一种基于短期兴趣的社交媒体广告推荐方法技术

本申请提供了一种基于短期兴趣的社交媒体广告推荐方法，提取文本特征；对自然语言处理模型中命名实体能够识别的文本特征与广告特征进行相似度计算，根据预设的相似阈值判断文本特征是否与广告特征匹配；对自然语言处理模型中命名实体无法识别的文本特征，判断是否采用图像对文本语义进行添加，从而确认图片信息是否对于广告的筛选有利。本申请提供的基于短期兴趣的社交媒体广告推荐方法。本申请实现了针对用户的短期兴趣进行精准推广，实用范围包括各类以图文内容为主的综合性社交网络平台及其相应的移动、PC端应用，将其用于可以提取出特征用于广告筛选的各类内容；应用前景十分广泛。分广泛。分广泛。

【技术实现步骤摘要】
一种基于短期兴趣的社交媒体广告推荐方法


[0001]本申请属于广告推荐
，更具体地说，是涉及一种基于短期兴趣的社交媒体广告推荐方法。

技术介绍

[0002]随着互联网的发展，人们的闲暇时光越来越多的被互联网所占用，广告的“主战场”也从电视转移到互联网上。广告推荐系统是非常重要的业务和研究领域。根据大数据技术进行广告推荐是目前的主流方式，但是，通过大数据技术进行广告推荐也同样存在弊端。一方面，随着互联网的普及，越来越多的用户开始注意网络信息的隐私保护，大数据技术无法提取到用户的兴趣特征。另一方面，用户随时都有可能接触到新的领域，并短暂地对这些新的领域产生兴趣。但是这些短暂产生的兴趣无法快速地反应在用户的兴趣特征中，导致建立在用户过往信息基础上的个性化推荐往往推荐的是用户暂时不感兴趣的广告内容。这些与当前内容无关的推广内容，不仅仅造成了推广资源的浪费，还影响了用户的使用体验。用户的兴趣在一段时间内很可能发生转移，大数据却很难即时地反应用户兴趣的转移来进行广告推送。事实上，用户刚刚产生兴趣的一小段时间，往往是广告最有可能生效的“窗口期”。
[0003]而在话题综合性广、用户兴趣和注意力转移较快的社交媒体中，依赖于用户过往信息的广告推荐系统效率较低，广告的推荐应该更多的依赖于用户短期的兴趣。
[0004]在现有技术中，专利号为CN201611051650、专利名称为一种信息推送方法和系统的专利中，也提出了一种信息推送的方法，然而该方法主要使用于视频领域，通过截取用户播放的视频中含有人的关键帧，根据所述视频帧，即图像，生成相应的自然语言场景描述，从中提取关键词用于选择推送广告。该专利采用这种方法可以在用户播放时评时自动提供用户感兴趣概率较大的产品信息。该方法在用户角度和技术角度都存在相当的问题。从用户角度来说，用户观看视频的主要目的是休闲娱乐，而不是电视购物，观看视频过程中出现的任何广告都将不可避免的打断视频观看过程的连续性并使用户产生负面情绪，进而导致广告达不到推广的目的。另一方面，当今主流的视频节目大多都已有赞助商植入广告，在视频网站上通过截取视频帧来推送很可能与植入广告不相关的产品无异于画蛇添足。从技术角度来说，该方法在实际使用中几乎是不可行的。
[0005]综上所述，有必要研发一种新的、基于短期兴趣的社交媒体广告推荐方法。

