[發(fā)明專利]一種基于5G通訊網(wǎng)絡的人工智能廣告投放系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010758412.7
• 申請日: 2020-07-31
• 公開（公告）號: CN111882362A
• 公開（公告）日: 2020-11-03
• 發(fā)明（設計）人: 曹雪;沈易
• 申請（專利權(quán)）人: 蘇州云開網(wǎng)絡科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 佛山粵進知識產(chǎn)權(quán)代理事務所(普通合伙) 44463
• 代理人: 張敏

1.一種基于5G通訊網(wǎng)絡的人工智能廣告投放系統(tǒng)，其特征在于，包括：

采集單元，所述采集單元用于采集獲取用戶畫像數(shù)據(jù)，將用戶畫像數(shù)據(jù)按照預定方式進行建模；

廣告推薦單元，所述廣告推薦單元內(nèi)部設置有不同類廣告素材，通過采集單元獲取用戶行為信息，收集用戶流量的廣告素材，通過分析提取文本關(guān)鍵詞，建立廣告標簽數(shù)據(jù)庫；

針對用戶瀏覽過的廣告素材與用戶興趣集的相似度對廣告標簽數(shù)據(jù)庫進行清洗，得到用戶偏好信息，并對用戶偏好信息進行加權(quán)，獲取用戶感興趣的廣告素材排序；

投放單元，所述投放單元將排序靠前的廣告素材利用算法進行數(shù)據(jù)優(yōu)化，進行智能定向投放；

訓練單元，所述訓練單元用于接收用戶行為信息，并進行多場景下的多維行為數(shù)據(jù)進行整合，獲取回流數(shù)據(jù)，將回流數(shù)據(jù)輸入神經(jīng)網(wǎng)絡模型，進行模型訓練，生成更加精準的廣告標簽數(shù)據(jù)；

控制單元，所述控制單元用于控制所述投放單元、所述采集單元與數(shù)據(jù)庫信息調(diào)用。

2.根據(jù)權(quán)利要求1所述的一種基于5G通訊網(wǎng)絡的人工智能廣告投放系統(tǒng)，其特征在于：所述神經(jīng)網(wǎng)絡模型能夠是卷積神經(jīng)網(wǎng)絡，將回流數(shù)據(jù)輸入卷積神經(jīng)網(wǎng)絡，經(jīng)過卷積核進行局部卷積計算，生成多個特征圖譜，經(jīng)激活函數(shù)輸出非線性數(shù)據(jù)，提取用戶與廣告的特征。

3.根據(jù)權(quán)利要求1所述的一種基于5G通訊網(wǎng)絡的人工智能廣告投放系統(tǒng)，其特征在于：還包括評分單元，所述評分單元通過用戶對廣告的喜好進行評分，得到評分矩陣，通過評分矩陣分析獲取具有高相似度的用戶，得到推薦列表。

4.根據(jù)權(quán)利要求4所述的一種基于5G通訊網(wǎng)絡的人工智能廣告投放系統(tǒng)，其特征在于：評分單元將用戶評分等級分為5個梯度，用戶點擊廣告即記作1分；用戶點擊廣告并在廣告頁面停留超過10-20s記作2分，；用戶在廣告頁面停留超過1分鐘記為3分；用戶進行下載、注冊記為4分；用戶產(chǎn)生消費行為記為5分。

5.根據(jù)權(quán)利要求3所述的一種基于5G通訊網(wǎng)絡的人工智能廣告投放系統(tǒng)，其特征在于：廣告推薦單元能夠通過分析用戶行為信息，生成行為日志。

6.根據(jù)權(quán)利要求1所述的一種基于5G通訊網(wǎng)絡的人工智能廣告投放系統(tǒng)，其特征在于：所述用戶行為信息包括歷史瀏覽信息、歷史購買商品信息、歷史搜索的商品信息、歷史收藏的數(shù)據(jù)信息、歷史搜索視頻資源中的一種或多種組合。

7.根據(jù)權(quán)利要求1所述的一種基于5G通訊網(wǎng)絡的人工智能廣告投放系統(tǒng)，其特征在于：還包括通訊單元，所述通訊單元用于采集單元、廣告推薦單元、投放單元與訓練單元之間的通訊連接，所述通訊單元內(nèi)的通訊方式能夠選擇藍牙或無線方式通訊。

8.根據(jù)權(quán)利要求1所述的一種基于5G通訊網(wǎng)絡的人工智能廣告投放系統(tǒng)，其特征在于：還包括自編輯單元，所述自編輯單元包括觸摸屏，用戶通過所述觸摸屏能夠自己編輯畫像數(shù)據(jù)，并將畫像數(shù)據(jù)傳輸至廣告推薦單元，匹配用戶相似度高的廣告素材。

9.根據(jù)權(quán)利要求8所述的一種基于5G通訊網(wǎng)絡的人工智能廣告投放系統(tǒng)，其特征在于：畫像數(shù)據(jù)包括用于的基本特征、購買能力、興趣愛好、行為特征與社交網(wǎng)絡。

10.根據(jù)權(quán)利要求1所述的一種基于5G通訊網(wǎng)絡的人工智能廣告投放系統(tǒng)，其特征在于：所述訓練單元通過學習反饋模塊獲取用戶行為信息，進行反向修正投放單元內(nèi)的廣告素材權(quán)重值。