申请/专利权人：重庆邮电大学

申请日：2024-01-08

公开（公告）日：2024-05-10

公开（公告）号：CN118014660A

主分类号：G06Q30/0251

分类号：G06Q30/0251;G06Q30/0241;G06F18/214;G06F18/213;G06F18/25;G06N3/045;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明涉及大数据领域，具体涉及一种基于大数据的广告高价值用户识别方法，包括获取广告信息数据集、用户信息数据集和流水数据集；对流水数据集进行划分得到多组用户流水样本，对每一组用户流水样本进行预处理得到对应的训练样本，构建广告高价值用户识别模型，采用训练样本集合训练广告高价值用户识别模型；并通过双阈值对比损失和偏权重交叉熵损失对广告高价值用户识别模型进行参数优化，直到模型收敛；获取待识别用户数据输入训练好的广告高价值用户识别模型，得到用户价值识别结果；本发明提升识别准确度。

主权项：1.一种基于大数据的广告高价值用户识别方法，其特征在于，包括以下步骤：S1.获取广告信息数据集、用户信息数据集和流水数据集；所述流水数据集用于表示用户与广告间的交互关系，每一条流水数据包括用户ID、广告ID、用户与广告的互动时间、用户与广告的互动类型和用户与广告的行为转化类型；所述互动类型包括浏览、点赞和领取优惠券，所述行为转化类型包括产生转化行为和未产生过转化行为；S2.根据用户ID对流水数据集进行分类得到多个用户流水数据集，再对每一个用户流水数据集进行划分得到多组用户流水样本；每组用户流水样本包括该用户三十四天内的流水数据，其中前三十天为一个特征区间数据，最后四天为一个评估区间数据；S3.对每一组用户流水样本进行预处理得到对应的训练样本，每一组训练样本包括广告信息矩阵、用户信息、实际转化用户广告匹配对集和特征区间数据；步骤S3对任一组用户流水样本进行预处理得到对应的训练样本，包括：S31.在评估区间数据中筛选出所有行为转化类型为产生转化行为的流水数据，并将其中每一条流水数据所对应的用户和广告进行匹配得到一个实际转化用户广告匹配对；S32.提取评估区间数据中的所有广告ID组成评估区间待发放广告列表；S33.基于广告信息数据集，获取评估区间待发放广告列表中每一个广告ID对应的一条广告信息，组成广告信息矩阵；基于用户信息数据集，获取该用户流水样本所对应用户ID的用户信息；S34.将广告信息矩阵、用户信息、实际转化用户广告匹配对集和特征区间数据组成一组训练样本；S4.构建广告高价值用户识别模型，所述广告高价值用户识别模型包括特征抽取模块、行为表征动态融合模块、多模态特征融合模块；S5.采用训练样本集合训练广告高价值用户识别模型；并通过双阈值对比损失和偏权重交叉熵损失对广告高价值用户识别模型进行参数优化，直到模型收敛；S6.获取待识别用户数据输入训练好的广告高价值用户识别模型，得到用户价值识别结果；所述待识别用户数据包括用户近一个月的流水数据、用户信息和广告信息。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于大数据的广告高价值用户识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD