[发明专利]基于大数据实时定位用户的竞价原生广告奖励系统及方法

说明书

本发明提供了一种基于大数据实时定位用户行为的竞价原生广告奖励系统，数据采集中心在时间维度上持续采集初始用户数据形成可使用用户数据；业务管理中心配置出可使用用户数据的用户特性以及模型参数；数据分析中心根据业务管理中心的模型参数，在多层维度上进行对应的用户数据校对和分析，形成用户数据样本；广告智能投放引擎通过遗传算法对用户数据样本进行优化训练，形成优化后用户数据，并将数据分析中心广告数据部分的广告数据针对优化后用户数据进行投放。同时提供了上述基于大数据实时定位用户行为的竞价原生广告奖励系统的奖励方法。本发明提高了大数据的实时效率、提升了广告主的广告价值影响，具有分众性、定向性和互动性等特点。

技术领域

本发明涉及高效的海量数据算法以及大数据技术领域，更具体的说，涉及一种用于互联网广告海量数据快速定位用户的基于大数据实时定位用户行为的竞价原生广告奖励系统及方法。

背景技术

在互联网广告行业里，由于互联网数据成量级的增长趋势，导致数据量非常的巨大，以及带来的用户行为分析、用户建模等问题越来越难，从而导致用户定位查询时，响应速度慢，查询时间长，算法效率低，甚至在数据量过于庞大，算法效率相对低下的情况下出现用户建模错误，用户定位失效等现象。

而由于在互联网广告系统里，为了使广告可以及时投放出去，常采用非精准定位投放算法，因此无法提高广告投放的质量，导致广告主资源的极大浪费。

发明内容

本发明针对现有技术中存在的上述缺陷，提供了一种基于大数据实时定位用户行为的竞价原生广告奖励系统及方法，该系统解决了在海量大数据里进行用户模型的建立以及快速定位用户的问题。

为实现上述目的，本发明是通过以下技术方案实现的：

根据本发明的一个方面，提供了一种基于大数据实时定位用户行为的竞价原生广告奖励系统，包括数据采集中心、业务管理中心、数据分析中心以及广告智能投放引擎；其中：

所述数据采集中心，在时间维度上持续采集初始用户数据，并将采集的初始用户数据根据业务管理中心所配置的所需用户模型，进行用户数据建模及用户行为确认，形成可使用用户数据；

所述业务管理中心配置出可使用用户数据的用户特性以及模型参数；

所述数据分析中心包括用户数据部分和广告数据部分；当数据采集中心将海量的可使用用户数据传送至数据分析中心后，数据分析中心根据业务管理中心的模型参数，在多层维度上进行对应的用户数据校对和分析，形成用户数据样本；

所述广告智能投放引擎包括数据优化中心和投放体系，所述数据优化中心通过遗传算法对用户数据样本进行优化训练，形成优化后用户数据，所述投放体系将数据分析中心广告数据部分的广告数据针对优化后用户数据进行投放。

优选地，所述用户特性包括静态特征和动态特征，其中，所述静态特征包括手机号码、姓名、性别、年龄、城市、行业、收入水平和/或兴趣爱好，所述动态特征包括时间、点击次数和/或查看内容类别。

优选地，所述模型参数包括：

-用户属性，包括手机号码、姓名、性别、年龄、城市、行业、收入水平、兴趣爱好、时间特性等；

-投放策略属性，包括地域、时间段、频次、类型、操作系统、网络类型、用户年龄段、消费能力等。

优选地，所述遗传算法是基于误差传播的多层前馈网络算法。

优选地，所述多层前馈网络包括输入层、隐含层及输出层；所述输入层、隐含层及输出层分别由多个单元组成。

优选地，在多层前馈网络中，所述遗传算法将用户数据样本训练过程分为信息正向传播过程和误差反向传播过程；其中：

所述信息正向传播过程具体为：输入样本-＞输入层-＞隐含层-＞输出层；