[發(fā)明專利]廣告投放方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201710257711.0
• 申請(qǐng)日: 2017-04-19
• 公開（公告）號(hào): CN108510303A
• 公開（公告）日: 2018-09-07
• 發(fā)明（設(shè)計(jì)）人: 李追日;葉佳木;余傳偉
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06Q30/02
• 分類號(hào): G06Q30/02
• 代理公司: 北京派特恩知識(shí)產(chǎn)權(quán)代理有限公司 11270
• 代理人: 蔣雅潔;張穎玲

1.一種廣告投放方法，其特征在于，包括：

按照各廣告類別，獲取目標(biāo)用戶在各數(shù)據(jù)源中產(chǎn)生的行為數(shù)據(jù)，以及預(yù)存的歷史廣告反饋數(shù)據(jù)，根據(jù)各所述廣告類別對(duì)應(yīng)的所述歷史廣告反饋數(shù)據(jù)和所述目標(biāo)用戶的行為數(shù)據(jù)，分別生成與各所述廣告類別對(duì)應(yīng)的廣告評(píng)價(jià)相關(guān)的訓(xùn)練模型；

獲取待評(píng)估的用戶在各數(shù)據(jù)源中產(chǎn)生的行為數(shù)據(jù)，根據(jù)所述訓(xùn)練模型和所述待評(píng)估的用戶的行為數(shù)據(jù)，生成所述待評(píng)估的用戶對(duì)各所述廣告類別的評(píng)價(jià)數(shù)據(jù)；

按照各所述廣告類別，選取高于預(yù)置評(píng)價(jià)條件的評(píng)價(jià)數(shù)據(jù)對(duì)應(yīng)的用戶，以分別組成與各所述廣告類別對(duì)應(yīng)的用戶包，按照廣告類別選取對(duì)應(yīng)的用戶包進(jìn)行廣告投放。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)各所述廣告類別對(duì)應(yīng)的所述歷史廣告反饋數(shù)據(jù)和所述目標(biāo)用戶的行為數(shù)據(jù)，分別生成與各所述廣告類別對(duì)應(yīng)的廣告評(píng)價(jià)相關(guān)的訓(xùn)練模型包括：

根據(jù)所述目標(biāo)用戶的行為數(shù)據(jù)生成第一行為特征向量，其中，所述第一行為特征向量表示在同一廣告類別下且在預(yù)置時(shí)間段內(nèi)，所述目標(biāo)用戶在各數(shù)據(jù)源上所產(chǎn)生的行為數(shù)據(jù)的數(shù)量；

對(duì)所述歷史廣告反饋數(shù)據(jù)進(jìn)行量化評(píng)估，得到評(píng)估后的評(píng)價(jià)分?jǐn)?shù)，其中，評(píng)估后的評(píng)價(jià)分?jǐn)?shù)為所述目標(biāo)用戶對(duì)各所述廣告類別的評(píng)價(jià)分?jǐn)?shù)；

通過預(yù)置訓(xùn)練模型算法對(duì)所述評(píng)估后的評(píng)價(jià)分?jǐn)?shù)和所述第一行為特征向量進(jìn)行訓(xùn)練，得到所述訓(xùn)練模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對(duì)所述歷史廣告反饋數(shù)據(jù)進(jìn)行量化評(píng)估，得到評(píng)估后的評(píng)價(jià)分?jǐn)?shù)，包括：

選取同一用戶且屬于同一廣告類別的曝光次數(shù)和歷史廣告反饋數(shù)據(jù)；

將所述歷史廣告反饋數(shù)據(jù)劃分為正面反饋數(shù)據(jù)和負(fù)面反饋數(shù)據(jù)；

計(jì)算所述正面反饋數(shù)據(jù)與所述負(fù)面反饋數(shù)據(jù)，得到正面評(píng)價(jià)指標(biāo)，以及將所述負(fù)面反饋數(shù)據(jù)與所述曝光次數(shù)的比值，得到負(fù)面評(píng)價(jià)指標(biāo)；

將所述正面評(píng)價(jià)指標(biāo)與第一預(yù)置系數(shù)相乘，以及將所述負(fù)面評(píng)價(jià)指標(biāo)與第二預(yù)置系數(shù)相乘，并將相乘后的結(jié)果求和，得到所述評(píng)估后的評(píng)價(jià)分?jǐn)?shù)，其中所述第一預(yù)置系數(shù)大于0，所述第二預(yù)置系數(shù)小于0。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述訓(xùn)練模型和所述待評(píng)估的用戶的行為數(shù)據(jù)，生成所述待評(píng)估用戶對(duì)各所述廣告類別的評(píng)價(jià)數(shù)據(jù)，包括：

根據(jù)所述待評(píng)估的用戶的行為數(shù)據(jù)生成第二行為特征向量，其中，所述第二行為特征向量表示在同一廣告類別下且在預(yù)置時(shí)長(zhǎng)內(nèi)，所述待評(píng)估的用戶在各數(shù)據(jù)源上所產(chǎn)生的行為數(shù)據(jù)的數(shù)量；

在所述待評(píng)估的用戶中選取符合預(yù)置選取規(guī)則的用戶，并將選取的用戶對(duì)應(yīng)的標(biāo)識(shí)添加至備選集；

將所述第二行為特征向量輸入至所述訓(xùn)練模型中，得到組成所述備選集的用戶對(duì)各所述廣告類別的評(píng)價(jià)分?jǐn)?shù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述在所述待評(píng)估的用戶中選取符合預(yù)置選取規(guī)則的用戶，并將選取的用戶對(duì)應(yīng)的標(biāo)識(shí)添加至備選集，包括：

以所述數(shù)據(jù)源的種類為劃分條件，將所述待評(píng)估的用戶對(duì)應(yīng)的標(biāo)識(shí)劃分為多個(gè)組，其中，每一組對(duì)應(yīng)一種數(shù)據(jù)源；

判斷組成各組的用戶所產(chǎn)生的行為數(shù)據(jù)的數(shù)量是否超過預(yù)置數(shù)量；

若沒有不超過，則刪除各組中沒有超過所述預(yù)置數(shù)量的用戶對(duì)應(yīng)的標(biāo)識(shí)；

當(dāng)遍歷所有組后，將組成各組的用戶對(duì)應(yīng)的標(biāo)識(shí)添加至所述備選集，其中每一組作為所述備選集中的子集。

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述按照各所述廣告類別，選取高于預(yù)置評(píng)價(jià)條件的評(píng)價(jià)數(shù)據(jù)對(duì)應(yīng)的用戶，以分別組成與各所述廣告類別對(duì)應(yīng)的用戶包，包括：

從組成備選集的用戶分別對(duì)各所述廣告類別的評(píng)價(jià)分?jǐn)?shù)最高起，按照評(píng)價(jià)分?jǐn)?shù)從高到低的順序，分別選取與各所述廣告類別對(duì)應(yīng)的預(yù)置數(shù)目個(gè)評(píng)價(jià)分?jǐn)?shù)；

按照各所述廣告類別，將選取的所述預(yù)置數(shù)目個(gè)評(píng)價(jià)分?jǐn)?shù)對(duì)應(yīng)的用戶分別組成與各所述廣告類別對(duì)應(yīng)的用戶包，其中，所述用戶包中包括用戶的標(biāo)識(shí)，一個(gè)用戶包對(duì)應(yīng)一種廣告類別。