一種網絡廣告自動投放方法及其系統的製作方法
2023-05-30 13:26:16
專利名稱：一種網絡廣告自動投放方法及其系統的製作方法
技術領域：
本發明涉及計算機應用技術，特別是涉及一種網絡廣告自動投放方法及其 系統。
背景技術：
隨著網際網路的迅速發展，網絡廣告也日益普及，其以文字連結、旗幟、視 頻等多種方式出現在各種網站、即時通信工具中。廣告收入佔當前網際網路運營
商收入的很大比例(據2006年統計，佔收入的20%)，同時，網絡廣告也為 商戶提供了宣傳自身產品的平臺。與傳統的媒體廣告相比，網絡廣告具有較強 的優勢，如覆蓋範圍廣、自主性、統計準確性、調整實時性等。當前的通過互 聯網和計算機投放廣告的方法主要有普通網絡頁面廣告、與網頁內容相關廣告
最新的研究顯示，廣告所投放的網頁和廣告內容越相關，用戶點擊的可能 性越大，從而為網際網路運營商帶來的收益越大，所以，如何使得廣告和廣告所 投放網頁的相關性最大是目前研究的熱點。但是，目前的投放技術僅僅考慮到 投放的網頁會影響用戶點擊的概率，而沒有考慮用戶模型以及同一廣告多次出 現對用戶的記憶信息造成的影響，造成很大一部分廣告和用戶的喜好或者用戶 的需求不匹配，影響瀏覽網頁時的用戶體驗，甚至引起用戶對網頁或者廣告的 反感。
發明內容
本發明所要解決的技術問題在於提供一種網絡廣告自動投放方法及其系 統，用於解決現有技術中在進行網絡廣告投放時無法跟蹤用戶的問題。
為了實現上述目的，本發明提供了一種網絡廣告自動投放方法，其特徵在
於，包括
步驟一，分析當前網頁的頁面內容，建立當前網頁的特徵向量；步驟二 ，根據所述特徵向量計算當前網頁與每個用於投放的第一廣告之間 的相關度，並根據所述相關度為每個所述第一廣告打分；
步驟三，根據廣告的分值選擇所述第一廣告，並投放到當前網頁上；
步驟四，由當前網頁跳轉到新網頁時，為該新網頁計算用於投放的第二廣 告，並根據所選擇的第一廣告、所述第二廣告分別與在該新網頁的得分將所選 擇的第一廣告或所述第二廣告投放到該新網頁上。
所述的網絡廣告自動投放方法，其中，所述步驟一中，進一歩包括
利用詞頻方式獲取當前頁面內容中的關鍵詞，並根據所述關鍵詞建立所述 特徵向量的歩驟。
所述的網絡廣告自動投放方法，其中，所述步驟二中，進一步包括
以如下公式計算所述相關度的步驟
其中，式中參數如下 p:當前網頁； 第一廣告；
當前網頁的特徵向量； KZ第一廣告的特徵向量；
"/(p，W):當前網頁與第一廣告之間的相關度； 以如下公式為所述第一廣告打分的步驟
其中，式中參數如下 ":用戶；
風瀏覽當前網頁的用戶的用戶模型因數； w/(M ，W):用戶和第一廣告的相關度； Q^:第一廣告的歷史點擊率； i^:廣告商對第一廣告的出價；
a， ， y， 《:為re/(p,W)、 "/(M"，W) 、 Ci^ 、 i^對應的權ft，並且 a + j3 + y + = l;
針對當前網頁，第一廣告所獲得的分值； 以如下公式計算用戶和第一廣告的相關度的歩驟其屮，式中參數如下
用戶的用戶模型向量； 用戶正反饋的概率； :用戶負反饋的概率； a:用戶正反饋概率的權值； &用戶負反饋概率的權值； /:用戶對廣告的喜歡程度； 。用戶對廣告喜歡程度的權值。
所述的網絡廣告自動投放方法，其中，所述步驟二中，進一步包括 根據用戶的瀏覽記錄自動調整用戶模型的步驟，所述用戶模型包括一用戶 對廣告的易接受性，並以點擊比率cr表示，點擊比率cr以如下公式計算
被用戶點擊的廣告數
cr 二
推薦的廣告數
用戶對廣告的接受程度/通過如下公式計算:
formula see original document page 9
如果點擊比率cr大於一個設定閾值t 1，則接受程度/為1，認為該用戶 對廣告非常容易接受；如果點擊比率cr小於一個設定閾值t 2，則接受程度/ 為-1，認為該用戶對廣告比較反感，很少點擊廣告；接受程度/為0時，認為 該用戶對廣告的喜歡程度為普通喜歡。
所述的網絡廣告自動投放方法，其中，所述歩驟三中，進一步包括 根據廣告的分值選擇高於一預設分值閾值的分值最高的所述第一廣告的 步驟。
所述的網絡廣告自動投放方法，其中，所述歩驟四中，進一步包括 通過執行所述歩驟一、所述步驟二計算所述第二廣告，且當所述第二廣告、 所述第一廣告分別在該新網頁上的得分的差值小於一預設差值閾值時，將所述 第一廣告投放到該新網頁上，實現廣告的跟蹤；否則將所述第二廣告投放到該 新網頁上的步驟。為了實現上述目的，本發明還提供了一種網絡廣告自動投放系統，其特徵 在於，包括
網頁分析模塊，用於分析當前網頁的頁面內容，建立當前網頁的特徵向量;
廣告評估模塊，連接所述網頁分析模塊，用於根據所述特徵向量計算當前 網頁與每個用於投放的第一廣告之間的相關度，並根據所述相關度為每個所述 第一廣告打分；
廣告投放模塊，連接所述廣告評估模塊，用於根據廣告的分值選擇所述第 一廣告，並投放到當前網頁上；
跳轉跟蹤模塊，連接所述網頁分析模塊、所述廣告評估模塊、所述廣告投 放模塊，用於由當前網頁跳轉到新網頁時，為該新網頁計算用於投放的第二廣 告，並根據所選擇的第一廣告、所述第二廣告分別在該新網頁上的得分將所選 擇的第一廣告或所述第二廣告投放到該新網頁上。
