广泛，随之而来的数据量也越来越庞大。传统的技术思路，采用云计算的方式处理物联网系统终端数据的方式变得越来越繁重，且云计算投入成本也会不断地上升。为了更好的处理大型物联网系统设备之间的逻辑与数据，提高互联设备之间的交互效率，边缘计算则应运而生。边缘计算可以轻松的将计算资源和服务放在更靠近终端设备和数据的源头位置，使得数据处理时间和延迟得到明显的改善，提高网络应用性能和效率。

与此同时，随着物联网技术及系统普及，广告营销的商业化运营应用于物联网技术也得到了较快的发展。传统的物联网广告系统一般依赖于云端服务器进行数据处理和分发，这种方案在随着物联网终端设备的暴增所导致的数据处理压力和网络延迟负载将逐渐放大，影响到整个系统的综合性能。因此，广告系统通过将数据的处理和分发部署到边缘计算的需求也就变得越来越迫切。

通过基于边缘计算的物联网广告系统，能够将边缘计算节点部署到物联网终端设备的前沿，直接在边缘计算节点上处理广告投放、逻辑和数据分析等任务，降低对云计算资源的依赖，提高广告投放的效率和提升推荐精准度，增强了广告系统的稳定性和可扩展性，以及提升了优越的成本优势。

发明内容

本发明的目的在于提供一种基于边缘计算的物联网广告系统、方法及装置，通过利用物联网技术，将传统云计算架构的广告系统，通过运用边缘计算技术，将广告系统大量的逻辑处理和数据分析工作部署到边缘计算设备上，从而有效地提升计算性能和降低系统的运营成本。为了实现上述目的，本发明提供了如下技术方案：

一种基于边缘计算的物联网广告系统，其系统架构包含：

广告投放平台：用于获取广告订单，并通过广告任务调度将广告内容的投放分发至边缘计算节点进行数据处理、广告内容分发逻辑处理，最终将投放数据返回保存到投放日志数据库；

物联网智能终端设备：用于接收并投放边缘计算节点分发的广告内容，并通过数据安全加密接口实时的将播放日志数据及安全信息反馈至广告投放平台；

边缘计算节点：用于处理所述广告投放平台分发的广告任务，对广告订单任务进行敏感内容风险审核处理，并将已处理完成待投放的内容分发至智能终端设备及用户终端进行投放展示；

用户终端：用于获取用户画像信息,并存储到广告投放平台的用户信息数据库，通过边缘计算节点的数据处理，接收到广告内容分发逻辑处理的广告推荐信息，展示广告内容、收集相关资料信息数据；

进一步的，所述系统中的物联网智能终端设备是基于开源操作系统Linux、Android 或 Harmony OS而进行定制开发的智能终端硬件平台，其硬件平台为物联网智能终端设备与专用硬件加速器（如GPU、TPU等）预留的高速连接UniLink专用扩展接口，可以直接将物联网智能终端设备升级成为具备协处理器，用于人工智能、加速机器学习模型的推理能力的智能终端设备，所述UniLink扩展接口为物联网设备与硬件加速器之间提供了一种高速、可靠且灵活的连接方式，所述UniLink扩展接口包含如下特性：

接口类型：采用高密度、多通道的连接器设计，以实现紧凑的尺寸和高性能。该接口可以支持多种信号类型，如高速数据通道、控制信号通道和电源通道。

数据传输：接口采用双向并行传输方式，允许在物联网设备与硬件加速器之间进行高速数据交换。该接口支持多个数据通道并行工作，以提高总体传输速率。

电源供应：接口集成了电源通道，可以为硬件加速器提供所需的电源。根据加速器的功耗需求，接口可以提供不同的电压和电流。

控制信号：接口提供了用于设备控制和状态监测的信号通道。这些通道可用于传输设备配置、故障检测和性能监控等信息。

通信协议：接口采用一种定制的通信协议，以实现高效的数据传输和低延迟。该协议包括错误检测和恢复机制，以确保数据的可靠传输。

硬件兼容性：接口设计灵活，可以根据不同算力性能加速器、图形处理器、集成电路的需求进行定制。通过使用适配器或转接器，UniLink接口还可以与其他标准接口（如PCIe、USB等）进行互操作，以满足边缘计算硬件设备兼容性。

