[发明专利]一种广告推荐方法、装置及电子设备

说明书

本公开关于一种广告推荐方法、装置及电子设备，通过获取目标用户的用户基础特征和用户行为数据，根据用户基础特征，得到用户特征向量，并根据用户行为数据，得到广告特征向量，利用用户特征向量与广告特征向量生成用户嵌入向量，获取各待推荐广告的广告创意嵌入向量，分别计算用户嵌入向量与各广告创意嵌入向量的相似度，最后按照各相似度，向目标用户推荐待推荐广告。从而实现从大量广告创意中，根据用户的特征，选择相应的广告创意，提高广告推荐效率，提升用户体验。

技术领域

本公开涉及信息技术领域，尤其涉及一种广告推荐方法、装置及电子设备。

背景技术

相关技术中，随着移动互联网越来越普及，越来越多的公司将广告投放到新闻、社交等媒体平台上，从而提高品牌影响力。其中广告创意作为广告的重要部分，好的创意可以在广告推荐系统中获取更大的曝光率。因此越来越多的公司通过使用程序化创意来提升广告创意的数量，以便获得更好的广告创意。

然而，随着广告创意数量的增加，通过广告推荐系统向用户进行广告推荐时，可能会导致向用户所推荐的广告并非用户所需要的广告，或者，在推荐时，用户所需要的广告推荐较少的情况，导致广告推荐的效率较低。因此如何从大量广告创意中选择出用户所需要的广告，成为当前所面临的问题。

发明内容

本公开提供一种广告推荐方法、装置及电子设备，以至少解决相关技术中向用户推荐的广告不满足用户需要的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种广告推荐方法，包括：

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

对用户基础特征进行向量化，得到用户特征向量；

对用户行为数据进行向量化，得到广告特征向量；

将用户特征向量与广告特征向量合并组成特征矩阵，并对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，分别计算用户嵌入向量与各广告创意嵌入向量的相似度，其中，待推荐广告的广告创意嵌入向量表示用户与待推荐广告的交互行为；

选取相似度最高的前S个待推荐广告向目标用户进行推送。

可选的，将用户特征向量与广告特征向量合并组成特征矩阵，并对特征矩阵进行降维得到用户嵌入向量，包括：

利用用户特征向量与广告特征向量，组成特征矩阵；

通过预设算法对特征矩阵进行降维，得到用户嵌入向量。

可选的，在获取各待推荐广告的广告创意嵌入向量，分别计算用户嵌入向量与各广告创意嵌入向量的相似度之前，上述方法还包括：

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广告创意嵌入向量，其中，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。

可选的，获取各待推荐广告的广告创意嵌入向量，分别计算用户嵌入向量与各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用户嵌入向量与各待推荐广告的广告创意嵌入向量的相似度，得到各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为用户嵌入向量，B为广告创意嵌入向量，θ为所述用户嵌入向量与所述广告创意嵌入向量的夹角。