[发明专利]一种基于多阶特征组合的种子人群拓展方法

说明书

本发明公开了一种基于多阶特征组合的种子人群拓展方法，包括以下步骤：步骤S1、接收广告客户提供的人群数据，并对所述人群数据进行标签量化获得种子拓展样本集；步骤S2、依次对种子拓展样本集进行特征量化实现单阶特征提取，并对所有所述单阶特征实现编码组合获得种子拓展组合特征集。本发明采用大数据建模技术在软件中实现对大规模用户广告日志数据的特征处理，同时构建多阶特征组合数据并进行最优特征筛选，从而建立最优种子人群拓展模型，对广告客户的种子人群进行相似人群的拓展，实现广告客户精准触达用户的需求，有效帮助广告客户挖掘高潜新客。

技术领域

本发明涉及广告投放技术领域，具体涉及一种基于多阶特征组合的种子人群拓展方法。

背景技术

与传统的广告投放相比，精准投放广告目标受众更精准，广告成本更具经济性。因此，广告客户越来越重视广告投放的效果可衡量性，并且越来越依赖于精准投放。虽然广告客户在互联网平台投放广告时，非常明确自身的产品和广告所要触达的用户群体，但是广告平台一般只能提供受限制的预定义的用户标签供广告客户选择，这些标签一般都比较宽泛，不能满足广告客户对精准投放的需求。

传统的基于标签的人群拓展，一般通过广告平台提供的年龄、性别、地域、兴趣等标签圈定投放的目标人群，这些基于种子用户基本属性设定的标签，仅通过宽泛的阈值进行种子人群的拓展，不会对用户数据进行特征选择导致无法获取最优特征对用户数据建立的聚类模型精准度低，达不到广告客户预期的效果。而且，不同的广告客户自身的数据丰富程度不同，存在一些广告客户很难收集到比较全面的用户数据，无法做种子用户画像并按标签拓展人群，传统的基于标签的人群拓展不具有普适性。

发明内容

本发明的目的在于提供一种基于多阶特征组合的种子人群拓展方法，以解决现有技术中基于标签的人群拓展存在不精准不具有普适性的技术问题。

为解决上述技术问题，本发明具体提供下述技术方案：

一种基于多阶特征组合的种子人群拓展方法，包括以下步骤：

步骤S1、接收广告客户提供的人群数据，并对所述人群数据进行标签量化获得种子拓展样本集；

步骤S2、依次对种子拓展样本集进行特征量化实现单阶特征提取，并对所有所述单阶特征实现编码组合获得种子拓展组合特征集；

步骤S3、筛选种子拓展组合特征集获得最优种子拓展组合特征，并基于最优种子拓展组合特征建立种子人群拓展模型。

作为本发明的一种优选方案，所述步骤S1中，所述人群数据为访问广告客户门户的日志数据，所述人群数据的种子标签包括为1和0，基于logistic回归函数对人群数据进行标签量化，具体方法为：

统计所有所述人群数据中访问广告客户门户的日志时长，并代入logistic回归函数计算获得人群数据的种子标签概率，logistic回归函数公式为：

其中，t为时长数据；

将所述种子标签概率量化为种子标签1和0：

若种子标签概率大于logistic回归函数分界线，则种子标签为1；

若种子标签概率小于logistic回归函数分界线，则种子标签为0。

作为本发明的一种优选方案，所述种子拓展样本集包括种子样本集和非种子样本集，获得种子拓展样本集的具体方式为：

依次汇总种子标签为1的人群数据构成种子样本集，汇总种子标签为0的人群数据构成非种子样本集。

作为本发明的一种优选方案，所述步骤S2中，对种子拓展样本集进行特征量化的具体方式为：

依次对所述种子样本集和非种子样本集中的进行特征提取获得第一连续性特征和第二离散型特征；