广告推荐的方法和装置制造方法及图纸

本发明专利技术涉及一种广告推荐的方法，包括：接收广告推荐请求，获取与广告推荐请求中的用户对应的根据反馈信息修正后的用户标签，所述反馈信息包括正反馈信息和负反馈信息，根据所述修正后的用户标签筛选出候选推荐广告，根据预估点击模型计算用户在当前展示页面对于所述各个候选推荐广告的预估点击概率，根据预估非感兴趣模型计算用户在当前展示页面对于所述各个候选推荐广告的预估非感兴趣概率，根据所述预估点击概率和预估非感兴趣概率从所述候选推荐广告中筛选得到目标推荐广告，在推荐广告的过程中，不仅考率了正反馈信息也考虑了负反馈信息，提高了广告推荐的精确度，此外还提供了一种广告推荐的装置。

【技术实现步骤摘要】
广告推荐的方法和装置
本专利技术涉及计算机
，特别是涉及一种广告推荐的方法和装置。
技术介绍
随着互联网技术的发展，通过互联网获取信息，生活、娱乐和工作成为人们生活的一部分。商家为了提高知名度，推广商品，往往通过互联网投放广告。现有的广告推荐方法往往基于用户的基本资料、个人对广告的点击行为进行建模的方法实现广告的推荐，但是这种推荐方法没有考虑用户对广告真实情感取向、兴趣程度的深度挖掘，尤其难以识别用户的负面情绪，甚至可能将用户负面情绪的行为识别为用户感兴趣的行为，推荐的广告难以避免对用户产生骚扰，广告推荐的精确度不高。
技术实现思路
基于此，有必要针对上述技术问题，提供一种广告推荐的方法和装置，提高广告推荐的精确度。一种广告推荐的方法，所述方法包括：接收广告推荐请求，获取与广告推荐请求中的用户对应的根据反馈信息修正后的用户标签，所述反馈信息包括正反馈信息和负反馈信息；根据所述修正后的用户标签筛选出候选推荐广告；根据预估点击模型计算用户在当前展示页面对于所述各个候选推荐广告的预估点击概率，根据预估非感兴趣模型计算用户在当前展示页面对于所述各个候选推荐广告的预估非感兴趣概率；根据所述预估点击概率和预估非感兴趣概率从所述候选推荐广告中筛选得到目标推荐广告。一种广告推荐的装置，所述装置包括：获取模块，用于接收广告推荐请求，获取与广告推荐请求中的用户对应的根据反馈信息修正后的用户标签，所述反馈信息包括正反馈信息和负反馈信息；候选推荐广告筛选模块，用于根据所述修正后的用户标签筛选出候选推荐广告；计算模块，用于根据预估点击模型计算用户在当前展示页面对于所述各个候选推荐广告的预估点击概率，根据预估非感兴趣模型计算用户在当前展示页面对于所述各个候选推荐广告的预估非感兴趣概率；目标推荐广告筛选模块，用于根据所述预估点击概率和预估非感兴趣概率从所述候选推荐广告中筛选得到目标推荐广告。上述广告推荐的方法和装置，通过接收广告推荐请求，获取与广告推荐请求中的用户对应的根据正反馈信息和负反馈信息修正后的用户标签，根据修正后的用户标签筛选出候选推荐广告，根据预估点击模型计算用户在当前展示页面对于各个候选推荐广告的预估点击概率，根据预估非感兴趣模型计算用户在当前展示页面对于各个候选推荐广告的预估非感兴趣概率，根据预估点击概率和预估非感兴趣概率从候选推荐广告中筛选得到目标推荐广告，在推荐广告的过程中，不仅考率了正反馈信息也考虑了负反馈信息，使用根据正反馈信息和负反馈信息修正后的用户标签得到候选推荐广告，提高了候选推荐广告的精确度，同时在计算用户对候选推荐广告的预估点击概率和预估非感兴趣概率时综合考虑了当前展示页面，使得预估点击概率和预估非感兴趣概率精确度更高，并且同时考虑预估点击概率和预估非感兴趣概率可使得筛选更精确，进一步提高了广告推荐的精确度。附图说明图1为一个实施例中广告推荐的方法的应用环境图；图2为一个实施例中图1中服务器的内部结构图；图3为一个实施例中广告推荐的方法的流程图；图4为一个实施例中修正用户标签的流程图；图5为一个实施例中得到预估点击模型和预估非感兴趣模型的流程图；图6为一个实施例中筛选目标推荐广告的流程图；图7为另一个实施例中筛选目标推荐广告的流程图；图8为一个实施例中广告推荐的方法实现的软件架构模型示意图；图9为一个实施例中广告推荐的装置的结构框图；图10为另一个实施例中广告推荐的装置的结构框图；图11为再一个实施例中广告推荐的装置的结构框图；图12为一个实施例中目标推荐广告筛选模块的结构框图；图13为另一个实施例中目标推荐广告筛选模块的结构框图。