[发明专利]在线视频广告精细化定向投放方法

摘要

本发明属于网络视频技术领域，特别涉及一种视频广告投放方法。在线视频广告精细化定向投放方法，包括：A.通过问卷调查，收集用户的身份和视频访问行为数据；B.对数据做预处理；C.构建正反样本向量：D.将正反样本向量带入支持向量机模型进行训练，得到最优分类面及权重w信息：E.使用得到的模型对用户做分类：F.模型验证；G.在视频网站服务器上实现自动化运行；H.当用户视频网站服务器时，模型记录用户的访问请求，对用户做出人群属性分类和标识，根据用户的属性推送适合的广告。本发明能够把广告精准的推送到每个合适的用户，既能大幅提升广告的投放效果，又能提升视频运营公司的资源利用率，同时还能减少了用户看不相关广告的次数。

主权项

1.一种在线视频广告精细化定向投放方法，包括以下步骤：A.通过问卷调查，收集不少于10万名用户的身份和视频访问行为数据，包含用户访问的视频分类，视频标题，视频tag等信息；B.对收集的数据做剔除空值、异常值、离群值的预处理，提升样本数据质量；C.统计问卷调查用户访问视频分类、关键词的次数，构建正反样本向量：+1 1：N1，2：N2，……，I：NI-1 1：M1，2：M2，……，I：MI式中：+1表示某类用户的向量，-1表示其他用户的向量；冒号前的1，2，……，I为I个视频分类，视频标题，视频tag信息，冒号后的Nx为某类用户对这个视频分类，视频标题，视频tag信息的访问次数，Mx表示其他用户对这个视频分类，视频标题，视频tag信息的访问次数；D.将正反样本向量带入支持向量机模型进行训练，支持向量机的形式为：minisesubject to     y_i[wx_i+b]-1≥0  i＝1，2，......，l式中：x为C步骤得到的正反样本向量，y∈{+1，-1}，l是训练样本的个数；w和b通过训练模型得到，w为分类间隔，b是常数；由此得到最优分类面及权重w信息：solver_type L2R_LRnr_class 2label 1-1nr feature 342bias-1w其中solver_type表示训练svm采用的类型，nr_class表示分类类别数，label表示类别标签，nr_feature表示支持向量个数，w表示最后得到的向量，用于计算分类；E.使用通过训练得到的模型对用户做分类，分类函数为：f(x)＝sgn{wx+b}其中：w和b由C步骤的训练模型得到；x表示由具体用户访问视频分类，视频标题，视频tag信息的次数构成的向量；如果f(x)＞0表示这个用户属于+1表示的那个分类，否则属于-1表示的分类；F.模型验证：通过实验，将预测为真且实际为真的数据记为tp，预测为真但实际为假的数据记为fp，将预测为假但实际为真的数据记为fn，预测为假且实际为假的数据记为tn；则模型的准确度Precision和覆盖率recall为；如果准确度Precision和覆盖率recall不满足要求，则返回A步骤，收集更多的用户的身份和视频访问行为数据，并再次执行B～F步骤，重新调整参数，直到准确度Precision和覆盖率recall满足要求；G.在视频网站服务器上部署以上各步骤，实现自动化运行；H.当用户视频网站服务器时，模型记录用户的访问请求，对用户做出人群属性分类和标识，根据用户的属性推送适合的广告。