CN107404657B - 一种广告推荐方法和装置 - Google Patents
一种广告推荐方法和装置 Download PDFInfo
- Publication number
- CN107404657B CN107404657B CN201710533587.6A CN201710533587A CN107404657B CN 107404657 B CN107404657 B CN 107404657B CN 201710533587 A CN201710533587 A CN 201710533587A CN 107404657 B CN107404657 B CN 107404657B
- Authority
- CN
- China
- Prior art keywords
- candidate
- score
- advertisement
- videos
- video
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/254—Management at additional data server, e.g. shopping server, rights management server
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/81—Monomedia components thereof
- H04N21/812—Monomedia components thereof involving advertisement data
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种广告推荐方法和装置,该方法包括:针对需要推荐广告的多个视频分别计算每个候选广告与所属视频之间的相关性分数,其中,每个视频分别对应多个候选广告;针对每个视频,分别按照第一预设方式从每个视频的多个候选广告的相关性分数中选取相关性分数,记为每个视频的广告候选分数;按照第二预设方式从多个广告候选分数中,选取两个目标广告候选分数S1和S2;将第一相关性分数区间[S1,S2]映射到第二相关性分数区间[M,N];获取在[M,N]中设置的第二分数x,将x映射至[S1,S2],得到第一分数S;在每个视频的多个候选广告中,获取相关性分数大于或等于S的多个目标候选广告推荐至所属视频。本发明所推荐的广告能够提升广告与视频之间的相关性。
Description
技术领域
本发明涉及广告推荐技术领域,特别是涉及一种广告推荐方法和装置。
背景技术
视频中往往可以通过投放广告来为用户提供广阔的信息浏览途径,而受到广告曝光及投放策略的影响,每个视频下多个候选广告的与视频之间的相关性得分往往是随着时间而动态变化的(例如今天和昨天的相关性得分可能不同),而且相同或不同的视频下,不同候选广告的相关性得分差异较大。其中,现有技术中候选广告的截断方案,主要通过对所有视频下的候选广告的相关性得分进行比较判断,并将得分大于阈值的候选广告作为推荐广告,以在视频中投放。但是发明人在实现本发明的过程中发现,其所推荐的广告与视频之间的相关性低的问题。
发明内容
本发明提供了一种广告推荐方法和装置,以解决现有技术中在对视频进行广告推荐时,所存在的所推荐的广告与视频之间的相关性低的问题。
为了解决上述问题,根据本发明的一个方面,本发明公开了一种广告推荐方法,包括:
针对需要推荐广告的多个视频分别计算每个候选广告与所属视频之间的相关性分数,其中,每个视频分别对应多个候选广告;
针对所述多个视频中的每个视频,分别按照第一预设方式从所述每个视频的多个候选广告的相关性分数中选取一个候选广告的相关性分数,记为所述每个视频的广告候选分数;
按照第二预设方式从需要推荐广告的多个视频的多个广告候选分数中,选取两个目标广告候选分数S1和S2,其中,目标广告候选分数S1小于目标广告候选分数S2;
将所述两个目标广告候选分数S1和S2作为端点构成第一相关性分数区间[S1,S2];
将所述第一相关性分数区间[S1,S2]映射到第二相关性分数区间[M,N],其中,M为大于等于0的正数,N为大于0的正数,M小于N;
获取在第二相关性分数区间[M,N]中设置的第二分数x,将第二分数x映射至所述第一相关性分数区间[S1,S2],得到第一分数S,其中,第二分数x大于等于M且小于等于N,第一分数S大于等于目标广告候选分数S1且小于等于目标广告候选分数S2;
