一种基于大规模用户画像的户外广告推荐系统及方法技术方案

本发明专利技术公开了一种基于大规模用户画像的户外广告推荐方法，属于计算广告学技术领域。本发明专利技术户外广告推荐方法中的广告调度模块分别与用户端、广告管理模块、实时精准人群分析模块连接。实时精准人群分析模块分别与广告检索模块、用户画像模块、用户行为模块之间进行参数交互。用户数据挖掘模块分别与广告管理模块、用户行为模块、用户画像模块连接，且广告管理模块与广告检索模块连接。本发明专利技术户外广告推荐方法，完成了当用户登录平台时，根据用户画像查询用户兴趣和历史行为记录来产生个性化广告列表，最终将广告推送至户外广告终端。本发明专利技术的自主学习能力良好，可以有效提升户外智能广告的触达率，适用于物联网与大数据背景下的户外广告推荐。

【技术实现步骤摘要】
一种基于大规模用户画像的户外广告推荐系统及方法
本专利技术涉及一种广告推荐方法，尤其涉及一种基于大规模用户画像的户外广告推荐方法，属于计算广告学

技术介绍
随着5G技术与物联网技术的迅速发展，给户外媒体广告的在线化、数字化和智能化提供了技术支持和发展机遇，而户外广告也将会在物联网时代下实现自我革新，全面进入数据驱动时代。与此同时，随着现代智慧城市建设，户外LED程序化广告被物联网技术赋予全新的变革生命力，线下商显屏不仅可展现城市的商业活力，还为城市运营商们实现了流量变现的功能。在大数据的时代背景下，大数据思维与广告的结合是未来的趋势。大数据思维有三个重要的维度分别是：定量性思维、相关性思维和实验性思维，简单的说就是一切皆可测量(提供事物的相信描述)、一切皆可关联(不同事物的内在联系)、一切皆可测试(所有方案都可进行验证)，这些思维方式与广告的结合将使广告业产生较大的变化。线上广告与线下广告相结合效果更好。虽然线上广告发展迅速，但是线下广告可以做的更有温度，往往会给人们留下更加深刻的印象，所以线上广告与线下广告的结合将是一个更好的方案，未来随着“互联网+”的不断深入和发展，线上和线下结合形式的广告发展趋势也愈专利技术显。目前，越来越多的广告主不满足于便宜的广告，而开始要求广告代理公司探究人流量、活跃度以及传播效果等等。在广告主的新要求下，业界却仍然停留在用宣称的人流、车流数据来估算展示量(CPM)，用主观判断来评估户外媒体可视机会(OTS)等传统做法，这种做法是缺乏数据依据的，因此传统的户外广告模式不适用于大数据背景下的户外广告推荐。
技术实现思路
针对现有技术的不足，本专利技术提供了一种基于大规模用户画像的户外广告推荐方法，具有自主学习能力良好，可以有效提升户外广告推荐的智能水平的特点，适用于当前物联网与大数据背景下的户外广告推荐。本专利技术提出一种基于大规模用户画像的户外广告推荐系统，包括广告调度模块、实时精准人群分析模块、广告检索模块、用户行为模块、用户画像模块、广告管理模块和用户数据挖掘模块，所述广告调度模块分别与实时精准人群分析模块和用户端的广告管理模块连接；所述实时精准人群分析模块分别与广告检索模块、用户行为模块以及用户画像模块之间进行参数交互；所述用户数据挖掘模块分别与用户行为模块、用户画像模块和广告管理模块连接；且所述广告检索模块与广告管理模块连接；所述广告调度模块根据实时精准人群分析模块进行实时流量分析，用以完成整个广告调度执行的环境引导；所述实时精准人群分析模块，用以完成广告排序，并将排序后的广告编号，评分后返回给广告调度模块；所述广告检索模块，通过获取实时精准人群分析模块2传送的标签和特征参数信息和广告管理模块的数据，进行广告数据索引，并且将命中的广告列表参数返回给实时精准人群分析模块；所述用户行为模块，获取了用户数据挖掘模块提供的类别标签以及实时精准人群分析模块传送的用户画像参数，完成用户行为信息的查询，并将用户信息以及策略返回给实时精准人群分析；所述用户画像模块，通过实时精准人群分析模块传送的实时信息，完成用户画像匹配，并把用户信息返回给实施精准人群分析模块；所述广告管理模块，用以存储最新的广告投放策略集合，并将该数据集合提供给广告检索模块，供用户数据挖掘模块和广告调度模块使用；所述用户数据挖掘模块，能够实时获取广告管理模块的数据，并对用户就用户画像匹配以及对用户的行为进行分析和预测。