【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及數(shù)據(jù)分析，具體為基于大數(shù)據(jù)的媒體信息智能化分析系統(tǒng)及方法。
技術(shù)介紹
1、在當(dāng)今信息爆炸的時(shí)代，媒體廣告投放已成為企業(yè)營(yíng)銷策略中不可或缺的一部分。隨著互聯(lián)網(wǎng)和移動(dòng)設(shè)備的普及，廣告投放的渠道日益多樣化，包括社交媒體、搜索引擎、視頻平臺(tái)等。為了提高廣告投放的效率和效果，企業(yè)亟需借助大數(shù)據(jù)技術(shù)對(duì)媒體信息進(jìn)行智能化分析。廣告投放涉及的媒體數(shù)據(jù)來(lái)源廣泛，包括在線廣告、社交平臺(tái)互動(dòng)、用戶行為日志等。這些數(shù)據(jù)通常以不同的格式和結(jié)構(gòu)存在，給數(shù)據(jù)整合和分析帶來(lái)了挑戰(zhàn)。
2、然而，現(xiàn)有的媒體信息分析系統(tǒng)雖然具備基本的數(shù)據(jù)收集和處理能力，但仍存在一些不足之處，具體體現(xiàn)在廣告投放效果評(píng)估方面。例如，現(xiàn)有的媒體信息分析系統(tǒng)在廣告效果評(píng)估方面多集中于基礎(chǔ)指標(biāo)，如點(diǎn)擊率和曝光率等，這樣的單一評(píng)估方式無(wú)法全面反映廣告效果，限制了投放策略的優(yōu)化空間。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的在于提供基于大數(shù)據(jù)的媒體信息智能化分析系統(tǒng)及方法，以解決上述
技術(shù)介紹
中提出的問題。
2、為了解決上述技術(shù)問題，本專利技術(shù)提供如下技術(shù)方案：
3、基于大數(shù)據(jù)的媒體信息智能化分析方法，方法包括以下步驟：
4、步驟s100.從不同數(shù)據(jù)渠道獲取不同格式的與目標(biāo)廣告投放相關(guān)的媒體數(shù)據(jù)，對(duì)獲取的媒體數(shù)據(jù)進(jìn)行格式識(shí)別，并按照格式識(shí)別的結(jié)果對(duì)媒體數(shù)據(jù)進(jìn)行相應(yīng)的處理，將媒體數(shù)據(jù)整合為統(tǒng)一格式，從而得到待分析數(shù)據(jù)；
5、步驟s200.獲取目標(biāo)廣告對(duì)應(yīng)的投放記錄，從投放記錄中提取目標(biāo)
6、步驟s300.提取實(shí)際用戶群體的特征，并與目標(biāo)用戶群體特征進(jìn)行比對(duì)分析，從而得到兩者之間的差異；結(jié)合目標(biāo)用戶群體與實(shí)際用戶群體對(duì)應(yīng)特征之間的差異，評(píng)估目標(biāo)廣告投放策略的投放效果；
7、步驟s400.根據(jù)目標(biāo)廣告的投放效果評(píng)估指數(shù)，分析目標(biāo)廣告對(duì)應(yīng)的投放策略的優(yōu)化需求系數(shù)；根據(jù)優(yōu)化需求系數(shù)對(duì)相應(yīng)的投放策略進(jìn)行分析，并基于分析結(jié)果輸出相應(yīng)的提示信息。
8、進(jìn)一步的，步驟s100包括：
9、s101.從不同數(shù)據(jù)渠道獲取不同格式的有關(guān)目標(biāo)廣告投放相關(guān)的媒體數(shù)據(jù)，所述媒體數(shù)據(jù)的格式包括文本、圖像、音頻以及視頻格式，且每條媒體數(shù)據(jù)對(duì)應(yīng)的數(shù)據(jù)格式并不唯一；例如，一個(gè)社交媒體帖子可能有文本描述、圖片、音頻以及視頻；針對(duì)每條媒體數(shù)據(jù)di，進(jìn)行格式識(shí)別，其中i表示媒體數(shù)據(jù)編號(hào)，取正整數(shù)；按照格式識(shí)別的結(jié)果，對(duì)當(dāng)前的媒體數(shù)據(jù)進(jìn)行劃分，從而將媒體數(shù)據(jù)di表示為：di={d1,d2,...,dn}i，其中d1表示媒體數(shù)據(jù)di的第1個(gè)數(shù)據(jù)段，d2表示媒體數(shù)據(jù)di的第2個(gè)數(shù)據(jù)段，以此類推，dn表示媒體數(shù)據(jù)di的第n個(gè)數(shù)據(jù)段，其中n表示媒體數(shù)據(jù)di對(duì)應(yīng)的數(shù)據(jù)格式編號(hào)，取1到4，分別表示文本、圖像、音頻以及視頻格式；