具体实施方式图1为一个实施例中广告推荐的方法运行的应用环境图，如图1所示，该应用环境包括终端110和服务器120，终端110和服务器120通过网络进行通信。终端110可为智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此。服务器120可以响应终端110发送的请求。在一个实施例中，图1中的服务器120的内部结构如图2所示，该服务器120包括通过系统总线连接的处理器、存储介质、内存和网络接口。其中，该服务器120的存储介质存储有操作系统、数据库和一种广告推荐的装置，数据库用于存储数据，如存储广告资源、用户资料和用户标签等，该装置用于实现一种适用于服务器120的广告推荐的方法。该服务器120的处理器用于提供计算和控制能力，支撑整个服务器120的运行。该服务器120的内存为存储介质中的广告推荐的装置的运行提供环境。该服务器120的网络接口用于与外部的终端110通过网络连接通信，比如接收终端110发送的请求以及向终端110返回数据等。如图3所示，在一个实施例中，提供了一种广告推荐的方法，以应用于上述应用环境中的服务器来举例说明，包括如下步骤：步骤S210，接收广告推荐请求，获取与广告推荐请求中的用户对应的根据反馈信息修正后的用户标签，反馈信息包括正反馈信息和负反馈信息。具体的，当用户需要打开有广告位的网页面面时，终端会发送广告推荐请求至服务器，服务器接收广告推荐请求，广告推荐请求中包含有用户信息，如用户标识用于唯一标识一个用户，用户标识可为登录应用的用户名或终端硬件标识或IP地址。如终端通过社交网络应用发送广告推荐请求，终端会自动获取当前登录的用户名，生成广告推荐请求发送至服务器，服务器通过广告推荐请求中包含的用户名确定用户。对于没有登录应用时发送的广告推荐请求，可以将终端硬件标识或IP地址用于标识用户的信息，服务器通过广告推荐请求中包含的硬件标识或IP地址确定用户。每个用户都有对应的用户标签，用户标签用于标记用户的兴趣、行为等特征，是通过分析用户的基本资料和点击行为数据得到的，用户的基本资料如年纪、性别、地域、职业等，点击行为数据包括正反馈信息和负反馈信息，正反馈信息是指用户点击了推荐广告后返回的信息，正反馈信息包括正点击次数、当前点击推荐广告的用户标识、当前点击的推荐广告所在页面、当前点击的推荐广告的广告标签等。负反馈信息是指用户反馈的负面情绪相关信息，如点击了反应负面情绪的按键，如广告不感兴趣按键，屏蔽按键或与我无关等按键，包括负点击次数、当前点击负面反馈按键的用户标识、当前点击的负面反馈按键所在页面、当前点击的负面反馈按键所属推荐广告的广告标签等。用户对应的用户标签会不断根据反馈信息进行修正，从而能更准确的判断用户需求，为后续使用修正后的用户标签筛选出更精确的候选推荐广告。步骤S220，根据修正后的用户标签筛选出候选推荐广告。具体的，广告资源存储在广告池中，每个广告都有对应的广告标签，用于描述广告的类别或投放范围，如一个儿童座椅广告的标签为“小于5岁”，一个连衣裙广告的标签为“女生”和“服装类”，根据用户标签与广告标签选择匹配的广告得到候选推荐广告。步骤S230，根据预估点击模型计算用户在当前展示页面对于各个候选推荐广告的预估点击概率，根据预估非感兴趣模型计算用户在当前展示页面对于各个候选推荐广告的预估非感兴趣概率。具体的，预估点击模型用于计算用户可能点击推荐广告的概率，将候选推荐广告所在当前展示页面特征、用户特征、候选推荐广告自身特征代入预估点击模型就可计算出用户对于候选推荐广告在当前展示页面的预估点击概率，概率越大表明用户越可能点击此候选推荐广告本文档来自技高网...

