一种广告内容交互式精准推送系统及方法技术方案

本发明专利技术公开了广告传媒领域的一种广告内容交互式精准推送系统及方法包括生成无定向场景碎片，获取当前浏览的短视频信息，将视频信息中的场景提取特征元素生成无定向场景碎片；提取无定向主角碎片，生成新的模拟场景，新的模拟场景根据杂合的无定向主角碎片和无定向场景碎片组合而成，广告产品的互动植入，对无定向场景碎片拼接而成的模拟场景在拼接处留下接图缝隙，缝隙的形状与广告产品的形状相同，此时用户将广告产品移入缝隙中以完成拼图。本技术方案通过对短视频或视频网站中进行广告推广，在推广过程中结合用户的兴趣设置以降低用户对广告推广的抵触情绪，同时利用广告动画中的互动模式从而提升受众对于广告的记忆程度。忆程度。

【技术实现步骤摘要】
一种广告内容交互式精准推送系统及方法


[0001]本专利技术属于广告传媒领域，具体是一种广告内容交互式精准推送系统及方法。

技术介绍

[0002]随着广告投放的不断增多，如何对广告客户进行精准投放，从而扩大广告效益，是当前思考和研究的重点。为提高广告投放精度，在现代智能技术的发展下，挖掘算法、推荐算法等被大量应用在广告中，以提高广告投放的精准性。目前在广告投放中，包含基于用户的定向投放和基于行为的投放。前者主要是基于用户浏览的内容，后者是以用户的兴趣作为基础进行投放。
[0003]以实际应用案例为例，微商带货则是以基于用户的定向投放为主，直播平台则是基于用户的兴趣作为投放标准。但现在的广告精准投放中，大部分广告上只考虑产品本身的吸引力问题，忽视用户的兴趣。换句话说，就是在结合用户定向投放的同时，还应该更多的结合用户行为进行广告投放。

