[发明专利]一种基于消费者行为数据分析和分类技术的在线广告分类推送方法及其系统

摘要

本发明涉基于消费者行为数据分析和分类技术的在线广告分类推送方法及其系统，与现有技术相比解决了无法挖掘出潜在客户进行网络在线广告推送的缺陷。本发明包括以下步骤：数据收集和预处理，从在线移动终端上收集消费者的行为数据并建立数据池，对数据池中的数据进行预处理操作，为后续数据分析和建模提供数据支持；针对消费者的行为数据进行建模，建立一种面向消费者行为数据的主题模型，挖掘出消费者与在线广告类别、购买时间段之间的联系；针对消费者进行有效分类，针对不同的消费者类别在线推送对应类型的广告。本发明通过收集各种移动终端上消费者的行为数据，分析和建模消费者的行为，挖掘不同消费者的消费习惯，实现消费者有效分类。

主权项

1.一种基于消费者行为数据分析和分类技术的在线广告分类推送方法，其特征在于，包括以下步骤：11)数据收集和预处理，从在线移动终端上收集消费者的行为数据并建立数据池，对数据池中的数据进行预处理操作，为后续数据分析和建模提供数据支持；12)针对消费者的行为数据进行建模，建立一种面向消费者行为数据的主题模型，挖掘出消费者与在线广告类别、购买时间段之间的联系；所述的针对消费者的行为数据进行建模包括以下步骤：121)行为数据的转换，将数据池中的消费者购物清单中的用户ID、数据元素、时间段标签组合成行为数据结构，行为数据结构如下所示：<用户ID，<购买商品，时间段标签>>；122)主题模型的建立与分析，建立面向消费者行为数据的TMCBD主题模型，其包括以下步骤：1221)设定模型参数，为消费者行为数据库，ConShopList_m表示第m个消费者的购物清单详情，M表示消费者的个数；<product，timeLabel>_n表示第m个消费者购买第n个商品及其购买时间，N_m表示第m个消费者购买商品的总数量；Φ为商品类别集合，其中表示第k个商品类别在商品上的分布情况，K表示商品类别数；Ψ＝{ψ1，ψ2，...，ψM}，ψm表示第m个消费者在不同时间段上的购买欲望分布；Θ为消费者在不同时间段内对不同商品类别的购买兴趣，其中θm，h表示第m个消费者在时间段h上对不同商品类别的购买兴趣分布，H表示时间段数；1222)训练初始TMCBD主题模型，具体步骤如下：12221)随机初始化，对消费者行为数据库中每位消费者购买的每个商品p，随机地赋一个商品类别z；12222)重新扫描数据库对每个商品p，按照以下公式重新采样它的商品类别，并在中进行更新，i＝(m，n)表示二维下标，θ_m，h表示第m个消费者在第h个时间段在商品类别上的分布情况，表示第k个商品类别在商品上的分布情况，α和β为狄利克雷分布参数，z_m，n为中间变量，表示第m个消费者购买的第n个商品对应的商品类别编号；E为期望平均值；123)重复以上的重新采样过程直到采样收敛或满足预设的迭代次数；124)计算Φ，公式如下：其中，表示除去p_m，n，由第k个商品类别产生的商品中product v的个数；β_t表示常量；计算Ψ，公式如下：其中，表示第m个消费者在第h个时间段内购买的商品数量；计算Θ，公式如下：其中，表示除去p_m，n，第m个消费者在第h个时间段内购买的商品中由第k个商品类别产生的商品的个数；α_k表示常量；将Φ、Ψ和Θ保存并输出[Φ,Ψ,Θ]；125)对TMCBD主题模型进行更新，生成Φ_new、Ψ_new和Θ_new；126)商品类别更新和新增消费者预测，对更新学习得到Φ_new、Ψ_new和Θ_new进行后处理操作；其包括以下步骤：1261)对Φ_new中每个商品类别，计算其与Φ中所有商品类别的余弦相似度，若相似度最小值小于阈值δ，则将该商品类别添加至Φ中；1262)基于更新后的Ψ_new，调整Ψ，若Ψ_new中存在Ψ中的消费者，则结合Ψ_new中的购买欲望分布更新该消费者的购买欲望分布，并替换Ψ中相应的值；若Ψ_new中存在Ψ中没有的消费者，则直接将该消费者的购买欲望分布添加至Ψ中；127)基于更新后的Θ_new，调整Θ，若Θ_new中存在Θ中的消费者，则结合Θ_new中的购买欲望分布更新该消费者的购买欲望分布，并替换Θ中相应的值；若Θ_new中存在Θ中没有的消费者，则直接将该消费者的购买欲望分布添加至Θ中；13)针对消费者进行有效分类，针对不同的消费者类别在线推送对应类型的广告。