本专利技术的进一步限定技术方案，前述的基于大规模用户画像的户外广告推荐系统，所述用户数据挖掘模块包括画像更新模块、策略更新模块以及行为流检测模块三个部分。所述画像更新模块、策略更新模块通过在线构造Hbase动态数据存储区来实现画像和策略的实时更新与并发使用。前述的基于大规模用户画像的户外广告推荐系统，所述行为流检测模块用Flume分布式日志收集系统接收实时数据，并通过建立基于CTR、观看时长、正向反馈和反向反馈的排序模型进行广告推荐。一种基于大规模用户画像的户外广告推荐方法，包括如下步骤：S1:通过APP端的日志数据和业务数据采集用户画像信息和用户行为信息；S2:对采集数据进行预处理，输入数据格式为libSVM，即表示为如下形式：yindex_1:value_1index_2:value_2…index_n:value_n，因此，将特征向量的数据格式转换为libSVM格式，以满足FM模型的输入要求；S3:鉴于所述用户画像信息、用户行为信息以及广告画像信息的信息特征总不是连续的类别值，为了符合模型的训练数据格式，对采集的数据进行One-hot编码处理，One-hot编码后可表示为：其中，u表示用户，a表示广告，h表示历史行为信息；S4:采用FM模型通过对每对特征之间的所有两两组合进行建模，进而估计出用户的个性化广告推荐列表，二阶多项式FM模型可表示为:S5:将S4中的矩阵W分解为W＝VTV，其中V＝(V1,V2,…,Vn)T,Vi＝(vi1,vi2,…,vik)，矩阵VT的每一行表示某个用户与不同特征的相关性，矩阵V的每一行表示某个特征与不同广告的相关性，模型可表示为:其中因此有：S6:为了对推荐模型进行离线验证，进行如下定义:精确率:分类正确的正样本个数占分类器判定为正样本的样本个数比例，此处R(u)相当于模型的正样本，表示为:其中，R(u)为通过推荐模型得到的推荐列表，T(u)为用户在实际场景中的行为列表；召回率:分类正确的正样本个数占真正的正样本个数的比例，此处T(u)相当于真正的正样本集合，表示为:覆盖率:推荐系统所有推荐出来的商品集合数占总商品集合数的比例，对于相同的覆盖率，不同广告的数量分布或流行度可以不同；为了更好的描述推荐系统挖掘长尾的能力，需要统计不同广告出现的次数，采用信息熵来定义覆盖率：其中，p(i)是广告i的流行度除以所有广告流行度之和；多样性:度量推荐列表中所有广告之间的不相似性，通过不同的相似性函数来度量推荐列表中广告的相似性，比如基于内容的相似、基于协同过滤的相似，这样就可得到不同角度的多样性；具体表示为:其中，s(i,j)为广告i和广告j的相似性；推荐系统整体的多样性可以定义为所有用户推荐列表多样性的平均值:新颖性:最简单的方法就是给用户推荐他们之前没看过的广告，但是每个用户没见过的广告数量是庞大的，所以采用计算推荐广告的平均流行度，流行度越低的广告越有可能让用户觉得新颖；因此，如果推荐结果中的商品平均热门程度比较低，则说明推荐的结果比较新颖；S7:筛选出离线验证中表现最优的模型，进行线上A/B测试，评估线上广告推荐效果。一种基于大规模用户画像的户外广告推荐方法，所述用户画像信息包括用户基本信息、用户社交数据、用户消费特征、用户历史购买数据；所述用户行为信息包括移动端本文档来自技高网...

【技术保护点】
1.一种基于大规模用户画像的户外广告推荐系统，包括广告调度模块(1)、实时精准人群分析模块(2)、广告检索模块(3)、用户行为模块(4)、用户画像模块(5)、广告管理模块(6)和用户数据挖掘模块(7)，其特征在于：所述广告调度模块(1)分别与实时精准人群分析模块(2)和用户端的广告管理模块(6)连接；所述实时精准人群分析模块(2)分别与广告检索模块(3)、用户行为模块(4)以及用户画像模块(5)之间进行参数交互；所述用户数据挖掘模块(7)分别与用户行为模块(4)、用户画像模块(5)和广告管理模块(6)连接；且所述广告检索模块(3)与广告管理模块(6)连接；/n所述广告调度模块(1)根据实时精准人群分析模块进行实时流量分析，用以完成整个广告调度执行的环境引导；/n所述实时精准人群分析模块(2)，用以完成广告排序，并将排序后的广告编号，评分后返回给广告调度模块(1)；/n所述广告检索模块(3)，通过获取实时精准人群分析模块2传送的标签和特征参数信息和广告管理模块(6)的数据，进行广告数据索引，并且将命中的广告列表参数返回给实时精准人群分析模块(2)；/n所述用户行为模块(4)，获取了用户数据挖掘模块(7)提供的类别标签以及实时精准人群分析模块(2)传送的用户画像参数，完成用户行为信息的查询，并将用户信息以及策略返回给实时精准人群分析(2)；/n所述用户画像模块(5)，通过实时精准人群分析模块(2)传送的实时信息，完成用户画像匹配，并把用户信息返回给实施精准人群分析模块(2)；/n所述广告管理模块(6)，用以存储最新的广告投放策略集合，并将该数据集合提供给广告检索模块(3)，供用户数据挖掘模块(7)和广告调度模块(1)使用；/n所述用户数据挖掘模块(7)，能够实时获取广告管理模块(6)的数据，并对用户就用户画像匹配以及对用户的行为进行分析和预测。/n...

【技术特征摘要】
1.一种基于大规模用户画像的户外广告推荐系统，包括广告调度模块(1)、实时精准人群分析模块(2)、广告检索模块(3)、用户行为模块(4)、用户画像模块(5)、广告管理模块(6)和用户数据挖掘模块(7)，其特征在于：所述广告调度模块(1)分别与实时精准人群分析模块(2)和用户端的广告管理模块(6)连接；所述实时精准人群分析模块(2)分别与广告检索模块(3)、用户行为模块(4)以及用户画像模块(5)之间进行参数交互；所述用户数据挖掘模块(7)分别与用户行为模块(4)、用户画像模块(5)和广告管理模块(6)连接；且所述广告检索模块(3)与广告管理模块(6)连接；
所述广告调度模块(1)根据实时精准人群分析模块进行实时流量分析，用以完成整个广告调度执行的环境引导；
所述实时精准人群分析模块(2)，用以完成广告排序，并将排序后的广告编号，评分后返回给广告调度模块(1)；
所述广告检索模块(3)，通过获取实时精准人群分析模块2传送的标签和特征参数信息和广告管理模块(6)的数据，进行广告数据索引，并且将命中的广告列表参数返回给实时精准人群分析模块(2)；
所述用户行为模块(4)，获取了用户数据挖掘模块(7)提供的类别标签以及实时精准人群分析模块(2)传送的用户画像参数，完成用户行为信息的查询，并将用户信息以及策略返回给实时精准人群分析(2)；
所述用户画像模块(5)，通过实时精准人群分析模块(2)传送的实时信息，完成用户画像匹配，并把用户信息返回给实施精准人群分析模块(2)；
所述广告管理模块(6)，用以存储最新的广告投放策略集合，并将该数据集合提供给广告检索模块(3)，供用户数据挖掘模块(7)和广告调度模块(1)使用；
所述用户数据挖掘模块(7)，能够实时获取广告管理模块(6)的数据，并对用户就用户画像匹配以及对用户的行为进行分析和预测。


2.根据权利要求1所述的基于大规模用户画像的户外广告推荐系统，其特征在于：所述用户数据挖掘模块(7)包括画像更新模块、策略更新模块以及行为流检测模块三个部分。


3.根据权利要求2所述的基于大规模用户画像的户外广告推荐系统，其特征在于：所述画像更新模块、策略更新模块通过在线构造Hbase动态数据存储区来实现画像和策略的实时更新与并发使用。


4.根据权利要求2所述的基于大规模用户画像的户外广告推荐系统，其特征在于：所述行为流检测模块用Flume分布式日志收集系统接收实时数据，并通过建立基于CTR、观看时长、正向反馈和反向反馈的排序模型进行广告推荐。


5.一种基于大规模用户画像的户外广告推荐方法，其特征在于包括如下步骤：
S1:通过APP端的日志数据和业务数据采集用户画像信息和用户行为信息；
S2:对采集数据进行预处理，输入数据格式为libSVM，即表示为如下形式：
yindex_1:value_1index_2:value_2…index_n:value_n，
因此，将特征向量的数据格式转换为libSVM格式，以满足FM模型的输入要求；
S3:鉴于所述用户画像信息、用户行为信息以及广告画像信息的信息特征总不是连续...

【专利技术属性】
技术研发人员：袁晓晔，
申请(专利权)人：苏州壹佰伍拾亿智能科技有限公司，
类型：发明
国别省市：江苏;32