一种基于深度机器学习与组合优化的数字广告投放方法技术

本发明专利技术公开一种基于深度机器学习与组合优化的数字广告投放方法，该方法包括广告数据获取、广告效果评估模型的构建和更新、最优化广告组合的寻找和全流程迭代四个步骤，通过构建广告效果评估模型，并结合广告参数，建立最优化模型进行迭代，保留迭代过程中多种不同配置的广告组合，进行投放，并每隔设定的时间，顺序执行上面的步骤，对广告计划持续优化。本发明专利技术的方法能够提升广告的真实投放效果，降低广告成本，提升广告的投放速度。

【技术实现步骤摘要】
一种基于深度机器学习与组合优化的数字广告投放方法
本专利技术涉及一种数字广告投放方法，尤其涉及一种基于深度机器学习与组合优化的数字广告投放方法。
技术介绍
互联网的转变给广告行业带来的影响是巨大的，而数字广告行业正是在这个平台之上诞生的。随着广告主资金投入的变化和产业自身的演变，数字广告平台进入了发展的黄金期，互联网应用的普及极大地推动了数字广告平台的发展。数字广告平台通过将广告插件内置于网络应用程序中，实现广告的海量投放及管理，形成一个由广告主、数字广告代理商、移动运营商、手机终端厂商和手机用户构成的数字广告产业链。然而如何选择广告平台，如何选择广告投放策略，如何节约广告投放成本，如何优化广告投放效果成为企业的一大难题。
技术实现思路
针对现有技术的不足，本专利技术提出一种基于深度机器学习与组合优化的数字广告投放方法，该方法将深度机器学习算法、组合优化算法和数字广告API三者相结合，在固定预算下对广告投放效果进行优化，具体技术方案如下：一种基于深度机器学习与组合优化的数字广告投放方法，其特征在于，该方法具体包括如下步骤：S1：广告数据获取通过广告平台的API，从广告平台中获取广告参数和本文档来自技高网...

【技术保护点】
1.一种基于深度机器学习与组合优化的数字广告投放方法，其特征在于，该方法具体包括如下步骤：S1：广告数据获取通过广告平台的API，从广告平台中获取广告参数和和广告真实效果，并把它们存放到云数据仓库中；S2：广告效果评估模型的构建和更新S2.1：从S1中所述的云数据仓库中提取广告参数和和广告真实效果；S2.2：把S2.1所述的广告参数的离散值用one‑hot的方式编码，把S2.1所述的广告参数的连续值进行归一化处理；S2.3：把S2.2处理好的广告参数作为特征，广告效果作为标签，放到机器学习模型中训练，获得可对广告效果进行评估的模型；S3：最优化广告组合的寻找和投放S3.1：把S1中的广告参数作...

【技术特征摘要】
1.一种基于深度机器学习与组合优化的数字广告投放方法，其特征在于，该方法具体包括如下步骤：S1：广告数据获取通过广告平台的API，从广告平台中获取广告参数和和广告真实效果，并把它们存放到云数据仓库中；S2：广告效果评估模型的构建和更新S2.1：从S1中所述的云数据仓库中提取广告参数和和广告真实效果；S2.2：把S2.1所述的广告参数的离散值用one-hot的方式编码，把S2.1所述的广告参数的连续值进行归一化处理；S2.3：把S2.2处理好的广告参数作为特征，广告效果作为标签，放到机器学习模型中训练，获得可对广告效果进行评估的模型；S3：最优化广告组合的寻找和投放S3.1：把S1中的广告参数作为组合优化算法的参数，把S2.3获得的广告效果评估模型作为组合优化算法的目标函数，建立最优化模型，进行迭代，保留迭代过程中N种不同配置的广告组合；S3.2：将S3.1中的N种广告组合通过广告平台API投放到广告平台上；S4：全流程迭代每隔设定的时间T，顺序执行步骤S1、S2和S3，对广告计划进行持续优化。2.根据权利要求1所述的基于深度机器学习与组合优化...

【专利技术属性】
技术研发人员：徐煌，刘子星，韩志科，卫斌，
申请(专利权)人：杭州祁睿信息技术有限公司，
类型：发明
国别省市：浙江,33