在每个视频的多个候选广告中,获取相关性分数大于或等于第一分数S的多个目标候选广告推荐至所属视频。
根据本发明的另一方面,本发明还公开了一种广告推荐装置,包括:
计算模块,用于针对需要推荐广告的多个视频分别计算每个候选广告与所属视频之间的相关性分数,其中,每个视频分别对应多个候选广告;
第一选取模块,用于针对所述多个视频中的每个视频,分别按照第一预设方式从所述每个视频的多个候选广告的相关性分数中选取一个候选广告的相关性分数,记为所述每个视频的广告候选分数;
第二选取模块,用于按照第二预设方式从需要推荐广告的多个视频的多个广告候选分数中,选取两个目标广告候选分数S1和S2,其中,目标广告候选分数S1小于目标广告候选分数S2;
分数区间生成模块,用于将所述两个目标广告候选分数S1和S2作为端点构成第一相关性分数区间[S1,S2];
第一映射模块,用于将所述第一相关性分数区间[S1,S2]映射到第二相关性分数区间[M,N],其中,M为大于等于0的正数,N为大于0的正数,M小于N;
第二映射模块,用于获取在第二相关性分数区间[M,N]中设置的第二分数x,将第二分数x映射至所述第一相关性分数区间[S1,S2],得到第一分数S,其中,第二分数x大于等于M且小于等于N,第一分数S大于等于目标广告候选分数S1且小于等于目标广告候选分数S2;
推荐模块,用于在每个视频的多个候选广告中,获取相关性分数大于或等于第一分数S的多个目标候选广告推荐至所属视频。
与现有技术相比,本发明包括以下优点:
本发明通过针对需要推荐广告的视频设置广告候选分数,并生成相关性分数区间[S1,S2],并通过将[S1,S2]映射至固定数值的相关性分数区间[M,N],从而在进行广告推荐时,用户只需要从相关性分数区间[M,N]选择第二分数x,就可以在[S1,S2]中得到与第二分数x相映射的第一分数S,最后,以第一分数S为阈值来选取相关性分数大于或等于该阈值的候选广告来作为推荐至所属视频的广告,能够将与视频的相关性较高的候选广告进行推荐,提升了所推荐的广告与视频之间的相关性,提升了用户对视频中广告的观看体验。
附图说明
图1是本发明的一种广告推荐方法实施例的步骤流程图;
图2是本发明的一种广告推荐装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,示出了本发明的一种广告推荐方法实施例的步骤流程图,具体可以包括如下步骤:
步骤101,针对需要推荐广告的多个视频分别计算每个候选广告与所属视频之间的相关性分数,其中,每个视频分别对应多个候选广告;
其中,对于需要进行广告推荐的多个视频,每个视频都对应有多个候选广告,其中,该候选广告可以包括该视频在历史上播放过的广告以及根据对所播放过的广告的点击率而确定的相应类型的广告(用于未来播放)。
这里可以针对多个视频分别计算每个候选广告与所属的视频之间的相关性分数,其中,在计算该相关性分数时本发明实施例预先训练有相关性分数的计算模型,从而对每个候选广告都可以输出该候选广告与所属视频之间的相关性分数。其中,分数越高,相关性越大。例如视频A对应3个候选广告,那么该视频A就有对应这3个候选广告的3个相关性分数。
但是,由于针对同一个视频,不同时间内该视频的候选广告的相关性分数是在不断变化的,而针对不同的视频,候选广告的相关性分数也是不断变化的,因此,如果采用统一的阈值来判别出相关性分数大的候选广告进行推荐并不可靠,因此,本发明实施例提出了如下步骤:
步骤102,针对所述多个视频中的每个视频,分别按照第一预设方式从所述每个视频的多个候选广告的相关性分数中选取一个候选广告的相关性分数,记为所述每个视频的广告候选分数;
其中,例如需要推荐的视频为100个,每个视频有300个候选广告,其中,以视频A为例,视频A对应的相关性分数与其候选广告数量相同,即300个,每个候选广告对应一个相关性分数,那么可以按照第一预设方式从这300个相关性分数中选择某个候选广告的相关性分数,来记为该视频A的广告候选分数。同理,对于100个视频中的除视频A之外的视频的广告候选分数的确定,方式与视频A类似,相互参考即可。这样,100个视频就有对应的100个广告候选分数,其中,每个视频都对应有一个广告候选分数。
