[發明專利]廣告精準投放方法和系統

有效

• 申請號: 201510958772.0
• 申請日: 2015-12-18
• 公開（公告）號: CN105512916B
• 公開（公告）日: 2016-10-12
• 發明（設計）人: 林星;徐揚
• 申請（專利權）人: 北京微播易科技股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 苑佳麗

1.一種廣告精準投放方法，其特征在于，包括：

S10、根據待投放廣告要求的投放類別獲取對應的歸一化需求強度值；

S20、分別獲取預設所有投放賬號的影響領域；

S30、分別獲取每個投放賬號在各自影響領域下的影響力；

S40、根據所述待投放廣告要求的投放類別對應的歸一化需求強度值和每個投放賬號在各自影響領域下的影響力，獲取所述待投放廣告與每個投放賬號的匹配度；

S50、由匹配度高到低依次從所有投放賬號中選取預設第一個數個賬號作為目標投放賬號，并向所述目標投放賬號發送所述待投放廣告；

所述S10，包括：

S101、判斷所述待投放廣告要求的投放類別的個數N是否為1；如果是，執行S102；否則，執行S103；所述N≥1；

S102、獲取值為1的歸一化需求強度值；

S103、獲取每個投放類別對應的優先級，根據所述優先級分別獲取每個投放類別對應的歸一化需求強度值。

2.根據權利要求1所述的廣告精準投放方法，其特征在于，所述S103，包括：

S1031、根據所述優先級將所述待投放廣告的所有投放類別進行排序，得到每個投放類別的排列順序；

S1032、對于任一投放類別x，獲取該投放類別x的排列順序rank_x的倒數所述,N≥x≥1；

S1033、將所述加1，得到

S1034、獲取所述的對數，得到

S1035、獲取

S1036、將所述除以得到所述投放類別x的歸一化需求強度值。

3.根據權利要求1所述的廣告精準投放方法，其特征在于，所述S20包括：

S201、對于任一投放賬號，獲取該投放賬號所發表的所有文章；

S202、分別獲取該投放賬號所發表的每篇文章的內容分類；

S203、分別獲取該投放賬號所發表的每篇文章的權重；

S204、根據該投放賬號所發表的所有文章的內容分類和權重獲取該投放賬號的影響領域。

4.根據權利要求3所述的廣告精準投放方法，其特征在于，所述S202，包括：

S2021、對于該投放賬號所發表的任意一篇文章，對該篇文章進行分詞，得到該篇文章的至少一個詞語；

S2022、對于該篇文章的至少一個詞語中任一詞語，根據該詞語在該篇文章中出現的次數獲取該詞語的出現頻率，并根據所有文章中包含該詞語的文章個數獲取該詞語的逆文檔頻率；

S2023、根據每個詞語的出現頻率和逆文檔頻率，以及預先訓練的所有類別的類別分類器，分別獲取該篇文章屬于每個類別的權重；

S2024、根據該篇文章屬于每個類別的權重，獲取權重最大的類別作為該篇文章的內容分類。

5.根據權利要求4所述的廣告精準投放方法，其特征在于，在所述S2023之前，所述S202還包括：

S2025、訓練任一類別的類別分類器時，獲取P篇文章樣本和每篇文章樣本的類別值，屬于該類別的文章樣本占所述P篇文章樣本的一半；所述P>1；

S2026、從所述P篇文章樣本中隨機選取第二個數篇文章，并分別獲取第二個數篇文章中每篇文章的至少一個詞語、每個詞語的出現頻率和每個詞語的逆文檔頻率；

S2027、將所述第二個數篇文章中每篇文章的至少一個詞語、每個詞語的出現頻率和每個詞語的逆文檔頻率，以及每篇文章樣本的類別值，輸入至預設第一核函數和第一模型參數的第一SVM分類器進行訓練，得到該類別的類別分類器；

S2028、將所述P篇文章樣本中除所述第二個數篇文章之外的測試文章分別輸入到該類別的類別分類器，得到測試文章的分類結果；

S2029、根據測試文章的分類結果和類別值，判斷分類差異是否大于預設第一分類閾值；如果小于，訓練結束；否則，修改所述第一核函數和/或第一模型參數，重新執行所述S2027至S2029。