[發(fā)明專利]一種廣告推薦方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201811085278.8
• 申請(qǐng)日: 2018-09-17
• 公開（公告）號(hào): CN109299981A
• 公開（公告）日: 2019-02-01
• 發(fā)明（設(shè)計(jì)）人: 蘭順武;王子瀟
• 申請(qǐng)（專利權(quán)）人: 北京一點(diǎn)網(wǎng)聚科技有限公司
• 主分類號(hào): G06Q30/02
• 分類號(hào): G06Q30/02;G06F16/953;G06F16/958
• 代理公司: 北京超凡志成知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11371
• 代理人: 唐維虎

1.一種廣告推薦方法，其特征在于，所述廣告推薦方法包括：

根據(jù)用戶訪問頁面的訪問特征，獲得用于表示所述用戶喜好的M個(gè)用戶標(biāo)簽；

將所述M個(gè)用戶標(biāo)簽與每個(gè)廣告預(yù)設(shè)的N個(gè)廣告標(biāo)簽匹配，獲得所述M個(gè)用戶標(biāo)簽與每個(gè)廣告預(yù)設(shè)的N個(gè)廣告標(biāo)簽匹配的匹配度，共與S個(gè)廣告匹配獲得S個(gè)匹配度，其中，所述N個(gè)廣告標(biāo)簽表示出所述每個(gè)廣告的特點(diǎn)，其中，M、N和S為正整數(shù)；

從所述S個(gè)匹配度中確定出匹配度最高的目標(biāo)匹配度，為用戶推薦所述目標(biāo)匹配度對(duì)應(yīng)的目標(biāo)廣告。

2.根據(jù)權(quán)利要求1所述的廣告推薦方法，其特征在于，所述根據(jù)用戶訪問頁面的訪問特征，獲得用于表示所述用戶喜好的M個(gè)用戶標(biāo)簽，包括：

在所述用戶當(dāng)前訪問頁面時(shí)，基于對(duì)所述用戶當(dāng)前訪問頁面的檢測(cè)，生成用于表示所述用戶喜好的多個(gè)用戶當(dāng)前標(biāo)簽，以及獲得所述用戶的多個(gè)用戶歷史標(biāo)簽，其中，M個(gè)用戶標(biāo)簽包括：所述多個(gè)用戶當(dāng)前標(biāo)簽和所述多個(gè)用戶歷史標(biāo)簽。

3.根據(jù)權(quán)利要求1所述的廣告推薦方法，其特征在于，所述將所述多M用戶標(biāo)簽與每個(gè)廣告預(yù)設(shè)的N個(gè)廣告標(biāo)簽匹配，獲得所述M個(gè)用戶標(biāo)簽與每個(gè)廣告預(yù)設(shè)的N個(gè)廣告標(biāo)簽匹配的匹配度，共與S個(gè)廣告匹配獲得S個(gè)匹配度，包括：

調(diào)用預(yù)設(shè)的匹配度計(jì)算模型，將所述M個(gè)用戶標(biāo)簽輸入所述匹配度計(jì)算模型計(jì)算出與所述M個(gè)用戶標(biāo)簽對(duì)應(yīng)的用戶特征向量；

將所述用戶特征向量與每個(gè)廣告的N個(gè)廣告標(biāo)簽對(duì)應(yīng)的廣告特征向量進(jìn)行匹配，獲得所述用戶特征向量與所述每個(gè)廣告特征向量的匹配度，共與S個(gè)廣告匹配獲得S個(gè)匹配度，其中，每個(gè)廣告特征向量為將每個(gè)廣告的多個(gè)廣告標(biāo)簽輸入所述匹配度計(jì)算模型計(jì)算而獲得。

4.根據(jù)權(quán)利要求3所述的廣告推薦方法，其特征在于，所述調(diào)用預(yù)設(shè)的匹配度計(jì)算模型，將所述M個(gè)用戶標(biāo)簽輸入所述匹配度計(jì)算模型計(jì)算出與所述M個(gè)用戶標(biāo)簽對(duì)應(yīng)的用戶特征向量，包括：

調(diào)用預(yù)設(shè)的匹配度計(jì)算模型，將所述M個(gè)用戶標(biāo)簽輸入所述匹配度計(jì)算模型；

根據(jù)所述匹配度計(jì)算模型，將所述M個(gè)用戶標(biāo)簽中的每個(gè)用戶標(biāo)簽映射到預(yù)設(shè)的P個(gè)第一元素中對(duì)應(yīng)的每個(gè)第一元素中，獲得包含有P個(gè)第一元素的用戶特征向量，其中，P為大于M的正整數(shù)，每個(gè)被用戶標(biāo)簽映射的每個(gè)第一元素的值不為0，每個(gè)未被用戶標(biāo)簽映射的每個(gè)第一元素的值為0。

5.根據(jù)權(quán)利要求4所述的廣告推薦方法，其特征在于，所述將所述用戶特征向量與每個(gè)廣告的N個(gè)廣告標(biāo)簽對(duì)應(yīng)的廣告特征向量進(jìn)行匹配，獲得所述用戶特征向量與所述每個(gè)廣告特征向量的匹配度，共與S個(gè)廣告匹配獲得S個(gè)匹配度，包括：

將所述用戶特征向量的P個(gè)第一元素的值一一對(duì)應(yīng)的與每個(gè)廣告特征向量中的P個(gè)第二元素的值相乘，獲得所述用戶特征向量相對(duì)于每個(gè)廣告特征向量的P個(gè)所述元素的P個(gè)乘積值；其中，根據(jù)所述匹配度計(jì)算模型，將每個(gè)廣告的N個(gè)廣告標(biāo)簽映射到預(yù)設(shè)的P個(gè)第二元素中對(duì)應(yīng)的每個(gè)第二元素中，獲得每個(gè)廣告包含有P個(gè)第二元素的每個(gè)廣告特征向量，每個(gè)被廣告標(biāo)簽映射的每個(gè)第二元素的值不為0，每個(gè)未被廣告標(biāo)簽映射的每個(gè)第二元素的值為0；

將所述用戶特征向量相對(duì)于每個(gè)廣告特征向量的P個(gè)乘積值累加，獲得用于表示所述用戶特征向量與所述每個(gè)廣告特征向量的匹配度的累加值，共獲得S個(gè)累加值，其中，所述累加值越大所述匹配度越高。

6.根據(jù)權(quán)利要求1-5所述的廣告推薦方法，其特征在于，所述從所述S個(gè)匹配度中確定出匹配度最高的目標(biāo)匹配度，為用戶推薦所述目標(biāo)匹配度對(duì)應(yīng)的目標(biāo)廣告，包括：

將所述S個(gè)累加值排序，確定出所述S個(gè)累加值中最大的作為目標(biāo)累加值；

確定出所述目標(biāo)累加值對(duì)應(yīng)的匹配度為所述目標(biāo)匹配度；

確定出與所述目標(biāo)匹配度對(duì)應(yīng)的廣告為所述目標(biāo)廣告；

為用戶推薦所述目標(biāo)廣告。