【技術實現(xiàn)步驟摘要】
本專利技術涉及廣告投放，具體涉及一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法及系統(tǒng)。
技術介紹
1、人工智能（ai）指的是模擬和擴展人類智能的技術和方法，通過算法、計算機模型、機器學習等方式使機器能夠執(zhí)行諸如感知、推理、學習和決策等智能任務。互聯(lián)網廣告數(shù)據(jù)是指通過互聯(lián)網渠道進行廣告投放時，收集的有關廣告展示、用戶互動以及廣告效果等方面的數(shù)據(jù)。
2、傳統(tǒng)方法通常采用統(tǒng)一的廣告推薦策略，缺乏個性化，無法精準識別用戶的興趣變化，導致廣告投放效果不佳；其次，傳統(tǒng)方法難以實時預測和調整用戶行為，常常展示與用戶當前興趣不匹配的廣告，增加了用戶的廣告疲勞感；再者，傳統(tǒng)方法往往依賴人工干預來優(yōu)化廣告投放，效率低且缺乏自動化，無法快速適應用戶行為的變化，導致廣告投放效果的時效性和精準度較差，進而影響廣告的點擊率和轉化率。
技術實現(xiàn)思路
1、本專利技術所要解決的技術問題在于克服上述現(xiàn)有技術的缺點，提供一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法及系統(tǒng)。
2、解決上述技術問題所采用的技術方案是：一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，包括：
3、獲取目標用戶的行為序列和觀看的廣告數(shù)據(jù)序列；
4、基于所述目標用戶對不同廣告數(shù)據(jù)的觀看時長對所述行為序列進行劃分，以得到所述行為序列所對應的三個子行為序列；
5、基于預先訓練的行為預測模型通過所述三個子行為序列進行行為預測，以得到下一預設時刻的行為序列；
6、基于所述下一預設時刻的行為
7、基于所述下一預設時刻的行為序列所對應的預測交互得分列表生成廣告數(shù)據(jù)投放列表。
8、優(yōu)選的，所述行為序列包括所述目標用戶對不同廣告數(shù)據(jù)的互動信息，其中，所述行為序列的表達式如下：
9、；
10、其中，表示目標用戶對不同廣告數(shù)據(jù)的互動信息，表示第個廣告數(shù)據(jù)id，表示第個廣告數(shù)據(jù)的廣告特征，表示目標用戶觀看的廣告數(shù)據(jù)的數(shù)量。
11、優(yōu)選的，基于所述目標用戶對不同廣告數(shù)據(jù)的觀看時長對所述行為序列進行劃分，以得到所述行為序列所對應的三個子行為序列，包括：
12、基于所述廣告時長將不同廣告數(shù)據(jù)劃分為多個廣告分組；
13、將所述多個廣告分組內的樣本數(shù)量與預設的樣本數(shù)閾值進行比對，若所述多個廣告分組內的樣本數(shù)量高于預設的樣本數(shù)閾值，則將所述廣告分組判定為樣本量充足標簽，否則，則將所述廣告分組判定為樣本量不足標簽；
14、獲取所述樣本量充足標簽的所述廣告分組中多個廣告數(shù)據(jù)的觀看時長，以得到所述樣本量充足標簽的所述廣告分組所對應的觀看時長序列；
15、對所述樣本量充足標簽的所述廣告分組所對應的觀看時長序列進行排序，以得到所述樣本量充足標簽的所述廣告分組所對應的觀看時長順序序列；
16、基于所述樣本量充足標簽的所述廣告分組所對應的觀看時長順序序列將所述樣本量充足標簽的所述廣告分組劃分為三個子廣告分組。
17、優(yōu)選的，基于所述目標用戶對不同廣告數(shù)據(jù)的觀看時長對所述行為序列進行劃分，以得到所述行為序列所對應的三個子行為序列，還包括：
18、獲取所述樣本量不足標簽的所述廣告分組中多個廣告數(shù)據(jù)的觀看時長，以得到所述樣本量不足標簽的所述廣告分組所對應的觀看時長序列；
19、基于k近鄰算法將所述樣本量不足標簽的所述廣告分組所對應的觀看時長序列與所述樣本量充足標簽的所述廣告分組所對應的觀看時長序列進行匹配，以找到最接近的鄰居分組，其中，所述鄰居分組屬于樣本量充足標簽的所述廣告分組；