所述的網絡廣告自動投放系統，其中，所述網頁分析模塊利用詞頻方式獲 取當前頁面內容中的關鍵詞，並根據所述關鍵詞建立所述特徵向量。
所述的網絡廣告自動投放系統，其中，所述廣告評估模塊以如下公式計算 所述相關度
其中，式中參數如下 / :當前網頁； W:第一廣告；
當前網頁的特徵向量； 匕第一廣告的特徵向量；
w/(p，W):當前網頁與第一廣告之間的相關度； 以如下公式為所述第一廣告打分
其中，式中參數如下 ":用戶；
M :瀏覽當前網頁的用戶的用戶模型因數； /(M ,W):用戶和第一廣告的相關度； Ci 。d:第一廣告的歷史點擊率；P。rf:廣告商對第一廣告的出價；
formula see original document page 11
針對當前網頁，第一廣告所獲得的分值。
以如下公式計算用戶和第一廣告的相關度
formula see original document page 11
其中，式中參數如下 K:用戶的用戶模型向量； &("):用戶正反饋的概率； 用戶負反饋的概率； fl:用戶正反饋概率的權值； &用戶負反饋概率的權值； /:用戶對廣告的喜歡程度； 。用戶對廣告喜歡程度的權值。
所述的網絡廣告自動投放系統，其中，所述廣告評估模塊根據用戶的瀏覽 記錄自動調整用戶模型，所述用戶模型包括一用戶對廣告的易接受性，並以點 擊比率cr表示，點擊比率cr以如下公式計算
被用戶點擊的廣告數
推薦的廣告數
用戶對廣告的接受程度/通過如下公式計算:
formula see original document page 11如果點擊比率cr大於一個設定閾值t 1，則接受程度/為1，認為該用戶 對廣告非常容易接受；如果點擊比率cr小於一個設定閾值T2，則接受程度/ 為-1，認為該用戶對廣告比較反感，很少點擊廣告；接受程度/為0時，認為 該用戶對廣告的喜歡程度為普通喜歡。
所述的網絡廣告自動投放系統，其中，所述廣告投放模塊根據廣告的分值 選擇高於一預設分值閾值的分值最高的所述第一廣告。
所述的網絡廣告自動投放系統，其中，所述跳轉跟蹤模塊通過調用所述網頁分析模塊、所述廣告評估模塊計算所述第二廣告，且所述第二廣告、所述第 一廣告分別在該新網頁的得分的差值小於一預設差值閾值時，將所述第一廣告 投放到該新網頁上，實現廣告的跟蹤；否則將所述第二廣告投放到該新網頁上。
所述的網絡廣告自動投放系統，其中，所述跳轉跟蹤模塊將所述當前網頁 或所述新網頁中的每一塊區域作為獨立頁面，並在每一塊區域投放廣告。
所述的網絡廣告自動投放系統，其中，所述當前網頁、所述新網頁為問答 系統的每個問題區域或每個答案區域。
本發明的有益技術效果
本發明所提供的一種能夠跟蹤用戶的網絡廣告自動投放方法及系統當用 戶在網絡中瀏覽信息時，能夠根據當前網頁信息、用戶模型自動投放相關的廣 告，以及當用戶在網頁間跳轉時，在不影響用戶體驗的同時，讓廣告跟蹤用戶 到新的網頁。
以下結合附圖和具體實施例對本發明進行詳細描述，但不作為對本發明的 限定。
圖1是本發明的網絡廣告自動投放方法流程圖2是本發明的網絡廣告自動投放系統結構圖3是本發明跟蹤用戶的網絡廣告自動投放具體實施例；
圖4是本發明跟蹤用戶的網絡廣告自動投放應用實施例。
具體實施例方式
下面結合附圖和具體實施方式
對本發明的技術方案作進一步更詳細的描述。
如圖1所示，是本發明的網絡廣告自動投放方法流程圖。該方法是一種能 夠跟蹤用戶的網絡廣告自動投放方法，根據網頁信息、用戶模型自動投放廣告， 並跟蹤用戶在網頁間的跳轉，決定廣告的投放。假設用戶在瀏覽網頁之前已經 註冊，可以得到用戶的歷史瀏覽記錄，以及分析得出用戶的興趣、愛好等，統 稱為用戶模型，根據用戶模型向用戶進行定向投放廣告。
在本發明的一個實施例中，通過一廣告資料庫，存儲所有廣告的數據，同時所有廣告都被分類，廣告分類為一多級樹狀目錄結構，稱之為廣告樹，相當 於廣告的分類本體，對於所有可以投放的廣告進行分類管理。
廣告樹中定義了多級(如兩級)分類結構，為簡單起見而不失一般性，用 兩類表示，第一級為父類別，第二級為每個父類別對應的子類別(在多級情況 下，每個子類別下還可以再分為更小的子類別)，每個最底層子類別包含一組 對應的葉子節點廣告，每組中任意兩個葉子節點廣告之間的相關度大於兩個組 間任意兩個葉子節點廣告之間的相關度。
廣告商發布廣告包括如下步驟
al)，為廣告提供關鍵詞，提供廣告內容；
a2)，如果廣告發布商為該廣告選擇了分類，則轉a4);否則，轉a3); a3)，根據廣告商提供的關鍵詞及廣告內容得到的特徵向量和廣告樹中各 個類別之間的相關度，選擇最相關的一個類別作為其歸屬類別； a4)，將該廣告增加到選定的分類中。
進一歩地，步驟a3)中，根據廣告的特徵向量(以下簡稱向量， 一般是 由一組帶權重的關鍵詞組成)計算廣告與類別相關度的步驟。對於廣告c^， 其向量表示為^，由其包含的一組關鍵詞表示。
進一步地，歩驟a3)中，採用下式計算廣告—與類別c的相似度
其中，式中參數如下
