[发明专利]一种电梯传媒终端个性化广告推送方法

权利要求书

1.一种电梯传媒终端个性化广告推送方法，其特征在于，推送方法步骤如下：

步骤1、服务器收集移动应用广告并预处理形成广告系统；

步骤2、从系统中获取用户画像，并进行向量化；

步骤3、服务器使用基于RBF神经网络和用户画像的混合推荐算法对所述步骤1中的广告数据进行混合式推荐计算；

步骤4、计算用户向量模型与RBF神经网络算法推荐结果之间的相似度，进行结果推荐。

2.根据权利要求1所述的一种电梯传媒终端个性化广告推送方法，其特征在于，所述步骤3中基于RBF神经网络和用户画像的混合推荐算法是在用户的行为基础上引入RBF神经网络算法对广告进行评分。

3.根据权利要求2所述的一种电梯传媒终端个性化广告推送方法，其特征在于，所述步骤3中引用RBF神经网络算法对广告进行评分方法的步骤如下：

步骤3.1、设Y表示用户的评分向量, K表示稀疏度小于阈值的评分向量集合，计算稀疏度小于阈值的评分向量集合，将所有的评分向量与阈值比较，如果比阈值大，将该评分向量添加到K，否则跳转到步骤3.3；

步骤3.2、判断是否所有的评分向量都满足数据稀疏度的阈值，即判断步骤3.1处理后的评分向量集合Y与K是否相等；

步骤3.3、把评分向量作为RBF神经网络的输入，预测空缺评分项的值，降低矩阵稀疏度；

步骤3.4、把集合K中的每个用户与目标用户代入Pearson相似度计算公式，并且将得到的值与阈值进行比较；

步骤3.5、计算K中所有用户与目标用户的相似度，把值最高的N个用户作为目标用户的最近邻居集；

步骤3.6、预测目标用户对未来评分广告的评分。

4.根据权利要求1所述的一种电梯传媒终端个性化广告推送方法，其特征在于，所述步骤4中用户的向量模型还包括有用户的兴趣模型。

5.根据权利要求4所述的一种电梯传媒终端个性化广告推送方法，其特征在于，所述用户的兴趣模型建立方法步骤如下：

S1、收集用户的行为信息；

S2、对所述S1中搜集到的数据进行标签化，归一化计算，根据用户历史行为计算用户对某一广告标签的权重；

S3、依次计算所有广告标签的权重，形成的向量代表用户的兴趣爱好。

6.根据权利要求2或5所述的一种电梯传媒终端个性化广告推送方法，其特征在于，所述用户的行为包括用户的自然数据和行为数据。

7.根据权利要求1所述的一种电梯传媒终端个性化广告推送方法，其特征在于，所述步骤4中计算用户向量模型与RBF神经网络算法推荐结果之间的相似度采用的是余弦相似度算法。

8.根据权利要求1所述的一种电梯传媒终端个性化广告推送方法，其特征在于，当电梯内不存在用户时，广告系统通过热门标签、周边大部分群体喜欢资源综合判定进行推送。