【技术保护点】
一种广告推荐的方法，所述方法包括：接收广告推荐请求，获取与广告推荐请求中的用户对应的根据反馈信息修正后的用户标签，所述反馈信息包括正反馈信息和负反馈信息；根据所述修正后的用户标签筛选出候选推荐广告；根据预估点击模型计算用户在当前展示页面对于所述各个候选推荐广告的预估点击概率，根据预估非感兴趣模型计算用户在当前展示页面对于所述各个候选推荐广告的预估非感兴趣概率；根据所述预估点击概率和预估非感兴趣概率从所述候选推荐广告中筛选得到目标推荐广告。

【技术特征摘要】
1.一种广告推荐的方法，所述方法包括：接收广告推荐请求，获取与广告推荐请求中的用户对应的根据反馈信息修正后的用户标签，所述反馈信息包括正反馈信息和负反馈信息，所述正反馈信息是指用户点击推荐广告后返回的信息，负反馈信息是用户反馈的负面情绪相关信息；根据所述修正后的用户标签筛选出候选推荐广告；根据预估点击模型计算用户在当前展示页面对于所述各个候选推荐广告的预估点击概率，根据预估非感兴趣模型计算用户在当前展示页面对于所述各个候选推荐广告的预估非感兴趣概率，所述预估点击模型是计算用户点击推荐广告的概率的模型，预估非感兴趣模型是计算用户对推荐广告不感兴趣的概率的模型；根据所述预估点击概率和预估非感兴趣概率从所述候选推荐广告中筛选得到目标推荐广告。2.根据权利要求1所述的方法，其特征在于，在所述获取广告推荐请求的步骤之前还包括：获取用户对历史推荐广告返回的所述反馈信息；根据所述正反馈信息统计用户对于各个广告标签的正点击数量；根据所述负反馈信息统计用户对于各个广告标签的负点击数量；将正点击数量超过预设阈值的广告标签生成对应的感兴趣广告用户标签；将负点击数量超过预设阈值的广告标签生成对应的非感兴趣广告用户标签。3.根据权利要求1所述的方法，其特征在于，在所述获取广告推荐请求的步骤之前还包括：获取不同用户对历史推荐广告返回的所述反馈信息；获取正反馈信息对应的不同用户对应的第一用户特征、第一展示页面特征、第一历史推荐广告特征，并将所述第一用户特征、第一展示页面特征和第一历史推荐广告特征对应组合生成第一特征向量；获取负反馈信息对应的不同用户对应的第二用户特征、第二展示页面特征、第二历史推荐广告特征，并将所述第二用户特征、第二展示页面特征和第二历史推荐广告特征对应组合生成第二特征向量；根据所述正反馈信息计算不同用户对应所述第一特征向量时对历史推荐广告的正点击概率，根据所述负反馈信息计算不同用户对应所述第二特征向量时对历史推荐广告的负点击概率；根据所述正点击概率和第一特征向量求解得到预估点击模型；根据所述负点击概率和第二特征向量求解得到预估非感兴趣模型。4.根据权利要求1所述的方法，其特征在于，所述根据所述预估点击概率和预估非感兴趣概率从所述候选推荐广告中筛选得到目标推荐广告的步骤包括：将所述各个候选推荐广告对应的预估点击概率和预估非感兴趣概率进行加权得到质量评分；根据所述质量评分筛选候选推荐广告得到目标推荐广告。5.根据权利要求1所述的方法，其特征在于，所述根据所述预估点击概率和预估非感兴趣概率从所述候选推荐广告中筛选得到目标推荐广告的步骤包括：将所述预估非感兴趣概率大于或等于预设阈值的候选推荐广告过滤；根据所述预估点击概率在所述过滤后的候选推荐广告中筛选得到目标推荐广告。6.一种...

【专利技术属性】
技术研发人员：吕培立，肖磊，刘大鹏，罗川江，
申请(专利权)人：深圳市腾讯计算机系统有限公司，
类型：发明
国别省市：广东;44