进一步的，所述系统中的边缘计算节点由多个功能模块组成，包含如下：

网络通信模块：用于边缘计算节点的数据接收与发送，该模块配置网络环境包含LAN\WLAN\4G\5G网络连接方式，实时保持与物联网智能终端设备、用户终端和云服务器的网络连接；

数据存储模块：对接收的有效数据进行本地存储，并实时的进行数据处理与计算；

数据处理模块：对所述物联网智能终端设备、用户终端发送的原始数据进行处理，具体包含了用户画像数据处理、定位信息数据处理、内容推荐优化处理、敏感内容风险审核处理，其数据处理方式包含数据去噪、去重、数据清洗和数据格式转换功能；

数据分析模块：对所述数据处理模块预处理后的数据进行分析，包括数据挖掘、用户画像构建、广告推荐策略生成和广告匹配功能，并对已执行广告内容推荐数据，终端设备日志数据进行数据分析，提升推荐数据有效转化率；

数据分发模块：通过网络通信模块，将广告内容数据经分析模块优化推荐机制分发至物联网智能终端设备和用户终端，利用网络均衡负载技术将广告内容数据分发至网络中的其它边缘计算节点，并将日志数据推送至云端存储服务器及中心数据库；

跨层优化模块：直接对用户数据与内容数据构建推理模型，做边缘跨层优化计算，无需通过云服务器干预，执行所匹配的数据处理；

机器学习与推理模块：利用机器学习算法构建推理模型，执行人工智能计算业务，通过构建开放平台安全接口，接收和执行第三方实时性要求较高的人工智能、深度学习、机器学习与推理计算工作；

进一步的，上述边缘计算节点的机器学习与推理模块，主要用于执行人工智能机器学习与推理，包含计算机机器学习、自然语言处理、机器视觉图形处理、计算机推理与规划、机器规划与决策、卷积神经网络迁移学习、异构数据处理、网络分发等任务。

一种基于边缘计算的物联网广告方法，包含以下步骤：

S1a广告投放平台接收到平台用户发起的广告订单

S1b广告投放平台通过开放平台接口接收到第三方广告订单

S2根据广告订单的特征和要求预处理广告订单内容，调度最适合的边缘节点进行处理与分发广告内容

S3边缘节点根据预处理的广告订单内容及规则，使用协同过滤和深度学习技术分析处理订单规则，优化广告的推荐策略、实现精准个性化推荐，并通过推荐优化处理建立终端分发机制

S4物联网智能终端设备和用户终端接收并展示边缘节点分发推送的广告内容，使用A/B测试验证广告展示效果，并收集用户反馈数据为下一次广告投放做出更精准的预测，然后将反馈数据返回边缘节点进行优化

S5边缘节点接收到终端反馈数据，进行不断调整和优化广告分发机制，并将广告展示数据返回到广告投放平台使用分布式数据库来优化数据处理和存储效率

S6广告投放平台通过可视化的数据分析工具，对广告展示和点击数据进行集中管理和分析，并通过开放平台安全加密接口推送并展示给第三方数据

进一步的，在上述边缘计算的物联网广告投放方法S3中，使用协同过滤和深度学习技术分析处理订单规则，优化广告的推荐策略，实现精准个性化推荐目的，所述协同过滤和深度学习技术分析处理订单规则方法如下：

协同过滤方法：通过收集和分析用户历史行为数据，发现用户之间的共性和相似性，对不同用户之间的行为进行比较和匹配，找出具有相似行为特征的用户、内容或物品，并将这些相似的类作为潜在的推荐目标，从而实现个性化推荐，具体实现方法的流程步骤如下：

S311收集和分析用户的历史行为数据，包括用户对广告或商品的浏览、点击、以及关注等行为数据

S312通过用户的历史行为数据及用户信息数据，构建用户画像，然后进一步构建用户针对特征物品或广告内容的评分影响体系

S313计算和分析用户之间特征数据及相似度，并根据评分影响体系的特征向量值推荐多个相似度接近的特征物品或广告内容

S314将不同的广告推荐策略随机应用于用户群体中的子集，并比较其效果，来确定哪种特征物品或广告内容有效转化率更高，并促进持续改进

深度学习技术：通过利用较为成熟的深度学习模型如卷积神经网络（CNN）和循环神经网络（RNN）等基于人工神经网络的机器学习方法，从大规模数据中学习到复杂的模式和特征，并用来预测和推荐，其具体实现方法的流程步骤如下：

