[发明专利]一种面向大规模媒体数据的在线广告推荐系统及方法

权利要求书

1.一种面向大规模媒体数据的在线广告推荐系统，其特征在于：包括广告管理模块（1）、广告检索模块（2）、用户行为挖掘模块（3）、用户行为查询模块（4）、网页管理模块（5）、流量分析模块（6）以及广告调度引擎模块（7）；所述广告调度引擎模块（7）分别与用户端、广告管理模块（1）、流量分析模块（6）连接，用于完成整个广告调度执行的环境引导；所述流量分析模块（6）分别与广告检索模块（2）、用户行为查询模块（4）、网页管理模块（5）之间进行参数交换，并完成广告排序；所述用户行为挖掘模块（3）分别与广告管理模块（1）、用户行为查询模块（4）连接，用于对用户的行为进行分析及预测；所述广告检索模块（2）与广告管理模块（1）连接，用于完成广告数据索引的构建，并对广告数据索引进行检索；所述广告管理模块（1），用于存储最新的广告投放策略集合；所述用户行为查询模块（4），用于完成用户行为信息的查询；所述网页管理模块（5），用于完成网页数据的管理。

2.如权利要求1所述的一种面向大规模媒体数据的在线广告推荐系统，其特征在于：所述用户行为挖掘模块（3）包括策略更新部分和行为流检测部分；所述策略更新部分通过在线构造双Buffer动态数据区来完成最新策略的实时更新和并发使用；所述行为流检测部分用于以web服务的形式接收在线日志，并通过建立基于倒排表的索引结构来完成用户行为倾向性的预测。

3.如权利要求2所述的一种面向大规模媒体数据的在线广告推荐系统，其特征在于：所述在线日志包含用户的最新点击行为或者搜索行为。

4.如权利要求2所述的一种面向大规模媒体数据的在线广告推荐系统，其特征在于：所述索引结构由两部分组成，一部分为分类器级别的信息列表，包含分类器ID、分类器权重、分类器内部的核心参数以及分类器包含的支持向量数量；另一部分为由哈希表构成的倒排索引，所述倒排索引的每一个key代表一个词，value表示包含这个词的支持向量集合。

5.如权利要求4所述的一种面向大规模媒体数据的在线广告推荐系统，其特征在于：所述倒排索引的每一个支持向量通过ID进行唯一标识，其中支持向量ID是一个无符号64bit的整数，高32bit用于存储支持向量所在的分类器ID，低32bit用于存储该支持向量在对应的分类器中的相对ID。

6.一种基于权利要求1所述的面向大规模媒体数据的在线广告推荐方法，其特征在于，包括如下步骤：

S1：当用户访问网页时，广告调度引擎模块（7）从用户端获取用户的ip、ua、url、region信息，并将所述信息传递给流量分析模块（6）的请求端；

S2：网页管理模块（5）和用户行为查询模块（4）分别从流量分析模块（6）处获取所需的用户参数，并按专家知识权重归并计算，完成用户兴趣的查询和近期行为的理解；

S3：广告检索模块（2）根据广告基础分类体系，联合用户行为挖掘模块（3）在线预测的结果，对广告数据索引进行检索，得到满足投放条件的广告列表；

S4：流量分析模块（6）获取到满足投放条件的广告列表后，完成广告预测排序，并返回给广告调度引擎模块（7）；

S5：广告调度引擎模块（7）将最终的广告排序返回给用户端并进行展示。

7.如权利要求6所述的面向大规模媒体数据的在线广告推荐方法，其特征在于：步骤S3中，所述用户行为挖掘模块（3）在线预测结果的步骤为：

S31：用户行为挖掘模块（3）对所接收的用户在线日志按照词典进行快速的分词；

S32：依次获取到每一个词，按照其在词典中的词典序，在所建立的索引结构中进行检索，得到包含该词的所有支持向量；

S33：按照公式计算出最终的类别标签，其中，h(z)为类别预测结果函数，sgn为判断函数，SV为支持向量集合，N为SV集合规模，a_i为第i向量的权重系数，y_i为第i向量的类别值，b为平衡分量，K(x_i,z)为核函数。

8.如权利要求7所述的面向大规模媒体数据的在线广告推荐方法，其特征在于：所述步骤S32中，所述索引结构由两部分组成，一部分为分类器级别的信息列表，包含分类器ID、分类器权重、分类器内部的核心参数以及分类器包含的支持向量数量；另一部分为由哈希表构成的倒排索引，所述倒排索引的每一个key代表一个词，value表示包含这个词的支持向量集合。