技术实现思路

[0004]为了解决产品投放中忽略客户兴趣的问题，本专利技术的目的是提供一种结合客户兴趣的广告内容交互式精准推送方法。
[0005]为了实现上述目的，本专利技术的技术方案如下：一种广告内容交互式精准推送方法包括生成无定向场景碎片，获取当前浏览的短视频信息，将视频信息中的场景提取特征元素生成无定向场景碎片；提取无定向主角碎片，当人物类主角时将场景中的主角穿着进行提取，当动物类主角时将动物进行碎片提取；动作信息采集，将人物动作信息和动物动作信息分类采集；广告产品契合度评估，从用户当前浏览记录中选取契合度最高的广告产品，随后依据广告产品的属性评估贴近的无定向主角碎片和无定向场景碎片；生成新的模拟场景，新的模拟场景根据杂合的无定向主角碎片和无定向场景碎片组合而成，此时对新的模拟场景进行判断，当主角碎片为人物时生成AI人脸或代言人换脸，随后匹配当前主角碎片的动作信息，若主角碎片为动物时，则直接进行动作信息匹配；广告产品的互动植入，对无定向场景碎片拼接而成的模拟场景在拼接处留下接图缝隙，缝隙的形状与广告产品的形状相同，此时用户将广告产品移入缝隙中以完成拼图。
[0006]采用上述方案后实现了以下有益效果：本技术方案通过对短视频或视频网站中进行广告推广，在推广过程中结合用户的兴趣设置以降低用户对广告推广的抵触情绪，同时利用广告动画中的互动模式从而提升受众对于广告的记忆程度。
[0007]本技术方案中还通过无定向场景碎片和无定向主角碎片，利用用户的兴趣点将用户产生熟悉感和兴趣点引爆，产生熟悉感和回忆感，在回忆过程中提升注视程度，当广告产
生过程中上划短视频的用户往往会以为是新推送的兴趣视频从而延长观看的时间，便于广告理念的植入化和主动吸收化。
[0008]进一步，在生成新的模拟场景时无定向主角碎片汇入数据集中，数据集的代码形成第一莫比乌斯环集合，无定向场景碎片形成第二莫比乌斯集，其中第一莫比乌斯集和第二莫比乌斯集的选择对应钥匙为产品契合度。
[0009]有益效果：本技术方案使用时将碎片集合于两个莫比乌斯集中，从而实现线性运转，降低计算的压力，同时由于莫比乌斯集拥有无特定面性，从而尽可能的结合无定向主角碎片与无定向场景碎片。
[0010]进一步，还包括偏好设置的选择，无定向主角碎片和无定向场景碎片抓取规则为根据浏览的时间形成权重，其中浏览时间为T=(t1,t2，
…
，tn)，由于浏览的时间不同因此，偏好的权重是W=(w1，w2，wn)，Wi的大小与Ti的重要性具有正相关性，以此偏好的权重推送广告产品。
[0011]有益效果：无定向主角碎片和无定向场景碎片抓取用户的视频记录并将抓取的无定向碎片进行编码存储删除编码中的冗余标记，比如引用＜linlk＞、(＜!DOCTYPE＞)、css/js等，最终存留编码特征的重要标签，比如＜head＞、＜title＞等。
[0012]执行编码的分划，即遵循时间权重T对编码进行分割，使其转变为结合用户浏览时间进行标记，之后利用偏好权重和植入广告的特征进行碰撞，若某一偏好场景贴合广告产品的使用场景，意味着生成的模拟场景是成立的，随后继续追索其他编码串。再利用统计学方法求解出不同标签对应的权重值。从理论上来说，不同标签的权重值属于相对概念，只是对彼此具有可比性。
[0013]进一步，广告产品的推送过程中采用ＲBF的协同推荐算法进行推荐，这样在解决传统协同推进中存在的偏好设置数据稀疏性问题的同时，通过用户兴趣模型提高广告推送的效率。
[0014]有益效果：对于偏好设置具有数据稀疏的问题，引用ＲBF神经网络算法对其进行优化处理，即可建立起新型的用户兴趣点，再引用皮尔逊相似度算法，求解出用户评分向量与目标用户的相似度执行评分预测，随后提取出若干广告的特征词。
[0015]进一步，还包括赏金发送，将每次用户完成拼图的行为进行单次的赏金发放，赏金包括货币或虚拟礼物。
[0016]进一步，一种广告内容交互式精准推送系统，所述系统包括无定向场景提取模块，用于用于获取环境信息，并根据所述环境信息生成场景碎片；无定向主角提取模块，模块进行两步判断，判断当前采集主角是人物或动物，当人物类主角时将场景中的主角穿着进行提取，当动物类主角时将动物进行碎片提取；动作采集模块，将人物动作信息和动物动作信息分类采集后匹配无定向主角提取模块中对应的主角；广告产品评估模块，从需要推广的广告产品中选取用户契合度最高的广告产品，随后依据广告产品的属性评估贴近的无定向主角碎片和无定向场景碎片；模拟场景构建模块，将杂合的无定向主角碎片和无定向场景碎片根据产品的指向特征组合成新的场景；
互动植入模块，对模拟场景在拼接处留下接图缝隙，缝隙的形状与广告产品的形状相同。
实施方式
[0017]下面通过具体实施方式进一步详细说明：
实施例
[0018]本实施例包括一种广告内容交互式精准推送方法：包括生成无定向场景碎片，获取当前浏览的短视频信息，将视频信息中的场景提取特征元素生成无定向场景碎片；提取无定向主角碎片，当人物类主角时将场景中的主角穿着进行提取，当动物类主角时将动物进行碎片提取；在生成新的模拟场景时无定向主角碎片汇入数据集中，数据集的代码形成第一莫比乌斯环集合，无定向场景碎片形成第二莫比乌斯集，其中第一莫比乌斯集和第二莫比乌斯集的选择对应钥匙为产品契合度。使用时将碎片集合于两个莫比乌斯集中，从而实现线性运转，降低计算的压力，同时由于莫比乌斯集拥有无特定面性，从而尽可能的结合无定向主角碎片与无定向场景碎片。
[0019]动作信息采集，将人物动作信息和动物动作信息分类采集；广告产品契合度评估，从用户当前浏览记录中选取契合度最高的广告产品，随后依据广告产品的属性评估贴近的无定向主角碎片和无定向场景碎片；生成新的模拟场景，新的模拟场景根据杂合的无定向主角碎片和无定向场景碎片组合而成，此时对新的模拟场景进行判断，当主角碎片为人物时生成AI人脸或代言人换脸，随后匹配当前主角碎片的动作信息，若主角碎片为动物时，则直接进行动作信息匹配；还包括偏好设置的选择，无定向主角碎片和无定向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种广告内容交互式精准推送方法，其特征在于：包括生成无定向场景碎片，获取当前浏览的短视频信息，将视频信息中的场景提取特征元素生成无定向场景碎片；提取无定向主角碎片，当人物类主角时将场景中的主角穿着进行提取，当动物类主角时将动物进行碎片提取；动作信息采集，将人物动作信息和动物动作信息分类采集；广告产品契合度评估，从用户当前浏览记录中选取契合度最高的广告产品，随后依据广告产品的属性评估贴近的无定向主角碎片和无定向场景碎片；生成新的模拟场景，新的模拟场景根据杂合的无定向主角碎片和无定向场景碎片组合而成，此时对新的模拟场景进行判断，当主角碎片为人物时生成AI人脸或代言人换脸，随后匹配当前主角碎片的动作信息，若主角碎片为动物时，则直接进行动作信息匹配；广告产品的互动植入，对无定向场景碎片拼接而成的模拟场景在拼接处留下接图缝隙，缝隙的形状与广告产品的形状相同，此时用户将广告产品移入缝隙中以完成拼图。2.根据权利要求1所述的一种广告内容交互式精准推送方法，其特征在于：在生成新的模拟场景时无定向主角碎片汇入数据集中，数据集的代码形成第一莫比乌斯环集合，无定向场景碎片形成第二莫比乌斯集，其中第一莫比乌斯集和第二莫比乌斯集的选择对应钥匙为产品契合度。3.根据权利要求2所述的一种广告内容交互式精准推送方法，其特征在于：还包括偏好设置的选择，无定向主角碎片和无定向场景碎片抓取规则为根据浏览的时间形成权重，其中浏览时间为T=(t1,t2，<...

【专利技术属性】
技术研发人员：胡茜雯，杨先顺，
申请(专利权)人：暨南大学，
类型：发明
国别省市：