[发明专利]一种广告推荐方法、装置及电子设备

权利要求书

1.一种广告推荐方法，其特征在于，包括：

获取目标用户的用户基础特征，获取所述目标用户的用户行为数据，其中，所述用户基础特征包括用户的个人特征属性，所述用户行为数据包括用户与广告交互的行为；

对所述用户基础特征进行向量化，得到用户特征向量；

对所述用户行为数据进行向量化，得到广告特征向量；

将所述用户特征向量与所述广告特征向量合并组成特征矩阵，并对所述特征矩阵进行降维得到用户嵌入向量；

获取各待推荐广告的广告创意嵌入向量，分别计算所述用户嵌入向量与各所述广告创意嵌入向量的相似度，其中，所述待推荐广告的广告创意嵌入向量表示用户与所述待推荐广告的交互行为；

选取相似度最高的前S个待推荐广告向所述目标用户进行推送。

2.根据权利要求1所述的方法，其特征在于，所述将所述用户特征向量与所述广告特征向量合并组成特征矩阵，并对所述特征矩阵进行降维得到用户嵌入向量，包括：

利用所述用户特征向量与所述广告特征向量，组成特征矩阵；

通过预设算法对所述特征矩阵进行降维，得到所述用户嵌入向量。

3.根据权利要求1所述的方法，其特征在于，在所述获取各待推荐广告的广告创意嵌入向量，分别计算所述用户嵌入向量与各所述广告创意嵌入向量的相似度之前，所述方法还包括：

根据历史数据，确定n个长期历史用户嵌入向量与m个短期历史用户嵌入向量，通过第一预设公式得到所述广告创意嵌入向量，其中，所述第一预设公式为：

A_i为第i个长期历史用户嵌入向量，A_j为第j个短期历史用户嵌入向量，B为广告创意嵌入向量，α为预设的比例因子。

4.根据权利要求1所述的方法，其特征在于，所述获取各待推荐广告的广告创意嵌入向量，分别计算所述用户嵌入向量与各所述广告创意嵌入向量的相似度，包括：

获取各待推荐广告的广告创意嵌入向量，通过第二预设公式计算所述用户嵌入向量与各所述待推荐广告的广告创意嵌入向量的相似度，得到各所述待推荐广告对应的相似度，其中，第二预设公式为

similarity为相似度，A为所述用户嵌入向量，B为所述广告创意嵌入向量，θ为所述用户嵌入向量与所述广告创意嵌入向量的夹角。

5.根据权利要求1所述的方法，其特征在于，所述获取多个所述用户嵌入向量与各所述广告创意嵌入向量的相似度，选取前S个相似度最高的待推荐广告向所述目标用户进行推送，包括：

获取多个所述用户嵌入向量与各所述广告创意嵌入向量的相似度，按照各所述相似度大小降序的顺序，将各所述相似度对应的待推荐广告进行排序，得到待推荐广告序列；

在所述待推荐广告序列中选取前S个待推荐广告，按照排序向所述目标用户推荐选取的待推荐广告。

6.根据权利要求1所述的方法，其特征在于，所述通过预设算法对所述特征矩阵进行降维，得到所述用户嵌入向量，包括：

通过预设公式：

采用逐层贪婪法对所述特征矩阵进行降维，得到所述用户嵌入向量，

其中，E为误差，x_i为输入矩阵，为输出矩阵。