【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于廣告推送，涉及一種基于多層次圖神經(jīng)網(wǎng)絡(luò)的智能實(shí)時(shí)廣告推送方法。
技術(shù)介紹
1、在現(xiàn)代停車場(chǎng)中，車流量大且流動(dòng)頻繁，車主在經(jīng)過閘道時(shí)通常會(huì)注意到周圍環(huán)境，尤其是閘道顯示屏上的內(nèi)容，這為廣告推送提供了一個(gè)極佳的展示機(jī)會(huì)。由于車輛停留時(shí)間短，廣告必須在短時(shí)間內(nèi)精準(zhǔn)地吸引車主的注意力，提升廣告的轉(zhuǎn)化率和效果。然而，目前市場(chǎng)上并沒有專門針對(duì)停車場(chǎng)車輛行為進(jìn)行廣告推薦的算法，導(dǎo)致廣告推送的精準(zhǔn)性和相關(guān)性較低，廣告投放的效果也未能最大化。
2、現(xiàn)有的廣告推薦算法多應(yīng)用于電商和社交媒體場(chǎng)景，無法充分利用停車場(chǎng)特有的數(shù)據(jù)資源，如車輛常去的活動(dòng)地點(diǎn)、車輛品牌和型號(hào)等信息，這些數(shù)據(jù)資源在停車場(chǎng)廣告推薦中有著重要的價(jià)值，因?yàn)樗鼈兛梢詭椭到y(tǒng)更精準(zhǔn)地了解車主的興趣和需求。在現(xiàn)有的技術(shù)方案中，雖然推薦算法已有相當(dāng)大的進(jìn)展，特別是在圖卷積網(wǎng)絡(luò)（gcn）領(lǐng)域，但它們?cè)趯?shí)際應(yīng)用中仍然存在一些顯著的缺點(diǎn)：一是數(shù)據(jù)整合不足，數(shù)據(jù)來源單一，傳統(tǒng)的推薦系統(tǒng)主要依賴于單一類型的數(shù)據(jù)，如用戶的歷史評(píng)分或?yàn)g覽記錄，這種方法未能充分利用多種數(shù)據(jù)源的信息，如車輛的動(dòng)態(tài)信息（常去地點(diǎn)）和靜態(tài)信息（車輛品牌、型號(hào)），導(dǎo)致推薦的精準(zhǔn)性和相關(guān)性較低；二是響應(yīng)速度慢，計(jì)算復(fù)雜度高，現(xiàn)有的圖神經(jīng)網(wǎng)絡(luò)模型，如標(biāo)準(zhǔn)的gcn，往往包含復(fù)雜的特征變換和非線性激活操作，增加了計(jì)算復(fù)雜度和訓(xùn)練難度，這使得在實(shí)時(shí)應(yīng)用場(chǎng)景中，尤其是在停車場(chǎng)這種車輛停留時(shí)間非常短的環(huán)境下，難以實(shí)現(xiàn)快速響應(yīng)和即時(shí)推薦，而且由于計(jì)算資源和時(shí)間限制，傳統(tǒng)算法在處理大量實(shí)時(shí)數(shù)據(jù)時(shí)容易出現(xiàn)延遲，無法滿足高實(shí)時(shí)
技術(shù)實(shí)現(xiàn)思路
1、為解決上述問題問題，本專利技術(shù)提出了一種基于多層次圖神經(jīng)網(wǎng)絡(luò)的智能實(shí)時(shí)廣告推送方法，整合車輛的動(dòng)態(tài)信息和靜態(tài)信息，并通過自注意力機(jī)制優(yōu)化信息聚合過程，提升推薦的精準(zhǔn)性和響應(yīng)速度，特別適用于停車場(chǎng)閘道顯示屏的實(shí)時(shí)廣告推送。
2、為實(shí)現(xiàn)上述目的，本專利技術(shù)采用如下技術(shù)方案：
3、一種基于多層次圖神經(jīng)網(wǎng)絡(luò)的智能實(shí)時(shí)廣告推送方法，具體包括以下步驟：
4、s1、數(shù)據(jù)采集：收集停車場(chǎng)的動(dòng)態(tài)數(shù)據(jù)和靜態(tài)數(shù)據(jù)，其中動(dòng)態(tài)數(shù)據(jù)包括車輛的進(jìn)出時(shí)間和常去的活動(dòng)地點(diǎn)，靜態(tài)數(shù)據(jù)包括車輛的品牌和型號(hào)；
5、s2、數(shù)據(jù)預(yù)處理：將步驟s1收集的動(dòng)態(tài)數(shù)據(jù)采用apache?flink或spark?streaming進(jìn)行數(shù)據(jù)預(yù)處理；
