System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及网络广告投放领域,具体涉及一种app广告投放方法及系统。
技术介绍
1、网络广告是借助internet为媒体工具发布广告的新型广告模式。在app上投放广告是网络广告投放的主要方式之一。随着移动设备的普及程度越来越高,app广告投放占据的市场份额也越来越大。针对不同用户迥异的兴趣进行个性化的广告投放,才能将广告投放转化为用户的消费行为,使广告投放商和广告主都能得到良好的商业回报。
2、现有的广告推荐算法通过分析用户特征得到用户的兴趣特点,向用户推荐用户感兴趣的信息(比如广告、广告视频等),例如中国专利公开号cn112435067a公开的一种跨电商平台与社交平台的智能广告投放方法及系统。虽然以上推荐方法取得了良好的推荐效果,但是以上方式实现的前提的已经有很多与用户相关的社交信息、历史数据等。现实中,除了以沟通为目的的社交软件如qq,微信等交友软件中有较为完善的社交关系,其他录音软件、记事本、闹钟等几乎没有用户社交数据。而这些应用app同样有推荐广告的场景。在缺少用户数据、社交信息的场景下,现有的推荐算法的推荐效果不理想,目前尚无有效解决方案。
技术实现思路
1、本专利技术所要解决的技术问题在于现有技术广告投放方法在缺少用户数据、社交信息的场景下,推荐效果不理想。
2、本专利技术通过以下技术手段解决上述技术问题的:一种app广告投放方法,包括以下步骤:
3、步骤一、获取app用户数据和对app用户数据进行补充的社交数据;
4、
5、步骤三、提取用户信息特征向量和内容特征向量;
6、步骤四、对用户社交特征向量、用户信息特征向量和内容特征向量进行拼接,获得用户特征向量;
7、步骤五:基于提取的用户特征向量,计算app用户和社交用户的相似程度,为每个app用户选择与之相似度高的前预设数量的社交用户,并将对应的数据补充给该app用户;
8、步骤六、将app用户点击过的历史广告信息作为app用户的补充信息并计算app用户和候选广告匹配程度,将匹配程度高的前预设数量的广告推荐给app用户。
9、进一步地,所述步骤一包括:
10、s11、提取app用户的基本信息,构造基本信息列表r,基本信息列表r的每一行为一个用户的基本信息,包括昵称、邮箱、年龄、注册时间;
11、s12、提取app平台的社交信息,建立社交网络g,社交网络g中节点表示用户,如果两个用户有好友关系,两个用户对应的节点之间连一条边;
12、s13、提取app用户的广告点击历史记录列表ah,广告点击历史记录列表ah的每一行为一个app用户点击的广告的信息集合;
13、s14、提取app平台记录数据,构造描述信息列表c,描述信息列表c中每一行为一个app用户在使用app过程中记录的数据,如备忘录中事件、记事本中的文本内容;
14、s15、基于社交平台的用户数据建立增补数据的增补基本信息列表rs、增补社交网络gs和增补描述信息列表cs,过程类似于步骤s11、s12和s14,其中增补描述信息列表cs每一行为用户的描述信息,包括用户发布或转发的微博、朋友圈、说说、评论以及点赞数据。
15、更进一步地,所述步骤二包括:
16、s21、生成节点游走序列。对于社交网络中每个节点,生成n=5个长度为l=8的随机游走序列。假设节点v0产生的随机游走序列为{v1,…,vi-1,vi,vi+1…,vl},该序列中vi+1是从vi(1≤i<l)的邻居节点中随机选择的一个节点。
17、s22、使用skip-gram模型对游走序列进行训练,获得节点的向量表示。采用表示节点v的嵌入向量。在该模型下,使用序列中的节点分别预测窗口中出现的其他节点。假定窗口中心节点为vi,窗口宽度为w,窗口中出现的节点为{vi-w,…,vi+w}。在skip-gram模型中,给定vi出现{vi-w,…,vi+w}的概率为其中为和的数据积。skip-gram模型的损失函数为公式(1)。遍历当前随机游走序列里的每个节点,计算skip-gram模型的损失函数,计算梯度并更新嵌入的向量。对所有游走序列重复以上过程,直至遍历所有游走序列,从而获得节点的嵌入向量,即用户的社交特征向量。
18、
19、s23、对于app平台社交网络g和增补社交网络gs,分别执行s21和s22步骤,获得app用户和社交用户的向量表示和其中v和u分别表示app用户和社交用户。为了方便,app用户v和社交用户u的社交特征向量分别记为xs,v和xs,u。
20、更进一步地,所述步骤三包括:
21、s31、获取预训练的bert模型;
22、s32、利用bert模型从基本信息列表r和增补基本信息列表rs中提取用户信息特征向量,将app用户v的信息特征向量记为xr,v,社交用户u的信息特征向量记为xr,u;
23、s33、利用bert模型从描述信息列表c和增补描述信息列表cs中提取用户内容特征向量,app用户v的内容特征向量记为xc,v,社交用户u的内容特征向量分别记为xc,u。
24、更进一步地,所述步骤四包括:
25、按照公式(2)将app用户v的社交特征向量xs,v、信息特征向量xr,v和内容特征向量xc,v进行拼接获得app用户v的特征向量;同理,按照公式(3)将社交用户u的社交特征向量、信息特征向量和内容特征向量拼接获得社交用户u的特征向量
26、xv=[xr,v,xc,v,xs,v] (2)
27、xu=[xr,u,xc,u,xs,u] (3)。
28、更进一步地,所述步骤五包括:
29、s51、利用公式(4)计算app用户v∈u和社交用户u∈us的相似性,其中,u表示app用户集合,us表示社交用户集合
30、
31、s52、从us中选择与用户v的相似度高的前k个用户,记为uk;
32、s53、将uk中所有用户的描述信息加入到app用户v的描述信息中。
33、更进一步地,所述步骤六包括:
34、s61、利用app用户点击的历史广告来补充app用户的描述信息,从ah中获取app用户v点击的广告序列为a1,…,ai,…,an,将广告ai(1≤i≤n)的描述信息加入到app用户v的描述信息中,对所有app用户执行上述步骤;
35、s62、广告的相关文本描述信息作为广告的描述信息,将app用户的描述信息和候选广告的描述信息输入到步骤s31获得的bert模型,分别得到用户更新后的内容特征向量和候选广告的内容特征向量,将app用户v更新后的内容特本文档来自技高网...
【技术保护点】
1.一种App广告投放方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种App广告投放方法,其特征在于,所述步骤一包括:
3.根据权利要求2所述的一种App广告投放方法,其特征在于,所述步骤二包括:
4.根据权利要求3所述的一种App广告投放方法,其特征在于,所述步骤三包括:
5.根据权利要求4所述的一种App广告投放方法,其特征在于,所述步骤四包括:
6.根据权利要求5所述的一种App广告投放方法,其特征在于,所述步骤五包括:
7.根据权利要求6所述的一种App广告投放方法,其特征在于,所述步骤六包括:
8.一种App广告投放系统,其特征在于,包括:
9.根据权利要求8所述的一种App广告投放方法,其特征在于,所述数据获取模块还用于:
10.根据权利要求9所述的一种App广告投放方法,其特征在于,所述第一特征提取模块还用于:
【技术特征摘要】
1.一种app广告投放方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种app广告投放方法,其特征在于,所述步骤一包括:
3.根据权利要求2所述的一种app广告投放方法,其特征在于,所述步骤二包括:
4.根据权利要求3所述的一种app广告投放方法,其特征在于,所述步骤三包括:
5.根据权利要求4所述的一种app广告投放方法,其特征在于,所述步骤四包括:
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。