一种互联网广告的个性化精准投放方法技术

本发明专利技术提出了一种互联网广告的个性化精准投放方法。该方法根据用户点击广告的信号，来更新用户的特征向量和广告的特征向量；根据用户点击网页的信号，来更新用户的特征向量和网页的特征向量。多次使用上述方法更新多个用户、多个广告以及多个文档的特征向量。当一个用户点击一个网页后，根据该用户和该网页的特征向量，计算一组广告中每个广告的个性化排序值，并且根据该个性化排序值将所述一组广告中的至少一个广告呈现给该用户。本方法能够较好地解决推荐系统的数据稀疏性问题，实现互联网广告的个性化精准投放，进而提高互联网广告的点击率。

【技术实现步骤摘要】
【专利摘要】本专利技术提出了。该方法根据用户点击广告的信号，来更新用户的特征向量和广告的特征向量；根据用户点击网页的信号，来更新用户的特征向量和网页的特征向量。多次使用上述方法更新多个用户、多个广告以及多个文档的特征向量。当一个用户点击一个网页后，根据该用户和该网页的特征向量，计算一组广告中每个广告的个性化排序值，并且根据该个性化排序值将所述一组广告中的至少一个广告呈现给该用户。本方法能够较好地解决推荐系统的数据稀疏性问题，实现互联网广告的个性化精准投放，进而提高互联网广告的点击率。【专利说明】
本专利技术涉及互联网领域，具体来说涉及。
技术介绍
互联网广告是网络公司的主要变现方式，按点击付费是互联网广告的主要计费模 式。提高广告点击率，能够使网络公司、广告主和用户三方获益。 常见的互联网广告，包括图片式广告、移动闪烁式广告，弹出式广告以及文本链接 广告等等。为提高广告点击率和展现率，网络公司通常根据网页的排名、广告的出价以及广 告与网页的相关程度来投放广告。现有广告投放技术的主要缺点是，无法根据用户的个性 化特征进行广告精准投放。在现有技术中不同用户在相同网页下看到的广告是相同的。由 于用户兴趣爱好千差万别，如果能够根据用户的个性化差异投放广告，将会显著提高广告 点击率和展现率。 虽然现有的推荐系统也可以根据用户的特征投放个性化广告，但是该技术的缺 点是无法克服大数据应用环境下的数据稀疏问题。以协同过滤系统为例，它通过分析用 户兴趣，在用户群中找到与指定用户具有相似兴趣的用户，然后综合这些相似用户对某一 广告的点击浏览行为，形成该指定用户对此广告的关注程度预测，并据此向该指定用户推 荐广告。但是，在实际应用中发现99%以上的广告曝光没有用户点击浏览行为发生，例如 Facebook上的广告平均点击率小于1%。。因此，当推荐系统规模越来越大，用户和推荐广告 的数目会显著增加，这将造成两个用户之间选择相同推荐广告的概率非常低。如果以用户 和推荐广告之间已有的点击关系占所有可能存在的点击关系的比例来衡量系统的稀疏性， 那么现有推荐系统的稀疏度非常低，有的甚至达到百万分之一的量级。由于数据非常稀疏， 使得绝大部分基于关联分析的推荐系统，如协同过滤系统等，无法达到理想的应用效果。
技术实现思路
鉴于上述现有技术存在的问题，本专利技术的目的在于提供一种互联网广告的个性化 精准投放方法，来提高互联网广告的点击率和展现率。 根据以上所述的目的，本专利技术提出了，其 特征在于，所述方法包括在接入互联网的服务器中执行如下步骤： 步骤SI.获取并存储用户集U={1，2，...，M}，网页集D={1，2，...，N}，广告集A={1， 2，...，卩}以及特征集1(={1，2，...，1} ; 步骤S2.为所述广告集A中的至少一个广告设置特征向量初始值； 步骤S3.接收任一用户m(m e U)点击任一广告s(s e A)的信号，以及根据该信 号更新所述用户m的特征向量和所述广告s的特征向量； 步骤S4.接收任一用户m(m e U)点击任一网页n(n e D)的信号，以及根据该信 号更新所述用户m的特征向量和所述网页η的特征向量； 步骤S5.根据所述步骤S4中的所述信号，计算所述广告集A中的每个广告的个 性化排序值，并且根据所述个性化排序值将至少一个广告投放给所述用户m，返回所述步骤 S3 〇 与现有技术相比，本方法能够根据用户点击广告日志和用户点击网页日志来获取 用户的个性化特征，以及根据用户的个性化特征和用户点击网页的信号，来实现互联网广 告的精准投放。该方法能够解决推荐系统的数据稀疏性问题，实现个性化广告的精准投放， 进而提高互联网广告的点击率和展现率。 