S321收集和分析用户的历史行为数据，包括用户对广告或商品的浏览、点击、以及关注等行为数据；

S322通过对用户的历史行为数据，构建一个或多个深度学习模型，如上述卷积神经网络（CNN）和循环神经网络（RNN）

S323通过已有的用户历史行为数据对深度学习模型进行模型训练，并对转化向量数据进行预测并分析

S324将预测内容推荐到用户终端，使用A/B测试验证广告展示效果，来确定广告内容有效转化率，并收集这些数据进行不断的持续深度学习，优化广告的推荐策略，实现精准个性化推荐目的。

进一步的，在上述边缘计算的物联网广告投放方法中的数据传输接口安全加密保护，采用SSL/TLS协议进行加密保护，同时根据系统定级方案要求进行的权限控制和审计管理，保证数据安全性和可追溯性。

一种基于边缘计算的物联网广告装置，包括以下单元：

广告订单获取单元，用于获取需要发布的广告订单信息，所述获取单元包含了平台用户发起的广告订单信息和开放平台接口接收到第三方广告订单信息；

广告逻辑处理单元，用于将获取到的广告订单内容进行内容审核，并通过广告订单特征及规则进行分发推送，以完成广告投放效率转化；

广告内容展示单元，用于对已完成广告发布的内容进行展示和数据获取，并通过终端设备的数据接口将反馈数据返回至边缘计算节点和广告管理平台。

本发明实施例通过将物联网广告系统的逻辑处理和内容分发部署到网络边缘计算设备上，利用边缘计算更广泛的覆盖范围优势和优化的网络优势，直接在边缘计算节点上处理广告投放、逻辑和数据分析等任务，减少了大量数据在服务器、云和设备或边缘位置之间传输的需求，降低对云计算资源的依赖，提高广告投放的效率和提升推荐精准度，增强了广告系统的稳定性和可扩展性，以及更低的成本优势。

附图说明

图1为本发明实施例提供的一种基于边缘计算的物联网广告方法流程示意图

图2为本发明实施例提供的一种基于边缘计算的物联网广告系统整体结构示意图

图3为本发明实施例提供的物联网智能终端设备硬件结构框图

图4为本发明实施例提供的边缘计算节点装置的结构示意图

图5为本发明实施例提供的一种基于边缘计算的物联网广告装置的示意图

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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及方法进行清楚、完整地描述，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前提下所获得的所有其他实施例，都属于本发明保护范围。

如图1所示，一种基于边缘计算的物联网广告方法流程示意图，视图所示本发明基于边缘计算的物联网广告的方法及流程，主要包含了六个步骤，如下：

S1a广告投放平台接收到平台用户发起的广告订单

S1b广告投放平台通过开放平台接口接收到第三方广告订单

结合图1所述方法流程，S1是本实施例基于边缘计算的物联网广告的方法与流程中的第一步，该流程主要是获取到广告订单的来源，通过两种方式，S1a本系统平台用户发起的广告订单，S1b通过开放平台接口接收到第三方广告订单，所述两种方式方法如下：

S1a、平台的广告用户向广告投放平台发起广告订单：广告用户通过广告投放平台的广告发布功能，自行上传广告的视频或图片，以及配置固定落地页链接等方式，并依次对广告发布时间、区域、用户人群等相关参数做出配置，然后提交等待广告投放平台处理数据；

S1b、开放平台接口接收到第三方广告订单：第三方广告用户通过广告平台的开放接口，发起广告订单请求，第三方广告用户根据平台对广告参数的配置要求，依次提交广告内容、发布的时间、区域、用户人群属性等广告发布的相关参数，并根据平台要求进行参数配置，然后发起广告订单请求后，等待广告投放平台进行数据处理；

