[发明专利]定向广告投放方法、装置及计算机可读存储介质

说明书

本方案涉及人工智能，提供一种定向广告投放方法、装置及计算机可读存储介质，方法包括：计算两个用户的标签向量的相似度，获得分值1；计算两个用户行为向量的相似度，得到分值2；利用交替最小二乘算法对用户向量建模，并通过随机梯度下降优化算法，得到用户向量和广告向量，并计算两个用户的用户向量的相似度，得到分值3，对分值1至分值3线性加权得到分值4。将用户行为向量、用户兴趣标签向量、用户向量分别经过XGBOOST、SVM、GBDT得到相应的分数作为FM的输入，得到分值5，再对分值4和分值5进行加权组合，输出最终的用户相似度，将最终的用户相似度与相似度阈值比较，选择高于相似度阈值的用户作为目标客群。

技术领域

本发明涉及人工智能，具体地说，涉及一种定向广告投放方法、装置及计算机可读存储介质。

背景技术

随着网络技术的发展，社交网络成为了重要的交流平台之一。消息推送得到了越来越多的应用。推送技术是指根据一定的发送规则，依据相关的标准和协议通过互联网向用户发送信息的技术。电子商务厂商纷纷向用户的智能移动终端上推送各类信息。然而目前定向广告基本上是根据用户的兴趣或者标签来进行人群定向；而目标客群是属于群体中绝大部分人都具备的行为，这会使得目标客群的覆盖率非常低。由于金融产品用户相对互联网用户，用户行为数据丰富度较低，从而导致挖掘用户的兴趣和标签的方法存在一定的挑战性。真实场景下，目标客群往往没有非常清晰的界限和区分性，很难利用用户的单个兴趣和标签圈定目标客群。

发明内容

为解决以上技术问题，本发明提供一种定向广告投放方法，应用于电子装置，包括：

(1)根据用户兴趣和标签数据，针对用户兴趣所属的标签，把用户兴趣归类到对应的标签中，得到用户标签向量，

利用余弦相似度和欧几里得距离来计算任意两个用户标签向量的相似度，获得余弦兴趣相似度和距离兴趣相似度，并利用线性加权来计算score(分值)1；

(2)根据用户曝光和点击行为评分得到用户对广告偏好的评分矩阵，形成用户行为向量，其中，用户曝光是指当前某个广告展示给用户看称之为曝光，然后利用余弦相似度和欧几里得距离来计算任意两个用户行为向量的相似度，获得余弦行为相似度和距离行为相似度，利用线性加权来计算score2；

(3)利用交替最小二乘算法对用户行为向量建模，并通过随机梯度下降优化算法，求解用户行为向量得到用户向量和广告向量，并利用余弦相似度计算任意两个用户的用户向量的相似度，得到score3；

(4)对score1、score2、score3线性加权得到用户相似度score4，

score4＝W1*score1+W2*score2+W3*score3

其中，W1、W2、W3是权重系数；

(5)将得到的用户行为向量、用户兴趣标签向量、用户向量分别经过XGBOOST、SVM、GBDT得到相应的分数作为FM的输入，其中，将GBDT的叶子节点作多项式变换之后，同样也作为FM的输入，从而提升模型的精度，得到score5，计算公式如下：

score5＝T(V₁*X+V_ij*X_i*X_j+V_ijk*X_i*X_j*X_K+V_ijkl*X_i*X_j*X_K*X_l)

其中，T是激活函数；

X是特征；

X_i*X_j是二阶的特征交互；