一种基于用户画像的广告在线推送方法
摘要文本
本申请涉及计算广告领域，尤其涉及一种基于用户画像的广告在线推送方法，包括步骤：根据用户数据，构建用户画像；根据用户画像，构建表示用户兴趣偏好的用户特征向量；将用户特征向量作为训练数据训练预设的交替最小二乘模型，获得预训练模型并进行预测，生成广告推荐排序结果；根据预训练模型及广告推荐排序结果，构建强化深度学习模型；响应于用户浏览行为反馈，通过强化深度学习模型，进行广告的在线推荐更新。本申请基于用户画像实现精确地推送目标用户可能感兴趣的广告，有效提高了广告的点击率和转化率。。来自：马 克 团 队
申请人信息
- 申请人:河北华糖云商营销传播股份有限公司
- 申请人地址:050000 河北省石家庄市长安区广安大街36号银泰国际大厦15层
- 发明人: 河北华糖云商营销传播股份有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于用户画像的广告在线推送方法 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311839528.3 |
| 申请日 | 2023/12/29 |
| 公告号 | CN117495458B |
| 公开日 | 2024/3/26 |
| IPC主分类号 | G06Q30/0251 |
| 权利人 | 河北华糖云商营销传播股份有限公司 |
| 发明人 | 梁剑; 张学良; 倪满义 |
| 地址 | 河北省石家庄市长安区广安大街36号银泰国际大厦15层 |
专利主权项内容
1.一种基于用户画像的广告在线推送方法，其特征在于，包括步骤：根据用户数据，构建用户画像；根据所述用户画像，构建表示用户兴趣偏好的用户特征向量；将所述用户特征向量作为训练数据训练预设的交替最小二乘模型，获得预训练模型并进行预测，生成广告推荐排序结果；根据所述预训练模型及所述广告推荐排序结果，构建强化深度学习模型；响应于用户浏览行为反馈，通过所述强化深度学习模型，进行广告的在线推荐更新；将所述用户特征向量作为训练数据训练预设的交替最小二乘模型，获得预训练模型并进行预测，生成广告推荐排序结果，包括步骤：根据所述用户特征向量构建用户评分矩阵；构建损失函数，训练交替最小二乘模型，使损失函数最小化，获得训练好的预训练模型，所述损失函数最小化的表达式为：其中，表示损失函数最小化，/>表示第u个用户对第i个物品的评分，/>表示用户u的偏好隐含特征向量，/>表示物品i的隐含特征向量，/>为用户u对物品i的评分，T代表转置运算，/>为正则化因子；响应于用户特征和物品特征的代入指令，根据所述预训练模型，进行预测得到评分预测值，评分预测值中评分最高的多个物品作为所述广告推荐排序结果；响应于用户浏览行为反馈，通过所述强化深度学习模型，进行广告的在线推荐更新，包括步骤：响应于浏览行为发生，获取所述预训练模型生成的所述广告推荐排序结果；响应于推荐广告被点击，生成反馈数据；根据所述反馈数据，进行预训练模型的更新；所述强化深度学习模型为DDQN模型。