[发明专利]一种基于FP树及最大频繁项的广告匹配系统及其工作方法

说明书

本发明公开了一种基于FP树及最大频繁项的广告匹配系统及其工作方法，系统主要包括用户行为收集系统、用户行为分析系统、广告索引检索系统；用户行为分析系统包括元数据库、用户频繁集项数据库和用户频繁集项提取模块，元数据库采用mysql数据库集群；用户频繁项集提取模块采用Fp树和最大频繁集提取算法提取用户信息；数据频繁集项数据库采用redis集群，用于存储挖掘的用户数据。本发明采用Fp树和最大频繁集提取算法，采用反向索引技术，将每个频繁项集中的项进行反向索引，根据输入项的命中与项集的支持度进行排序，获得推荐项目，按推荐项取得推荐广告，根据广告排序规则进行输出。本发明依托大数据对用户整体行为进行总结，更精准地将广告投放给用户。

技术领域

本发明涉及广告投放技术领域，尤其涉及一种基于FP树及最大频繁项 的广告匹配系统及其工作方法。

背景技术

互联网发展至今，网络广告再也不是传统意义上的“广而告之”，而是 有针对性的“有的放矢”。尤其是在信息过载的现在，狂轰滥炸式的广告用 户体验感极差，很容易造成用户反感。真正要将用户对广告的反感指数降到 最低，那就必须将广告投放给真正需要它的人，就是所谓广告的“精准投放”。 通过大量的标签来对每一个用户进行画像，再利用大数据技术将他的姓名、年龄、性别、生日、喜好、经历等用户属性塑造出一个能够识别的虚拟用户。 通过大数据分析，我们可以了解用户消费倾向，还可以预测用户行为。

精准投放的前提是对用户做标签属性分类处理。最常见的一种分类方式 是通过IP(如高校用户)或浏览、搜索行为的整合对其进行判断。比如一位 网民在一段时间内搜索过母婴用品，那么数字广告营销平台的后台则默认其 在一段时间节点内对母婴用品是有需求的。

但是当前的用户行为分类识别系统，多以单一标签决策树作为推荐匹配 的基础，根据用户的单个行为作为用户标签的凭据。即由某些经验的相关性， 找到潜在的适合用户。比如你玩过某款游戏，因此可认为你对该类型的其它 游戏也有相同的需求。该算法内涵思想“品牌依靠忠诚的消费者发展壮大”。 而通过对销售数据进行统计学分析，在所有成功的的品牌当中，大量的销售来自“轻顾客”(Lightbuyer)：也就是购买产品相对不那么频繁的顾客。这 种消费者模式在各个品牌、商品品类国家和时期都适用。品牌依靠的是大规模人口——换句话说，大众——那些偶尔购买他们的人。因此，希望通过历 史的用户数据分析推断用户下一步可能需要是无效的。就如向曾经购买过服 装的用户推广服装，或许不如推广一卷纸或一桶油更为有效。

相反，成功的匹配方式需要找到一种方法来到达目标市场之外的群体。 广告一定要用某种方式获得这部分人的兴趣，只有这样，当他们在准备购买 的时候，该品牌才能自动出现在消费者的脑海中。

发明内容

本发明针对上述现有技术的不足，提供了一种基于FP树及最大频繁项 的广告匹配系统及其工作方法，其依托大数据对用户整体行为进行总结，找 到用户行为模式的规律，预测消费者行为，更精准地将广告投放。

为解决现有技术中存在的问题，采用的具体技术方案是：

一种基于FP树及最大频繁项的广告匹配系统，其包括用户行为收集系 统、用户行为分析系统、广告索引检索系统；其中，

所述用户行为收集系统包括用户行为数据接口，所述用户行为数据接口 负责接收外部用户行为，其包含实时采集输入接口和批量数据导入接口；

所述用户行为分析系统包括元数据库、用户频繁集项数据库和用户频繁 集项提取模块；所述元数据库采用mysql数据库集群，存储从用户行为数据 接口接收的原始数据供数据挖掘使用；所述用户频繁项集提取模块采用的是 Fp树和最大频繁集提取算法提取用户信息；所述数据频繁集项数据库采用 redis集群，用于存储挖掘后的用户数据；