[发明专利]基于用户兴趣学习的个性化广告推送方法与系统

说明书

技术领域

本发明涉及图像处理领域，特别涉及一种基于用户兴趣学习的个性化广告推送方法与系统。

背景技术

近年来，互联网上的视频数目在迅速增加，而这些海量视频的存在极大地促进了在线视频广告等服务的发展。目前，已经有多种基于不同准则将视频和广告关联的方法在视频网站和视频播放软件中投入了使用。一般来说，这些方法主要强调对预定义广告的推送，包括：

1)时域插入广告。如附图1(a)所示，指在视频的开头缓冲、中途暂停或结尾播放一段预定义的广告，形式可以为图片、视频等。

2)周边关联广告。如附图1(b)所示，指当视频播放时，在视频播放器的周边(如网页、播放器边框)显示预定义广告。

3)部分叠加广告。如附图1(c)所示，指在视频的部分内容上叠加小型广告(图片或简单的FLASH)，通常不影响视频主要部分。

目前，以上三种广告推送的方法都得到了广泛的应用。然而这些广告推送的效果并不理想，比如第1种方法播放广告时，用户常常处于浏览其他网页的状态，降低了广告效果；第2种方法虽然干扰较小，但广告常常被作为网页背景而忽视；第3种方法则在一定程度上影响了用户正常的观看体验。而最主要的问题在于，上述推送的广告与内容的关联程度一般较低，且不能满足每个用户个性化的兴趣需求，因此广告所达到的效果较差。

发明内容

本发明实施例提供一种基于用户兴趣学习的个性化广告推送方法和系统，用以解决现有的推送广告与内容的关联程度低，且不能满足每个用户个性化兴趣需求的问题。

本发明实施例提供了一种基于用户兴趣学习的个性化广告推送方法，包括：

通过多任务排序学习得到多个用户兴趣模型；

根据所述用户兴趣模型，在视频中提取兴趣物体；

提取所述兴趣物体的多种视觉特征，根据所述视觉特征在广告库中检索相关的广告信息。

本发明实施例还提供了一种基于用户兴趣学习的个性化广告推送系统，包括：

兴趣模型学习模块，用于通过多任务排序学习得到多个用户兴趣模型；

兴趣物体提取模块，用于根据所述用户兴趣模型，在视频中提取兴趣物体；

广告检索模块，用于提取所述兴趣物体的多种视觉特征，根据所述视觉特征在广告库中检索相关的广告信息。

由上述技术方案可知，本发明实施例利用多任务排序学习算法获得用户兴趣模型，并在此基础上针对不同用户自动提取视频中的兴趣区域，然后使用兴趣区域进行广告信息关联。通过这样的方式提供的广告不仅和视频内容紧密相关，而且从一定程度上满足了用户的个性化要求，实现了个性化的广告推送。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施方式。

图1为现有的广告推送方法示意图；

图2为本发明实施例提供的基于用户兴趣学习的个性化广告推送方法流程示意图；

图3为本发明实施例提供的用户兴趣模型学习流程示意图；

图4为本发明实施例提供的视频兴趣物体提取流程示意图；

图5为本发明实施例提供的在视频兴趣物体提取流程中获取的关键帧的兴趣度分布示意图；

图6为本发明实施例提供的基于用户兴趣学习的个性化广告推送系统示意图；

图7为本发明实施例提供的基于图6所示系统的数据流动示意图；

图8为依据本发明实施例提供的方法和系统生成的广告推送效果示意图。

具体实施方式

下面结合附图对本发明的具体实施例作进一步详细的说明。