S2根据广告订单的特征和要求预处理广告订单内容，调度最适合的边缘节点进行处理与分发广告内容

结合图1中的方法流程S2所示，广告投放平台的云服务器在接收到广告订单后，将对广告内容、信息及特征进行发布前的预处理，其处理内容及流程如下：

首先，根据广告订单参数展示的行业信息，对广告内容进行综合分类，将视频、图片、落地页等数据信息进行整理，并依次加入到审核处理列表，并开展列队处理；

其次，利用CNN卷积神经网络模型结构、ASR自然语音识别等人工智能技术，对审核内容进行完整的定位，并对识别内容的关键项提取；

然后，通过基础的广告敏感内容安全数据库对广告识别内容进行定位和矫正，利用NLP自然语言处理技术完整的表达广告内容的审核结果；

最后，由广告投放平台将广告订单预处理结果反馈到广告用户，并开始下一步广告发布；

广告投放平台在进行完预处理广告订单内容后，开始根据广告订单的配置参数，对广告发布内容进行精准的分发处理，系统平台在分发过程中，将优先调取广告订单目标网络节点发布边缘的计算节点进行任务分发处理。

S3边缘节点根据预处理的广告订单内容及规则，使用协同过滤和深度学习技术分析处理订单规则，优化广告的推荐策略、实现精准个性化推荐，并通过推荐优化处理建立终端分发机制

结合图1中的方法流程S3所示，边缘节点在接收到广告发布任务处理后，开始对广告内容参数与预审核规则进行发布任务推荐处理，本发明中的实施例通过使用协同过滤方法和深度学习技术分析处理方法，对广告的发布目标终端设备推荐算法进行深层优化，通过优化后的推荐策略，实现精准个性化推荐数据处理，所述方法的具体实施方式如下：

协同过滤方法：通过收集和分析用户历史行为数据，发现用户之间的共性和相似性，对不同用户之间的行为进行比较和匹配，找出具有相似行为特征的用户、内容或物品，并将这些相似的类作为潜在的推荐目标，从而实现个性化推荐，具体实现方法的流程步骤如下：

S311收集和分析用户的历史行为数据，包括用户对广告或商品的浏览、点击、以及关注等行为数据

S312通过用户的历史行为数据及用户信息数据，构建用户画像，然后进一步构建用户针对特征物品或广告内容的评分影响体系

S313计算和分析用户之间特征数据及相似度，并根据评分影响体系的特征向量值推荐多个相似度接近的特征物品或广告内容

S314将不同的广告推荐策略随机应用于用户群体中的子集，并比较其效果，来确定哪种特征物品或广告内容有效转化率更高，并促进持续改进。

深度学习技术处理方法：通过利用较为成熟的深度学习模型如卷积神经网络（CNN）和循环神经网络（RNN）等基于人工神经网络的机器学习方法，从大规模数据中学习到复杂的模式和特征，并用来预测和推荐，其具体实现方法的流程步骤如下：

S321收集和分析用户的历史行为数据，包括用户对广告或商品的浏览、点击、以及关注等行为数据；

S322通过对用户的历史行为数据，构建一个或多个深度学习模型，如上述卷积神经网络（CNN）和循环神经网络（RNN）

S323通过已有的用户历史行为数据对深度学习模型进行模型训练，并对转化向量数据进行预测并分析

S324将预测内容推荐到用户终端，使用A/B测试验证广告展示效果，来确定广告内容有效转化率，并收集这些数据进行不断的持续深度学习，优化广告的推荐策略，实现精准个性化推荐目的。

所述发布任务推荐处理方法在系统运营中，可独立的采用某一种进行处理推荐任务，同样的可以同时采用两种推荐方法进行同步处理，以获取到最佳推荐任务处理效果。

S4物联网智能终端设备和用户终端接收并展示边缘节点分发推送的广告内容，使用A/B测试验证广告展示效果，并收集用户反馈数据为下一次广告投放做出更精准的预测，然后将反馈数据返回边缘节点进行优化

结合图1中的方法流程S4所示，在通过上述流程S3中的方法使用协同过滤和深度学习技术分析处理订单规则，优化广告的推荐策略、实现精准个性化推荐，并通过推荐优化处理建立终端分发机制，进行了广告内容在物联网智能终端设备和用户终端展示后，边缘计算节点将采集到广告内容的访问及转化结果数据，并将此数据作为有效性验证，通过A/B验证方式来验证不同广告素材、广告文案、广告排版、广告投放渠道等因素对广告展示效果的影响，并进行广告投放所带来的预期效果反馈评估，从反馈数据中收集到用户更为完整反馈数据，为后期同类广告投放做出更加精准的预测和推荐，从而优化广告投放策略。

