[发明专利]一种广告推送方法和装置

权利要求书

1.一种广告推送方法，其特征在于，所述方法包括：

接收工具类应用程序APP发送的广告拉取请求；

当预先存储的用户标签库中不存在所述工具类APP的用户标签时，根据所述工具类APP的安装列表applist数据，确定所述用户标签，包括：

获取所述工具类APP的applist数据；

根据预先得到的用于区分用户标签的标签模型，对所述applist数据进行学习，得到所述用户标签；

根据所述用户标签，确定与所述用户标签匹配的广告；

将所述广告推送给所述工具类APP。

2.根据权利要求1所述的方法，其特征在于，所述标签模型按照如下方式得到：

获取applist样本数据和与所述applist样本数据对应的用户属性数据；

将所述applist样本数据作为输入特征，所述用户属性数据作为模型标签，进行标签模型训练，生成所述标签模型。

3.根据权利要求2所述的方法，其特征在于，所述用户属性数据包括：

自然属性数据、社会属性数据和地理位置属性数据中的一项或多项。

4.根据权利要求1所述的方法，其特征在于，所述根据所述用户标签，确定与所述用户标签匹配的广告，包括：

分别计算所述工具类APP的用户标签与预先设置的各广告的广告标签之间的相似度；

将所述相似度不小于预设相似度的广告确定为与所述用户标签匹配的广告；或者

将所述用户标签和预先设置的各广告的广告特征输入用于确定与所述用户标签匹配的广告的机器学习模型中，得到与所述用户标签匹配的广告。

5.根据权利要求1所述的方法，其特征在于，所述根据所述工具类APP的安装列表applist数据，确定所述用户标签，包括：

获取所述工具类APP的applist数据和所述工具类APP所在用户终端的用户数据；所述用户数据包括：基于所述工具类APP提供的原始数据挖掘到的用户喜好数据，从除所述工具类APP之外的其它APP获取的用户社交数据和用户行为数据中的一项或多项；

根据预先得到的用于区分用户标签的标签模型，对所述applist数据和所述用户数据进行学习，得到所述用户标签。

6.根据权利要求1所述的方法，其特征在于，接收工具类应用程序APP发送的广告拉取请求之后，所述方法还包括：

根据探索性和开发性EE策略，从除与所述用户标签匹配的广告之外的其它广告中，选取至少一条广告推送给所述工具类APP；其中，选取的广告的类别和与所述用户标签匹配的广告的类别不同。

7.一种广告推送装置，其特征在于，所述装置包括：

接收单元，用于接收工具类应用程序APP发送的广告拉取请求；

标签确定单元，用于当预先存储的用户标签库中不存在所述工具类APP的用户标签时，根据所述工具类APP的安装列表applist数据，确定所述用户标签，所述标签确定单元，包括：

第一获取模块，用于获取所述工具类APP的applist数据；

第一学习模块，用于根据预先得到的用于区分用户标签的标签模型，对所述applist数据进行学习，得到所述用户标签；

广告确定单元，用于根据所述用户标签，确定与所述用户标签匹配的广告；

第一推送单元，用于将所述广告推送给所述工具类APP。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

标签模型生成单元，用于获取applist样本数据和与所述applist样本数据对应的用户属性数据；将所述applist样本数据作为输入特征，所述用户属性数据作为模型标签，进行标签模型训练，生成所述标签模型。

9.根据权利要求8所述的装置，其特征在于，所述用户属性数据包括：

自然属性数据、社会属性数据和地理位置属性数据中的一项或多项。