一种广告推荐方法、服务器及计算机可读介质技术

本发明专利技术实施例公开了一种广告推荐方法、服务器及计算机可读介质，其中方法包括：根据多个用户中的两两用户之间在预设时间段内搜索关键词上的直接相似度、依赖值和依赖指向，构建贝叶斯网模型；选取贝叶斯网模型中的第一用户；计算第一用户点击广告集合中的每个广告的预测点击率；将符合预设规则的预测点击率对应的广告推荐给所述第一用户。实施本发明专利技术实施例，可以解决现有技术中因冷启动问题和用户历史交互信息稀疏问题而带来的广告投放不够有效。

An Advertising Recommendation Method, Server and Computer Readable Media

The embodiment of the present invention discloses an advertisement recommendation method, a server and a computer readable medium. The methods include: constructing a Bayesian network model according to the direct similarity, dependency value and dependency direction of searching keywords between two users in a predetermined period of time; selecting the first user in the Bayesian network model; calculating the click advertisement set of the first user. The predicted click-through rate of each advertisement in the model; the advertisement corresponding to the predicted click-through rate in accordance with the preset rules is recommended to the first user. The implementation of the embodiment of the present invention can solve the problem of inadequate advertising in the prior art caused by the cold start problem and the sparse user history interaction information.