6、s3、多層次圖神經(jīng)網(wǎng)絡(luò)構(gòu)建：基于cnn模型，分別構(gòu)建全局圖和局部圖，其中全局圖根據(jù)車輛在不同地點(diǎn)的移動(dòng)數(shù)據(jù)構(gòu)建，節(jié)點(diǎn)包括車輛、地點(diǎn)和廣告，邊表示車輛與地點(diǎn)、車輛與廣告、地點(diǎn)與廣告之間的關(guān)系；局部圖包括常去地點(diǎn)-廣告圖和車輛品牌-廣告圖，細(xì)化用戶在地點(diǎn)和品牌偏好的廣告關(guān)系；
7、s4、多層次圖神經(jīng)網(wǎng)絡(luò)訓(xùn)練：利用歷史數(shù)據(jù)進(jìn)行預(yù)多層次圖結(jié)構(gòu)訓(xùn)練，采用增量更新技術(shù)，通過在線學(xué)習(xí)算法實(shí)時(shí)更新用戶和物品的嵌入表示，得到訓(xùn)練好的模型；
8、s5、實(shí)時(shí)廣告推送：利用訓(xùn)練好的模型，計(jì)算每個(gè)車牌和常去地點(diǎn)的嵌入，從而生成預(yù)測(cè)評(píng)分，對(duì)每個(gè)用戶，根據(jù)預(yù)測(cè)評(píng)對(duì)廣告進(jìn)行排序，選擇評(píng)分最高的廣告作為推送結(jié)果。
9、作為本專利技術(shù)的進(jìn)一步技術(shù)方案，步驟s1所述動(dòng)態(tài)數(shù)據(jù)通過停車場(chǎng)的傳感器和攝像頭獲得，靜態(tài)數(shù)據(jù)通過車牌識(shí)別系統(tǒng)獲得。
10、作為本專利技術(shù)的進(jìn)一步技術(shù)方案，步驟s3構(gòu)建的全局圖表示為，由節(jié)點(diǎn)集和邊集組成；常去地點(diǎn)-廣告圖（局部圖1）表示為，由節(jié)點(diǎn)集和邊集?組成；車輛品牌-廣告圖（局部圖2）表示為，由節(jié)點(diǎn)集和邊集組成。
11、作為本專利技術(shù)的進(jìn)一步技術(shù)方案，步驟s4的具體過程為：
12、s41、初始化每個(gè)節(jié)點(diǎn)的嵌入表示、、，、、分別表示全局圖、常去地點(diǎn)-廣告圖（局部圖1）和車輛品牌-廣告圖（局部圖2）中節(jié)點(diǎn)的第0層（初始化）的節(jié)點(diǎn)嵌入表示；
13、s42、在全局圖上進(jìn)行圖卷積操作，更新廣告、品牌和地點(diǎn)的節(jié)點(diǎn)嵌入表示：
14、，
15、，
16、，
17、其中、和分別表示廣告節(jié)點(diǎn)、品牌節(jié)點(diǎn)和地點(diǎn)節(jié)點(diǎn)；、和分別表示節(jié)點(diǎn)、和在全局圖中的鄰居節(jié)點(diǎn)集合；、和?分別表示節(jié)點(diǎn)、和在全局圖中的第層的節(jié)點(diǎn)嵌入表示；同樣對(duì)兩個(gè)局部圖進(jìn)行圖卷積操作，得到更新后的節(jié)點(diǎn)嵌入表示：
18、對(duì)于常去地點(diǎn)-廣告圖（局部圖1）：
19、，
20、，
21、對(duì)于車輛品牌-廣告圖（局部圖2）：
22、，
23、，
24、其中和分別表示節(jié)點(diǎn)和在常去地點(diǎn)-廣告圖（局部圖1）中的鄰居節(jié)點(diǎn)集合；和分別表示節(jié)點(diǎn)和在車輛品牌-廣告圖（局部圖2）中的鄰居節(jié)點(diǎn)集合；和?分別表示節(jié)點(diǎn)和在常去地點(diǎn)-廣告圖（局部圖1）中的第層的節(jié)點(diǎn)嵌入表示；和?分別表示節(jié)點(diǎn)和在車輛品牌-廣告圖（局部圖2）中的第層的節(jié)點(diǎn)嵌入表示；
25、s43、引入自注意力機(jī)制，對(duì)全局圖、常去地點(diǎn)-廣告圖（局部圖1）和車輛品牌-廣告圖（局部圖2）中節(jié)點(diǎn)的每層嵌入表示?，，分別計(jì)算注意力得分：
26、，
27、，
28、；
29、其中為自注意力機(jī)制中的權(quán)重向量，為自注意力機(jī)制中的權(quán)重矩陣；
30、s44、通過?softmax?函數(shù)將注意力得分轉(zhuǎn)化為注意力權(quán)重，使得所有權(quán)重的總和為1，全局圖、常去地點(diǎn)-廣告圖（局部圖1）和車輛品牌-廣告圖（局部圖2）的第層嵌入表示的注意力權(quán)重分別為：