S5边缘节点接收到终端反馈数据，进行不断调整和优化广告分发机制，并将广告展示数据返回到广告投放平台使用分布式数据库来优化数据处理和存储效率

结合图1中的方法流程S5所示，广告内容投放过程中经过上述步骤S2-S3-S4的方法流程后，边缘计算节点会根据每次物联网智能终端设备和用户终端的反馈数据进行不断的优化和调整，并在此广告内容的投放阶段过程中，多次重复S3-S4的流程步骤，持续的进行数据分析和优化处理，并将此优化过程的数据和最终的优化结果数据以及用户反馈数据通过边缘计算节点反馈至云端服务器的分布式数据库进行存储，优化数据处理和存储效率。

S6广告投放平台通过可视化的数据分析工具，对广告展示和点击数据进行集中管理和分析，并通过开放平台安全加密接口推送并展示给第三方数据

结合图1中的方法流程S6所示，广告投放周期的数据通过边缘计算节点反馈至云端数据库在存储和处理的过程中，广告投放平台系统可视化的数据管理分析工具，会对数据进行综合管理分析，将最终的展示和转化结果数据生成新的关联数据库样本，便于通过同类型、同行业的广告进行关联性数据分析，并将这些数据展示给来自于平台及第三方的广告用户。

如图2所示，一种基于边缘计算的物联网广告系统整体结构示意图，图示本发明一种基于边缘计算的物联网广告系统结构包含广告投放平台110、边缘计算节点120、物联网智能终端设备130和用户终端140四个部分组成。广告投放平台110是本发明系统架构的核心，其核心功能主要负责广告订单的来源、广告投放内容的预处理、边缘计算节点处理任务的分发与调度、分布式数据存储与管理。

结合图2所示边缘计算节点120在本系统结构中的主要功能是根据广告投放平台110预处理的广告订单内容及规则，对广告内容的分发进行优化广告的推荐策略、实现精准个性化推荐处理，通过推荐优化处理建立终端分发机制，将广告内容通过自身网络资源分发至指定的物联网智能终端设备130和用户终端140，从而获取到有效的广告投放数据，并收集这些反馈数据到边缘节点进行不断的优化，为下一次广告投放做出更精准的预测。同时，边缘计算节点还将通过自身的网络特性，及性能优势，利用机器学习算法构建推理模型，执行人工智能计算业务，通过构建开放平台安全接口，接收和执行第三方实时性要求较高的人工智能、深度学习、机器学习与推理计算工作。

结合图2所示物联网智能终端设备130和用户终端140在本系统结构中的主要功能是负责广告内容的展示，并提供全数据链的广告内容与商品的转化功能，通过用户对广告内容的访问和浏览，记录反馈相关访问的数据，并实时的推送至边缘计算节点120进行处理，再接收优化后的智能推荐内容并展示出来。

结合图2所示边缘计算节点、物联网智能终端设备和用户终端，在不同的广告用户需求、应用场景和网络环境下，会根据不同的广告用户推荐需求分发和调度新的边缘计算节点、物联网智能终端设备和用户终端，如示图中边缘计算节点121和122，以及物联网智能终端设备131和132，用户终端141和142，此应用需求在本发明一种基于边缘计算的物联网广告系统整体结构的应用拓展将会根据需求而带来数量庞大的增长，而本系统的优势在于广告投放平台会根据这一增长需求获取到优化后的最终用户，来提升广告用户投放的广告内容展示效果转化及效率，也避免让更多的广告用户为无效的广告投放而付费。

如图3所示，物联网智能终端设备硬件结构框图，图示是本发明上述图2中物联网智能终端设备130的示例性组件示意图。本发明实施例所提供的方法实施例可以在物联网智能终端、计算机终端或类似运算装置中执行。以物联网智能终端为例，物联网智能终端设备130可因配置或性能需求不同而定制不同的一个或多个中央处理器210（中央处理器210还可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）、随机访问存储器220（RAM）、只读存储介质220（ROM），以及带有定位功能的多模卫星定位模组240；其中图示存储介质（ROM）还可存储设备操作所需的各种程序和数据，如图示中所示随系统应用而需求的操作系统231、应用数据232、软件程序233，实现对系统应用及数据的存储与读写。