技术实现思路

[0006]为实现上述目的，本申请采用的技术方案是：提供一种基于短期兴趣的社交媒体广告推荐方法，一种基于短期兴趣的社交媒体广告推荐方法，其特征在于：包括以下步骤，
[0007]步骤S102：提取文本特征；
[0008]步骤S103，对自然语言处理模型中命名实体能够识别的文本特征与广告特征进行相似度计算，根据预设的相似阈值判断文本特征是否与广告特征匹配；
[0009]步骤S104：对自然语言处理模型中命名实体无法识别的文本特征，判断是否采用图像对文本语义进行添加，从而确认图片信息是否对于广告的筛选有利。
[0010]可选地，步骤S103中，根据预设的相似阈值判断文本特征是否与广告特征匹配；若是，执行步骤S107；若否，执行步骤S104；
[0011]步骤S104中，判断是否采用图像对文本语义进行添加；若是，执行步骤S105；若否，执行步骤S109。
[0012]可选地，步骤S104中，无法识别的文本特征包括短文本内容的特征、无文本内容的特征、无法识别的长文本内容的特征以及图片内容的特征。
[0013]可选地，步骤S104中，自然语言处理模型包括Bert模型、Chatgpt模型。
[0014]可选地，步骤S105：对自然语言处理模型中命名实体无法识别的文本特征采用图像对文本语义进行添加，使用预训练好的图像处理模型提取图像特征，执行步骤S106；
[0015]对自然语言处理模型中命名实体无法识别的文本特征不采用图像对文本语义进行添加，则执行步骤S109。
[0016]可选地，步骤S105中，图像特征处理后得到特征向量，将特征向量输出至步骤S106。
[0017]可选地，步骤S106：对图像特征与广告特征进行相似度计算，根据预设的相似阈值判断图像特征与广告特征是否匹配；
[0018]若是，执行步骤S107；若否，执行步骤S109。
[0019]可选地，步骤S109：当步骤S104中不采用图像对文本语义进行添加或步骤S106中图像特征与广告特征不匹配时，将依赖于用户的过往信息，使用大数据技术为用户进行个性化推荐；或直接进行非个性化推荐，对平台内的热点信息进行推广，执行步骤S107；
[0020]步骤S107：输出相应广告。
[0021]可选地，当候选广告为两个以上时，根据优先级选择相应的广告作为当前需要推送的广告；当所述候选广告为一个时，则将该候选广告作为当前需要推送的广告。
[0022]可选地，步骤S102中，服务器端接收用户上传至社交媒体的文本内容，使用预训练好的自然语言处理模型识别用户所上传的文本内容中的命名实体，将该命名实体以文本特征的形式输出。
[0023]本申请提取文本特征使用命名实体识别的方法，将文本中的命名实体作为特征提取出来，可以有效的匹配与话题讨论对象相关的广告。若无法匹配到相关广告或出现无文本、文本过短导致无命名实体的情况，则需考虑与文本相应的图像部分是否对文本的语义有所添加。若无语义添加，则转为依赖用户过往信息进行推荐或进行非个性化推荐。若有语义添加，则通过图像
‑
文本匹配预训练模型(如CLIP，LOUPE等)对相应图片与广告标签进行图像
‑
文本匹配。旨在进行物体识别，可以有效匹配物体商品类广告。本申请实现了针对用户的短期兴趣进行精准推广，实用范围包括各类以图文内容为主的综合性社交网络平台及其相应的移动、PC端应用，将其用于可以提取出特征用于广告筛选的各类内容；应用前景十分广泛。
附图说明
[0024]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述
中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0025]图1为本申请基于短期兴趣的社交媒体广告推荐方法的流程图。
具体实施方式
[0026]为了使本申请所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0027]现对本申请实施例提供的一种基于短期兴趣的社交媒体广告推荐方法进行说明。如图1所示，一种基于短期兴趣的社交媒体广告推荐方法，通过对用户当前浏览网页的文本和图片信息进行分析，得到用户当前兴趣的关键特征，进而筛选与之相匹配的广告内容，实现广告的精准推送。
[0028]具体的，包括以下步骤：
...

【技术保护点】

【技术特征摘要】
1.一种基于短期兴趣的社交媒体广告推荐方法，其特征在于：包括以下步骤，步骤S102：提取文本特征；步骤S103，对自然语言处理模型中命名实体能够识别的文本特征与广告特征进行相似度计算，根据预设的相似阈值判断文本特征是否与广告特征匹配；步骤S104：对自然语言处理模型中命名实体无法识别的文本特征，判断是否采用图像对文本语义进行添加，从而确认图片信息是否对于广告的筛选有利。2.如权利要求1所述的一种基于短期兴趣的社交媒体广告推荐方法，其特征在于：步骤S103中，根据预设的相似阈值判断文本特征是否与广告特征匹配；若是，执行步骤S107；若否，执行步骤S104；步骤S104中，判断是否采用图像对文本语义进行添加；若是，执行步骤S105；若否，执行步骤S109。3.如权利要求1所述的一种基于短期兴趣的社交媒体广告推荐方法，其特征在于：步骤S104中，无法识别的文本特征包括短文本内容的特征、无文本内容的特征、无法识别的长文本内容的特征以及图片内容的特征。4.如权利要求1所述的一种基于短期兴趣的社交媒体广告推荐方法，其特征在于：步骤S104中，自然语言处理模型包括Bert模型、Chatgpt模型。5.如权利要求2所述的一种基于短期兴趣的社交媒体广告推荐方法，其特征在于：步骤S105：对自然语言处理模型中命名实体无法识别的文本特征采用图像对文本语义进行添加，使用预训练好的图像处理模型提取图像特征，执行步骤S106；对自然语言处理模型中...

【专利技术属性】
技术研发人员：王巍，魏家扬，辛国栋，刘扬，黄俊恒，
申请(专利权)人：威海天之卫网络空间安全科技有限公司，
类型：发明
国别省市：