TWI499990B - Method, device and system for improving the transmission speed of website data - Google Patents
Method, device and system for improving the transmission speed of website data Download PDFInfo
- Publication number
- TWI499990B TWI499990B TW099106917A TW99106917A TWI499990B TW I499990 B TWI499990 B TW I499990B TW 099106917 A TW099106917 A TW 099106917A TW 99106917 A TW99106917 A TW 99106917A TW I499990 B TWI499990 B TW I499990B
- Authority
- TW
- Taiwan
- Prior art keywords
- rule
- advertisement
- user
- rules
- rule base
- Prior art date
Links
Landscapes
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本發明係關於網路技術領域，特別關於一種提高網站資料傳輸速度的方法、裝置及系統。
目前，隨著互聯網服務種類的日益豐富，網站伺服器向用戶端傳輸的資料量越來越大，例如：各種圖文資料、語音資料、視頻資料等。如此大量的網站資料在同一時間傳輸給用戶端時，將會導致網路資料傳輸速度的急劇下降，甚至造成整個網站的癱瘓。以網路廣告為例，網路廣告可以迅速向用戶群傳達商家資訊，激發用戶的購買欲，因此，在用戶瀏覽某一網站時，通常該網站伺服器會向用戶用戶端傳輸一些網路廣告資料，若有大量的用戶在同一時間瀏覽該網站，該網站伺服器將會在同一時刻向用戶端傳輸大量的廣告資料，導致網路資料傳輸速度的減慢，甚至造成網站伺服器癱瘓。為了降低網路廣告資料的傳輸對網路傳輸速度造成的影響，現有技術下，常常透過減少向用戶端傳輸的廣告資料量來達到提高網站資料傳輸速度的效果，然而，盲目的減少廣告資料量無疑會降低廣告的投放效果。如何能在保證廣告投放效果的基礎上，而又能提高網站廣告的傳輸資料成為急待解決的一個重要問題。
本發明實施例提供一種提高網站資料傳輸速度的方法、裝置及系統，用以在保證廣告投放效果的基礎上，減少廣告投放時傳輸的資料量。
本發明實施例提供的具體技術方案如下：一種提高網站資料傳輸速度的方法，包括：根據用戶瀏覽網站時的操作行為獲得相應的特徵屬性集合，再根據該特徵屬性集合在預設的規則庫中獲取與該特徵屬性集合相匹配的至少一條規則；根據獲得的至少一條規則篩選出與該規則約束的場景相對應的至少一條廣告，並向該用戶投放該至少一條廣告；監測該用戶針對該至少一條廣告的投放產生的操作行為，並將收集的相關參數轉化為相應的規則對該規則庫進行更新。
一種用於提高網站資料傳輸速度的裝置，包括：獲取單元，用於根據用戶瀏覽網站時的操作行為獲得相應的特徵屬性集合，再根據該特徵屬性集合在預設的規則庫中獲取與該特徵屬性集合相匹配的至少一條規則；第一處理單元，用於根據獲得的至少一條規則篩選出與該規則約束的場景相對應的至少一條廣告，並向該用戶投放該至少一條廣告；第二處理單元，用於監測該用戶針對該至少一條廣告的投放產生的操作行為，並將收集的相關參數轉化為相應的規則對該規則庫進行更新。
一種用於提高網站資料傳輸速度的系統，包括：規則庫，用於保存用以搜尋廣告的各種規則；廣告投放管理裝置，用於根據用戶瀏覽網站時的操作行為獲得相應的特徵屬性集合，以及根據該特徵屬性集合在預設的規則庫中獲取與該特徵屬性集合相匹配的至少一條規則，再根據獲得的至少一條規則篩選出與該規則約束的場景相對應的至少一條廣告，並向該用戶投放該至少一條廣告，以及監測該用戶針對該至少一條廣告的投放產生的操作行為，並將收集的相關參數轉化為相應的規則對所述規則庫進行更新。
本發明實施例中，為了對好的投放經驗進行累積，引入了規則庫的概念，它針對廣告投放後帶來的諸多效果，依據投放關聯的諸多因素進行分類，並對每一類別的投放效果中較好的部分進行統計歸納，總結出每類投放中較優的一些投放匹配規則，規則庫的建立和進化均直接依據於廣告投放效果，廣告投放效果的有所變化，將會透過規則庫即時地反應在其保存的用於指導廣告選擇的各類規則上，使得廣告的選擇完全依賴於其投放效果，也使得規則庫的更新進化即時地基於廣告投放效果來實現，令各種規則的最佳化得以自動化和即時化，具有實現代價小，週期短和最佳化速度快等優點。這樣，便無需盲目地減少廣告投放量，而是根據用戶的實際需求有目的有針對性的投放相應的廣告，而減少不必要廣告的投放量，從而在保證廣告投放效果的基礎上，減少了網站廣告在投放時傳輸的資料
量，提高了系統的資料傳輸速度，進而提升了網站的服務品質。
為了，本申請實施例中，採用基於廣告效果的規則庫來支援廣告的投放策略的選擇，以提高網站資料的傳輸速度。其具體為：用於管理廣告投放的裝置根據用戶瀏覽網站時的操作行為獲得相應的特徵屬性集合(如，用戶當時瀏覽網頁的場景--包括瀏覽的時段，瀏覽的網頁ID和廣告位置ID以及用戶標識ID等等)，並根據該特徵屬性集合在預設的規則庫中獲取與該特徵屬性集合相匹配的至少一條規則，再根據獲得的至少一條規則篩選出與該規則約束的場景相對應的至少一條廣告，並向該用戶投放該至少一條廣告，以及監測該用戶針對該至少一條廣告的投放產生的操作行為，並將收集的相關參數轉化為相應的規則對該規則庫進行更新。其中，該特徵屬性集合用於描述用戶瀏覽時間的特殊性、瀏覽的網頁和廣告的特性、用戶的長期興趣偏好及用戶瀏覽網站時最近的操作行為意圖偏好等等。這樣，便無需盲目地減少廣告投放量，而是根據用戶的實際需求有目的有針對性的投放相應的廣告，而減少不必要廣告的投放量，從而在保證廣告投放效果的基礎上，減少了網站廣告在投放時傳輸的資料量，提高了系統的資料傳輸速度，進而提升了網站的服務品質。
所謂廣告效果，即是指廣告被投放之後，用於衡量其
受用戶歡迎程度的指標，包含多種預設參數，例如，用戶點擊率，到達目標頁面以後的瀏覽量，註冊量，收藏量，購買量等諸多指標。
規則庫：是指從過去廣告投放後帶來的效果中，依據投放關聯的諸多因素分類，對每一類別的投放效果較好的投放進行統計歸納，總結出來每類廣告投放較優的一些投放匹配規則的總集合，針對該規則庫，需要即時地不斷進行遺傳進化的經驗累積，並利用累積的經驗指導日後的廣告投放。
下面結合附圖對本申請較佳的實施方式進行詳細說明。
參閱圖1所示，本申請實施例中，用於管理廣告投放以提高網站資料傳輸速度的系統包括規則庫10和廣告投放管理裝置11，其中
規則庫10，用於保存用以搜尋廣告的各種規則，是所有廣告投放策略實施經驗的累積，並始終進行著即時進化更新。規則庫10中各種規則的累積使得實施效果好的廣告投放策略得以保存，從而為後續的操作提供了寶貴的經驗。本實施例中，在制定投放廣告的廣告投放策略時，綜合考慮了影響廣告投放效果的所有類型的因數，一次性的進行廣告投放策略的選取，保證了廣告投放策略的全局最優。例如：在為一例廣告選擇廣告投放策略時，根據當時的廣告位置、投放場景、瀏覽用戶的興趣和近期瀏覽行為等特徵資料來設置其廣告投放策略中的各種參數，如，
投放時間，投放次數等等。
廣告投放管理裝置11，用於根據用戶瀏覽網站時的操作行為獲得相應的特徵屬性集合，以及根據該特徵屬性集合在預設的規則庫中獲取與該特徵屬性集合相匹配的至少一條規則，再根據獲得的至少一條規則篩選出與該規則約束的場景相對應的至少一條廣告，並向該用戶投放該至少一條廣告，以及監測該用戶針對該至少一條廣告的投放產生的操作行為，並將收集的相關參數轉化為相應的規則對該規則庫進行更新。
本申請實施例中，在選擇廣告投放策略時，可以查找歷史上相同或是相似投放實例所採用的廣告投放策略作為參考資料，再對此類投放實例的廣告效果對應的投放規則按照投放效果分數從大到小的順序進行排序，找出最優效果的幾則廣告投放策略及相應的廣告特徵參數，並對這些廣告特徵參數進行適當機率的組合變異或是擴展變異，然後依據變異後的廣告特徵參數選出符合條件的備選廣告，並依據投放效果的綜合評分對各備選廣告進行機率競選操作，篩選出最終被投放的廣告，接著，對投放的廣告進行即時的跟蹤，監測其投放效果，最後依據投放效果當前選擇的廣告投放策略作出調整和更新，累積好的投放模式，摒棄差的投放模式，從而使廣告投放策略得以最佳化。這樣，即減少了網路廣告在網路中傳輸的資料量，又可以收到很好的廣告投放效果。
參閱圖2所示，本申請實施例中，廣告投放管理裝置
11包括獲取單元110、第一處理單元111和第二處理單元112，其中，
獲取單元110，用於根據用戶瀏覽網站時的操作行為獲得相應的特徵屬性集合，再根據該特徵屬性集合在預設的規則庫中獲取與該特徵屬性集合相匹配的至少一條規則。
第一處理單元111，用於根據獲得的至少一條規則篩選出的與該規則約束的場景相對應的至少一條廣告，並向該用戶投放該至少一條廣告；
第二處理單元112，用於監測該用戶針對該至少一條廣告的投放產生的操作行為，並將收集的相關參數轉化為相應的規則對該規則庫進行更新。
本申請實施例中，在上述規則庫10中，一條規則由下列幾種資料向量構成，包括：
A、廣告位置特徵向量(記為F a
)，包含的分量有：廣告位置對應的網站頻道(記為)、廣告位置類目(記為)、廣告位置所在網頁的類目()、廣告位置所在網頁的關鍵字()。上述各參量的關係可以表示為：。
B、廣告位置投放場景特徵向量(記為F b
)，包含的分量有：投放時段(記為)、日期類型(記為)、季節(記為)、時事標記(記為)，其中，時事標記用於標注最近是否有大事，所謂大事的類型包含但不限於：地震、政治、經濟、高考、醫療等等。上述各參量的關係
可以表示為：。
本發明實施例中，將向量F a
連接向量F b
生成的新向量F ab
=(F a
,F b
)，稱為廣告位置向量，該向量描述了廣告投放時不依賴於用戶的整體投放影響因素。
C、用戶自然屬性和歷史長期的興趣行為特徵向量(記為F c
)，包含的分量有：用戶性別(記為)、用戶年齡段(記為)、用戶興趣(記為，即用戶日常的上網規律，分節假日，時段)、用戶購物興趣(記為，即用戶日常瀏覽和購買的貨品類目)、用戶喜歡的關鍵字(記為)、用戶品牌傾向(記為)、用戶消費等級(記為，即用戶瀏覽和購買的貨品的價格段)、用戶商家傾向(記為)、用戶地域(記為)和用戶信用度(記為)。上述各參量的關係可以表示為：
D、用戶近期即時的瀏覽和購物特徵向量(記為F d
)，包含的分量有：短期和當前點擊廣告類目(記為)、短期和當前瀏覽貨品類目(記為)、短期和當前購買貨品類目(記為)、短期和當前點擊廣告位置類目(記為)、短期和當前瀏覽網頁類目(記為)。上述各參量的關係可以表示為：。
本發明實施例中，將向量F c
連接向量F d
生成的新向量F cd
=(F c
,F d
)稱為用戶特徵向量，代表用戶自身長短期特徵屬性，也稱為用戶特徵屬性向量。
E、廣告位置廣告投放策略特徵向量(記為F e
)，包含的分量有廣告投放策略(記為)和相應的配置參數
(記為)。其中，廣告投放策略，是廣告在展現時使用的投放方式，如，採用關鍵字-內容匹配演算法投放、採用用戶-行為匹配演算法投放或者按照廣告效果投放；而與廣告投放策略相對應的配置參數，可以包含用戶ID和廣告關鍵字等等。上述各參量的關係可以表示為：
F、被投放的廣告特徵向量(記為F f
)，包含的分量有：廣告產品類型(記為)、廣告類目(記為)、廣告展現形式(記為，即圖文，文字鏈結，或者flash)、廣告內容自定義參數(記為，即用於點擊搜尋的關鍵字等)、廣告的競價關鍵字(記為)、廣告的競價價格(記為)、廣告主的信譽度(記為)、廣告貨品的品牌(記為)、廣告貨品的價格段(記為)、廣告商家類型(記為)、廣告商家地域(記為)。上述各參量的關係可以表示為：
本申請實施例中，將向量F a
,F b
,F c
,F d
,F e
,F f
連接生成新向量F
=(F a
,F b
,F c
,F d
,F e
,F f
)，該向量就是用於制定廣告投放策略的規則庫的具體描述。
G、廣告效果歸一化指標向量(記為F g
)，包含的分量有：點擊率(記為)、點擊收入(記為)、引入流量(記為)、收藏數(記為)、成交金額(記為)、傭金金額(記為)、成交率(記為)和註冊率(記為)
透過向量F g
，我們就可以計算用於描述廣告投放效
果的分數S，S的計算公式如下：
其中，，w i
被稱為權重係數；，是歸一函數，將轉化為0-100之間的數值。
所以S的範圍是0-100，權重係數w i
由管理人員根據經驗值預先設置的，例如，確認點擊率是用於衡量廣告投放效果的最重要因素，那麼可以預設w 1
=1，則，又例如，確認F g
的所有分量都一樣重要，那麼，可以預設w i
=1/8=0.125。總之w i
越趨近數值1，則表示對應的分量在衡量廣告投放效果中的權重越大。
本申請實施例中，將向量F a
,F b
,F c
,F d
,F e
,F f
,F g
連接成新向量F stat
=(F a
,F b
,F c
,F d
,F e
,F f
,F g
)，將向量F stat
稱為廣告投放效果統計指標向量。
基於上述參數設置，下面以一個具體的應用場景為例進行詳細說明。假設初始選擇投放的廣告有三個，分別稱為廣告A、廣告B和廣告C。在這三則廣告投放一段時間後，系統在某用戶登錄網站時，需要根據這三則廣告的投放效果來確定選擇哪一個廣告向登錄用戶進行投放。
本實施例中，假設規則庫中的預設規則和用戶訪問情
景如下：
三則廣告A，B，C：
廣告A：廣告產品MP3，廣告產品價格<1000元，店主信用200分，廣告採用圖片展現，選擇關鍵字精確匹配投放，競價價格0.3元。
廣告B：廣告產品觸控手機，廣告產品價格>2000元，店主信用500分，廣告採用flash展現，選擇關鍵字模糊匹配投放，競價價格0.8元。
廣告C：廣告產品玩偶，廣告產品價格<100元，店主信用30分，廣告採用圖片展現，選擇關鍵字模糊匹配投放，競價價格1元。
上述各廣告由管理人員在網路側發佈，預先儲存在資料庫中，由廣告搜尋引擎獲得，
而對應上述三條廣告，在規則庫中預設了以下6條規則：
1、R1=(男性用戶，對數位產品感興趣，收入中上，最近購買觸控手機，經常訪問新聞類廣告，點擊的廣告是MP3，廣告產品價格<2000元，廣告投放時段為週末，投放該廣告的廣告主信用大於20分，廣告採用flash展現，廣告採用關鍵字精確方式投放，0.2元<點擊競價收入均價<0.4元)。
2、R2=(男性用戶，對運動裝備感興趣，收入未知，最近購買旱冰鞋，經常訪問博客類廣告位置，點擊的廣告是觸控手機，廣告品價格>2000元，廣告投放時段是週
末上午，投放該廣告的廣告主信用大於300分，廣告採用flash展現，廣告採用關鍵字模糊方式投放，0.3元<點擊競價收入均價<1元)
3、R3=(男性用戶，對運動裝備感興趣，無收入(學生)，最近購買香水，經常訪問動漫類廣告位置，點擊的廣告是玩偶，廣告品價格<100元，廣告投放時段是工作日晚上，投放該廣告的廣告主信用大於20分，廣告採用圖片展現，廣告採用關鍵字模糊方式投放，0.3元<點擊競價收入均價<1.3元)。
4、R4=(女性用戶，對運動裝備感興趣，收入高，最近購買香水，經常訪問新聞類廣告位置，點擊的廣告是觸控手機，廣告產品價格>5000元，廣告投放時段是工作日上午，投放該廣告的廣告主信用大於500分，廣告採用圖片展現，廣告採用關鍵字精確方式投放，0.3元<點擊競價收入均價<1.3元)
5、R5=(女性用戶，對玩偶感興趣，收入中，最近購買MP3，經常訪問博客類廣告位置，點擊的廣告是玩偶，廣告產品價格<100元，投放時段是週末晚上，投放該廣告的廣告主信用大於30分，廣告採用圖片展現，廣告採用關鍵字精確方式投放，0.5元<點擊競價收入均價<0.8元)。
6、R6=(女性用戶，對裝飾物感興趣，收入中上，最近購買MP3，經常訪問動漫類廣告位置，點擊的廣告是觸控手機，廣告產品價格>2000元，投放時段是週末上午
，投放該廣告的廣告主信用大於300分，廣告採用圖片展現，廣告採用關鍵字模糊方式投放，0.5元<點擊競價收入均價<0.8元)
基於上述規則，假設用戶訪問情景如下：
情景1：(用戶U1，在週末上午，經常訪問新聞類廣告位置)
情景2：(用戶U2，在工作日晚上，經常訪問博客類廣告位置)
情景3：(用戶U3，在工作日上午，經常訪問新聞類廣告位置)
廣告投放管理裝置11根據上述三種場景，收集用戶的訪問資訊，並將該訪問資訊儲存在網站日誌中，並在對網站日誌加以分析後，提取出各用戶的特徵屬性集合。
那麼，可以獲得這三個用戶的特徵屬性集合，分別為：
用戶U1
的特徵屬性是(男性，對數位產品感興趣，收入中上，最近購買觸控手機)
用戶U2
的特徵屬性是(女性，對玩偶裝備感興趣，收入中，最近購買MP3)
用戶U3
的特徵屬性是(女性，對運動裝備感興趣，收入高，最近購買觸控手機)。
那麼，參閱圖3所示，本申請實施例中，廣告投放管理裝置11基於廣告投放效果對廣告投放進行管理的詳細流程如下：
步驟300：確定某用戶登錄網站系統後，根據該用戶瀏覽網站時的操作行為獲得相應的特徵屬性集合，並根據該特徵屬性集合在預設的規則庫中選擇相匹配的規則，該規則用於選擇符合所述用戶的特徵屬性的備選廣告。
例如，對於用戶U1
的訪問(男性，對數位產品感興趣，收入中上，最近購買觸控手機，訪問時段在週末上午，經常訪問新聞類廣告位置)，透過函數H similarity
(U 1
,F i
)可以計算規則庫10中所有規則和U1
的相似度數值，然後對相似度數值進行倒排序，根據設定的閾值，取排名在TopX的規則，這些規則就是在規則庫中找到的與用戶U1的特徵屬性相同或者相似的規則。
當然，上述F
=(F a
,F b
,F c
,F d
,F e
,F f
)僅為一種舉例，實際應用中，若基於實際應用環境，增加了更多定義的向量集合，如F
=(F 1
,F 2
,......,F n
)，F a
,F b
,F c
,F d
,F e
,F f
是其中的六種，則上述公式同樣適用，其中，x，yF，F
=(F 1
,F 2
,......,F n
)，i取值[1，n]，F 0
~F n
為規則庫中預設的用於描述各類廣告屬性的集合，F 0
~F n
用於組建F i
，j為F i
中包含的分量。
經過採用檢索函數H similarity
，針對用戶U1可以選中規則R1：(男性用戶，對數位產品感興趣，收入中上，最近購買觸控手機，經常訪問新聞類廣告位置，點擊的廣告是MP3，廣告產品價格<2000元，投放時段是週末，投放該廣告的廣告主信用大於10分，廣告採用flash展現，廣告採用關鍵字精確方式投放，0.2元<點擊競價收入均價<0.4元)。
實際應用中，最終選擇的規則可以是一條，也可以是多條，本申請實施例中，假設選中的與登錄用戶的用戶特徵集合相匹配的規則為R4，R5，R6。
步驟310：根據選中的規則篩選出相應的備選廣告。
例如，假設選中的與用戶特徵集合相匹配的規則為R4，R5，R6，那麼接著，將用戶ID和從選中的規則中提取的關鍵字作為參數，傳遞給廣告搜尋引擎，由廣告搜尋引擎根據獲得的參數搜尋出相應的備選廣告。本實施例中，假設廣告搜尋引擎根據選中的規則R4、R5和R6，篩選出相應的備選廣告分別為廣告A、廣告B和廣告C。
步驟320：對獲得的備選廣告進行機率競選。
本申請實施例中，採用以下方式對備選廣告進行機率競選：
將根據規則R4、R5和R6篩選出的備選廣告表示為：，其中，i是對應的規則下標，j表示具體獲得的備選廣告數量，本實施例中，i的取值是4，5，6。那麼，所有篩選出的備選廣告展開如下：
機率競選步驟如下：根據計算的機率競選評分H result
的數值，對選擇的規則Ri進行倒排序，採用的函數是H result
(x
,y
)=e βS
×H similarity
(x
,y
)，其中，β為預設的效果膨脹因數，初始設為1，管理人員可以根據β參數選取的測試效果來最佳化，S為y對應的規則的效果分數，x
,y F abcd
，F abcd
=(F a
,F b
,F c
,F d
)，x表示用戶特定訪問對應的廣告位置向量F ab
和用戶特徵向量F cd
的連接向量，歸屬於F abcd
，y表示選定的規則R中的廣告位置分量F ab
和用戶特徵分量F cd
的連接向量，也歸屬於F abcd
。
對排序完的Ri進行TopX(排名前X的結果)選取，再針對選取的TopX，確定相應的備選廣告，此處，假設X=2，那麼最終確定選取的規則就是R4、R5，而相應的備選廣告即是廣告A和廣告B，表示為,，將此廣告集合簡記為Ad。
最後，針對集合Ad再次進行隨機抽樣，抽樣數目為Y(依據系統的參數設定，假設Y=1)，那麼，最終得到的機率競選結果可以是廣告A，也可以是廣告B。
步驟330：對最終選中的廣告進行投放展現。
步驟340：監測用戶針對最終投放的廣告的操作行
為，並根據收集的廣告投放效果資料對規則庫10進行更新。
在上述步驟340中，在對最終選中的廣告進行投放展現後，進而在步驟350中對投放產生的日誌進行即時記錄收集。日誌記錄的主要內容包含但不限於：用戶id，訪問時間，點擊的廣告位置，瀏覽的廣告位置，收藏的產品等。
在與投放時間相隔一段時間後，對上述廣告的投放效果進行計算，具體為計算廣告的投放效果資料(包括效果分數S和支援度N)，再根據計算出的廣告投放效果資料，對規則庫10中保存的規則進行更新，本申請實施例中，對規則庫10進行更新時包括兩種操作：1、根據廣告投放效果資料提取出對應的新規則添加至規則庫10中，2、根據廣告投放效果資料對規則庫10中現有的規則進行最佳化。
所謂提取即是指將大量出現(即機率大於某個閾值)的廣告效果統計指標向量F stat
轉化為規則。
例如，用戶U在某個時間段T，訪問了特定的一個網頁W，網頁上的廣告位置P，該廣告位置P上展現的是廣告A，用戶看見廣告A後，點擊了廣告A的鏈結，進入廣告A進行推廣的產品詳情頁P，接著購買了該詳情頁P上的產品I，並收藏了產品J。用戶的這一系列的操作行為，會被系統記錄為：(U，T，W，P，A，I，J)，詳見前述的集合C和集合D；
接著，把記錄下的用戶U的一系列操作行為透過分析整理，對應保存為該用戶的特徵屬性集合。包括：T轉化成對應的投放的時段Ti、投放的季節Ts、是否有重大節日Tf等等；
再把W和P透過廣告用戶關係管理(Customer relationship management，CRM)系統中的廣告位置資料和已有廣告搜尋引擎中的廣告位置文本資料，轉化成規則庫10需要的廣告位置特徵資料集合，詳見前述的集合A；
最後，透過廣告CRM系統中的廣告資料，以及透過廣告客戶推廣產品系統，獲取A和I的詳細屬性，從而將二者合併後轉化為被投放的廣告特徵資料(詳見前述的集合F)
因而，用戶的一系列操作行為(U，T，W，P，A，I，J)將被轉換為前述的廣告效果統計指標向量F stat
。
然後根據公式
計算廣告效果統計指標向量F stat
的效果分數Snew
和F stat
的支持度Nnew
，當snew
>設定的閾值，並且Nnew
>設定的閾值時，若F stat
不存在於規則庫10中，則將F stat
作為提取出的新規則選取進入規則庫10，這樣便完成了新規則的提取。
若F stat
已存在於規則庫10中，則將規則庫10中原有保存的向量F stat
的效果分數記錄為Sold
，支援度記錄為Nold
，接著，依據下述公式計算合併效果分數：S 合
=α
×S old
+(1-α
)S new N 合
=β
×N old
+(1-β
)N new
根據計算結果，若S 合
>設定閾值，以及N 合
>設定閾值，則將規則庫10中原有保存的規則F stat
的Sold
更新為S 合
，將Nold
更新為N 合
；若S 合
<設定閾值，或者N 合
<設定閾值，則將對應的規則F stat
從規則庫10中刪除，這樣，便完成了對已有規則的最佳化。
上述支援度N的計算函數為Support
(x
)：，其中，設某一個時間段裏面，記錄的F stat
向量集合記為SetF
，x F stat
。
另一方面，在上述實施例中，為了在執行步驟300後，較佳地，還需要對選中的規則進行遺傳變異，以在規則庫10中添加新的規則。可以對選中的規則都進行遺傳變異，也可以對選中的規則進行隨機抽樣，對抽取到的規則進行遺傳變異。
本申請實施例中，可以採用的遺傳變異方式包含但不限於：使用遺傳演算法對步驟300中選取的規則進行交叉變異，其具體為：假設進行遺傳變異的規則為R4=(F a
,F b
,F c
,F d
,F e
,F f
,F g
)，和R5=(F a
,F b
,F c
,F d
,F e
,F f
,F g
)那麼，
首先，將規則R4，R5進行編碼，可以採用自然編碼方式。
接著，選規則R4和R5的變異點，為了減少變異產生大量無用後代，變異點可以選擇為F d
和F e
間的位置，具體位置如下面的雙豎線所示：(F a
,F b
,F c
,F d
∥F e
,F f
,F g
)
那麼，便可以將R4=(F a
,F b
,F c
,F d
,F e
,F f
,F g
)根據變異點的位置，拆分為：(F a
,F b
,F c
,F d
)和(F e
,F f
,F g
)
然後，將拆分出的向量進行交叉連接：(F a
,F b
,F c
,F d
)和(F e
,F f
,F g
)'
連接得到(F a
,F b
,F c
,F d
,(F e
,F f
,F g
)'
)(F a
,F b
,F c
,F d
)'
和(F e
,F f
,F g
)'
連接得到((F a
,F b
,F c
,F d
)'
,F e
,F f
,F g
)
這樣，便獲得遺傳變異後的新規則(F a
,F b
,F c
,F d
,(F e
,F f
,F g
)'
)和((F a
,F b
,F c
,F d
)'
,F e
,F f
,F g
)。
在上述實施例中，對已有規則進行遺傳變異，可以在基於歷史效果選取top最優的規則的同時，給予廣告投放策略適當機率的“變異”，這些變異保證了規則庫10的“進化”，可以發現和挖掘新的規則，有利於拓展廣告的投放模式。
綜上所述，本發明實施例中，為了對好的投放經驗進
行累積，引入了規則庫10的概念，它針對過去廣告投放後帶來的諸多效果，依據投放關聯的諸多因素進行分類，並對每一類別的投放效果中較好的部分進行統計歸納，總結出每類投放中較優的一些投放匹配規則，並線上不斷進行遺傳進化，累積出來指導日後的規則庫10的更新。這樣，使得基於規則庫10的廣告投放變得簡單易行，能夠較好地實現廣告投放的全局最優。另一方面，除了線上指導投放，規則庫10也是經驗的總結保留，離線可以指導業務的發展和創新等。
規則庫10的建立和進化均直接依據於廣告投放效果，廣告投放效果的有所變化，將會透過規則庫10即時地反應在其保存的用於指導廣告選擇的各類規則上，使得廣告的選擇完全依賴於其投放效果，這樣，便形成了：廣告投放--投放效果跟蹤--規則更新--廣告再投放，這樣一種大的投放迴圈，從而令目的和手段得到了統一。簡而言之，規則庫10的更新進化是即時的基於廣告效果來實現的，可以令各種規則的最佳化得以自動化和即時化，具有實現代價小，週期短和最佳化速度快等優點。這樣，便無需盲目地減少廣告投放量，而是根據用戶的實際需求有目的有針對性的投放相應的廣告，而減少不必要廣告的投放量，從而在保證廣告投放效果的基礎上，減少了網站廣告在投放時傳輸的資料量，提高了系統的資料傳輸速度，進而提升了網站的服務品質。
顯然，本領域的技術人員可以對本發明中的實施例進
行各種改動和變型而不脫離本發明的精神和範圍。這樣，倘若本發明實施例中的這些修改和變型屬於本發明申請專利範圍及其等同技術的範圍之內，則本發明中的實施例也意圖包含這些改動和變型在內。
10‧‧‧規則庫
11‧‧‧廣告投放管理裝置
12‧‧‧廣告搜尋引擎
110‧‧‧獲取單元
111‧‧‧第一處理單元
112‧‧‧第二處理單元
圖1為本申請實施例中廣告投放管理系統體系架構圖；圖2為本申請實施例中廣告投放管理裝置功能結構圖；圖3為本申請實施例中基於廣告投放效果對廣告投放進行管理流程圖。
Claims (10)
- 一種提高網站資料傳輸速度的方法，其特徵在於，包括：根據用戶瀏覽網站時的操作行為獲得相應的特徵屬性集合，再根據該特徵屬性集合在預設的規則庫中獲取與該特徵屬性集合相匹配的至少一條規則；根據獲得的至少一條規則篩選出與該規則約束的場景相對應的至少一條廣告，並向該用戶投放該至少一條廣告；監測該用戶針對該至少一條廣告的投放產生的操作行為，並將收集的相關參數轉化為相應的規則對該規則庫進行更新。
- 如申請專利範圍第1項所述的方法，其中，根據該特徵屬性集合在預設的規則庫中獲取與該特徵屬性集合相匹配的至少一條規則時，包括：計算該規則庫中各條規則與該特徵屬性集合的相似度；按照相似度從大到小順序對該各條規則進行排序；從相似度最大的規則起始，選取設定數目的規則。
- 如申請專利範圍第2項所述的方法，其中，採用公式計算該相似度，其中，x，yF，F =(F 1 ,F 2 ,......,F n )，i取值[1，n]，F 0 ~F n 為規則庫中預設的用於描述各類廣告屬性的集合，F 0 ~F n 用於組建F i ，j為F i 中包含的分量。
- 如申請專利範圍第3項所述的方法，其中，根據獲得的至少一條規則篩選出與該規則約束的場景相對應的至少一條廣告，包括：基於獲得的至少一條規則，透過廣告搜尋引擎，獲取相應的備選廣告；採用公式H result (x ,y )=e βS ×H similarity (x ,y )，計算獲得的至少一條規則的機率競選評分；根據機率競選評分從大到小的順序對相應的規則進行排序，並從機率競選評分最大的規則起始，選擇設定數目的規則；將該設定數目的規則對應的至少一條備選廣告確定為最終選擇投放的廣告。
- 如申請專利範圍第1-4項任一項所述的方法，監測該用戶針對該至少一條廣告的投放產生的操作行為，並將收集的相關參數轉化為相應的規則對該規則庫進行更新時，包括：基於該用戶針對該至少一條廣告的投放產生的相關操作行為，根據收集的相關參數提取出新生成的規則；計算該新生成的規則的效果分數Snew 和支援度Nnew ；若該新生成的規則不存在於規則庫中，並且Snew 和Nnew 分別大於相應的設定閾值時，將該新生成的規則添加至規則庫中；若該新生成的規則已存在於規則庫中，則計算新生成 的規則和規則庫中原有保存的規則的合併效果分數S 合 和合併支援度N 合 ，如果S 合 和N 合 分別大於相應的設定閾值，則將S 合 和N 合 保存至規則庫中；如果S 合 或N 合 小於相應的設定閾值，則將該新生成的規則從該規則庫中刪除。
- 如申請專利範圍第5項所述的方法，其中，採用公式計算該新生成的規則的效果分數 Snew ，以及採用公式計算該新生成的規則 的支援度Nnew ，其中，，w i 預設的專家權重係數；，是歸一函數；F stat 用於表示新生成的規則，x F stat ，SetF 為某一個時間段裏面記錄的F stat 向量集合。
- 如申請專利範圍第5項所述的方法，其中，採用公式計算新生成的規則和規則庫中原有保存的規則的合併效果分數S 合 和合併支援度N 合 ，其中，α 和β 為預設的膨脹因數，Sold 和Nold 為該原有保存的規則的效果分數和支援度。
- 如申請專利範圍第1-4項任一項所述的方法，其中，根據該特徵屬性集合在預設的規則庫中獲取與該特徵屬性集合相匹配的至少兩條規則時，根據遺傳演算法對該至少兩條規則進行交叉變異。
- 一種用於提高網站資料傳輸速度的裝置，其特徵在於，包括：獲取單元，用於根據用戶瀏覽網站時的操作行為獲得 相應的特徵屬性集合，並根據該特徵屬性集合在預設的規則庫中獲取與該特徵屬性集合相匹配的至少一條規則；第一處理單元，用於根據獲得的至少一條規則篩選出與該規則約束的場景相對應的至少一條廣告，並向該用戶投放該至少一條廣告；第二處理單元，用於監測該用戶針對該至少一條廣告的投放產生的操作行為，並將收集的相關參數轉化為相應的規則對該規則庫進行更新。
- 一種用於提高網站資料傳輸速度的系統，其特徵在於，包括：規則庫，用於保存用以搜尋廣告的各種規則；廣告投放管理裝置，用於根據用戶瀏覽網站時的操作行為獲得相應的特徵屬性集合，再根據該特徵屬性集合在預設的規則庫中獲取與該特徵屬性集合相匹配的至少一條規則，再根據獲得的至少一條規則篩選出與該規則約束的場景相對應的至少一條廣告，並向該用戶投放該至少一條廣告，以及監測該用戶針對該至少一條廣告的投放產生的操作行為，並將收集的相關參數轉化為相應的規則對該規則庫進行更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW099106917A TWI499990B (zh) | 2010-03-10 | 2010-03-10 | Method, device and system for improving the transmission speed of website data |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW099106917A TWI499990B (zh) | 2010-03-10 | 2010-03-10 | Method, device and system for improving the transmission speed of website data |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201133366A TW201133366A (en) | 2011-10-01 |
| TWI499990B true TWI499990B (zh) | 2015-09-11 |
Family
ID=46751185
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW099106917A TWI499990B (zh) | 2010-03-10 | 2010-03-10 | Method, device and system for improving the transmission speed of website data |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI499990B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914468B (zh) * | 2012-12-31 | 2018-01-09 | 阿里巴巴集团控股有限公司 | 一种投放信息搜索的方法和装置 |
| CN112651792A (zh) * | 2021-02-01 | 2021-04-13 | 上海酷量信息技术有限公司 | 一种根据用户所处场景需求选择广告的***和方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010014868A1 (en) * | 1997-12-05 | 2001-08-16 | Frederick Herz | System for the automatic determination of customized prices and promotions |
| US20060271441A1 (en) * | 2000-11-14 | 2006-11-30 | Mueller Raymond J | Method and apparatus for dynamic rule and/or offer generation |
| US20070073585A1 (en) * | 2005-08-13 | 2007-03-29 | Adstreams Roi, Inc. | Systems, methods, and computer program products for enabling an advertiser to measure user viewing of and response to advertisements |
| US20080040666A1 (en) * | 2006-05-25 | 2008-02-14 | Qualcomm Incorporated | Target advertisement in a broadcast system |
| US20080224906A1 (en) * | 2007-03-12 | 2008-09-18 | Robert Plamondon | Systems and methods for identifying long matches of data in a compression history |
| TW200907842A (en) * | 2007-04-24 | 2009-02-16 | Yahoo Inc | System for displaying advertisements associated with search results |
-
2010
- 2010-03-10 TW TW099106917A patent/TWI499990B/zh active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010014868A1 (en) * | 1997-12-05 | 2001-08-16 | Frederick Herz | System for the automatic determination of customized prices and promotions |
| US20060271441A1 (en) * | 2000-11-14 | 2006-11-30 | Mueller Raymond J | Method and apparatus for dynamic rule and/or offer generation |
| US20070073585A1 (en) * | 2005-08-13 | 2007-03-29 | Adstreams Roi, Inc. | Systems, methods, and computer program products for enabling an advertiser to measure user viewing of and response to advertisements |
| US20080040666A1 (en) * | 2006-05-25 | 2008-02-14 | Qualcomm Incorporated | Target advertisement in a broadcast system |
| US20080224906A1 (en) * | 2007-03-12 | 2008-09-18 | Robert Plamondon | Systems and methods for identifying long matches of data in a compression history |
| TW200907842A (en) * | 2007-04-24 | 2009-02-16 | Yahoo Inc | System for displaying advertisements associated with search results |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201133366A (en) | 2011-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107862553B (zh) | 广告实时推荐方法、装置、终端设备及存储介质 | |
| US20110218859A1 (en) | Method, Apparatus and System for Increasing Website Data Transfer Speed | |
| US11843651B2 (en) | Personalized recommendation method and system, and terminal device | |
| TWI451275B (zh) | 促進內容與網路中廣告資訊匹配之系統及方法 | |
| KR101003045B1 (ko) | 인공지능에 기반한 개인별 맞춤형 광고 제공 장치 및 방법,그 기록 매체 | |
| US9706008B2 (en) | Method and system for efficient matching of user profiles with audience segments | |
| US9817896B2 (en) | Search query scoring and popularity monitoring and systems and methods therefor | |
| KR101947667B1 (ko) | 비디오 검색용 시청 시간 클러스터링 | |
| TW201520936A (zh) | 使用者參與度上下文相關之非保證交付自動標價 | |
| TW201447797A (zh) | 內容個人化之多相排序方法和系統 | |
| US20110246277A1 (en) | Multi-factor promotional offer suggestion | |
| CN101375306A (zh) | 用于提供用户定制事件的***和方法 | |
| CN103220305A (zh) | 网络媒介信息的分享处理***和处理方法 | |
| CN107818156A (zh) | 一种实时个性化新闻推荐方法及*** | |
| US10331713B1 (en) | User activity analysis using word clouds | |
| JP6917348B2 (ja) | 提供装置、提供方法、及び提供プログラム | |
| JP2006053616A (ja) | サーバ装置、ｗｅｂサイト推奨方法およびプログラム | |
| KR102397385B1 (ko) | Ｏ２ｏ 기반 저장쿠폰을 이용한 맞춤형 쿠폰 서비스 제공 방법 | |
| TWI499990B (zh) | Method, device and system for improving the transmission speed of website data | |
| US20150142782A1 (en) | Method for associating metadata with images | |
| JP2018185575A (ja) | 提供装置、提供方法、及び提供プログラム | |
| JP4774084B2 (ja) | 広告配信装置、広告配信システムおよび広告配信方法 | |
| JP2008269537A (ja) | 関連性のある広告を供給するための方法及びシステム | |
| US20150248491A1 (en) | Data processing device and data processing method | |
| WO2014178469A1 (ko) | 광고 컨텐츠 제공 시스템 |