10、s102.針對(duì)每條媒體數(shù)據(jù)di中的圖像、音頻以及視頻格式的數(shù)據(jù)段，都轉(zhuǎn)換成文本格式，將轉(zhuǎn)換后的文本格式數(shù)據(jù)取代對(duì)應(yīng)的圖像、音頻以及視頻格式的數(shù)據(jù)段，從而將媒體數(shù)據(jù)表示為di’，計(jì)算媒體數(shù)據(jù)di’各數(shù)據(jù)段的數(shù)據(jù)占比b，且b=n_dj/n_di’，其中n_dj表示媒體數(shù)據(jù)di'中的第j個(gè)數(shù)據(jù)段的字節(jié)數(shù)，n_di’表示媒體數(shù)據(jù)di’的字節(jié)數(shù)；對(duì)媒體數(shù)據(jù)di’的每個(gè)數(shù)據(jù)段進(jìn)行語(yǔ)義分析，從而組成相應(yīng)的語(yǔ)義特征向量集vi，且v={v1,v2,...,vn}i，同理，v1表示第1個(gè)數(shù)據(jù)段的語(yǔ)義特征向量，v2表示第2個(gè)數(shù)據(jù)段的語(yǔ)義特征向量，vn表示第n個(gè)數(shù)據(jù)段的語(yǔ)義特征向量，且每個(gè)語(yǔ)義特征向量包含多維度信息，例如關(guān)鍵詞、主題等；
11、s103.根據(jù)媒體數(shù)據(jù)di’的語(yǔ)義特征向量集vi，計(jì)算每個(gè)數(shù)據(jù)段之間的語(yǔ)義關(guān)聯(lián)指數(shù)l，具體計(jì)算公式為：ljk=(vj·vk)/|vj||vk|，其中l(wèi)jk表示第j個(gè)數(shù)據(jù)段與第k個(gè)數(shù)據(jù)段之間的語(yǔ)義關(guān)聯(lián)指數(shù)，vj表示第j個(gè)數(shù)據(jù)段對(duì)應(yīng)的語(yǔ)義特征向量，vk表示第k個(gè)數(shù)據(jù)段對(duì)應(yīng)的語(yǔ)義特征向量，且j和k均取1到n，j≠k；針對(duì)每個(gè)數(shù)據(jù)段di，結(jié)合數(shù)據(jù)占比和語(yǔ)義關(guān)聯(lián)指數(shù)，計(jì)算相應(yīng)的語(yǔ)義關(guān)聯(lián)強(qiáng)度g，且gi=b×∑j∈[1,n],|lij|；針對(duì)每條媒體數(shù)據(jù)di的數(shù)據(jù)段，根據(jù)語(yǔ)義關(guān)聯(lián)強(qiáng)度g的大小關(guān)系進(jìn)行排序，將語(yǔ)義關(guān)聯(lián)強(qiáng)度g最大的數(shù)據(jù)段作為主要數(shù)據(jù)段，將語(yǔ)義關(guān)聯(lián)強(qiáng)度g不等于0的數(shù)據(jù)段作為次要數(shù)據(jù)段；將語(yǔ)義關(guān)聯(lián)強(qiáng)度g等于0的數(shù)據(jù)段作為無(wú)關(guān)數(shù)據(jù)段，并進(jìn)行篩除，從而得到媒體數(shù)據(jù)d；將媒體數(shù)據(jù)d整理成結(jié)構(gòu)化數(shù)據(jù)進(jìn)行存儲(chǔ)，從而得到待分析數(shù)據(jù)。
12、進(jìn)一步的，步驟s200包括：
13、s201.從數(shù)據(jù)庫(kù)中獲取目標(biāo)廣告對(duì)應(yīng)的投放記錄，整理得到目標(biāo)廣告投放記錄數(shù)據(jù)集f，且f{f1,f2,...,fm}，其中f1表示目標(biāo)廣告的第1個(gè)投放記錄，f2表示目標(biāo)廣告的第2個(gè)投放記錄，以此類推，fm表示目標(biāo)廣告的第m個(gè)投放記錄；其中目標(biāo)廣告的每個(gè)投放記錄僅對(duì)應(yīng)一個(gè)投放策略，且每個(gè)投放記錄都包含多個(gè)特征，如投放時(shí)間、投放平臺(tái)、投放費(fèi)用、投放區(qū)域、用戶互動(dòng)數(shù)據(jù)等；對(duì)于每個(gè)投放記錄fe，從中提取相應(yīng)的投放策略，并將提取到的投放策略定義為策略數(shù)據(jù)集se，從而得到目標(biāo)用戶群體特征，且se={s1,s2,s3,s4}，其中，s1表示投放時(shí)間的數(shù)值表示，s2表示地域編碼，s3表示目標(biāo)用戶群體特征，s4表示預(yù)算；
14、s202.從待分析數(shù)據(jù)中獲取用戶行為數(shù)據(jù)，并從用戶行為數(shù)據(jù)中提取特征，構(gòu)建特征矩陣u，且特征矩陣u的維數(shù)為q×r，其中q表示用戶數(shù)量，r表示特征的數(shù)量；使用k-means算法對(duì)用戶進(jìn)行聚類，從而識(shí)別出不同的用戶群體，且將識(shí)別到的用戶群體表示為pu，u表示用戶群體的編號(hào)；針對(duì)每個(gè)用戶群體，獲取對(duì)應(yīng)用戶數(shù)量，將用戶數(shù)量最多的用戶群體定義為實(shí)際用戶群體。
15、進(jìn)一步的，使用k-means算法對(duì)用戶進(jìn)行聚類的具體過程如下：
