[發明專利]一種面向大規模媒體數據的在線廣告推薦系統及方法

有效

• 申請號: 201410148218.1
• 申請日: 2014-04-14
• 公開（公告）號: CN103955842B
• 公開（公告）日: 2017-03-29
• 發明（設計）人: 糜萬軍;金俏;李軍;李馥岑;邱建剛;楊緒升
• 申請（專利權）人: 武漢烽火普天信息技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F17/30
• 代理公司: 北京捷誠信通專利事務所(普通合伙)11221
• 代理人: 魏殿紳,龐炳良

1.一種面向大規模媒體數據的在線廣告推薦系統，其特征在于：包括廣告管理模塊（1）、廣告檢索模塊（2）、用戶行為挖掘模塊（3）、用戶行為查詢模塊（4）、網頁管理模塊（5）、流量分析模塊（6）以及廣告調度引擎模塊（7）；所述廣告調度引擎模塊（7）分別與用戶端、廣告管理模塊（1）、流量分析模塊（6）連接，用于完成整個廣告調度執行的環境引導；所述流量分析模塊（6）分別與廣告檢索模塊（2）、用戶行為查詢模塊（4）、網頁管理模塊（5）之間進行參數交換，并完成廣告排序；所述用戶行為挖掘模塊（3）分別與廣告管理模塊（1）、用戶行為查詢模塊（4）連接，用于對用戶的行為進行分析及預測；所述廣告檢索模塊（2）與廣告管理模塊（1）連接，用于完成廣告數據索引的構建，并對廣告數據索引進行檢索；所述廣告管理模塊（1），用于存儲最新的廣告投放策略集合；所述用戶行為查詢模塊（4），用于完成用戶行為信息的查詢；所述網頁管理模塊（5），用于完成網頁數據的管理。

2.如權利要求1所述的一種面向大規模媒體數據的在線廣告推薦系統，其特征在于：所述用戶行為挖掘模塊（3）包括策略更新部分和行為流檢測部分；所述策略更新部分通過在線構造雙Buffer動態數據區來完成最新策略的實時更新和并發使用；所述行為流檢測部分用于以web服務的形式接收在線日志，并通過建立基于倒排表的索引結構來完成用戶行為傾向性的預測。

3.如權利要求2所述的一種面向大規模媒體數據的在線廣告推薦系統，其特征在于：所述在線日志包含用戶的最新點擊行為或者搜索行為。

4.如權利要求2所述的一種面向大規模媒體數據的在線廣告推薦系統，其特征在于：所述索引結構由兩部分組成，一部分為分類器級別的信息列表，包含分類器ID、分類器權重、分類器內部的核心參數以及分類器包含的支持向量數量；另一部分為由哈希表構成的倒排索引，所述倒排索引的每一個key代表一個詞，value表示包含這個詞的支持向量集合。

5.如權利要求4所述的一種面向大規模媒體數據的在線廣告推薦系統，其特征在于：所述倒排索引的每一個支持向量通過ID進行唯一標識，其中支持向量ID是一個無符號64bit的整數，高32bit用于存儲支持向量所在的分類器ID，低32bit用于存儲該支持向量在對應的分類器中的相對ID。

6.一種基于權利要求1所述的面向大規模媒體數據的在線廣告推薦方法，其特征在于，包括如下步驟：

S1：當用戶訪問網頁時，廣告調度引擎模塊（7）從用戶端獲取用戶的ip、ua、url、region信息，并將所述信息傳遞給流量分析模塊（6）的請求端；

S2：網頁管理模塊（5）和用戶行為查詢模塊（4）分別從流量分析模塊（6）處獲取所需的用戶參數，并按專家知識權重歸并計算，完成用戶興趣的查詢和近期行為的理解；

S3：廣告檢索模塊（2）根據廣告基礎分類體系，聯合用戶行為挖掘模塊（3）在線預測的結果，對廣告數據索引進行檢索，得到滿足投放條件的廣告列表；

S4：流量分析模塊（6）獲取到滿足投放條件的廣告列表后，完成廣告預測排序，并返回給廣告調度引擎模塊（7）；

S5：廣告調度引擎模塊（7）將最終的廣告排序返回給用戶端并進行展示。

7.如權利要求6所述的面向大規模媒體數據的在線廣告推薦方法，其特征在于：步驟S3中，所述用戶行為挖掘模塊（3）在線預測結果的步驟為：

S31：用戶行為挖掘模塊（3）對所接收的用戶在線日志按照詞典進行快速的分詞；

S32：依次獲取到每一個詞，按照其在詞典中的詞典序，在所建立的索引結構中進行檢索，得到包含該詞的所有支持向量；

S33：按照公式計算出最終的類別標簽，其中，h(z)為類別預測結果函數，sgn為判斷函數，SV為支持向量集合，N為SV集合規模，a_i為第i向量的權重系數，y_i為第i向量的類別值，b為平衡分量，K(x_i,z)為核函數。

8.如權利要求7所述的面向大規模媒體數據的在線廣告推薦方法，其特征在于：所述步驟S32中，所述索引結構由兩部分組成，一部分為分類器級別的信息列表，包含分類器ID、分類器權重、分類器內部的核心參數以及分類器包含的支持向量數量；另一部分為由哈希表構成的倒排索引，所述倒排索引的每一個key代表一個詞，value表示包含這個詞的支持向量集合。