基于多模态特征的互联网广告效果测评方法及系统技术方案

本发明专利技术公开了基于多模态特征的互联网广告效果测评方法及系统，包括：步骤(1)：采集各项数据：采集用户的个人基本信息及认知方式，用户在浏览互联网网页过程中产生的多模态行为特征以及用户对广告的记忆程度信息；步骤(2)：数据分析与特征提取：根据所述采集的数据，通过特征相关性分析筛选特征，进行特征融合；步骤(3)：建立广告记忆力模型：挖掘用户的浏览模式，将用户的浏览模式融合步骤(2)得到的特征，构建广告记忆力模型；步骤(4)：利用已经建立好的广告记忆力模型计算用户对广告的记忆程度，从而对互联网广告效果进行测评。实现搜索引擎结果页内页面的优化布局、网络广告的效果的测评和用户体验的提升。

【技术实现步骤摘要】
基于多模态特征的互联网广告效果测评方法及系统
本专利技术涉及互联网广告效果评估的
，特别是涉及基于多模态特征的互联网广告效果测评方法及系统。
技术介绍
点击率、转换率等一直作为评价互联网广告的金标准，随着网络广告的增多，以及人们对网络广告了解的深入，除非个别富有创意和吸引力的广告，网民不会盲目点击广告，也有可能网民浏览广告后已经形成一定的印象而无须点击广告或者保存链接的网址，甚至以后经常直接到该网站访问等。像点击率这种衡量指标最大的缺点忽略了这些受众可能注意到但没有付出具体行为的广告，而转化率则将用户对网页的浏览和广告的浏览混为一谈。平均不到1％的点击率已经不能充分反映网络广告的真正效果。据现在的统计数字显示：网络广告平均点击率已从30％降低到0.5％以下。因此目前流行的衡量旗帜广告传播效果的方法欠妥，这驱使着我们找到一种新的指标，能够真实反映用户对网页广告的注意力程度。所以对于品牌广告来说，广告的成功不仅取决于是否点击或者阅读广告后是否购买该商品，而更多地应该表现为用户是否注意到并记住该商品，形成品牌效应，创造独特良好的品牌或产品形象，提升较长时期内的离线转化率。因此，用户在本文档来自技高网...

【技术保护点】
基于多模态特征的互联网广告效果测评方法，其特征是，包括：步骤(1)：采集各项数据：采集用户的个人基本信息及认知方式，用户在浏览互联网网页过程中产生的多模态行为特征以及用户对广告的记忆程度信息；步骤(2)：数据分析与特征提取：根据所述采集的数据，通过特征相关性分析筛选特征，进行特征融合；步骤(3)：建立广告记忆力模型：挖掘用户的浏览模式，将用户的浏览模式融合步骤(2)得到的特征，构建广告记忆力模型；步骤(4)：利用已经建立好的广告记忆力模型计算用户对广告的记忆程度，从而对互联网广告效果进行测评。

【技术特征摘要】
1.基于多模态特征的互联网广告效果测评方法，其特征是，包括：步骤(1)：采集各项数据：采集用户的个人基本信息及认知方式，用户在浏览互联网网页过程中产生的多模态行为特征以及用户对广告的记忆程度信息；步骤(2)：数据分析与特征提取：根据所述采集的数据，通过特征相关性分析筛选特征，进行特征融合；步骤(3)：建立广告记忆力模型：挖掘用户的浏览模式，将用户的浏览模式融合步骤(2)得到的特征，构建广告记忆力模型；步骤(4)：利用已经建立好的广告记忆力模型计算用户对广告的记忆程度，从而对互联网广告效果进行测评。2.如权利要求1所述的基于多模态特征的互联网广告效果测评方法，其特征是，所述步骤(1)中，采集各项数据的步骤为：步骤(1-1)：采集用户自身特征，所述用户自身特征包括：姓名、年龄、性别、用户认知方式；所述用户的认知方式通过镶嵌图形测验获得；步骤(1-2)：采集广告自身特征，所述广告自身特征，包括：广告的尺寸和广告的位置；步骤(1-3)：采集眼动行为特征：利用眼动追踪方式，在用户浏览互联网网页过程中佩戴眼动仪来获取用户的眼动行为特征；步骤(1-4)：采集鼠标行为特征：在互联网网页内嵌入用于记录鼠标轨迹的Javascript代码来获得用户浏览网页过程中的点击广告区域的鼠标行为特征；步骤(1-5)：采集广告记忆程度：每个网页浏览结束后，对用户进行广告记忆测试，得到用户的广告记忆程度。3.如权利要求2所述的基于多模态特征的互联网广告效果测评方法，其特征是，所述步骤(1-5)中，广告记忆程度划分为：“A：肯定看到”，“B：似乎已经看到”，“C：似乎没有看到”，“D：肯定没有看到”，四个等级。4.如权利要求1所述的基于多模态特征的互联网广告效果测评方法，其特征是，所述步骤(2)中，数据分析与特征提取的步骤为：步骤(2-1)：特征初步筛选：通过相关性分析的方式从用户自身特征、广告自身特征、眼动行为特征和鼠标行为特征中筛选与广告记忆程度在额定显著性水平下显著相关性的特征；步骤(2-2)：特征相关性分析：对步骤(2-1)筛选后的特征进行特征间相关性分析，去除特征间相关性低的特征；步骤(2-3)：特征降维：对经过步骤(2-2)处理后的特征进行特征融合，从而降低特征维数，去除数据噪声。5.如权利要求1所述的基于多模态特征的互联网广告效果测评方法，其特征是，所述步骤(3)中，建立广告记忆力模型的步骤为：步骤(3-1)：频繁浏览模式挖掘：计算用户在搜索引擎结果页内的频繁浏览模式序列；步骤(3-2)：模型建立：根据步骤(2)得到的特征，结合步骤(3-1)的浏览模式序列，采用RandomForest算法建立广告记忆力模型。6.如权利要求5所述的基于多模态特征的互联网广告效果测评方法，其特征是，所述步骤(3-1)的步骤为：步骤(3-1-1)：依照广告位置对步骤(1)采集的数据进行分类，针对每个广告位置根据采集到的用户进入每条链接区域内时间的先后顺序进行排列，每个用户查看每个网页中检索链接的顺序都对应一条浏览模式序列Qi；步骤(3-1-2)：为步骤(3-1-1)得到的所有数据添加三个属性并初始化：被采纳长度l＝(l1,l2,...,lp)、元素的支持度S＝(s1,s2,...,sp)，设定的频繁度阈值s；l1＝0,s1＝0；步骤(3-1-3)：计算序列首元素的支...

【专利技术属性】
技术研发人员：王红，胡晓红，周莹，于晓梅，房有丽，狄瑞彤，孟广婷，刘海燕，宋永强，王露潼，王倩，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东,37