结合图3所示，物联网智能终端设备130还配置了各种外部资源接口，其接口类型包含有线/无线接口250、输入/输出接口260、UniLink扩展接口270和电子显示屏接口280，有线/无线接口250具备常规的有线LAN和无线WLAN网络连接，同时网络通信接口还具备4G/5G通信模块，该模块配置网络环境同时具备4G\5G网络连接方式，能实时保持与物联网智能终端设备、边缘计算节点和云服务器的网络连接；输入/输出接口260为具备可扩展方式的通用串行总线USB接口，满足设备运行和管理的基本外接设备要求；UniLink扩展接口270是为物联网智能终端设备与专用硬件加速器（如GPU、TPU等）预留的高速连接UniLink专用扩展接口，可以直接将物联网智能终端设备升级成为具备协处理器，用于人工智能、加速机器学习模型的推理能力的智能终端设备；电子显示屏接口是为扩展外部显示设备而预留的通用视频输出接口，接口兼容当前主流的视频输出协议。

结合图3，本领域普通技术人员可以理解，图3所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，物联网智能终端、计算机终端或类似运算装置还可包括比图3中所示更多或者更少的组件，或者具有与图3所示不同的配置。

如图4所示，边缘计算节点装置的结构示意图，该装置具有实现上述实施例方法基于边缘计算的物联网广告方法的边缘计算功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现，该装置包含以下模块功能：

网络通信模块310，用于边缘计算节点的数据接收与发送，该模块配置网络环境包含LAN\WLAN\4G\5G网络连接方式，实时保持与物联网智能终端设备、用户终端和云服务器的网络连接；

数据存储模块320，对接收的有效数据进行本地存储，并实时的进行数据处理与计算；

数据处理模块330，对所述物联网智能终端设备、用户终端发送的原始数据进行处理，具体包含了用户画像数据处理、定位信息数据处理、内容推荐优化处理、敏感内容风险审核处理，其数据处理方式包含数据去噪、去重、数据清洗和数据格式转换功能；

数据分析模块340，对所述数据处理模块预处理后的数据进行分析，包括数据挖掘、用户画像构建、广告推荐策略生成和广告匹配功能，并对已执行广告内容推荐数据，终端设备日志数据进行数据分析，提升推荐数据有效转化率；

数据分发模块350，通过网络通信模块，将广告内容数据经分析模块优化推荐机制分发至物联网智能终端设备和用户终端，利用网络均衡负载技术将广告内容数据分发至网络中的其它边缘计算节点，并将日志数据推送至云端存储服务器及中心数据库；

跨层跨层优化模块360，直接对用户数据与内容数据构建推理模型，做边缘跨层优化计算，无需通过云服务器干预，执行所匹配的数据处理；

机器学习与推理模块370：利用机器学习算法构建推理模型，执行人工智能计算业务，通过构建开放平台安全接口，接收和执行第三方实时性要求较高的人工智能、深度学习、机器学习与推理计算工作；

结合图4，本实施例中边缘计算节点的机器学习与推理模块功能，是通过上述图3中所示本实施例 UniLink扩展接口270进行扩展而实现，该功能模块的扩展，主要用于执行人工智能机器学习与推理，包含计算机机器学习、自然语言处理、机器视觉图形处理、计算机推理与规划、机器规划与决策、卷积神经网络迁移学习、异构数据处理、网络分发等任务。

如图5所示，一种基于边缘计算的物联网广告装置示意图，在本实施例中，图5是根据本发明实现上述一种基于边缘计算的物联网广告方法流程的结构示意图，图示装置包含广告订单获取单元1、广告逻辑处理单元2、广告内容展示单元3组成，所述广告订单获取单元1，用于获取需要发布的广告订单信息，所述获取单元包含了平台用户发起的广告订单信息和开放平台接口接收到第三方广告订单信息；所述广告逻辑处理单元2，用于将获取到的广告订单内容进行内容审核，并通过广告订单特征及规则进行分发推送，以完成广告投放效率转化；所述广告内容展示单元3，用于对已完成广告发布的内容进行展示和数据获取，并通过终端设备的数据接口将反馈数据返回至边缘计算节点和广告管理平台。

结合图4、图5所示，需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见图1方法实施例，这里不再赘述。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)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，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (8)