廣告^的向量； K:類別C的關鍵詞向量； re/(a《,c):廣告a《和類別C的相關度； 廣告樹的類別可以表示為
CT^^^flc^...,^,,...,^^},其中，"《表示類別CT中第i個廣告，n表示類 別CT中廣告的個數。
廣告W,與其所屬類別的關係可以表示為
a《e，其中，C7;表示父類別，C7;表示子類別。每個CT由代 表該CT的一個關鍵詞向量rCT表示。
具體地，本發明的網絡廣告自動投放方法流程包括如下步驟
歩驟S101，分析當前網頁內容，利用詞頻方式獲取其中的關鍵詞，建立當前網頁的網頁特徵向量；
步驟S102,計算當前網頁與所有可以投放的廣告以及當前用戶之間的相 關度，並結合用戶模型、廣告的點擊率，以及廣告商的出價，為每個廣告打分;
步驟S103，根據廣告的分值，將高於某一預設分值閾值的分值最高的若 幹個廣告adl投放到當前網頁上；
步驟S104，當用戶由當前網頁跳轉到另一個新網頁時，重複歩驟SIOI、 步驟S102，為新網頁計算可以投放的廣告ad2，如果ad2 、 adl在新網頁上的 得分的差值仍然小於一個預設差值閾值(即，S。w&,<dj， J」為預設差值 閾值， 一般大於0) ， adl將仍然被投放到新網頁上，實現廣告的跟蹤；否則， 將ad2投放到新網頁上。
進一歩地，步驟S102中，採用下式計算網頁p與廣告ad之間的相關度
其中，式中參數如下
網頁p的向量； 乙廣告ad的向量；
"/07,^0:網頁p與廣告ad之間的相關度。
進一歩地，步驟S102中，採用下式為廣告打分 :=formula see original document page 14其中，式中參數如下
M :瀏覽網頁p的用戶U的用戶模型因數，如興趣、喜好等； /W(/7，W):網頁p與廣告ad的相關度；formula see original document page 14:用戶U和廣告ad的相關度；
Ci arf:廣告ad的歷史點擊率；
4:廣告商對廣告ad的出價；
a， P， y， 以上四項相應的權值，並且a+)8 + y + w";
針對網頁p，廣告ad所獲得的分值。
進一歩地，步驟S102中，採用下式計算用戶和廣告的相關度
其中，式中參數如下
用戶ll的用戶模型向量；匕廣告ad的向量；
用戶U正反饋的概率； Fw("):用戶U負反饋的概率； &用戶U正反饋概率的權值； 6:用戶U負反饋概率的權值； /:用戶U對廣告的喜歡程度； 。用戶U對廣告喜歡程度的權值；
:用戶U和廣告ad的相關度。 進一步地，步驟S102中，根據用戶的瀏覽記錄自動調整用戶模型。
進一步地，步驟S104中，將當前網頁或新網頁中的每--塊區域作為獨立
頁面進行處理，並在該每一區域投放廣告。
進一步地，該網絡廣告自動投放方法還應用於問答系統中，此時當前網頁、 新網頁為問答系統的每個問題區域或每個答案區域，即將每個問題和每個答案 分別作為獨立頁面進行處理，並在這些獨立頁面(即每個問題區域和每個答案 區域)上投放廣告。
如圖2所示，是本發明的網絡廣告自動投放系統結構圖。該系統是一種能 夠跟蹤用戶的網絡廣告自動投放系統200，根據網頁信息、用戶模型自動投放 廣告，並跟蹤用戶在網頁間的跳轉，決定廣告的投放。假設用戶在瀏覽網頁之 前已經註冊，可以得到用戶的歷史瀏覽記錄，以及分析得出用戶的興趣、愛好 等，統稱為用戶模型，根據用戶模型向用戶進行定向投放廣告。
能夠跟蹤用戶的網絡廣告自動投放系統200中，包括一廣告資料庫20， 存儲所有廣告的數據，同時所有廣告都被分類，廣告分類為一多級樹狀目錄結 構，稱之為廣告樹，相當於廣告的分類本體，對於所有可以投放的廣告進行分 類管理。
廣告樹中定義了多級(如兩級)分類結構，為簡單起見而不失一般性，用 兩類表示，第一級為父類別，第二級為每個父類別對應的子類別(在多級情況 下，每個子類別下還可以再分為更小的子類別)，每個最底層子類別包含一組 對應的葉子節點廣告，每組中任意兩個葉子節點廣告之間的相關度大於兩個組 間任意兩個葉子節點廣告之間的相關度。廣告商發布廣告時可以為每個廣告選 擇--個分類，如果廣告商沒有選擇分類，該系統200將根據廣告商提供的關鍵詞及廣告內容和廣告樹自動為該廣告選擇一個分類。 廣告樹的類別可以表示為cr^W,,。《，...,"《}，其中，W,表示類別CT中第i個廣告，n表示類 別CT中廣告的個數。廣告^,與其所屬類別的關係可以表示為w,e，其中，C7;表示父類別，C7;表示子類別。每個ct由代 表該CT的一個關鍵詞向量rCT表示。能夠跟蹤用戶的網絡廣告自動投放系統200包括網頁分析模塊22，用於分析當前網頁內容，利用詞頻方式獲取其中的關 鍵詞，建立當前網頁的特徵向量；廣告評估模塊24，連接網頁分析模塊22，用於根據當前網頁的特徵向量 計算當前網頁與所有可以投放的廣告之間的相關度，並根據相關度為每個廣告 打分，具體地，由相關度結合用戶模型、廣告的點擊率，以及廣告商的出價， 為每個廣告打分；廣告投放模塊26，連接廣告評估模塊24,用於根據廣告的分值將高於某 一預設分值閾值的分值最高的若干個廣告adl投放到當前網頁上；跳轉跟蹤模塊28，連接網頁分析模塊22、廣告評估模塊24、廣告投放模 塊26，用於當用戶由當前網頁跳轉到另一個新網頁時，重複調用網頁分析模 塊22、廣告評估模塊24，為新網頁計算可以投放的廣告ad2，如果ad2、 adl 在新網頁上的得分的差值仍然小於一個預設差值閾值(即，乙2-Sm"; ^ 為預設差值閾值， 一般大於0) ， adl將仍然被投放到新網頁上，實現廣告的 跟蹤；否則，將ad2投放到新網頁上。