其中,对于该第一预设方式来说,可以是按照相关性分数的排序来从中选择某个候选广告的相关性分数,或是,按照相关性分数的正态分布情况来从中选择某个候选广告的相关性分数,或是随机抽取的方式,从这多个相关性分数中选择某个候选广告的相关性分数,等等数学方式都在本发明的保护范围之内。
步骤103,按照第二预设方式从需要推荐广告的多个视频的多个广告候选分数中,选取两个目标广告候选分数S1和S2;
其中,目标广告候选分数S1小于目标广告候选分数S2;
也即,按照第二预设方式从100个视频的对应100个广告候选分数中,选取两个广告候选分数S1和S2。
其中,该第二预设方式,可以是按照相关性分数的排序来从多个广告候选分数中选择某两个候选广告分数,或是,按照相关性分数的正态分布情况来从多个广告候选分数中选择某两个候选广告分数,或是通过随机抽取的方式,从多个广告候选分数中选择某两个候选广告分数,等等数学方式都在本发明的保护范围之内。
步骤104,将所述两个目标广告候选分数S1和S2作为端点构成第一相关性分数区间[S1,S2];
步骤105,将所述第一相关性分数区间[S1,S2]映射到第二相关性分数区间[M,N];
其中,M为大于等于0的正数,N为大于0的正数,M小于N;
其中,M和N均为预先设定的两个统一阈值,用户可以根据实际需求来预先灵活设置,例如M=1,N=10,或者M=0,N=1等。
步骤106,获取在第二相关性分数区间[M,N]中设置的第二分数x,将第二分数x映射至所述第一相关性分数区间[S1,S2],得到第一分数S;
其中,第二分数x大于等于M且小于等于N,第一分数S大于等于S1且小于等于S2;
那么一旦设定了M和N的数值后,在对广告进行推荐时,就可以从[M,N]中选择一个相关性分数作为推荐广告的相关性阈值。例如在[0,1]中选择x=1作为相关性阈值,而由于分数区间[S1,S2]和[0,1]之间已经预先映射,因此,第一分数S=S2,这样,即便候选广告的相关性分数时变化的,从而导致[S1,S2]是变化的,但是[S1,S2]和[M,N]之间的映射关系是不变的,而且[M,N]的两个端点数值也是固定的,因此,本发明实施例的相关性阈值,即第一分数S是灵活的,可以根据各个候选广告的变化的相关性分数而发生变化,实现了相关性分数阈值对相关性得分的整体变化趋势的自适应调节,照顾到了相同视频和不同视频下候选广告的相关性分数的差异性。
步骤107,在每个视频的多个候选广告中,获取相关性分数大于或等于第一分数S的多个目标候选广告推荐至所属视频。
最后,就可以对这100个视频中每个视频的300个候选广告选择广告推荐至相应的视频,例如对于视频A所推荐的广告,只需要从视频A的候选广告中获取相关性分数大于或等于第一分数S的目标候选广告作为推荐至视频A的广告。
借助于本发明上述实施例的技术方案,本发明通过针对需要推荐广告的视频设置广告候选分数,并生成相关性分数区间[S1,S2],并通过将[S1,S2]映射至固定数值的相关性分数区间[M,N],从而在进行广告推荐时,用户只需要从相关性分数区间[M,N]选择第二分数x,就可以在[S1,S2]中得到与第二分数x相映射的第一分数S,最后,以第一分数S为阈值来选取相关性分数大于或等于该阈值的候选广告来作为推荐至所属视频的广告,能够将与视频的相关性较高的候选广告进行推荐,提升了所推荐的广告与视频之间的相关性,提升了用户对视频中广告的观看体验。
其中,在一个实施例中,在执行步骤102时,可以通过以下方式来实现:
将所述多个视频中每个视频的多个候选广告,按照所述相关性分数从高到低的顺序进行排序;例如,视频A(目标视频)有300个候选广告,对这300个广告按照这些广告与该视频A的相关性分数从高到低的顺序进行排序。而100个视频中除视频A之外的其他视频的候选广告的排序方式与视频A相同,在此不再赘述。
针对所述每个视频排序后的多个候选广告,获取排名为第K个的候选广告的相关性分数,记为当前计算的某个视频的广告候选分数,其中,K为正整数,K为预设阈值;例如对于视频A,可以从它的排序后的300个候选广告中选择排名为第100个的候选广告,并获取该第100个候选广告的相关性分数,作为视频A的广告候选分数。
而100个视频中除视频A之外的其他视频也进行上述同视频A的操作,从而得到各自的广告候选分数。
其中,不同视频的候选广告的数量可以相同或不同。
但是,该K是固定的阈值,不论不同视频之间的候选广告的总数是否一致,对于这些视频的广告候选分数来说,都是选择排名第K个的候选广告的相关性分数作为每个视频的广告候选分数。
