CN113657917A - 一种基于user-agent的访客性别分析方法及*** - Google Patents
一种基于user-agent的访客性别分析方法及*** Download PDFInfo
- Publication number
- CN113657917A CN113657917A CN202010398940.6A CN202010398940A CN113657917A CN 113657917 A CN113657917 A CN 113657917A CN 202010398940 A CN202010398940 A CN 202010398940A CN 113657917 A CN113657917 A CN 113657917A
- Authority
- CN
- China
- Prior art keywords
- user
- gender
- advertisement
- access time
- female
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 24
- 238000013499 data model Methods 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims abstract description 27
- 238000007635 classification algorithm Methods 0.000 claims abstract description 19
- 238000012360 testing method Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000003066 decision tree Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- 238000007637 random forest analysis Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 6
- 238000002716 delivery method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000007477 logistic regression Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 2
- 239000003795 chemical substances by application Substances 0.000 description 10
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000032678 sex differentiation Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0244—Optimization
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Accounting & Taxation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供基于USER‑AGENT的访客性别分析方法,涉及性别的分析领域,所述方法包括以下步骤:S1:与存储有用户性别数据的媒体建立合作关系,收集有性别信息的用户;S2:获取用户UA,从用户UA中获取用户访问设备的品牌和访问时间;S3:以访问时间和设备品牌作为输入特征、用户性别作为输出标签进行整理得到原始数据集;S4:将原始数据集的80%作为训练集训练分类算法,20%作为测试集测试训练分类算法,生成数据模型;S5:将数据模型投入生成环境,在数据模型中输入用户的访问时间和设备品牌后,输出用户的性别。本发明用于解决现有技术中的广告***无法快速的获取用户的性别,以进行精准的广告投放,浪费大量广告费用的技术问题。
Description
技术领域
本发明涉及性别的分析领域,特别是涉及一种基于USER-AGENT的访客性别分析方法及***。
背景技术
随着科技技术的突飞猛进促进了商品社会的快速发展,产品推陈出新的速度不断加快如何将新产品推向大众,产品宣传方式尤为重要,线上广告是最为常见的宣传方式之一。
目前,许多产品与性别的关联性较大,广告主在实际投放中经常会出现对性别投放的需求,例如:化妆品主要针对女性,汽车财经主要针对男性。目前一般广告主在投放广告时无法获取到用户性别(除非媒体提供信息),甚至于存在没有数据无法进行广告投放的情况,不仅造成大量的广告费用的浪费,收获也甚少。
如果获取用户性别进行精准的广告投放,避免浪费广告费用,一般广告***无法满足需求。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于USER-AGENT的访客性别分析方法及***,用于解决现有技术中的广告***无法快速的获取用户的性别,以进行精准的广告投放,浪费大量广告费用的技术问题。
本发明提供一种基于USER-AGENT的访客性别分析方法,所述方法包括以下步骤:
S1:与存储有用户性别数据的媒体建立合作关系,收集有性别信息的用户;
S2:获取用户UA,从用户UA中获取用户访问设备的品牌和访问时间;
S3:以访问时间和设备品牌作为输入特征、用户性别作为输出标签进行整理得到原始数据集;
S4:将一部分原始数据集作为训练集训练分类算法,其余部分作为测试集训练分类算法,不断调整模型参数,以生成数据模型;
S5:将数据模型投入生成环境,在数据模型中输入用户的访问时间和设备品牌后,输出用户的性别。
于本发明的一实施例中,所述访问时间包括星期和时间点。
于本发明的一实施例中,所述分类算法包括随机森林算法、贝叶斯分类算法,决策树分类算法,SVM算法及逻辑回归算法。
于本发明的一实施例中,所述步骤S4中采用随机森林算法的过程为:
S4.1:设训练集中包括N个样本,则有放回的随机选择n个样本;
S4.2:利用所述n个样本训练一个决策树,作为决策树根节点处的样本;
S4.3:当每个样本有M个特征时,则在决策树的每个根节点需要***,随机从M个特征中选取m个特征,利用一种策略来选择1个特征作为根节点的***特征;
S4.4:重复步骤S4.3,继续***每个根节点,直到根节点不能***为止,则构成了随机森林。
一种基于USER-AGENT的访客性别分析***,所述***包括:
用户UA获取模块,通过与存储有用户性别数据的媒体建立合作关系,获取用户UA;
信息筛选模块,从用户UA中获取用户访问设备的品牌、访问时间及用户性别;
数据集整理模块,用于对用户访问的设备品牌、访问时间及用户性别进行整理得到原始数据集;
模型生成模块:将一部分原始数据集作为训练集训练分类算法,其余部分作为测试集训练分类算法,以生成数据模型;
应用模块:通过向数据模型中输入用户的访问时间和设备品牌,从而得到用户的性别。
一种基于USER-AGENT的访客性别分析的广告投放方法,所述方法包括以下步骤:
S1:将广告计划划分为男性用户广告和女性用户广告;
S2:根据数据模型中所输出的用户的性别,将每个用户贴上女性或男性标签;
S3:将女性用户广告定向投入至女性用户,将男性用户广告定向投入至男性用户。
一种基于USER-AGENT的访客性别分析的广告投放***,所述***包括:
广告划分模块,用于将广告计划划分为男性用户广告和女性用户广告;
用户划分模块:根据数据模型中所输出的用户的性别,将每个用户贴上女性或男性标签;
广告投放模块:用于将女性用户广告定向投入至女性用户,将男性用户广告定向投入至男性用户。
如上所述,本发明具有以下有益效果:
本发明以用户的访问设备、访问时间及用户性别为输入特征建立起数据模型,并对数据模型进行训练和优化,得到对训练集与测试集准确率稳定在60%以上,帮助广告主提高10%以上的效果,通过分析得出性别之后,可针对性别进行广告投放,降低了投放的广告成本。
附图说明
图1显示为本发明公开的访客性别分析方法的步骤图。
图2显示为本发明的公开的广告投放方法步骤图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
请参阅图1,本发明提供一种基于USER-AGENT的访客性别分析方法,所述方法包括以下步骤:
S1:与存储有用户性别数据的媒体建立合作关系,收集有性别信息的用户;
S2:获取用户UA,从用户UA中获取用户访问设备的品牌和访问时间;
S3:以访问时间和设备品牌作为输入特征、用户性别作为输出标签进行整理得到原始数据集;
S4:将一部分原始数据集作为训练集训练分类算法,其余部分作为测试集训练分类算法,以生成数据模型;
S5:将数据模型投入生成环境,在数据模型中输入用户的访问时间和设备品牌后,输出用户的性别。
本实施例中,步骤S2中,还包括对用户UA中的因素筛选过程,首先需要设置一个对性别影响的阈值,如果用户UA中的因素对性别的影响小于10%,则会删掉该因素,若影响大于10%,则保留该因素,
经过统计获得访问设备的品牌(例如:手机品牌)可以作为判断用户的性别的一个主要因素,访问时间为次要因素。
本实施例中,步骤S3中,优选的,选择60-90%的原始数据集作为训练集,10-40%作为测试集。
基于以上实施例,所述访问时间包括星期和时间点。
具体的,收集原始数据集,如表1所示:
表1
整理输入特征和输出标签,得到示例数据,如表2所示:
星期 | 时间点 | 品牌(1:APPLE,2:VIVO:3:HUAWEI) | 性别(1:男,0:女) |
三 | 12 | 1 | 1 |
三 | 12 | 2 | 1 |
三 | 12 | 3 | 0 |
表2
由表2可以看出,vivo品牌女性偏好较多,苹果和华为品牌男性偏好较多。
基于以上实施例,所述分类算法包括随机森林算法、贝叶斯分类算法,决策树分类算法, SVM算法及逻辑回归算法。
基于以上实施例,所述步骤S4中采用随机森林算法的过程为:
S4.1:设训练集中包括N个样本,则有放回的随机选择n个样本;
S4.2:利用所述n个样本训练一个决策树,作为决策树根节点处的样本;
S4.3:当每个样本有M个特征时,例如:本本实施例中具有星期、时间点及品牌等样本 (可添加更多的样本),则在决策树的每个根节点需要***,随机从M个特征中选取m个特征,利用一种策略来选择1个特征作为根节点的***特征;
S4.4:重复步骤S4.3,继续***每个根节点,直到根节点不能***为止,则构成了随机森林;
本实施例中,采用包含134万个样本的原始数据集进行训练与测试,分别选择60%、70%、 80%、90%的原始数据集作为训练集训练分类算法,得到训练集准确率评分和测试集准确率评分,结果如表3所示:
表3
从表3中可以看出,四个比例的评分无显著差异,因此可以根据实际数据与计算能力选择对应比例。
经过模型训练与优化后,对训练集与测试集别准确率稳定在60%以上,可以帮助用户至少提高10%以上的效果。
一种基于USER-AGENT的访客性别分析***,所述***包括:
用户UA获取模块,通过与存储有用户性别数据的媒体建立合作关系,获取用户UA;
信息筛选模块,从用户UA中获取用户访问设备的品牌、访问时间及用户性别;
数据集整理模块,用于对用户访问的设备品牌、访问时间及用户性别进行整理得到原始数据集;
模型生成模块:将一部分原始数据集作为训练集训练分类算法,其余部分作为测试集训练分类算法,以生成数据模型;
应用模块:通过向数据模型中输入用户的访问时间和设备品牌,从而得到用户的性别。
本实施例中,当数据模型生成后,仅需要获取到用户访问的星期、时间点和设备品牌,就能分析出该用户的性别,准确率高达60%以上。
请参阅图2,一种基于USER-AGENT的访客性别分析的广告投放方法,所述方法包括以下步骤:
S1:将广告计划划分为男性用户广告和女性用户广告;
S2:根据数据模型中所输出的用户的性别,将每个用户贴上女性或男性标签;
S3:将女性用户广告定向投入至女性用户,将男性用户广告定向投入至男性用户。
一种基于USER-AGENT的访客性别分析的广告投放***,所述***包括:
广告划分模块,用于将广告计划划分为男性用户广告和女性用户广告;
用户划分模块:根据数据模型中所输出的用户的性别,将每个用户贴上女性或男性标签;
广告投放模块:用于将女性用户广告定向投入至女性用户,将男性用户广告定向投入至男性用户。
具体实施例
投放一个拼多多的购物广告:购物广告主要为女性用户为主,因此将其划分为女性用户广告,通过广告的实际效果验证投放的准确型。
选择同样广告位同样时段与广告素材进行投放,计划投放约22900广告展示,其中,用户的性别根据数据模型中输出的结果来划分,测试结果如表4所示:
计划 | 展示量 | 点击量 | 点击率(%) | 点击成本 |
不分性别 | 22991 | 162 | 0.70 | 0.43 |
女性用户 | 22969 | 252 | 1.10 | 0.29 |
男性用户 | 22957 | 127 | 0.55 | 0.61 |
表4
从表4中可以看出,男女数据最终效果距大于100%。与预期接近,可以证明可以显著提升与性别相关类广告效果。
综上所述,本发明仅通过用户的访问时间和设备品牌就分析得出该用户的性别,从而有针对性的投放广告,以节省广告主的成本。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (7)
1.一种基于USER-AGENT的访客性别分析方法,其特征在于,所述方法包括以下步骤:
S1:与存储有用户性别数据的媒体建立合作关系,收集有性别信息的用户;
S2:获取用户UA,从用户UA中获取用户访问设备的品牌和访问时间;
S3:以访问时间和设备品牌作为输入特征、用户性别作为输出标签进行整理得到原始数据集;
S4:将一部分原始数据集作为训练集,其余部分作为测试集测试测试分类算法,以生成数据模型;
S5:将数据模型投入生成环境,在数据模型中输入用户的访问时间和设备品牌后,输出用户的性别。
2.根据权利要求1所述基于USER-AGENT的访客性别分析方法,其特征在于:所述访问时间包括星期和时间点。
3.根据权利要求1所述基于USER-AGENT的访客性别分析方法,其特征在于:所述分类算法包括随机森林算法、贝叶斯分类算法,决策树分类算法,SVM算法及逻辑回归算法。
4.根据权利要求3所述基于USER-AGENT的访客性别分析方法,其特征在于:所述步骤S4中采用随机森林算法的过程为:
S4.1:设训练集中包括N个样本,则有放回的随机选择n个样本;
S4.2:利用所述n个样本训练一个决策树,作为决策树根节点处的样本;
S4.3:当每个样本有M个特征时,则在决策树的每个根节点需要***,随机从M个特征中选取m个特征,利用一种策略来选择1个特征作为根节点的***特征;
S4.4:重复步骤S4.3,继续***每个根节点,直到根节点不能***为止,则构成了随机森林。
5.一种基于USER-AGENT的访客性别分析***,其特征在于,所述***包括:
用户UA获取模块,通过与存储有用户性别数据的媒体建立合作关系,获取用户UA;
信息筛选模块,从用户UA中获取用户访问的设备品牌、访问时间及用户性别;
数据集整理模块,用于对用户访问设备的品牌、访问时间及用户性别进行整理得到原始数据集;
模型生成模块,将一部分原始数据集作为训练集训练分类算法,其余部分作为测试集训练分类算法,以生成数据模型;
应用模块:通过向数据模型中输入用户的访问时间和设备品牌,从而得到用户的性别。
6.一种基于USER-AGENT的访客性别分析的广告投放方法,其特征在于,所述方法包括以下步骤:
S1:将广告计划划分为男性用户广告和女性用户广告;
S2:根据数据模型中所输出的用户的性别,将每个用户贴上女性或男性标签;
S3:将女性用户广告定向投入至女性用户,将男性用户广告定向投入至男性用户。
7.一种基于USER-AGENT的访客性别分析的广告投放***,其特征在于,所述***包括:
广告划分模块,用于将广告计划划分为男性用户广告和女性用户广告;
用户划分模块:根据数据模型中所输出的用户的性别,将每个用户贴上女性或男性标签;
广告投放模块:用于将女性用户广告定向投入至女性用户,将男性用户广告定向投入至男性用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010398940.6A CN113657917A (zh) | 2020-05-12 | 2020-05-12 | 一种基于user-agent的访客性别分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010398940.6A CN113657917A (zh) | 2020-05-12 | 2020-05-12 | 一种基于user-agent的访客性别分析方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113657917A true CN113657917A (zh) | 2021-11-16 |
Family
ID=78488810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010398940.6A Pending CN113657917A (zh) | 2020-05-12 | 2020-05-12 | 一种基于user-agent的访客性别分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113657917A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136685A (zh) * | 2011-11-25 | 2013-06-05 | 北京百分通联传媒技术有限公司 | 一种基于移动终端的用户属性进行定向广告的方法和*** |
KR20130085271A (ko) * | 2012-01-19 | 2013-07-29 | 주식회사 와이더플래닛 | 사용자 맞춤형 광고 매칭 장치 및 그 방법 |
CN105654131A (zh) * | 2015-12-30 | 2016-06-08 | 小米科技有限责任公司 | 分类模型训练方法及装置 |
CN106682686A (zh) * | 2016-12-09 | 2017-05-17 | 北京拓明科技有限公司 | 一种基于手机上网行为的用户性别预测方法 |
CN106709739A (zh) * | 2015-07-13 | 2017-05-24 | 银橙(上海)信息技术有限公司 | 一种定向广告投放方法及*** |
CN107886366A (zh) * | 2017-11-22 | 2018-04-06 | 深圳市金立通信设备有限公司 | 性别分类模型的生成方法、性别填充方法、终端及存储介质 |
CN108256537A (zh) * | 2016-12-28 | 2018-07-06 | 北京酷我科技有限公司 | 一种用户性别预测方法和*** |
CN109614544A (zh) * | 2018-10-30 | 2019-04-12 | 北京奇虎科技有限公司 | 一种用户的个人信息的预测方法及装置 |
WO2019120023A1 (zh) * | 2017-12-22 | 2019-06-27 | Oppo广东移动通信有限公司 | 性别预测方法、装置、存储介质及电子设备 |
CN109948633A (zh) * | 2017-12-20 | 2019-06-28 | 广东欧珀移动通信有限公司 | 用户性别预测方法、装置、存储介质及电子设备 |
CN109961163A (zh) * | 2017-12-22 | 2019-07-02 | 广东欧珀移动通信有限公司 | 性别预测方法、装置、存储介质及电子设备 |
CN110957041A (zh) * | 2019-12-12 | 2020-04-03 | 中南大学 | 一种性别识别***构建方法、***及识别方法 |
CN111178983A (zh) * | 2020-01-03 | 2020-05-19 | 北京搜狐新媒体信息技术有限公司 | 用户性别预测方法、装置、设备及存储介质 |
-
2020
- 2020-05-12 CN CN202010398940.6A patent/CN113657917A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136685A (zh) * | 2011-11-25 | 2013-06-05 | 北京百分通联传媒技术有限公司 | 一种基于移动终端的用户属性进行定向广告的方法和*** |
KR20130085271A (ko) * | 2012-01-19 | 2013-07-29 | 주식회사 와이더플래닛 | 사용자 맞춤형 광고 매칭 장치 및 그 방법 |
CN106709739A (zh) * | 2015-07-13 | 2017-05-24 | 银橙(上海)信息技术有限公司 | 一种定向广告投放方法及*** |
CN105654131A (zh) * | 2015-12-30 | 2016-06-08 | 小米科技有限责任公司 | 分类模型训练方法及装置 |
CN106682686A (zh) * | 2016-12-09 | 2017-05-17 | 北京拓明科技有限公司 | 一种基于手机上网行为的用户性别预测方法 |
CN108256537A (zh) * | 2016-12-28 | 2018-07-06 | 北京酷我科技有限公司 | 一种用户性别预测方法和*** |
CN107886366A (zh) * | 2017-11-22 | 2018-04-06 | 深圳市金立通信设备有限公司 | 性别分类模型的生成方法、性别填充方法、终端及存储介质 |
CN109948633A (zh) * | 2017-12-20 | 2019-06-28 | 广东欧珀移动通信有限公司 | 用户性别预测方法、装置、存储介质及电子设备 |
WO2019120023A1 (zh) * | 2017-12-22 | 2019-06-27 | Oppo广东移动通信有限公司 | 性别预测方法、装置、存储介质及电子设备 |
CN109961163A (zh) * | 2017-12-22 | 2019-07-02 | 广东欧珀移动通信有限公司 | 性别预测方法、装置、存储介质及电子设备 |
CN109614544A (zh) * | 2018-10-30 | 2019-04-12 | 北京奇虎科技有限公司 | 一种用户的个人信息的预测方法及装置 |
CN110957041A (zh) * | 2019-12-12 | 2020-04-03 | 中南大学 | 一种性别识别***构建方法、***及识别方法 |
CN111178983A (zh) * | 2020-01-03 | 2020-05-19 | 北京搜狐新媒体信息技术有限公司 | 用户性别预测方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
唐晓波;金秀云;宋承伟;: "基于Vague集的微博广告投放决策模型研究", 情报科学, no. 04 * |
申时凯,佘玉梅 著: "《基于云计算的大数据处理技术发展与应用》", 30 June 2018, 电子科技大学出版社, pages: 69 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pantano et al. | Making sense of consumers’ tweets: Sentiment outcomes for fast fashion retailers through Big Data analytics | |
CN107590675B (zh) | 一种基于大数据的用户购物行为识别方法、储存设备及移动终端 | |
CN110325986B (zh) | 文章处理方法、装置、服务器及存储介质 | |
US10528972B2 (en) | Predicting email responses | |
CN109190044A (zh) | 个性化推荐方法、装置、服务器和介质 | |
CN106570718A (zh) | 信息的投放方法及投放*** | |
CN107103485B (zh) | 一种根据影院访客信息的自动广告推荐方法和*** | |
CN106294500B (zh) | 内容项目的推送方法、装置及*** | |
CN108369674B (zh) | 使用目标聚类方法对具有混合属性类型的客户进行细分的***和方法 | |
CN102929939A (zh) | 个性化信息的提供方法及装置 | |
CN107291755B (zh) | 一种终端推送方法及装置 | |
US20140067472A1 (en) | System and Method For Segmenting A Customer Base | |
US10991001B2 (en) | Systems and methods for intelligent promotion design with promotion scoring | |
CN113743981B (zh) | 素材投放成本预测方法、装置、计算机设备及存储介质 | |
CN103577534A (zh) | 搜索方法和搜索引擎 | |
CN110955690A (zh) | 一种基于大数据技术的自助数据标签平台及自助数据标签方法 | |
WO2018213019A1 (en) | Systems and methods for intelligent promotion design with promotion selection | |
JP2018060469A (ja) | 抽出装置、抽出方法、及び抽出プログラム | |
CN111242690A (zh) | 广告图片的测评方法、装置、存储介质及计算机设备 | |
CN110969473A (zh) | 一种用户标签生成方法及装置 | |
CN117151794A (zh) | 一种广告任务推荐方法及相关装置 | |
CN113657917A (zh) | 一种基于user-agent的访客性别分析方法及*** | |
CN111191713A (zh) | 基于***数据的用户画像方法及装置 | |
CN112907282A (zh) | 基于全域电商行业广告dmp的架构应用方法 | |
CN115511576A (zh) | 一种基于多源数据的产品推送方法及*** |
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 |