[发明专利]一种基于数字媒体的播放排期智能生成方法有效
| 申请号: | 202110270761.9 | 申请日: | 2021-03-12 |
| 公开(公告)号: | CN112950277B | 公开(公告)日: | 2021-12-14 |
| 发明(设计)人: | 苏同;袁克雄 | 申请(专利权)人: | 华扬联众数字技术(深圳)有限公司 |
| 主分类号: | G06Q30/02 | 分类号: | G06Q30/02 |
| 代理公司: | 北京和信华成知识产权代理事务所(普通合伙) 11390 | 代理人: | 胡剑辉 |
| 地址: | 518000 广东省深圳市前海深港合作区前*** | 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 基于 数字 媒体 放排 智能 生成 方法 | ||
1.一种基于数字媒体的播放排期智能生成方法,其特征在于,包括以下步骤:
步骤S1、利用实时监控设备获取数字媒体处的通勤人数,并对所述通勤人数进行周期统计分析以实现对广告播放时间框架进行分段量化生成播放分段列表;
步骤S2、利用网络大数据构建数字媒体中广告的广告意向模型,并对广告订单数据进行映射匹配实现编码量化生成播放排期列表;
步骤S3、将所述播放分段列表和所述播放排期列表通过量化映射生成广告排期列表;
所述步骤S2中,利用网络大数据构建数字媒体中广告的广告意向模型的具体方式为:
步骤S201、利用互联网抓取用户多层购物搜索意向的相关数据实现对搜索层次的意向度的量化提取,所述意向度的计算公式为:
步骤S202、对搜索层次的相关度的量化提取,所述相关度的计算公式:
步骤S203、对搜索层次的关注度的量化提取,所述关注度的计算公式为:
步骤S204、利用遗传算法将所述意向度、相关度和关注度联合作为目标函数构建所述广告意向模型;
其中,ai,aj为第i,j个搜索层的意向关键词,i,j∈(1,N),Mai是所有对ai所在搜索层有出链的搜索层的意向关键词集合,L(aj)是aj所在搜索层的出链数目,Taj为aj所在搜索层的数目,N为搜索层总数。
2.根据权利要求1所述的一种基于数字媒体的播放排期智能生成方法,其特征在于:所述步骤S1,所述实时监控设备的拍摄范围与所述数字媒体的可视范围具有相一致的广度,生成所述播放分段列表的具体方法为:
步骤S101、对实时监控设备位于数字媒体的广告播放时间框架内的连续监控影像实现框架切割获得多个广告播放时间枝框架;
步骤S102、依次分别统计每个广告播放时间枝框架内的所述通勤人数并同步量化为所述广告播放时间枝框架的热度序列,热度序列的计算公式为:
其中,h为广告播放时间枝框架内的通勤人数,H为广告播放时间框架内的通勤人数;
步骤S103、基于热度序列对所有所述广告播放时间枝框架进行排序并同步将每个所述广告播放时间枝框架作为单独列表项生成播放分段列表。
3.根据权利要求1所述的一种基于数字媒体的播放排期智能生成方法,其特征在于:所述步骤S201中,利用互联网抓取用户多层购物搜索意向的相关数据生成搜索层次的具体方式为:
用户抓取多层购物搜索意向的相关数据并同步分层提取每层购物搜索意向中的意向关键词;
将所述意向关键词分层存储构成单个搜索层,并将所有搜索层保持多层购物搜索意向的层级深度以链表形式相连接构成搜索层次。
4.根据权利要求3所述的一种基于数字媒体的播放排期智能生成方法,其特征在于:所述步骤S204中,所述意向度、相关度和关注度利用最小化修正生成具有多目标搜索特性的目标函数,具体方式为:
意向度、相关度和关注度利用最小化修正分别为[y1(aj)]、[y2(aj)]、[y3(aj)];
将[y1(aj)]、[y2(aj)]、[y3(aj)]联合生成目标函数为:
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华扬联众数字技术(深圳)有限公司,未经华扬联众数字技术(深圳)有限公司许可,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/202110270761.9/1.html,转载请声明来源钻瓜专利网。