此外,需要注意的是K的取值可以根据实际的应用场景进行灵活设定,对于A视频网站来说,该K的取值100为最佳,而对于B视频网站来说,该K的取值则可能为150,这个需要根据具体的应用场景进行合理调整。
另外,如果需要推荐的多个视频的候选广告的总数并不完全相同,那么该K的取值需要小于或等于具有最少候选广告的视频的候选广告的数量之和。
并且,在另一个实施例中,在执行步骤103时,可以通过如下方式来实现:
将需要推荐广告的多个视频,按照广告候选分数从低到高的顺序进行排序;
从排序后的多个视频中,选取排列第一预设位置(例如排序的视频总数的25%的位置)和排列第二预设位置的两个目标视频(例如排序的视频总数的75%的位置);具体而言,这里有100个视频,那么可以选取排序后的排在第25个位置的视频A和排在第75个位置的视频B。
其中,需要注意的是,该第一预设位置和第二预设位置可以采用上述具体实例中的排列在视频总数的预定百分比的位置,也可以采用排列在视频总数中的第几个(例如第8个、第70个)的位置。
最后,获取所述两个目标视频的两个目标广告候选分数S1和S2,其中,目标广告候选分数S1小于目标广告候选分数S2。
其中,采用预定百分比的方式来确定预设位置能够保证所取的两个目标视频的广告候选分数在整个排序的多个视频的多个广告候选分数中的布局比较均衡,相比于直接利用视频数量总和中的第几个的方式,所选的S1和S2更能够体现视频与广告之间的相关性。而且,采用预定百分比的方式能够将截断阈值(即第一分数S与候选广告的总数动态绑定,保证了相关性广告的推荐量)
另外,需要注意的是,该视频数量总和的百分比25%和75%只是具体实例,只要两个百分比之和为1即可,即,视频数量总和的百分比还可以是20%和80%等。
可选地,在一个实施例中,在执行步骤107时,可以采用如下方式来实现:
从需要推荐广告的多个视频中,确定广告候选分数为第一分数S的第一类视频;
其中,可以按照如下公式计算得到所述第一分数S:
S=(S2-S1)*x+S1。
例如[S1,S2=[0.2,0.6],[M,N]=[0,1],x=1,那么通过上述公式可以计算得到S=0.6。
例如,待推荐广告的视频数量为100个,那么经过上述实施例的排序可以得到按照广告候选分数从低到高排序的100个视频,其中,广告候选分数高的视频排在广告候选分数低的视频的后面。而每个视频都有一个广告候选分数,可以确定广告候选分数为0.6的视频为第一类视频(例如为排在第75位置的视频)。
然后,从所述排序后的多个视频中,选取排列在所述第一类视频之后的多个第二类视频(即排在第76~第100位置的多个视频);
其中,由于多个视频都是按照广告候选分数从低到高排序的,而每个视频的300个候选广告都是按照相关性分数从高到低排序的,因此,可以针对第一类视频和多个第二类视频排序后的多个候选广告,分别获取排名第1至K(例如前文提到的K=100)个目标候选广告作为推荐至第一类视频和第二类视频的广告(其中,因为排名第K的候选广告的相关性分数为对应视频的广告候选分数,因此,这里获取排名第1~K的广告进行推荐,也即排在第75~100的视频,每个视频的排名第1~K的候选广告的相关性分数都是大于等于0.6的);
以及,从所述排序后的多个视频中,选取排列在所述第一类视频之前的多个第三类视频(即,排在第1~74的75个视频,这75个视频的排在第100个候选广告的相关性分数虽然小于0.6,但是排在第1~99的候选广告的相关性分数还是存在大于0.6的情况的);因此,可以针对第三类视频排序后的多个候选广告,按照相关性分数从高到低的顺序遍历每个候选广告的相关性分数,直至遍历到相关性分数小于所述第一分数S时停止遍历;将遍历得到的相关性分数大于或等于第一分数S的候选广告作为推荐至所述第三类视频的广告。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
与上述本发明实施例所提供的方法相对应,参照图2,示出了本发明一种广告推荐装置实施例的结构框图,具体可以包括如下模块:
计算模块21,用于针对需要推荐广告的多个视频分别计算每个候选广告与所属视频之间的相关性分数,其中,每个视频分别对应多个候选广告;
第一选取模块22,用于针对所述多个视频中的每个视频,分别按照第一预设方式从所述每个视频的多个候选广告的相关性分数中选取一个候选广告的相关性分数,记为所述每个视频的广告候选分数;
