[发明专利]一种用于广告投放的目标用户推荐方法及装置有效

专利信息
申请号: 201811638924.9 申请日: 2018-12-29
公开(公告)号: CN109767267B 公开(公告)日: 2020-12-01
发明(设计)人: 滕幻;王欣 申请(专利权)人: 微梦创科网络科技(中国)有限公司
主分类号: G06Q30/02 分类号: G06Q30/02
代理公司: 北京卓岚智财知识产权代理事务所(特殊普通合伙) 11624 代理人: 郭智
地址: 100193 北京市海淀区东北旺西路中关村*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 用于 广告 投放 目标 用户 推荐 方法 装置
【权利要求书】:

1.一种用于广告投放的目标用户推荐方法,其特征在于,包括:

预先获取多个数据单元,并根据行业对所述多个数据单元进行聚类;

获取广告投放的目标行业,并据此选定对应行业的数据类中推荐度高的设定个数个数据单元作为第一待推荐数据单元;

选取与所述对应行业的数据类中推荐度最高的数据单元相似度最高的数据单元作为第二待推荐数据单元;

将所述第一待推荐数据单元以及所述第二待推荐数据单元推荐给广告用户;

其中,

所述选定对应行业的数据类中推荐度高的设定个数个数据单元作为第一待推荐数据单元,包括:

根据历史数据中每个数据单元被投放广告的次数及每次被投放广告后的互动率,计算每个数据单元的推荐度,具体为:

为互动率设置阈值,为每个数据单元设置参数a和b;

根据历史数据,参数a表示为该数据单元被投放广告且当次被投放广告后的互动率大于所述阈值的次数;参数b表示为该数据单元被投放广告且当次被投放广告后的互动率不大于所述阈值的次数;

根据以下函数式,获取数据单元的推荐度:

其中Γ是伽马分布函数,μ为微积分变量;

取函数值f(x;a,b)最大时,所对应的x值作为数据单元的推荐度。

2.根据权利要求1所述的方法,其特征在于,在所述选取与所述对应行业的数据类中推荐度最高的数据单元相似度最高的数据单元作为第二待推荐数据单元之前,还包括,通过以下方法分别计算任两个数据单元的相似度:

对比所述任两个数据单元中的用户数据;其中,每个数据单元中包括多个用户数据;

将所述任两个数据单元中相同用户数据的个数作为所述任两个数据单元的相似度。

3.根据权利要求1所述的方法,其特征在于,所述互动率根据以下公式计算:

4.一种用于广告投放的目标用户推荐装置,其特征在于,包括:

聚类单元,用于预先获取多个数据单元,并根据行业对所述多个数据单元进行聚类;

第一推荐单元,用于获取广告投放的目标行业,并据此选定对应行业的数据类中推荐度高的设定个数个数据单元作为第一待推荐数据单元;

第二推荐单元,用于选取与所述对应行业的数据类中推荐度最高的数据单元相似度最高的数据单元作为第二待推荐数据单元;

最终推荐单元,用于将所述第一待推荐数据单元以及所述第二待推荐数据单元推荐给广告用户;

其中,

所述第一推荐单元包括:

推荐度计算模块,用于根据历史数据中每个数据单元被投放广告的次数及每次被投放广告后的互动率,计算每个数据单元的推荐度;

所述推荐度计算模块,具体用于:

为互动率设置阈值,为每个数据单元设置参数a和b;

根据历史数据,参数a表示为该数据单元被投放广告且当次被投放广告后的互动率大于所述阈值的次数;参数b表示为该数据单元被投放广告且当次被投放广告后的互动率不大于所述阈值的次数;

根据以下函数式,获取数据单元的推荐度:

其中Γ是伽马分布函数,μ为微积分变量;

取函数值f(x;a,b)最大时,所对应的x值作为数据单元的推荐度。

5.根据权利要求4所述的装置,其特征在于,所述第二推荐单元包括:

相似度确定模块,用于在所述选取与所述对应行业的数据类中推荐度最高的数据单元相似度最高的数据单元作为第二待推荐数据单元之前,通过以下方法分别计算任两个数据单元的相似度:

对比所述任两个数据单元中的用户数据;其中,每个数据单元中包括多个用户数据;

将所述任两个数据单元中相同用户数据的个数作为所述任两个数据单元的相似度。

6.根据权利要求4所述的装置,其特征在于,所述第一推荐单元还包括:

互动率计算模块,用于根据以下公式计算互动率:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于微梦创科网络科技(中国)有限公司,未经微梦创科网络科技(中国)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811638924.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top