1.一种基于边缘计算的物联网广告系统，其特征在于，所述广告系统主要应用在物联网智能终端设备的广告投放，其系统架构包含：

广告投放平台：用于获取广告订单，并通过广告任务调度将广告内容的投放分发至边缘计算节点进行数据处理、广告内容分发逻辑处理，最终将投放数据返回保存到投放日志数据库；

物联网智能终端设备：用于接收并投放边缘计算节点分发的广告内容，并通过数据安全加密接口实时的将播放日志数据及安全信息反馈至广告投放平台；

边缘计算节点：用于处理所述广告投放平台分发的广告任务，对广告订单任务进行敏感内容风险审核处理，并将已处理完成待投放的内容分发至智能终端设备及用户终端进行投放展示；

用户终端：用于获取用户画像信息,并存储到广告投放平台的用户信息数据库，通过边缘计算节点的数据处理，接收到广告内容分发逻辑处理的广告推荐信息，展示广告内容、收集相关资料信息数据。

2.根据权利要求1所述的一种基于边缘计算的物联网广告系统，其特征在于，所述物联网智能终端设备是基于开源操作系统Linux、Android 或 Harmony OS而进行定制开发的智能终端硬件平台，其硬件平台为物联网智能终端设备与专用硬件加速器（如GPU、TPU等）预留的高速连接UniLink专用扩展接口，可以直接将物联网智能终端设备升级成为具备协处理器，用于人工智能、机器学习模型及推理能力的边缘计算设备，所述UniLink扩展接口为物联网设备与硬件加速器之间提供了一种高速、可靠且灵活的连接方式，所述物联网智能终端设备的UniLink扩展接口包含如下特性：

接口类型：采用高密度、多通道的连接器设计，以实现紧凑的尺寸和高性能。该接口可以支持多种信号类型，如高速数据通道、控制信号通道和电源通道；

数据传输：采用双向并行传输方式，允许在物联网设备与硬件加速器之间进行高速数据交换。该接口支持多个数据通道并行工作，以提高总体传输速率；

电源供应：集成了电源通道，可以为硬件加速器提供所需的电源。根据加速器的功耗需求，接口可以提供不同的电压和电流；

控制信号：提供了用于设备控制和状态监测的信号通道。这些通道可用于传输设备配置、故障检测和性能监控等信息；

通信协议：采用一种定制的通信协议，以实现高效的数据传输和低延迟。该协议包括错误检测和恢复机制，以确保数据的可靠传输；

硬件兼容性：设计灵活，可以根据不同算力性能加速器、图形处理器、集成电路的需求进行定制。通过使用适配器或转接器，UniLink接口还可以与其他标准接口（如PCIe、USB等）进行互操作，以满足边缘计算硬件设备兼容性。

3.根据权利要求1所述的一种基于边缘计算的物联网广告系统，其特征在于，所述边缘计算节点由多个功能模块组成，包含如下：

网络通信模块：用于边缘计算节点的数据接收与发送，该模块配置网络环境包含LAN\WLAN\4G\5G网络连接方式，实时保持与物联网智能终端设备、用户终端和云服务器的网络连接；

数据存储模块：对接收的有效数据进行本地存储，并实时的进行数据处理与计算；

数据处理模块：对所述物联网智能终端设备、用户终端发送的原始数据进行处理，具体包含了用户画像数据处理、定位信息数据处理、内容推荐优化处理、敏感内容风险审核处理，其数据处理方式包含数据去噪、去重、数据清洗和数据格式转换功能；

数据分析模块：对所述数据处理模块预处理后的数据进行分析，包括数据挖掘、用户画像构建、广告推荐策略生成和广告匹配功能，并对已执行广告内容推荐数据，终端设备日志数据进行数据分析，提升推荐数据有效转化率；

数据分发模块：通过网络通信模块，将广告内容数据经分析模块优化推荐机制分发至物联网智能终端设备和用户终端，利用网络均衡负载技术将广告内容数据分发至网络中的其它边缘计算节点，并将日志数据推送至云端存储服务器及中心数据库；

跨层优化模块：直接对用户数据与内容数据构建推理模型，做边缘跨层优化计算，无需通过云服务器干预，执行所匹配的数据处理；

机器学习与推理模块：利用机器学习算法构建推理模型，执行人工智能计算业务，通过构建开放平台安全接口，接收和执行第三方实时性要求较高的人工智能、深度学习、机器学习与推理计算工作。

4.根据权利要求3所述的边缘计算节点由多个功能模块组成，其特征在于，所述边缘计算节点的机器学习与推理模块，主要用于执行人工智能机器学习与推理，包含计算机机器学习、自然语言处理、机器视觉图形处理、计算机推理与规划、机器规划与决策、卷积神经网络迁移学习、异构数据处理、网络分发等任务。