進一步地，廣告評估模塊24根據廣告的特徵向量和網頁的特徵向量計算 廣告與網頁的相關度。對於廣告W,，其向量表示為F^，由其包含的一組關鍵詞表不。進一歩地，廣告評估模塊24採用下式計算網頁與廣告之間的相關度-其中，式中參數如下 網頁p的向量； 廣告ad的向量；w/(^,。力網頁p與廣告ad之間的相關度。進…-步地，廣告評估模塊24採用下式為廣告打分formula see original document page 17其中，式中參數如下M :瀏覽網頁p的用戶u的用戶模型因數，如興趣、喜好等； "/(p，W):網頁p與廣告ad的相關度； ^/(M,,^^):用戶U和廣告ad的相關度； C/ 。^廣告ad的歷史點擊率；廣告商對廣告ad的出價； a， /3， y， 《:以上四項相應的權值，並且a+^3 + y + o^l;針對網頁p，廣告ad所獲得的分值。 進一步地，廣告評估模塊24採用下式計算用戶u和廣告ad的相關度其中，式中參數如下formula see original document page 17用戶U的用戶模型向量； P^:廣告ad的向量；用戶U正反饋的概率； FJ"):用戶U負反饋的概率； &用戶U正反饋概率的權值； &用戶U負反饋概率的權值； /:用戶U對廣告的喜歡程度； 。用戶U對廣告喜歡程度的權值； re/(M ，^0 :用戶u和廣告ad的相關度。進一歩地，廣告評估模塊24根據用戶的瀏覽記錄自動調整用戶模型。 進一步地，跳轉跟蹤模塊28將當前網頁或新網頁中的每一塊區域作為獨立頁面進行處理，並在該每一區域投放廣告。進一步地，網絡廣告自動投放系統200還應用於問答系統中，此時當前網頁、新網頁為問答系統的每個問題區域或每個答案區域，即將每個問題和每個答案分別作為獨立頁面進行處理，並在這些獨立頁面(即每個問題區域和每個答案區域)上投放廣告。如圖3所示，是本發明跟蹤用戶的網絡廣告自動投放具體實施例。該實施 例描述了 一種能夠跟蹤用戶的網絡廣告自動投放具體方法過程，能夠根據網頁 信息、用戶模型自動投放廣告，並跟蹤用戶的跳轉。在該實施例中，假設用戶在瀏覽網頁之前已經註冊，可以得到用戶的歷史 瀏覽記錄，以及分析得出用戶的興趣、愛好等，統稱為用戶模型，根據用戶模 型投放廣告。在該實施例中，跟蹤用戶的網絡廣告自動投放步驟具體為 步驟S300，進入當前網頁pl;歩驟S301，首先，分析當前網頁pl的頁面內容，利用詞頻方式獲取其中的關鍵詞，組成當前網頁pl的關鍵詞向量(以下簡稱向量， 一般是由一組帶權重的關鍵詞組成)；歩驟S302,然後，計算當前網頁pl與所有可以投放的廣告之間的相關度， 並結合用戶模型、廣告的點擊率，以及廣告商的出價，為每個廣告打分；步驟S303，最後，將高於某一預設分值閾值的分值最高的若干個廣告(記 作adl)投放到當前網頁pl上；歩驟S304，判斷用戶是否從當前網頁pl跳轉到另一新網頁p2，若當用戶 由當前網頁pl跳轉到另一新網頁p2時，則執行歩驟S305，為新網頁p2計算 可以投放的廣告ad2，否則轉入步驟S309;歩驟S305，分析網頁p2的頁面內容，利用詞頻方式獲取其中的關鍵詞， 組成網頁p2的關鍵詞向量v2;步驟S306，根據向量v2計算網頁p2與所有可以投放的廣告之間的相關 度，並結合用戶模型、廣告的點擊率，以及廣告商的出價，為每個廣告打分；步驟S307，選取將高於預設分值閾值的分值最高的若干個廣告(記作ad2) 作為網頁p2上的投放候選，準備投放到網頁p2上；步驟S308,判斷廣告ad2在網頁p2上的得分減去廣告adl在網頁p2的 得分是否仍然小於一個預設差值閾值(即，S^-S^ 為預設差值閾值， 一般大於0);該步驟S308中，若仍然小於，則將廣告adl仍然投放到網頁p2上，實現 廣告的跟蹤；否則，將廣告ad2投放到網頁p2上。投放完成後轉入歩驟S304 繼續執行；步驟S309，結束。在該實施例中，用戶u如果點擊了某個投放的廣告ad，則認為用戶u對 廣告ad進行了一次正反饋，每個廣告的正反饋的概率由下式計算廣告ad被點擊的次數 )_廣告^被投放的次數每個用戶U的正反饋的概率由下式計算用戶u點擊的廣告的數目 ^"一推薦給用戶u的廣告的數目同時，假設在每個廣告上有一個關閉按鈕，如果用戶u點擊了這個關閉按 鈕，說明用戶u不喜歡該廣告，相當於用戶u對該廣告進行了負反饋。並且，每個廣告的負反饋的概率由下式計算F ^:廣告ad被關閉的次數 T^ad被投放的次叛每個用戶U的負反饋的概率由下式計算用戶u關閉的廣告的數目 一推薦給用戶u的廣告的數目在該實施例中，網頁p與廣告ad之間的相關度由下式計算其中，式中參數如下網頁p的向量；(網頁的特徵向量中關鍵詞及其權重可以用詞頻或 TF/IDF方法獲得)；r。d:廣告ad的向量；(廣告的特徵向量中關鍵詞從廣告商提供的關鍵詞及廣告內容抽取，其權重一般都為l);/^/(p，W):網頁p與廣告ad之間的相關度。在該實施例中，可以通過下式為廣告打分 其中，式中參數如下M :瀏覽網頁p的用戶U的用戶模型因數，可包括用戶U對廣告的興趣、 反感、易接受性等因素(後面將分別計算這3個因素)； "/(;7,^0:網頁p與廣告ad的相關度；re/(M,,， W):用戶U和廣告ad的相關度；廣告ad的歷史點擊率； 乙廣告商對廣告ad的出價；cx， J3， y， ft>:以上四項相應的權值，並且a +/3 + y + ffl = 1 ; 針對網頁p，廣告ad所獲得的分值。在該實施例中採用下式計算用戶u和廣告ad的相關度 「u. + ". Fp(w)4 &(w) + c./其中，式中參數如下用戶U的用戶模型向量；rarf:廣告ad的向量；:用戶U正反饋的概率； FW(W):用戶U負反饋的概率； fl:用戶U正反饋概率的權值； 6:用戶U負反饋概率的權值； /:用戶U對廣告的喜歡程度； 。用戶U對廣告喜歡程度的權值； re/(M ,at/):用戶U和廣告ad的相關度。對於一個給定的時間窗tw，用戶u如果點擊了某個投放的廣告ad或者點擊之後在這個廣告上作了一定時間t (可以以秒為單位，也可以以更長或短的一段時間為單位)的停留，相當於用戶u對該廣告進行了正反饋。如果只是點 擊了一下，那麼該次正反饋時長是1;如果停留了時間t，那麼該次正反饋時 長是t。停留的時間越長，說明用戶u對該廣告越感興趣。用戶u對廣告的興 趣向量通過以下步驟確定(1) 獲得用戶u在時間窗tw內點擊的廣告集合Ads以及在各個廣告a《 上的權重W，該權重w,即表示了用戶U對某一廣告的感興趣程度，即對fl《停 留時長進行歸一化的權重；(2) 獲得用戶u在廣告集合Ads上的關鍵詞向量，即用戶u在時間窗tw 內的興趣向量F ，即廣告集合Ads中每個廣告的廣告向量與用戶u對其正反饋的乘積的累加，即formula see original document page 20其中，式中參數如下6, : Ads中第i個廣告—的廣告向量；用戶U在廣告—上的權重，即其對廣告"《的感興趣程度； Kul :用戶U在時間窗tw內的興趣向量。將用戶U的點擊記錄按照時間先後劃分成&個時間窗，每個時間窗內的 用戶興趣向量為、，那麼該用戶U的興趣向量K,可以通過下式計算formula see original document page 21其中，式中參數如下用戶U在時間窗S,上的興趣向量；時間窗的個數；用戶興趣的遺忘函數，離當前時間越長的興趣對用戶當前興趣的 影響越小，表示為formula see original document page 21對於一個給定的時間窗tW，用戶U對廣告的反感向量通過以下步驟確定(1) 計算用戶U在時間窗tw內負反饋的廣告集合Ads'以及在各個廣告 上的權重w,'，該權重W,'即表示了用戶U對某一廣告的反感程度，可以在用戶 U點擊關閉廣告按鈕之前讓用戶U選擇對廣告的反感程度，如劃分為3個等級， 如果沒有選擇則按照默認值進行處理，對用戶U反饋的反感程度進行歸一化得 到對每個廣告的w,';(2) 計算用戶u在廣告集合Ads，上的關鍵詞向量，即用戶u在時間窗tw 內的反感向量r《，即廣告集合Ads'中每個廣告的廣告向量與用戶u對其負反饋的乘積的累加，即formula see original document page 21其中，式中參數如下Ads'中第i個廣告W,的廣告向量；用戶U在廣告W,上的權重，即其對廣告M,的反感程度；用戶U在時間窗tW內的反感向:將用戶U的負反饋記錄按照時間先後劃分成&個時間窗，每個時間窗內 的用戶反感向量為I^.，那麼該用戶U的反感向量^可以通過下式計算k "" 。 /入5\其中，式中參數如下匕；用戶U在時間窗《上的反感向:&:時間窗的個數；用戶反感的遺忘函數，離當前時間越長的反感對用戶當前反感的 影響越小，表示為用戶模型向量通過下式計算UK.用戶對廣告的易接受性反映在用戶點擊的廣告的數量佔推薦廣告數的比 即點擊比率cr (ClickRate)，其計算方法如下被用戶點擊的廣告數cr :推薦的廣告數如果點擊比率cr大於一個給定的閾值t 1，接受程度/為1，則認為該用 戶對廣告非常容易接受；如果點擊比率cr小於一個給定的閾值T2，接受程度 /為-1，則認為該用戶對廣告比較反感，很少點擊廣告；如果接受程度/為0， 則認為該用戶對廣告的喜歡程度為普通喜歡，即用戶對廣告的接受程度/通過 如下的公式計算1 cr>fl0 TlScrST2_1 cr<r2在該實施例中，可以根據用戶的瀏覽記錄自動調整用戶模型。 在該實施例中，包括一廣告資料庫，用於存儲所有廣告的數據，同時所有 —告都被分類，廣告分類為一多級樹狀目錄結構，稱之為廣告樹，相當於廣告的分類本體，對於所有可以投放的廣告進行分類管理。