[发明专利]一种大规模人群定向及动态化场景匹配的广告传播方法

权利要求书

1.一种大规模人群定向及动态化场景匹配的广告传播方法，其特征在于包括以下步骤：

(1)利用摄像头或探针的移动侦测技术，在户外不同场景，实现动态化的用户精准画像的勾勒；

(2)实时计算，并通过竞价算法，在动态化的场景、时间段、针对目标受众找到最优最匹配的广告；

(3)通过分析用户车辆信息、用户画像以及用户行为的大数据，合并用户画像，通过机器学习算法模型，让用户画像变得越加准确；

(4)通过广告观看时的用户反馈，矫正用户画像，并通过矫正算法让用户画像更为精准，以实现广告的越投越准。

2.根据权利要求1所述的大规模人群定向及动态化场景匹配的广告传播方法，其特征在于：所述竞价算法采用非线性综合竞价算法，使用数学公式描述出价方案如下：

subject to N_T∫_θb(θ)θw(b(θ))p_θ(θ)dθ≤B

式中：θ为预测广告投放的次数，p(θ)为投放次数的概率密度函数，w(b(θ))是胜率函数，N是广告竞价的个数，B是固定预算；

这样竞价函数就成了具有约束条件的最优化问题，使用拉格朗日乘数法求解极值，化简得：

由于竞价函数和胜率函数中包含了广告投放频次分布特性，p(θ)在过程中被消去，竞价函数与胜率函数间存在特定关系；

以计算得到赢标的广告活动实际支付价格的期望值，也就是平均值，使用μ表示；以及需求方平台所有实际支付价格的方差以σ表示，引入参数γ和sigmoid函数，公式如下，

将赢标率函数带入上面简化后的关系式中，即可得出竞价函数。

3.根据权利要求1所述的大规模人群定向及动态化场景匹配的广告传播方法，其特征在于：所述机器学习算法模型的表达式：

v_i是第i个特征的隐向量，隐向量的长度为k(k＜＜n)，包含k个描述特征的因子；

所有的二项式参数w_ij可以组成一个对称矩阵W，将矩阵W分解为W＝V^TV，其中V＝(V₁，V₂，…，V_n)^T，V_i＝(v_i1，v_i2，…，v_ik)；矩阵V^T的每一行表示某个用户与不同特征的相关性，矩阵V的每一行表示某个特征与不同广告的相关性；

对于机器学习算法模型算法来讲，通过分析用户的车辆信息、用户轨迹、年龄以及性别与广告的匹配度关系，就能训练出中间的k维向量，训练出用户和商品的k维向量，就能很好的对用户画像进行校正，从而让用户画像越加精准。

4.根据权利要求1所述的大规模人群定向及动态化场景匹配的广告传播方法，其特征在于：所述矫正算法采用以下方式进行矫正：

1)通过引导用户进行屏前互动，通过互动的反馈作为一个input输入项，对于用户画像进行矫正；

2)通过引导用户主动注册及选择个人喜好标签的方式；

3)通过脸部表情识别，眼球关注度识别的方式，在进行广告观看时，脸部表情及眼球关注度的反馈，对用户画像进行矫正；

4)通过对接第三方互联网脱敏数据，对用户画像进行矫正。