【专利附图】【附图说明】 图1为在用户集U中每个用户的特征向量表示方法； 图2为在网页集D中每个网页的参数向量表示方法； 图3为在广告集A中每个广告的特征向量表示方法； 图4为流程图； 图5为图4所述方法中步骤S3的具体实现方法； 图6为图4所述方法中步骤S4的具体实现方法； 图7为图4所述方法中步骤S5的具体实现方法。 【具体实施方式】 结合附图对本专利技术方法作进一步详细说明。 首先说明用户集U、网页集D、广告集A和特征集K的获取方法。该方法在接入互 联网的服务器中，获取并存储由多个用户标识组成的用户集U和由多个网页标识组成的网 页集D。所述用户标识是用户的唯一识别码，如用户帐号、手机号码、Cookie识别码、IP地 址、Email地址或者即时通信号码。所述网页标识是网页的URL地址。在互联网上获取多个 用户标识的一个例子是接收多个用户的注册信息并在其中提取用户标识，在互联网上获取 多个网页标识的一个例子是通过派遣蜘蛛程序在网络上进行搜索而获取多个网页的网址。 广告集A中的每个广告由广告唯一标识和广告描述两个部分组成。设所述用户集U含有M 个元素，所述网页集D含有N个元素，所述广告集A中含有P个元素。 在所述接入互联网的服务器中，存储由多个特征标识组成的特征集K。所述多个特 征既是所述用户集U中用户的特征，又是所述网页集D中网页的特征，也是广告集A中每个 广告的特征。用户、网页和广告使用相同的特征集K。若用户具有"音乐"特征，说明用户爱 好音乐，而网页（或广告）具有"音乐"特征，说明网页（或广告）与音乐主题相关。设所 述特征集K含有L个元素。 下面介绍用户、网页和广告的特征向量的表示方法。所述特征向量表示方法与向 量空间模型VSM的向量表述方法相似，即以特征项作为用户特征或网页特征的基本单位。 本专利中，以用户与各个特征的相关度的集合作为用户的特征向量，以网页与各个特征的 相关度的集合作为网页的特征向量，以广告与各个特征的相关度的集合作为广告的特征向 量。 图1为在用户集U中每个用户的特征向量表示方法。在用户集U中任意一个用户 m (m e U)的特征向量设为（uwml, Uwm2，...，uwmk，...，UWml)，其中所述uw mk表示所述用户m与 特征k(keK)的相关度。另外，将所述用户集U中的每个用户与特征k的相关度汇集在一 起，组成一个向量，叫做用户集U的第k个用户列向量（uwlk，uw2k，. . .，UWtt)。 图2为在网页集D中每个网页的特征向量表示方法。在网页集D中任意一个网页 n (n e D)的特征向量设为（awnl, (Iwn2,. . . , (Iwnk,. . . , dwnI),其中所述(Iwnk表示所述网页η与 特征k(keK)的相关度。另外，将所述网页集D中的每个网页与特征k的相关度汇集在一 起，组成一个向量，叫做网页集D的第k个网页列向量（dw lk, dw2k, . . . , dwNk)。 图3为在广告集A中每个广告的特征向量表示方法。在广告集A中任意一个广告 s (s e A)的特征向量设为（awsl, aws2, · · ·，awsk, · · ·，awsI),其中所述awsk表示所述广告s与 特征k(keK)的相关度。另外，将所述广告集A中的每个广告与特征k的相关度汇集在一 起，组成一个向本文档来自技高网...

【技术保护点】
一种互联网广告的个性化精准投放方法，其特征在于，所述方法包括在接入互联网的服务器中执行如下步骤：步骤S1.获取并存储用户集U＝{1，2，...，M}，网页集D={1，2，...，N}，广告集A={1，2，...，P}以及特征集K={1，2，...，L}；步骤S2.为所述广告集A中的至少一个广告设置特征向量初始值；步骤S3.接收任一用户m(m∈U)点击任一广告s(s∈A)的信号，以及根据该信号更新所述用户m的特征向量和所述广告s的特征向量；步骤S4.接收任一用户m(m∈U)点击任一网页n(n∈D)的信号，以及根据该信号更新所述用户m的特征向量和所述网页n的特征向量；步骤S5.根据所述步骤S4中的所述信号，计算所述广告集A中的每个广告的个性化排序值，并且根据所述个性化排序值将至少一个广告投放给所述用户m，返回所述步骤S3。

【技术特征摘要】

【专利技术属性】
技术研发人员：祁勇，
申请(专利权)人：祁勇，
类型：发明
国别省市：广东;44