31、，
32、，
33、；
34、s45、將注意力權(quán)重對(duì)鄰居節(jié)點(diǎn)的嵌入表示進(jìn)行加權(quán)，形成節(jié)點(diǎn)的新嵌入表示，具體公式為：
35、，
36、，
37、；
38、s46、引入多圖融合機(jī)制，對(duì)于每個(gè)節(jié)點(diǎn)，將節(jié)點(diǎn)在常去地點(diǎn)-廣告圖（局部圖1）和車輛品牌-廣告圖（局部圖2）的嵌入表示通過mlp融合得到最終的嵌入表示:，其中是可學(xué)習(xí)的多層感知機(jī)；
39、s47、使用貝葉斯個(gè)性化排序（bpr）損失函數(shù)計(jì)算誤差：
40、，
41、其中是sigmoid函數(shù)，表示品牌常去地點(diǎn)時(shí)對(duì)廣告的預(yù)測(cè)評(píng)分，表示品牌常去地點(diǎn)時(shí)對(duì)廣告的預(yù)測(cè)評(píng)分，控制l2正則化強(qiáng)度。
42、作為本專利技術(shù)的進(jìn)一步技術(shù)方案，步驟s5計(jì)算得到的每個(gè)車牌和常去地點(diǎn)的嵌入為：，通過計(jì)算內(nèi)積得到對(duì)廣告的預(yù)測(cè)評(píng)分：。
43、與現(xiàn)有技術(shù)相比，本專利技術(shù)具有以下優(yōu)點(diǎn)：
44、（1）設(shè)計(jì)了全局圖和局部圖兩種圖結(jié)構(gòu)，全局圖捕捉車輛本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于多層次圖神經(jīng)網(wǎng)絡(luò)的智能實(shí)時(shí)廣告推送方法，其特征在于，具體包括以下步驟：
2.根據(jù)權(quán)利要求1所述基于多層次圖神經(jīng)網(wǎng)絡(luò)的智能實(shí)時(shí)廣告推送方法，其特征在于，步驟S1所述動(dòng)態(tài)數(shù)據(jù)通過停車場(chǎng)的傳感器和攝像頭獲得，靜態(tài)數(shù)據(jù)通過車牌識(shí)別系統(tǒng)獲得。
3.根據(jù)權(quán)利要求2所述基于多層次圖神經(jīng)網(wǎng)絡(luò)的智能實(shí)時(shí)廣告推送方法，其特征在于，步驟S3構(gòu)建的全局圖表示為，由節(jié)點(diǎn)集和邊集組成；常去地點(diǎn)-廣告圖表示為，由節(jié)點(diǎn)集和邊集?組成；車輛品牌-廣告圖表示為，由節(jié)點(diǎn)集和邊集組成。
4.根據(jù)權(quán)利要求3所述基于多層次圖神經(jīng)網(wǎng)絡(luò)的智能實(shí)時(shí)廣告推送方法，其特征在于，步驟S4的具體過程為：
5.根據(jù)權(quán)利要求4所述基于多層次圖神經(jīng)網(wǎng)絡(luò)的智能實(shí)時(shí)廣告推送方法，其特征在于，步驟S5計(jì)算得到的每個(gè)車牌和常去地點(diǎn)的嵌入為：，通過計(jì)算內(nèi)積得到對(duì)廣告的預(yù)測(cè)評(píng)分：。
【技術(shù)特征摘要】
1.一種基于多層次圖神經(jīng)網(wǎng)絡(luò)的智能實(shí)時(shí)廣告推送方法，其特征在于，具體包括以下步驟：
2.根據(jù)權(quán)利要求1所述基于多層次圖神經(jīng)網(wǎng)絡(luò)的智能實(shí)時(shí)廣告推送方法，其特征在于，步驟s1所述動(dòng)態(tài)數(shù)據(jù)通過停車場(chǎng)的傳感器和攝像頭獲得，靜態(tài)數(shù)據(jù)通過車牌識(shí)別系統(tǒng)獲得。
3.根據(jù)權(quán)利要求2所述基于多層次圖神經(jīng)網(wǎng)絡(luò)的智能實(shí)時(shí)廣告推送方法，其特征在于，步驟s3構(gòu)建的全局圖表示為，由節(jié)點(diǎn)集和邊...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉寒松，王國(guó)強(qiáng)，王永，劉瑞，譚連盛，
申請(qǐng)(專利權(quán))人：松立控股集團(tuán)股份有限公司，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。