第二选取模块23,用于按照第二预设方式从需要推荐广告的多个视频的多个广告候选分数中,选取两个目标广告候选分数S1和S2,其中,目标广告候选分数S1小于目标广告候选分数S2;
分数区间生成模块24,用于将所述两个目标广告候选分数S1和S2作为端点构成第一相关性分数区间[S1,S2];
第一映射模块25,用于将所述第一相关性分数区间[S1,S2]映射到第二相关性分数区间[M,N],其中,M为大于等于0的正数,N为大于0的正数,M小于N;
第二映射模块26,用于获取在第二相关性分数区间[M,N]中设置的第二分数x,将第二分数x映射至所述第一相关性分数区间[S1,S2],得到第一分数S,其中,第二分数x大于等于M且小于等于N,第一分数S大于等于目标广告候选分数S1且小于等于目标广告候选分数S2;
推荐模块27,用于在每个视频的多个候选广告中,获取相关性分数大于或等于第一分数S的多个目标候选广告推荐至所属视频。
可选地,所述第一选取模块22包括:
第一排序子模块,用于将所述多个视频中每个视频的多个候选广告,按照所述相关性分数从高到低的顺序进行排序;
第一获取子模块,用于针对所述每个视频排序后的多个候选广告,获取排名为第K个的候选广告的相关性分数,记为所述目标视频的广告候选分数,其中,K为正整数,K为预设阈值。
可选地,所述第二选取模块23包括:
第二排序子模块,用于将需要推荐广告的多个视频,按照广告候选分数从低到高的顺序进行排序;
第一选取子模块,用于从排序后的多个视频中,选取排列第一预设位置和排列第二预设位置的两个目标视频;
第二获取子模块,用于获取所述两个目标视频的两个目标广告候选分数S1和S2,其中,目标广告候选分数S1小于目标广告候选分数S2。
可选地,所述推荐模块27包括:
确定子模块,用于从需要推荐广告的多个视频中,确定广告候选分数为第一分数S的第一类视频;
第二选取模块,用于从所述排序后的多个视频中,选取排列在所述第一类视频之后的多个第二类视频;
第三获取模块,用于针对第一类视频和多个第二类视频排序后的多个候选广告,分别获取排名第1至K个目标候选广告作为推荐至第一类视频和第二类视频的广告;
第三选取模块,用于从所述排序后的多个视频中,选取排列在所述第一类视频之前的多个第三类视频;
遍历模块,用于针对第三类视频排序后的多个候选广告,按照相关性分数从高到低的顺序遍历每个候选广告的相关性分数,直至遍历到相关性分数小于所述第一分数S则停止遍历;
推荐子模块,用于将遍历得到的相关性分数大于或等于第一分数S的候选广告作为推荐至所述第三类视频的广告。
可选地,按照如下公式计算得到所述第一分数S:
S=(S2-S1)*x+S1。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种广告推荐方法和一种广告推荐装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种广告推荐方法,其特征在于,包括:
针对需要推荐广告的多个视频分别计算每个候选广告与所属视频之间的相关性分数,其中,每个视频分别对应多个候选广告;
针对所述多个视频中的每个视频,分别按照第一预设方式从所述每个视频的多个候选广告的相关性分数中选取一个候选广告的相关性分数,记为所述每个视频的广告候选分数;
按照第二预设方式从需要推荐广告的所述多个视频的多个广告候选分数中,选取两个目标广告候选分数S1和S2,其中,目标广告候选分数S1小于目标广告候选分数S2;
将所述两个目标广告候选分数S1和S2作为端点构成第一相关性分数区间[S1,S2];
将所述第一相关性分数区间[S1,S2]映射到第二相关性分数区间[M,N],其中,M为大于等于0的正数,N为大于0的正数,M小于N;
获取在第二相关性分数区间[M,N]中设置的第二分数x,将第二分数x映射至所述第一相关性分数区间[S1,S2],得到第一分数S,其中,第二分数x大于等于M且小于等于N,第一分数S大于等于目标广告候选分数S1且小于等于目标广告候选分数S2;
在每个视频的多个候选广告中,获取相关性分数大于或等于第一分数S的多个目标候选广告推荐至所属视频。
2.根据权利要求1所述的方法,其特征在于,所述针对所述多个视频中的每个视频,分别按照第一预设方式从所述每个视频的多个候选广告的相关性分数中选取一个候选广告的相关性分数,记为所述每个视频的广告候选分数的步骤,包括:
将所述多个视频中每个视频的多个候选广告,按照所述相关性分数从高到低的顺序进行排序;