廣告樹定義了多級(如兩級)分類結構，為簡單起見而不失一般性，用兩 類表示，第-級為父類別，第二級為每個父類別對應的子類別(在多級情況下， 每個子類別下還可以再分為更小的子類別)，每個最底層子類別包含一組對應 的葉子節點廣告，每組中任意兩個葉子節點廣告之間的相關度大於兩個組間任 意兩個葉子節點廣告之間的相關度。廣告商發布廣告時可以為每個廣告選擇一 個分類，如果廣告商沒有選擇分類，系統將根據廣告商提供的關鍵詞及廣告內 容和廣告樹自動為該廣告選擇一個分類。廣告樹的類別可以表示為CT = {fl4，""2,...,"《...，"《}，其中，"《表示類別CT中第i個廣告，n表示類 別CT中廣告的個數。廣告"《與其所屬類別的關係可以表示為w,e〈C7;,C7;,，其中，C7;表示父類別，C7;表示子類別。每個CT由代表該CT的一個關鍵詞向量K.,表示。廣告之間的相關度根據廣告的關鍵詞向量計算。對於廣告W,，其向量表 示為，由其包含的 一組關鍵詞表示。它與廣告W2之間的相關度由下式計算其中，式中參數如下 ^':廣告^的向量； 廣告"4的向量； / (X,"《)廣告a《和W2的相關度；本發明中的網頁概念可以擴展到其他粒度的網頁單位，如某個網頁上的一 個區域(該區域的關鍵詞向量由該區域內的內容算出)，或包括多個網頁的整 個網站(該網站的關鍵詞向量由該網站的所有網頁內容算出)，每個網頁上的 一個區域或整個網站可以當作一個網頁來進行本發明方法和/或系統中所有計 算，也即，計算為某個網頁上的某個區域應該自動投放的廣告，和/或，為某 個網站上的所有網頁計算相同的應該自動投放的廣告。如圖4所示，是本發明跟蹤用戶的網絡廣告自動投放實施例。該實施例描 述了將本發明方法及系統應用於問答系統或博客等一頁中帶有多個用戶提交 的多條信息或回復的系統。這樣的多條信息或回復都相當於網頁中的文本內容，問答系統中的問題及答案也相當於網頁中的文本內容。為不失一般性，把 這類系統中的每一頁的第一個用戶提交的內容稱之為問題，其後的所有用戶回復的或提交的內容稱之為其答案，整個網頁稱為一個問題線程或Thread。在圖 4中，為每個用戶提交的內容(問題或答案)都投放零到多個廣告。在該實施例中，能夠跟蹤用戶的網絡廣告自動投放系統S可以表示為問題 集、廣告集、及用戶集的三元組，即5=，^^{/>，其中，7i是系統中問題 的集合，Ads是系統中廣告的集合，即A-(rh JZ^ = {^/}。每個問題還包括 其答案集合，即r《仏^4m〉(或整個網頁稱為一個問題線程或Thread)，每個 T中的問題q用問題的關鍵詞向量^表示(特徵向量中關鍵詞及其權重可以用 其詞頻或TF/IDF方法或特定系統中的特定方法獲得，如利用BuyAns.com中 的語義模板可以獲得更多的關鍵詞權重中信息，詳見申請號為200810102710.X 的發明專利申請"一種基於內容的問題自動分類方法及其系統")；每個T 中的每個答案"附e」附用該答案的關鍵詞向量L表示(特徵向量中關鍵詞及 其權重可以用其詞頻或TF/IDF方法或特定系統中的特定方法獲得)；每個T 的關鍵詞向量用^表示(特徵向量中關鍵詞及其權重可以用其問題及所有答案 的詞頻或TF/IDF方法或特定系統中的特定方法獲得)；每個廣告We^^用 該廣告的關鍵詞向量^表示。[/ = {"}表示系統S的註冊用戶的集合。並且， 系統S中存在一個版面的集合￡ = {6}，每個版面用該版面的關鍵詞向量K表示， 每個T僅屬於一個版面。於是，有廣告ad和問題q的相關度"/("d，g^P^乂；廣告ad和版面b的相關度=廣告ad和Thread T的相關度"/(W,r) = rarf rr;廣告ad和ans的相關度= rad. Fa s;Thread T被投放的廣告的正反饋的概率Thread T被投放的廣告的正反饋隨率=Ttod TM"，2^i^ff^ ;Thread T被投放的廠告的數目Thread T被投放的廣告的負反饋告的概率Thread T被投放的廣告的負反饋隨率^衡eadT被投方^2被^^,。Thread T被投放的廠告的數目在該實施例中，用戶u首先進入某一問答系統，點擊了某個ThreadT，系統根據其中的問題和答案以及用戶模型為其推薦廣告ad ， (at/ = a"ec麵聰mi4(i(r,M))。如果用戶u跳轉到另一個Thread Tl，如點擊了www.buyans.com中的"原 始問題"連結，這時，系統根據原始問題及其答案以及用戶模型為其推薦廣告 adl ( = 。如果adl禾口 ad在同一-個廣告子麼、類中，另卩麼直接將ad作為原始問題的廣告進行投放；否則，投放adl。如果用戶u因為其他原因跳轉到Thread T2。首先，系統根據其問題和答 案以及用戶模型為其推薦廣告ad2 (W2-暦畫匿m/^/(r2,"))。然後計算ad2、 ad在T2上的得分，如果兩個得分的差值小於一預設差值閾值t ，即&2 -s。， 0)，即&3-&<r，則投放ad，實現廣告的跟蹤；否則投放 ad3。