【技术实现步骤摘要】
一种广告推荐方法、服务器及计算机可读介质
本专利技术涉及信息处理
，尤其涉及一种广告推荐方法、服务器及计算机可读介质。
技术介绍
互联网在线广告已成为除电视和报纸之外的主要广告投放方式。在线广告的收益与广告的点击率CTR(ClickThroughRate，CTR)密切相关，增加广告的点击率是提高广告收益的有效途径之一。具体实现中，广告点击率与广告的投放位置有关，广告的投放位置越靠前，意味着用户点击该广告的可能性越高；反之，广告的投放位置越靠后，意味着用户点击该广告的可能性越低。为了获得最大的在线广告收益，需要把点击率CTR相对较高的广告投放在靠前的位置，那么，需要对每个广告的点击率CTR进行预测。在对广告的点击率CTR进行预测时，会面临冷启动和用户历史交互信息稀疏问题。具体来说，冷启动问题可以包括以下几种情况：(1)用户冷启动。用户冷启动是指当前的用户为新用户，广告点击日志中不存在该新用户的点击广告的记录。(2)物品冷启动。物品冷启动是指当前的广告为最新投放的广告，广告点击日志中不存在该新广告被用户点击的记录。此外，由于广告数量和用户数量很大，很多用户并不一定有广告点击记录，或者，很多用户点击的广告很少，此时，在这种情况下，会出现用户历史交互信息稀疏的问题。现有技术中，一般采用基于行为定向来获取用户偏好的方式来有针对性地为用户推荐广告，以此提高在线广告的点击率CTR，然而，该方法并没有解决冷启动问题、用户历史交互信息稀疏问题对广告点击率CTR预测的影响，从而带来广告投放不够有效的问题。
技术实现思路
本专利技术实施例提供一种广告推荐方法、服务器及计算机可读介质，可解决现有技术中因冷启动问题和用户历史交互信息稀疏问题而带来的广告投放不够有效。第一方面，本专利技术实施例提供了一种广告推荐方法，该方法包括：根据多个用户中的两两用户之间在预设时间段内搜索关键词上的直接相似度、依赖值和依赖指向，构建贝叶斯网模型；选取所述贝叶斯网模型中的第一用户；其中所述第一用户属于第一类用户集合，所述第一类用户集合中的用户没有点击过广告集合中的广告；所述第一用户与第二用户的第一相似度大于第一预设阈值，所述第一相似度用于表征所述第一用户和所述第二用户点击广告上的相似关系；所述第二用户属于第二类用户集合，所述第二类用户集合中的用户点击过所述广告集合中的广告；计算所述第一用户点击所述广告集合中的每个广告的预测点击率；将符合预设规则的所述预测点击率对应的广告推荐给所述第一用户。实施本专利技术实施例，可以解决现有技术中因冷启动问题和用户历史交互信息稀疏问题而带来的广告投放不够有效。可选的，所述计算所述第一用户点击所述广告集合中的每个广告的预测点击率，包括：在计算所述第一用户点击所述广告集合中的其中一个广告时，根据以下计算公式来计算：P＝A1*B1+A2*B2+...+AN*BN其中，P表示所述第一用户点击所述广告集合中的广告i的预测点击率，i为大于0的正整数；N表示所述第二类用户集合中所包含的所述第二用户的数量，N用于确定所述计算公式中的求和项的数量；A1表示所述第一用户和所述第二类用户集合中的第一个用户点击广告的相似度；B1表示所述第二类用户集合中的所述第一个用户确实点击所述广告i的概率；AN表示所述第一用户和所述第二类用户集合中的第N个用户点击广告的相似度；BN表示所述第二类用户集合中的所述第N个用户确实点击所述广告i的概率。可选的，所述第一用户和所述第二类用户集合中的第一个用户点击广告的相似度包括A1＝P(Uo|U1)，其中，Uo表示所述第一用户；U1表示所述第二类用户集合中的第一个用户，U1∈Us，其中，s＝1,2......，N。可选的，所述第二类用户集合中的所述第一个用户节点确实点击所述广告i的概率B1＝P(yXi|Xi,U1)，其中，Xi表示所述广告i，yXi＝1。可选的，所述第一相似度包括P1＝(Uj|P(Uj|Ux))，其中，Ux表示所述第一类用户集合中的用户；Uj为所述第二类用户集合中的用户。可选的，所述将符合预设规则的所述预测点击率对应的广告推荐给所述第一用户，包括：将排名前M位的所述预测点击率对应的广告推荐给所述第一用户。可选的，所述将符合预设规则的所述预测点击率对应的广告推荐给所述第一用户，还包括：将所述预测点击率大于第二预设阈值对应的广告推荐给所述第一用户。第二方面，本专利技术实施例提供了一种服务器，该服务器包括：构建单元，用于根据多个用户中的两两用户之间在预设时间段内搜索关键词上的直接相似度、依赖值和依赖指向，构建贝叶斯网模型；选取单元，用于选取所述贝叶斯网模型中的第一用户；其中所述第一用户属于第一类用户集合，所述第一类用户集合中的用户没有点击过广告集合中的广告；所述第一用户与第二用户的第一相似度大于第一预设阈值，所述第一相似度用于表征所述第一用户和所述第二用户点击广告上的相似关系；所述第二用户属于第二类用户集合，所述第二类用户集合中的用户点击过所述广告集合中的广告；计算单元，用于计算所述第一用户点击所述广告集合中的每个广告的预测点击率；推荐单元，用于将符合预设规则的所述预测点击率对应的广告推荐给所述第一用户。可选的，所述计算单元具体用于在计算所述第一用户点击所述广告集合中的其中一个广告时，根据以下计算公式来计算：P＝A1*B1+A2*B2+...+AN*BN其中，P表示所述第一用户点击所述广告集合中的广告i的预测点击率，i为大于0的正整数；N表示所述第二类用户集合中所包含的所述第二用户的数量，N用于确定所述计算公式中的求和项的数量；A1表示所述第一用户和所述第二类用户集合中的第一个用户点击广告的相似度；B1表示所述第二类用户集合中的所述第一个用户确实点击所述广告i的概率；AN表示所述第一用户和所述第二类用户集合中的第N个用户点击广告的相似度；BN表示所述第二类用户集合中的所述第N个用户确实点击所述广告i的概率。可选的，所述第一用户和所述第二类用户集合中的第一个用户点击广告的相似度包括A1＝P(Uo|U1)，其中，Uo表示所述第一用户；U1表示所述第二类用户集合中的第一个用户，U1∈Us，其中，s＝1,2......，N。可选的，所述第二类用户集合中的所述第一个用户节点确实点击所述广告i的概率B1＝P(yXi|Xi,U1)，其中，Xi表示所述广告i，yXi＝1。可选的，所述第一相似度包括P1＝(Uj|P(Uj|Ux))，其中，Ux表示所述第一类用户集合中的用户；Uj为所述第二类用户集合中的用户。可选的，所述推荐单元具体用于将排名前M位的所述预测点击率对应的广告推荐给所述第一用户。可选的，所述推荐单元还具体用于将所述预测点击率大于第二预设阈值对应的广告推荐给所述第一用户。第三方面，本专利技术实施例提供了另一种服务器，包括：处理器、存储器、通信接口和总线；所述处理器、所述存储器和所述通信接口通过所述总线连接并完成相互间的通信；所述存储器存储可执行程序代码；所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行上述第一方面的方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述本文档来自技高网...

【技术保护点】
1.一种广告推荐方法，其特征在于，包括：根据多个用户中的两两用户之间在预设时间段内搜索关键词上的直接相似度、依赖值和依赖指向，构建贝叶斯网模型；选取所述贝叶斯网模型中的第一用户；其中所述第一用户属于第一类用户集合，所述第一类用户集合中的用户没有点击过广告集合中的广告；所述第一用户与第二用户的第一相似度大于第一预设阈值，所述第一相似度用于表征所述第一用户和所述第二用户点击广告上的相似关系；所述第二用户属于第二类用户集合，所述第二类用户集合中的用户点击过所述广告集合中的广告；计算所述第一用户点击所述广告集合中的每个广告的预测点击率；将符合预设规则的所述预测点击率对应的广告推荐给所述第一用户。

【技术特征摘要】
1.一种广告推荐方法，其特征在于，包括：根据多个用户中的两两用户之间在预设时间段内搜索关键词上的直接相似度、依赖值和依赖指向，构建贝叶斯网模型；选取所述贝叶斯网模型中的第一用户；其中所述第一用户属于第一类用户集合，所述第一类用户集合中的用户没有点击过广告集合中的广告；所述第一用户与第二用户的第一相似度大于第一预设阈值，所述第一相似度用于表征所述第一用户和所述第二用户点击广告上的相似关系；所述第二用户属于第二类用户集合，所述第二类用户集合中的用户点击过所述广告集合中的广告；计算所述第一用户点击所述广告集合中的每个广告的预测点击率；将符合预设规则的所述预测点击率对应的广告推荐给所述第一用户。2.根据权利要求1所述的方法，其特征在于，所述计算所述第一用户点击所述广告集合中的每个广告的预测点击率，包括：在计算所述第一用户点击所述广告集合中的其中一个广告时，根据以下计算公式来计算：P＝A1*B1+A2*B2+...+AN*BN其中，P表示所述第一用户点击所述广告集合中的广告i的预测点击率，i为大于0的正整数；N表示所述第二类用户集合中所包含的所述第二用户的数量，N用于确定所述计算公式中的求和项的数量；A1表示所述第一用户和所述第二类用户集合中的第一个用户点击广告的相似度；B1表示所述第二类用户集合中的所述第一个用户确实点击所述广告i的概率；AN表示所述第一用户和所述第二类用户集合中的第N个用户点击广告的相似度；BN表示所述第二类用户集合中的所述第N个用户确实点击所述广告i的概率。3.根据权利要求2所述的方法，其特征在于，所述第一用户和所述第二类用户集合中的第一个用户点击广告的相似度包括A1＝P(Uo|U1)，其中，Uo表示所述第一用户；U1表示所述第二类用户集合中的第一个用户，U1∈Us，其中，s＝1,2......，N。4.根据权利要求2所述的方法，其特征在于，所述第二类用户集合中的所述第一个用户节点确实点击所述广告i的概率B1＝P(yXi|Xi,U1)，其中，Xi...

【专利技术属性】
技术研发人员：刘均，陈子安，
申请(专利权)人：深圳市元征科技股份有限公司，
类型：发明
国别省市：广东,44