[发明专利]一种广告投放系统、方法和可读存储介质在审

专利信息
申请号: 202010436115.0 申请日: 2020-05-21
公开(公告)号: CN111626774A 公开(公告)日: 2020-09-04
发明(设计)人: 孙至泽 申请(专利权)人: 广州欢网科技有限责任公司
主分类号: G06Q30/02 分类号: G06Q30/02;G06N3/04;H04N21/258;H04N21/25
代理公司: 北京细软智谷知识产权代理有限责任公司 11471 代理人: 谭承世
地址: 510000 广东省广州市番禺*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 广告 投放 系统 方法 可读 存储 介质
【说明书】:

一种广告投放系统、方法和可读存储介质,该系统包括:数据采集单元,用于采集电视节目数据信息;构建单元,用于利用电视节目数据信息构建最优用户画像;广告投放单元,用于根据最优用户画像投放广告。本申请提供的技术方案,不仅实现了智能投放广告,降低了人工成本;获取的用户画像还清晰,进一步提高了广告投放的准确度。

技术领域

本申请涉及广告投放技术领域,具体涉及一种广告投放系统、方法和可读存储介质。

背景技术

一直以来,广告是商家进行品牌推广的有效手段。广告不仅要迎合消费者的心理需求,同时又要保证消费者能够接受。

相关技术中,投放广告复杂,并且不够智能。前期需要人为分析出不同时间段观看智能电视的人群画像,然后选择对应的广告类型进行投放,但是由于得出的用户画像比较模糊,并且没有充分利用大数据和人工智能,所以投放的广告还是不太准确。

发明内容

为至少在一定程度上克服相关技术中存在得出的用户画像模糊,投放广告不准确的问题,本申请提供一种广告投放系统、方法和可读存储介质。

根据本申请实施例的第一方面,提供一种广告投放系统,所述系统包括:

数据采集单元,用于采集电视节目数据信息;

构建单元,用于利用所述电视节目数据信息构建最优用户画像;

广告投放单元,用于根据所述最优用户画像投放广告。

优选的,所述构建单元,包括:

数据处理模块,用于从所述电视节目数据信息中提取特征词;

第一获取模块,用于根据所述特征词,利用预设的第一机器学习模型、预设的第二机器学习模型和预设的第三机器学习模型分别构建第一待定用户画像、第二待定用户画像和第三待定用户画像;

确定模块,用于令所述第一待定用户画像、第二待定用户画像和第三待定用户画像中特征的平均值为最优用户画像的特征,确定最优用户画像。

优选的,所述系统,还包括:

第一建立单元,用于建立所述预设的第一机器学习模型;

第二建立单元,用于建立所述预设的第二机器学习模型;

第三建立单元,用于建立所述预设的第三机器学习模型。

进一步的,所述第一建立单元,具体用于:

以历史的电视节目数据信息中的特征词为第一机器学习模型的输入层训练样本,以历史的用户画像为第一机器学习模型的输出层训练样本,获取所述预设的第一机器学习模型。

进一步的,所述第二建立单元,具体用于:

以历史的电视节目数据信息中的特征词为第二机器学习模型的输入层训练样本,以历史的用户画像为第二机器学习模型的输出层训练样本,获取所述预设的第二机器学习模型。

进一步的,所述第三建立单元,具体用于:

以历史的电视节目数据信息中的特征词为第三机器学习模型的输入层训练样本,以历史的用户画像为第三机器学习模型的输出层训练样本,获取所述预设的第三机器学习模型。

进一步的,所述广告投放单元,包括:

第二获取模块,用于根据所述最优用户画像获取与所述最优用户画像对应的广告;

投放模块,用于根据广告排期将所述与所述最优用户画像对应的广告进行投放。

优选的,所述系统还包括:

数据库,用于存储历史的电视节目数据信息、历史的用户画像和广告。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州欢网科技有限责任公司,未经广州欢网科技有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010436115.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top