[發(fā)明專利]在線視頻廣告精細化定向投放方法

有效

• 申請?zhí)枺?/td>: 201210004988.X
• 申請日: 2012-01-05
• 公開（公告）號: CN102722832A
• 公開（公告）日: 2012-10-10
• 發(fā)明（設計）人: 嚴金龍;姚鍵;尹玉宗;盧學裕;王曉龍;潘柏宇;盧述奇
• 申請（專利權）人: 合一網(wǎng)絡技術（北京）有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種在線視頻廣告精細化定向投放方法，包括以下步驟：

A.通過問卷調查，收集不少于10萬名用戶的身份和視頻訪問行為數(shù)據(jù)，包含用戶訪問的視頻分類，視頻標題，視頻tag等信息；

B.對收集的數(shù)據(jù)做剔除空值、異常值、離群值的預處理，提升樣本數(shù)據(jù)質量；

C.統(tǒng)計問卷調查用戶訪問視頻分類、關鍵詞的次數(shù)，構建正反樣本向量：

+1?1：N1，2：N2，……，I：NI

-1?1：M1，2：M2，……，I：MI

式中：+1表示某類用戶的向量，-1表示其他用戶的向量；冒號前的1，2，……，I為I個視頻分類，視頻標題，視頻tag信息，冒號后的Nx為某類用戶對這個視頻分類，視頻標題，視頻tag信息的訪問次數(shù)，Mx表示其他用戶對這個視頻分類，視頻標題，視頻tag信息的訪問次數(shù)；

D.將正反樣本向量帶入支持向量機模型進行訓練，支持向量機的形式為：

minise

subject?to?????y_i[wx_i+b]-1≥0??i＝1，2，......，l

式中：x為C步驟得到的正反樣本向量，y∈{+1，-1}，l是訓練樣本的個數(shù)；w和b通過訓練模型得到，w為分類間隔，b是常數(shù)；

由此得到最優(yōu)分類面及權重w信息：

solver_type?L2R_LR

nr_class?2

label?1-1

nr?feature?342

bias-1

w

其中solver_type表示訓練svm采用的類型，nr_class表示分類類別數(shù)，label表示類別標簽，nr_feature表示支持向量個數(shù)，w表示最后得到的向量，用于計算分類；

E.使用通過訓練得到的模型對用戶做分類，分類函數(shù)為：

f(x)＝sgn{wx+b}

其中：w和b由C步驟的訓練模型得到；x表示由具體用戶訪問視頻分類，視頻標題，視頻tag信息的次數(shù)構成的向量；

如果f(x)＞0表示這個用戶屬于+1表示的那個分類，否則屬于-1表示的分類；

F.模型驗證：通過實驗，將預測為真且實際為真的數(shù)據(jù)記為tp，預測為真但實際為假的數(shù)據(jù)記為fp，將預測為假但實際為真的數(shù)據(jù)記為fn，預測為假且實際為假的數(shù)據(jù)記為tn；則模型的準確度Precision和覆蓋率recall為；

如果準確度Precision和覆蓋率recall不滿足要求，則返回A步驟，收集更多的用戶的身份和視頻訪問行為數(shù)據(jù)，并再次執(zhí)行B～F步驟，重新調整參數(shù)，直到準確度Precision和覆蓋率recall滿足要求；

G.在視頻網(wǎng)站服務器上部署以上各步驟，實現(xiàn)自動化運行；

H.當用戶視頻網(wǎng)站服務器時，模型記錄用戶的訪問請求，對用戶做出人群屬性分類和標識，根據(jù)用戶的屬性推送適合的廣告。?