20、基于所述鄰居組將所述樣本量不足標簽的所述廣告分組劃分為三個子廣告分組；
21、基于所述樣本量不足標簽和所述樣本量充足標簽的所述廣告分組所對應的三個子廣告分組將所述行為序列進行劃分，以得到所述行為序列所對應的三個子行為序列，其中，所述三個子行為序列包括不觀看子行為序列、感興趣子行為序列和不感興趣子行為序列。
22、優(yōu)選的，所述行為預測模型包括廣告嵌入模塊、特征提取模塊和行為預測模塊，所述廣告嵌入模塊用于將所述目標用戶的行為序列和所述觀看的廣告數(shù)據(jù)序列轉化為嵌入向量，所述特征提取模塊用于基于所述嵌入向量從所述三個子行為序列中提取出所述目標用戶的細粒度興趣表達，所述行為預測模塊用于基于所述目標用戶的細粒度興趣表達預測下一預設時刻的行為序列。
23、優(yōu)選的，所述廣告嵌入模塊用于對廣告數(shù)據(jù)id、廣告數(shù)據(jù)作者id、廣告數(shù)據(jù)反饋標簽和位置信息進行嵌入，以得到廣告數(shù)據(jù)id嵌入向量、廣告數(shù)據(jù)作者id嵌入向量、廣告數(shù)據(jù)反饋標簽嵌入向量和位置信息嵌入向量，將所述廣告數(shù)據(jù)id嵌入向量、廣告數(shù)據(jù)作者id嵌入向量、廣告數(shù)據(jù)反饋標簽嵌入向量和位置信息嵌入向量進行融合，以得到所述廣告數(shù)據(jù)的嵌入向量，基于所述廣告數(shù)據(jù)的嵌入向量獲取所述三個子行為序列所對應的嵌入向量，所述特征提取模塊采用transformer網絡，將所述三個子行為序列所對應的嵌入向量輸入至不同的transformer網絡中，以得所述三個子行為序列所對應的特征表示，所述行為預測模塊采用長短期記憶網絡，將所述三個子行為序列所對應的特征表示輸入至不同的長短期記憶網絡中，以得到下一預設時刻的行為序列。
24、優(yōu)選的，所述交互二分加權圖包括用戶節(jié)點集、廣告數(shù)據(jù)節(jié)點集、連接邊集和邊權值集，所述用戶節(jié)點與目標用戶相對應，所述廣告數(shù)據(jù)節(jié)點與廣告數(shù)據(jù)相對應，所述連接邊用于連接所述用戶節(jié)點和廣告數(shù)據(jù)節(jié)點，當目標用戶觀看廣告數(shù)據(jù)，則相對應的目標用戶節(jié)點和廣告數(shù)據(jù)節(jié)點之間存在連接邊，基于目標用戶觀看廣告數(shù)據(jù)的觀看時長定義所述連接邊的邊權值，當所述觀看時長高于預設的觀看時間閾值，則所述連接邊的邊權值定義為1，否則，則所述連接邊的邊權值定義為0。
25、優(yōu)選的，所述交互得分預測模型包括廣告特征提取模塊、特征組合模塊和得分預測模塊，所述廣告特征提取模塊用于提取所述廣告數(shù)據(jù)的文本特征向量、視覺特征向量和聲音特征向量，所述特征組合模塊用于分別將廣告數(shù)據(jù)的文本特征向量、視覺特征向量和聲音特征向量進行兩兩拼接，以得到三個交叉特征，對所述三個交叉特征分別進行兩兩哈達瑪積運算，以得到所述廣告數(shù)據(jù)的三個組合特征，將所述廣告數(shù)據(jù)的三個組合特征作為所述交互二分加權圖中廣告數(shù)據(jù)節(jié)點的行向量，所述得分預測模塊采用多層感知機，并基于所述交互二分加權圖和所述交互二分加權圖中廣告數(shù)據(jù)節(jié)點的行向量計算所述交互二分加權圖的邊權重之和，所述交互二分加權圖的邊權重之和即為所述交互二分加權圖的交互得分。
26、優(yōu)選的，所述多層感知機由四個全連接層構成。
27、解決上述技術問題所采用的技術方案是：一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放系統(tǒng)，其適用于所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，包括：
28、本文檔來自技高網...