16、針對(duì)特征矩陣u進(jìn)行標(biāo)準(zhǔn)化處理，選擇k0個(gè)聚類中心，且將聚類中心記為c，對(duì)于每個(gè)用戶q，計(jì)算每個(gè)用戶q到所有聚類中心的距離，并將其分配到最近的聚類中，其中每個(gè)用戶q到所有聚類中心的距離的計(jì)算公式為：
17、d(uh,cp)={σw∈[1,r],(uh_w-cp_w)}^(1/2)，
18、其中，uh表示第h個(gè)用戶的特征向量，cp表示第p個(gè)聚類中心，uh_w表示第h個(gè)用戶的第w個(gè)特征值，cp_w表示第p個(gè)聚類中心的第w個(gè)特征值；在所有用戶分配完成后，重新計(jì)算每個(gè)聚類的中心c，且更新公式為：
19、cp=(1/|qp|)σuh∈qp，uh，
20、其中qp表示被分配到聚類p的所有用戶特征向量，|qp|是聚類p中的用戶的數(shù)量；
21、重復(fù)上述內(nèi)容，直到達(dá)到預(yù)設(shè)的迭代次數(shù)。
22、進(jìn)一步的，步驟s300包括：
23、s301.提取實(shí)際用戶群體特征和目標(biāo)用戶提取特征，將實(shí)際用戶群體特征和目標(biāo)用戶群體特征進(jìn)行標(biāo)準(zhǔn)化處理，分別針對(duì)實(shí)際用戶群體特征和目標(biāo)用戶群本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.基于大數(shù)據(jù)的媒體信息智能化分析方法，其特征在于：所述方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的媒體信息智能化分析方法，其特征在于：所述步驟S100包括：
3.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的媒體信息智能化分析方法，其特征在于：所述步驟S200包括：
4.根據(jù)權(quán)利要求3所述的基于大數(shù)據(jù)的媒體信息智能化分析方法，其特征在于：所述使用K-means算法對(duì)用戶進(jìn)行聚類的具體過程如下：
5.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的媒體信息智能化分析方法，其特征在于：所述步驟S300包括：
6.根據(jù)權(quán)利要求5所述的基于大數(shù)據(jù)的媒體信息智能化分析方法，其特征在于：所述步驟S400包括：
7.基于大數(shù)據(jù)的媒體信息智能化分析系統(tǒng)，應(yīng)用于權(quán)利要求1-6中任一項(xiàng)所述的基于大數(shù)據(jù)的媒體信息智能化分析，其特征在于：所述系統(tǒng)包括：數(shù)據(jù)采集與處理模塊、用戶群體特征分析模塊、特征對(duì)比與差異分析模塊、投放效果評(píng)估模塊以及優(yōu)化建議模塊；
8.根據(jù)權(quán)利要求7所述的基于大數(shù)據(jù)的媒體信息智能化分析系統(tǒng)，其特征在于：所述數(shù)據(jù)采集與
9.根據(jù)權(quán)利要求7所述的基于大數(shù)據(jù)的媒體信息智能化分析系統(tǒng)，其特征在于：所述用戶群體特征分析模塊包括投放記錄提取單元和用戶行為數(shù)據(jù)分析單元；
10.根據(jù)權(quán)利要求7所述的基于大數(shù)據(jù)的媒體信息智能化分析系統(tǒng)，其特征在于：所述投放效果評(píng)估模塊包括效果評(píng)估指數(shù)計(jì)算單元和優(yōu)化需求分析單元；
...【技術(shù)特征摘要】
1.基于大數(shù)據(jù)的媒體信息智能化分析方法，其特征在于：所述方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的媒體信息智能化分析方法，其特征在于：所述步驟s100包括：
3.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的媒體信息智能化分析方法，其特征在于：所述步驟s200包括：
4.根據(jù)權(quán)利要求3所述的基于大數(shù)據(jù)的媒體信息智能化分析方法，其特征在于：所述使用k-means算法對(duì)用戶進(jìn)行聚類的具體過程如下：
5.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的媒體信息智能化分析方法，其特征在于：所述步驟s300包括：
6.根據(jù)權(quán)利要求5所述的基于大數(shù)據(jù)的媒體信息智能化分析方法，其特征在于：所述步驟s400包括：
7.基于大數(shù)據(jù)的媒體信...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：呂晴霞，
申請(qǐng)(專利權(quán))人：北京三人行時(shí)代數(shù)字科技有限公司，
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。