针对每个视频排序后的多个候选广告,获取排名为第K个的候选广告的相关性分数,记为目标视频的广告候选分数,其中,K为正整数,K为预设阈值。
3.根据权利要求2所述的方法,其特征在于,所述按照第二预设方式从需要推荐广告的多个视频的多个广告候选分数中,选取两个目标广告候选分数S1和S2的步骤,包括:
将需要推荐广告的多个视频,按照广告候选分数从低到高的顺序进行排序;
从排序后的多个视频中,选取排列第一预设位置和排列第二预设位置的两个目标视频;
获取所述两个目标视频的两个目标广告候选分数S1和S2,其中,目标广告候选分数S1小于目标广告候选分数S2。
4.根据权利要求3所述的方法,其特征在于,所述在每个视频的多个候选广告中,获取相关性分数大于或等于第一分数S的多个目标候选广告推荐至所属视频的步骤,包括:
从需要推荐广告的多个视频中,确定广告候选分数为第一分数S的第一类视频;
从所述排序后的多个视频中,选取排列在所述第一类视频之后的多个第二类视频;
针对第一类视频和多个第二类视频排序后的多个候选广告,分别获取排名第1至K个目标候选广告作为推荐至第一类视频和第二类视频的广告;
从所述排序后的多个视频中,选取排列在所述第一类视频之前的多个第三类视频;
针对第三类视频排序后的多个候选广告,按照相关性分数从高到低的顺序遍历每个候选广告的相关性分数,直至遍历到相关性分数小于所述第一分数S则停止遍历;
将遍历得到的相关性分数大于或等于第一分数S的候选广告作为推荐至所述第三类视频的广告。
5.根据权利要求1所述的方法,其特征在于,按照如下公式计算得到所述第一分数S:
S=(S2-S1)*x+S1。
6.一种广告推荐装置,其特征在于,包括:
计算模块,用于针对需要推荐广告的多个视频分别计算每个候选广告与所属视频之间的相关性分数,其中,每个视频分别对应多个候选广告;
第一选取模块,用于针对所述多个视频中的每个视频,分别按照第一预设方式从所述每个视频的多个候选广告的相关性分数中选取一个候选广告的相关性分数,记为所述每个视频的广告候选分数;
第二选取模块,用于按照第二预设方式从需要推荐广告的多个视频的多个广告候选分数中,选取两个目标广告候选分数S1和S2,其中,目标广告候选分数S1小于目标广告候选分数S2;
分数区间生成模块,用于将所述两个目标广告候选分数S1和S2作为端点构成第一相关性分数区间[S1,S2];
第一映射模块,用于将所述第一相关性分数区间[S1,S2]映射到第二相关性分数区间[M,N],其中,M为大于等于0的正数,N为大于0的正数,M小于N;
第二映射模块,用于获取在第二相关性分数区间[M,N]中设置的第二分数x,将第二分数x映射至所述第一相关性分数区间[S1,S2],得到第一分数S,其中,第二分数x大于等于M且小于等于N,第一分数S大于等于目标广告候选分数S1且小于等于目标广告候选分数S2;
推荐模块,用于在每个视频的多个候选广告中,获取相关性分数大于或等于第一分数S的多个目标候选广告推荐至所属视频。
7.根据权利要求6所述的装置,其特征在于,所述第一选取模块包括:
第一排序子模块,用于将所述多个视频中每个视频的多个候选广告,按照所述相关性分数从高到低的顺序进行排序;
第一获取子模块,用于针对每个视频排序后的多个候选广告,获取排名为第K个的候选广告的相关性分数,记为目标视频的广告候选分数,其中,K为正整数,K为预设阈值。
8.根据权利要求7所述的装置,其特征在于,所述第二选取模块包括:
第二排序子模块,用于将需要推荐广告的多个视频,按照广告候选分数从低到高的顺序进行排序;
第一选取子模块,用于从排序后的多个视频中,选取排列第一预设位置和排列第二预设位置的两个目标视频;
第二获取子模块,用于获取所述两个目标视频的两个目标广告候选分数S1和S2,其中,目标广告候选分数S1小于目标广告候选分数S2。
9.根据权利要求8所述的装置,其特征在于,所述推荐模块包括:
确定子模块,用于从需要推荐广告的多个视频中,确定广告候选分数为第一分数S的第一类视频;
第二选取模块,用于从所述排序后的多个视频中,选取排列在所述第一类视频之后的多个第二类视频;
第三获取模块,用于针对第一类视频和多个第二类视频排序后的多个候选广告,分别获取排名第1至K个目标候选广告作为推荐至第一类视频和第二类视频的广告;
第三选取模块,用于从所述排序后的多个视频中,选取排列在所述第一类视频之前的多个第三类视频;