在該實施例中，可以通過下式為廣告打分&d = a . re/(p， ad) + ，—+ yC7 p +其中，式中參數如下M :瀏覽問題q的用戶u的用戶模型因數，包括用戶u對廣告的興趣、 反感、易接受性等因素；re/(9，^):問題q與廣告ad的相關度； m/(Mu,W):用戶u和廣告ad的相關度； a arf:廣告ad的歷史點擊率；廣告商對廣告ad的出價； ct， i3， y， o>:以上四項相應的權值，並且 L:針對問題q，廣告ad所獲得的分值。在該實施例中採用下式計算用戶u和廣告ad的相關度， — = ru. + a - F屍(w) _ 6 - Fw 0) + c /其中，式中參數如下用戶u的用戶模型向量；乙廣告ad的向量；用戶U正反饋的概率；用戶U負反饋的概率； 化用戶U正反饋概率的權值； 6:用戶U負反饋概率的權值； /:用戶U對廣告的喜歡程度；C:用戶U對廣告喜歡程度的權值； re/(風,W):用戶U和廣告ad的相關度。在該實施例中，用戶模型可以根據用戶的瀏覽記錄自動調整。 在該實施例中，將本發明方法及系統應用於百問百答問答系統(其網址是www.buyans.com)中。當一註冊用戶登錄該系統後，可以通過點擊主頁中的 某個問題連結(如問題"被蚊子叮了怎麼辦？")而進入到該問題網頁，如圖 4所示。同時，系統首先根據問題的關鍵詞獲得該問題的問題關鍵詞向量，結 合用戶模型向該用戶推薦廣告，並顯示到問題的下面，如"雷達牌電蚊香，殺 死蚊子不償命！ ！ ！"由於該問題有答案"可以抹點牙膏。"，系統同樣根據 答案的關鍵詞獲得該答案的答案向量，結合用戶模型向該用戶推薦廣告，並顯 示到答案的下面，如"高露潔，牙齒白又白！ ！ ！"。在本發明中，首先將用戶的喜好以及對廣告的喜歡程度等用戶模型引入到 廣告推薦中；其次，在與上下文相關的網頁中使用廣告跟蹤技術，加強用戶記 憶。最終實現在得到較好的用戶體驗的同時能夠提高投放廣告的收益。本發明所提供的能夠跟蹤用戶的網絡廣告自動投放方法及系統，當用戶在 網絡中瀏覽信息時，能夠根據當前網頁信息、用戶模型自動投放相關的廣告， 以及當用戶在網頁間跳轉時，讓廣告跟蹤用戶到新的網頁。當然，本發明還可有其他多種實施例，在不背離本發明精神及其實質的情 況下，熟悉本領域的技術人員當可根據本發明作出各種相應的改變和變形，但 這些相應的改變和變形都應屬於本發明所附的權利要求的保護範圍。
權利要求
1. 一種網絡廣告自動投放方法，其特徵在於，包括步驟一，分析當前網頁的頁面內容，建立當前網頁的特徵向量；步驟二，根據所述特徵向量計算當前網頁與每個用於投放的第一廣告之間的相關度，並根據所述相關度為每個所述第一廣告打分；步驟三，根據廣告的分值選擇所述第一廣告，並投放到當前網頁上；步驟四，由當前網頁跳轉到新網頁時，為該新網頁計算用於投放的第二廣告，並根據所選擇的第一廣告、所述第二廣告分別與在該新網頁的得分將所選擇的第一廣告或所述第二廣告投放到該新網頁上。
2、 根據權利要求1所述的網絡廣告自動投放方法，其特徵在於，所述步 驟一中，進一步包括利用詞頻方式獲取當前頁面內容中的關鍵詞，並根據所述關鍵詞建立所述 特徵向量的步驟。
3、 根據權利要求1或2所述的網絡廣告自動投放方法，其特徵在於，所述步驟二中，進一步包括以如下公式計算所述相關度的步驟formula see original document page 2其中，式中參數如下 當前網頁； 第一廣告；當前網頁的特徵向量；第一廣告的特徵向量； W(p，W):當前網頁與第一廣告之間的相關度； 以如下公式為所述第一廣告打分的步驟其中，式中參數如下 ":用戶；M :瀏覽當前網頁的用戶的用戶模型因數； re/(M"，"力用戶和第一廣告的相關度；第一廣告的歷史點擊率； 4:廣告商對第一廣告的出價；a, ， y， w:為n /(p，ad)、 "/(Af ,ac0 、 Ci^ 、 /^對應的豐又i直，並且a十)8 + y + (y-l;L:針對當前網頁，第一廣告所獲得的分值；以如下公式計算用戶和第一廣告的相關度的步驟re/(M,,, — = FF。rf + a. F屍(w) - 6. Fw (w) + c - /其中，式中參數如下用戶的用戶模型向量； 用戶正反饋的概率； :用戶負反饋的概率； &用戶正反饋概率的權值； 6:用戶負反饋概率的權值； /:用戶對廣告的喜歡程度；用戶對廣告喜歡程度的權值。
4、根據權利要求3所述的網絡廣告自動投放方法，其特徵在於，所述步 驟二中，進一步包括根據用戶的瀏覽記錄自動調整用戶模型的步驟，所述用戶模型包括一用戶 對廣告的易接受性，並以點擊比率cr表示，點擊比率cr以如下公式計算被用戶點擊的廣告數cr =-推薦的廣告數用戶對廣告的接受程度/通過如下公式計算:formula see original document page 3如果點擊比率cr大於一個設定閾值t 1，則接受程度/為1，認為該用戶 對廣告非常容易接受；如果點擊比率cr小於一個設定閾值T2，則接受程度/ 為-1，認為該用戶對廣告比較反感，很少點擊廣告；接受程度/為0時，認為 該用戶對廣告的喜歡程度為普通喜歡。
5、根據權利要求l、 2或4所述的網絡廣告自動投放方法，其特徵在於，所述歩驟三中，進一步包括根據廣告的分值選擇高於一預設分值閾值的分值最高的所述第 一廣告的 步驟。
6、 根據權利要求l、 2或4所述的網絡廣告自動投放方法，其特徵在於， 所述步驟四中，進一歩包括通過執行所述歩驟一、所述步驟二計算所述第二廣告，且當所述第二廣告、 所述第一廣告分別在該新網頁上的得分的差值小於一預設差值閾值時，將所述 第一廣告投放到該新網頁上，實現廣告的跟蹤；否則將所述第二廣告投放到該 新網頁上的步驟。
7、 一種網絡廣告自動投放系統，其特徵在於，包括網頁分析模塊，用於分析當前網頁的頁面內容，建立當前網頁的特徵向量； 廣告評估模塊，連接所述網頁分析模塊，用於根據所述特徵向量計算當前網頁與每個用於投放的第一廣告之間的相關度，並根據所述相關度為每個所述第一廣告打分；廣告投放模塊，連接所述廣告評估模塊，用於根據廣告的分值選擇所述第一廣告，並投放到當前網頁上；跳轉跟蹤模塊，連接所述網頁分析模塊、所述廣告評估模塊、所述廣告投 放模塊，用於由當前網頁跳轉到新網頁時，為該新網頁計算用於投放的第二廣 告，並根據所選擇的第一廣告、所述第二廣告分別在該新網頁上的得分將所選 擇的第一廣告或所述第二廣告投放到該新網頁上。
8、 根據權利要求7所述的網絡廣告自動投放系統，其特徵在於，所述網 頁分析模塊利用詞頻方式獲取當前頁面內容中的關鍵詞，並根據所述關鍵詞建 立所述特徵向量。
9、 根據權利要求7或8所述的網絡廣告自動投放系統，其特徵在於，所 述廣告評估模塊以如下公式計算所述相關度其中，式中參數如下 p:當前網頁； ac/: 第一廣告；當前網頁的特徵向量；rarf:第一廣告的特徵向量；:當前網頁與第一廣告之間的相關度； 以如下公式為所述第--廣告打分其中，式中參數如下 M:用戶；M,,:瀏覽當前網頁的用戶的用戶模型因數； ^/(M,,^:用戶和第一廣告的相關度； C/O:第一廣告的歷史點擊率； 4:廣告商對第一廣告的出價；a， ， y， 為^/(p,W)、 "/(M ,W)、 C7^,、 /^對應的木又值，並且a+j3 + y + = l;L:針對當前網頁，第一廣告所獲得的分值。以如下公式計算用戶和第一廣告的相關度re/(M = & ' + o. F屍(w) 4(w) + c - /其中，式中參數如下用戶的用戶模型向量；用戶正反饋的概率；用戶負反饋的概率； &用戶正反饋概率的權值； 6:用戶負反饋概率的權值； /:用戶對廣告的喜歡程度； C:用戶對廣告喜歡程度的權值。
10、根據權利要求9所述的網絡廣告自動投放系統，其特徵在於，所述廣 告評估模塊根據用戶的瀏覽記錄自動調整用戶模型，所述用戶模型包括一用戶 對廣告的易接受性，並以點擊比率cr表示，點擊比率cr以如下公式計算一被用戶點擊的廣告數 『~"推薦的廣告數"~用戶對廣告的接受程度/通過如下公式計算formula see original document page 6如果點擊比率cr大於一個設定閾值t 1，則接受程度/為1，認為該用戶 對廣告非常容易接受；如果點擊比率cr小於一個設定閾值t 2，則接受程度/ 為-1，認為該用戶對廣告比較反感，很少點擊廣告；接受程度/為0時，認為 該用戶對廣告的喜歡程度為普通喜歡。
11、 根據權利要求7、 8或10所述的網絡廣告自動投放系統，其特徵在於， 所述廣告投放模塊根據廣告的分值選擇高於一預設分值閾值的分值最高的所 述第一廣告。
12、 根據權利要求7、 8或IO所述的網絡廣告自動投放系統，其特徵在於， 所述跳轉跟蹤模塊通過調用所述網頁分析模塊、所述廣告評估模塊計算所述第 二廣告，且所述第二廣告、所述第一廣告分別在該新網頁的得分的差值小於一 預設差值閾值時，將所述第一廣告投放到該新網頁上，實現廣告的跟蹤；否則 將所述第二廣告投放到該新網頁上。
13、 根據權利要求7、 8或10所述的網絡廣告自動投放系統，其特徵在於， 所述跳轉跟蹤模塊將所述當前網頁或所述新網頁中的每一塊區域作為獨立頁 面，並在每一塊區域投放廣告。
14、 根據權利要求7、 8或10所述的網絡廣告自動投放系統，其特徵在於， 所述當前網頁、所述新網頁為問答系統的每個問題區域或每個答案區域。
全文摘要
本發明公開了一種網絡廣告自動投放方法及其系統，其中該方法包括步驟一，分析當前網頁的頁面內容，建立當前網頁的特徵向量；步驟二，根據特徵向量計算當前網頁與每個用於投放的第一廣告之間的相關度，並根據相關度為每個第一廣告打分；步驟三，根據廣告的分值選擇第一廣告，並投放到當前網頁上；步驟四，由當前網頁跳轉到新網頁時，為該新網頁計算用於投放的第二廣告，並根據所選擇的第一廣告、第二廣告分別在該新網頁上的得分將所選擇的第一廣告或第二廣告投放到該新網頁上。本發明當用戶在網絡中瀏覽信息時，能夠根據當前網頁信息、用戶模型自動投放相關的廣告，以及當用戶在網頁間跳轉時，讓廣告跟蹤用戶到新的網頁。
文檔編號G06F17/30GK101290631SQ20081011325
公開日2008年10月22日 申請日期2008年5月28日 優先權日2008年5月28日
發明者劉文印, 張加龍, 朝 曹 申請人:北京百問百答網絡技術有限公司