5.一种基于边缘计算的物联网广告方法，其特征在于，基于边缘计算的物联网广告投放方法包含以下步骤：

S1a广告投放平台接收到平台用户发起的广告订单

S1b广告投放平台通过开放平台接口接收到第三方广告订单

S2根据广告订单的特征和要求预处理广告订单内容，调度最适合的边缘节点进行处理与分发广告内容

S3边缘节点根据预处理的广告订单内容及规则，使用协同过滤和深度学习技术分析处理订单规则，优化广告的推荐策略、实现精准个性化推荐，并通过推荐优化处理建立终端分发机制

S4物联网智能终端设备和用户终端接收并展示边缘节点分发推送的广告内容，使用A/B测试验证广告展示效果，并收集用户反馈数据为下一次广告投放做出更精准的预测，然后将反馈数据返回边缘节点进行优化

S5边缘节点接收到终端反馈数据，进行不断调整和优化广告分发机制，并将广告展示数据返回到广告投放平台使用分布式数据库来优化数据处理和存储效率

S6广告投放平台通过可视化的数据分析工具，对广告展示和点击数据进行集中管理和分析，并通过开放平台安全加密接口推送并展示给第三方数据。

6.根据权利要求5所述的一种基于边缘计算的物联网广告方法，其特征在于，基于边缘计算的物联网广告投放方法S3中，使用协同过滤和深度学习技术分析处理订单规则，优化广告的推荐策略，实现精准个性化推荐目的，所述协同过滤和深度学习技术分析处理订单规则方法如下：

协同过滤方法：通过收集和分析用户历史行为数据，发现用户之间的共性和相似性，对不同用户之间的行为进行比较和匹配，找出具有相似行为特征的用户、内容或物品，并将这些相似的类作为潜在的推荐目标，从而实现个性化推荐，具体实现方法的流程步骤如下：

S311收集和分析用户的历史行为数据，包括用户对广告或商品的浏览、点击、以及关注等行为数据

S312通过用户的历史行为数据及用户信息数据，构建用户画像，然后进一步构建用户针对特征物品或广告内容的评分影响体系

S313计算和分析用户之间特征数据及相似度，并根据评分影响体系的特征向量值推荐多个相似度接近的特征物品或广告内容

S314将不同的广告推荐策略随机应用于用户群体中的子集，并比较其效果，来确定哪种特征物品或广告内容有效转化率更高，并促进持续改进

深度学习技术：通过利用较为成熟的深度学习模型如卷积神经网络（CNN）和循环神经网络（RNN）等基于人工神经网络的机器学习方法，从大规模数据中学习到复杂的模式和特征，并用来预测和推荐，其具体实现方法的流程步骤如下：

S321收集和分析用户的历史行为数据，包括用户对广告或商品的浏览、点击、以及关注等行为数据；

S322通过对用户的历史行为数据，构建一个或多个深度学习模型，如上述卷积神经网络（CNN）和循环神经网络（RNN）

S323通过已有的用户历史行为数据对深度学习模型进行模型训练，并对转化向量数据进行预测并分析

S324将预测内容推荐到用户终端，使用A/B测试验证广告展示效果，来确定广告内容有效转化率，并收集这些数据进行不断的持续深度学习，优化广告的推荐策略，实现精准个性化推荐目的。

7.根据权利要求5所述的一种基于边缘计算的物联网广告方法，其特征在于，基于边缘计算的物联网广告投放方法中的数据传输接口安全加密保护，采用SSL/TLS协议进行加密保护，同时根据系统定级方案要求进行的权限控制和审计管理，保证数据安全性和可追溯性。

8.一种基于边缘计算的物联网广告装置，其特征在于，包括：

广告订单获取单元，用于获取需要发布的广告订单信息，所述获取单元包含了平台用户发起的广告订单信息和开放平台接口接收到第三方广告订单信息；

广告逻辑处理单元，用于将获取到的广告订单内容进行内容审核，并通过广告订单特征及规则进行分发推送，以完成广告投放效率转化；

广告内容展示单元，用于对已完成广告发布的内容进行展示和数据获取，并通过终端设备的数据接口将反馈数据返回至边缘计算节点和广告管理平台。