遍历模块,用于针对第三类视频排序后的多个候选广告,按照相关性分数从高到低的顺序遍历每个候选广告的相关性分数,直至遍历到相关性分数小于所述第一分数S则停止遍历;
推荐子模块,用于将遍历得到的相关性分数大于或等于第一分数S的候选广告作为推荐至所述第三类视频的广告。
10.根据权利要求6所述的装置,其特征在于,按照如下公式计算得到所述第一分数S:
S=(S2-S1)*x+S1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710533587.6A CN107404657B (zh) | 2017-07-03 | 2017-07-03 | 一种广告推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710533587.6A CN107404657B (zh) | 2017-07-03 | 2017-07-03 | 一种广告推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107404657A CN107404657A (zh) | 2017-11-28 |
CN107404657B true CN107404657B (zh) | 2020-01-03 |
Family
ID=60404801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710533587.6A Active CN107404657B (zh) | 2017-07-03 | 2017-07-03 | 一种广告推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107404657B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110327628A (zh) * | 2019-05-24 | 2019-10-15 | 北京金山安全软件有限公司 | 一种查询排名的方法、装置及电子设备 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7647242B2 (en) * | 2003-09-30 | 2010-01-12 | Google, Inc. | Increasing a number of relevant advertisements using a relaxed match |
US7594244B2 (en) * | 2003-11-12 | 2009-09-22 | Koninklijke Philips Electronics N.V. | Program recommendation system |
US20080033810A1 (en) * | 2006-08-02 | 2008-02-07 | Yahoo! Inc. | System and method for forecasting the performance of advertisements using fuzzy systems |
US20080270378A1 (en) * | 2007-04-24 | 2008-10-30 | Nokia Corporation | Method, Apparatus and Computer Program Product for Determining Relevance and/or Ambiguity in a Search System |
CN101650731A (zh) * | 2009-08-31 | 2010-02-17 | 浙江大学 | 基于用户反馈的赞助搜索广告的建议关键词生成方法 |
CN102572501A (zh) * | 2010-12-23 | 2012-07-11 | 华东师范大学 | 考虑网络性能及视频本身特征的视频质量评估方法及装置 |
CN103209342B (zh) * | 2013-04-01 | 2016-06-01 | 电子科技大学 | 一种引入视频流行度和用户兴趣变化的协作过滤推荐方法 |
CN105608125B (zh) * | 2015-12-15 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 一种信息处理方法及服务器 |
CN106250442A (zh) * | 2016-07-26 | 2016-12-21 | 新疆大学 | 一种网络安全数据的特征选择方法及*** |
CN106570165B (zh) * | 2016-11-07 | 2019-09-13 | 北京航空航天大学 | 一种基于内容的视频检索方法及装置 |
CN106844446A (zh) * | 2016-12-16 | 2017-06-13 | 飞狐信息技术(天津)有限公司 | 基于用户观影行为的视频评分方法、装置及视频*** |
-
2017
- 2017-07-03 CN CN201710533587.6A patent/CN107404657B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107404657A (zh) | 2017-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110941740B (zh) | 视频推荐方法及计算机可读存储介质 | |
US10783151B1 (en) | Popularity-based content feed management system | |
US10789634B2 (en) | Personalized recommendation method and system, and computer-readable record medium | |
US9092549B2 (en) | Recommendation of search keywords based on indication of user intention | |
CN106547767B (zh) | 确定视频封面图片的方法及装置 | |
US8903834B2 (en) | Recommending groups of items based on item ranks | |
CN107832437B (zh) | 音/视频推送方法、装置、设备及存储介质 | |
US10129596B2 (en) | Adaptive row selection | |
US9594758B2 (en) | Method and apparatuses for enabling recommendations | |
CN112364202B (zh) | 视频推荐方法、装置及电子设备 | |
CN104053023B (zh) | 一种确定视频相似度的方法及装置 | |
CN108028962A (zh) | 处理视频使用情况信息以投放广告 | |
CN104484406B (zh) | 推荐数据的投放分析方法及装置 | |
CN104239552B (zh) | 生成关联关键词、提供关联关键词的方法及*** | |
US11216518B2 (en) | Systems and methods of providing recommendations of content items | |
CN106326297B (zh) | 一种应用程序推荐方法及装置 | |
KR20160113685A (ko) | 콘텐츠 추천 방법, 장치 및 시스템 | |
CN105512156B (zh) | 点击模型生成方法和装置 | |
CN111339416A (zh) | 热度召回方法、装置、电子设备及存储介质 | |
CN106156351B (zh) | 多媒体资源推荐信息生成方法及装置 | |
KR20170036874A (ko) | 사용자 성향을 고려한 소셜 이벤트 추천 방법 및 장치 | |
CN104967690A (zh) | 一种信息推送方法及装置 | |
CN106326388A (zh) | 一种信息处理方法和装置 | |
US11244014B2 (en) | System and method for enhancing exploration of data items | |
WO2018148750A1 (en) | Method and system for re-aggregation and optimization of media |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |