[发明专利]一种在线招聘广告推荐的实时竞价方法及其系统

说明书

本发明公开了一种在线招聘广告推荐的实时竞价方法及其系统。所述方法提出了一个基于多目标优化参数更新的自动编码器(AutoEncoder)集成技术来设计实时竞价广告推荐策略。由此形成的系统为在线求职人员提供更方便、更快捷、更精确的职位广告推荐。同时，系统可以在多平台(手机、电脑、iPad)上提供同样水准的优质服务。系统在职位广告推荐精确度和平台多样性上有较好的效果，求职人员可以得到更精准的职位选择，广告主可以寻找到符合公司需求的员工，本系统可以获得更多广告主投资，最终实现多方利益最大化。

技术领域

本发明涉及神经网络深度学习领域中的一种实时竞价系统，尤其涉及一种在线招聘广告推荐的实时竞价方法及其系统。

背景技术

随着经济的快速发展，社会就业竞争越来越激烈。很多求职人员通过人才市场的招聘，以及各媒体广告的宣传等方式找到适合自己的工作岗位。虽然这些方式在一些岗位上可以取得好的效果，但是很难适应社会大量求职人员的需求。如今，随着互联网应用以及大数据技术的快速发展，广告经常出现在多种网站或移动设备上，使得当今的广告推广方式比传统的广告推广方式更方便、更快捷。实时竞价在线广告在互联网广告推广中占据越来越大的比重，大幅度提高了广告营销的实际效果。

传统的互联网广告生态链一般最多只有三方，分别是广告主、广告代理商以及互联网媒体。而在实时竞价广告交易模式中，原有的广告生态链发生了变化，整个生态链包括广告主、广告需求平台、广告交易平台以及互联网媒体四个主体。广告主将自己的广告需求投放到广告需求平台上，互联网媒体将自己的广告流量资源放到广告交易平台，广告需求平台通过与广告交易平台的技术对接完成竞价购买。

现有广告推荐技术中大多使用聚类、协同过滤等方法对模型进行训练，例如基于层次聚类的方法需要存储相似度矩阵，不适合处理较大规模的数据；基于密度的聚类算法对簇群密度相差较大的数据聚类效果不佳；基于协同过滤方法难以对稀疏广告数据进行精确的匹配推荐，并且对于新加的广告数据，系统计算负荷量将增大。

中国专利说明书CN-104063801公开了一种基于聚类的移动广告推荐方法，根据用户簇群的特征在移动广告投放平台中进行查询，找出与用户簇群相匹配的广告类别并将其加入到该用户广告推荐序列中。由于用户簇群密度的不一致性，该聚类方法不能取得较好的效果。

中国专利说明书CN-106095841公开了一种基于协同过滤的移动互联网广告推荐方法，通过用户兴趣相似度和用户行为轨迹相似度进行广告推荐。考虑到网上用户数据的稀疏性，协同过滤方法难以实现用户和广告之间的精确匹配。

发明内容

针对现有技术中的一些不足，本发明提供了一种在线招聘广告推荐的实时竞价方法及其系统，其属于一个利用多目标优化算法进行参数更新的自动编码器(AutoEncoder)集成策略，通过特征选择方法和多目标优化算法对自动编码器参数进行更新，学习求职人员和广告信息特征，实现求职人员信息和广告信息的精确匹配；具体地说是一个基于多目标优化参数更新的自动编码器集成技术来设计实时竞价广告推荐策略，训练多个自动编码器，从而实现在线广告推荐系统拥有更高的精确度和更好的多平台适应性。

本发明的解决方案是：一种在线招聘广告推荐的实时竞价方法；其包括以下步骤：

步骤1、求职人员登录网页，广告供应平台通过求职人员ID在与所述广告供应平台相对应的求职人员信息数据库中搜索并获取求职人员信息特征集合；

步骤2、广告供应平台将求职人员的信息特征集合传送到广告交易平台，广告交易平台发送包含求职人员信息特征集合的竞价请求信号到广告需求平台；

步骤3、广告需求平台根据竞价请求信号搜索匹配的广告信息特征集合；