【技術保護點】
1.一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，包括：
2.根據(jù)權利要求1所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，所述行為序列包括所述目標用戶對不同廣告數(shù)據(jù)的互動信息，其中，所述行為序列的表達式如下：
3.根據(jù)權利要求2所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，基于所述目標用戶對不同廣告數(shù)據(jù)的觀看時長對所述行為序列進行劃分，以得到所述行為序列所對應的三個子行為序列，包括：
4.根據(jù)權利要求3所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，基于所述目標用戶對不同廣告數(shù)據(jù)的觀看時長對所述行為序列進行劃分，以得到所述行為序列所對應的三個子行為序列，還包括：
5.根據(jù)權利要求4所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，所述行為預測模型包括廣告嵌入模塊、特征提取模塊和行為預測模塊，所述廣告嵌入模塊用于將所述目標用戶的行為序列和所述觀看的廣告數(shù)據(jù)序列轉化為嵌入向量，所述特征提取模塊用于基于所述嵌入向量從所述三個子行為序列中提取出所述目標用戶的細粒度
6.根據(jù)權利要求5所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，所述廣告嵌入模塊用于對廣告數(shù)據(jù)ID、廣告數(shù)據(jù)作者ID、廣告數(shù)據(jù)反饋標簽和位置信息進行嵌入，以得到廣告數(shù)據(jù)ID嵌入向量、廣告數(shù)據(jù)作者ID嵌入向量、廣告數(shù)據(jù)反饋標簽嵌入向量和位置信息嵌入向量，將所述廣告數(shù)據(jù)ID嵌入向量、廣告數(shù)據(jù)作者ID嵌入向量、廣告數(shù)據(jù)反饋標簽嵌入向量和位置信息嵌入向量進行融合，以得到所述廣告數(shù)據(jù)的嵌入向量，基于所述廣告數(shù)據(jù)的嵌入向量獲取所述三個子行為序列所對應的嵌入向量，所述特征提取模塊采用Transformer網絡，將所述三個子行為序列所對應的嵌入向量輸入至不同的Transformer網絡中，以得所述三個子行為序列所對應的特征表示，所述行為預測模塊采用長短期記憶網絡，將所述三個子行為序列所對應的特征表示輸入至不同的長短期記憶網絡中，以得到下一預設時刻的行為序列。
7.根據(jù)權利要求1所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，所述交互二分加權圖包括用戶節(jié)點集、廣告數(shù)據(jù)節(jié)點集、連接邊集和邊權值集，所述用戶節(jié)點與目標用戶相對應，所述廣告數(shù)據(jù)節(jié)點與廣告數(shù)據(jù)相對應，所述連接邊用于連接所述用戶節(jié)點和廣告數(shù)據(jù)節(jié)點，當目標用戶觀看廣告數(shù)據(jù)，則相對應的目標用戶節(jié)點和廣告數(shù)據(jù)節(jié)點之間存在連接邊，基于目標用戶觀看廣告數(shù)據(jù)的觀看時長定義所述連接邊的邊權值，當所述觀看時長高于預設的觀看時間閾值，則所述連接邊的邊權值定義為1，否則，則所述連接邊的邊權值定義為0。
8.根據(jù)權利要求7所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，所述交互得分預測模型包括廣告特征提取模塊、特征組合模塊和得分預測模塊，所述廣告特征提取模塊用于提取所述廣告數(shù)據(jù)的文本特征向量、視覺特征向量和聲音特征向量，所述特征組合模塊用于分別將廣告數(shù)據(jù)的文本特征向量、視覺特征向量和聲音特征向量進行兩兩拼接，以得到三個交叉特征，對所述三個交叉特征分別進行兩兩哈達瑪積運算，以得到所述廣告數(shù)據(jù)的三個組合特征，將所述廣告數(shù)據(jù)的三個組合特征作為所述交互二分加權圖中廣告數(shù)據(jù)節(jié)點的行向量，所述得分預測模塊采用多層感知機，并基于所述交互二分加權圖和所述交互二分加權圖中廣告數(shù)據(jù)節(jié)點的行向量計算所述交互二分加權圖的邊權重之和，所述交互二分加權圖的邊權重之和即為所述交互二分加權圖的交互得分。
9.根據(jù)權利要求8所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，所述多層感知機由四個全連接層構成。
10.一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放系統(tǒng)，其適用于權利要求1-9任意一項所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，包括：
...【技術特征摘要】
1.一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，包括：
2.根據(jù)權利要求1所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，所述行為序列包括所述目標用戶對不同廣告數(shù)據(jù)的互動信息，其中，所述行為序列的表達式如下：
3.根據(jù)權利要求2所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，基于所述目標用戶對不同廣告數(shù)據(jù)的觀看時長對所述行為序列進行劃分，以得到所述行為序列所對應的三個子行為序列，包括：
4.根據(jù)權利要求3所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，基于所述目標用戶對不同廣告數(shù)據(jù)的觀看時長對所述行為序列進行劃分，以得到所述行為序列所對應的三個子行為序列，還包括：
5.根據(jù)權利要求4所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，所述行為預測模型包括廣告嵌入模塊、特征提取模塊和行為預測模塊，所述廣告嵌入模塊用于將所述目標用戶的行為序列和所述觀看的廣告數(shù)據(jù)序列轉化為嵌入向量，所述特征提取模塊用于基于所述嵌入向量從所述三個子行為序列中提取出所述目標用戶的細粒度興趣表達，所述行為預測模塊用于基于所述目標用戶的細粒度興趣表達預測下一預設時刻的行為序列。
6.根據(jù)權利要求5所述的一種基于人工智能的互聯(lián)網廣告數(shù)據(jù)精準投放方法，其特征在于，所述廣告嵌入模塊用于對廣告數(shù)據(jù)id、廣告數(shù)據(jù)作者id、廣告數(shù)據(jù)反饋標簽和位置信息進行嵌入，以得到廣告數(shù)據(jù)id嵌入向量、廣告數(shù)據(jù)作者id嵌入向量、廣告數(shù)據(jù)反饋標簽嵌入向量和位置信息嵌入向量，將所述廣告數(shù)據(jù)id嵌入向量、廣告數(shù)據(jù)作者id嵌入向量、廣告數(shù)據(jù)反饋標簽嵌入向量和位置信息嵌入向量進行融合，以得到所述廣告數(shù)據(jù)的嵌入向量，基于所述廣告數(shù)據(jù)的嵌入向量獲取所述三個子行為序列所對應的嵌入向量，所述特征提取模塊采用transformer網絡，將所述三個子行為序列所對應的嵌入向量輸入至不同的transformer網絡中...
【專利技術屬性】
技術研發(fā)人員：郭衛(wèi)兵，林永春，吳鴻貴，吳鴻杰，吳鴻源，
申請(專利權)人：廣東衛(wèi)兵科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。