【技术实现步骤摘要】
本申请涉及计算广告领域，尤其涉及一种基于用户画像的广告在线推送方法。
技术介绍
1、在线广告指的是在线媒体上投放的广告。在线广告的兴起开启了大规模自动化利用数据改善产品和提高收入的先河，它不仅为广告主带来了以准确接触目标受众为方法论的全新营销渠道，也为互联网免费产品和媒体找到了规模化变现的手段。
2、用户画像是互联网诸多个性化服务，如搜索引擎、计算广告、推荐系统等的基础，为个性化服务提供了重要的用户侧特征。目前用户画像已被广泛应用于广告推送算法中，以将运营资源定向投入到合适的用户，对于提高用户的留存（点击率）、转化（转化率）发挥了重要作用。
3、现有技术中大多仅使用广告点击率作为广告推荐策略的评估方法。仅根据点击率对推送广告进行排序是十分有局限性的，推送的广告的转化率较低，进无法实现最优化广告整体收益的目标。同时，其在针对特定种类商品（如糖烟酒类）的广告推荐中存在的数据偏差以及用户冷启动问题同样会对推荐模型的准确性产生影响。所以，现有技术推荐模型的准确性差，造成广告点击率低、转化率低。
技术实现思路
1、为了基于用户画像实现精确地推送目标用户可能感兴趣的广告，有效提高广告的点击率和转化率，本申请提供一种基于用户画像的广告在线推送方法，采用如下的技术方案：
2、一种基于用户画像的广告在线推送方法，包括步骤：根据用户数据，构建用户画像；根据所述用户画像，构建表示用户兴趣偏好的用户特征向量；将所述用户特征向量作为训练数据训练预设的交替最小二乘模型，获得
3、可选的，将所述用户特征向量作为训练数据训练预设的交替最小二乘模型，获得预训练模型并进行预测，生成广告推荐排序结果，包括步骤：根据所述用户特征向量构建用户评分矩阵；构建损失函数，训练交替最小二乘模型，使损失函数最小化，获得训练好的预训练模型，所述损失函数最小化的表达式为：，其中，表示损失函数最小化，表示第u个用户对第i个物品的评分，表示用户u的偏好隐含特征向量，表示物品i的隐含特征向量，为用户u对物品i的评分，t代表转置运算，为正则化因子；响应于用户特征和物品特征的代入指令，根据所述预训练模型，进行预测得到评分预测值，评分预测值中评分最高的多个物品作为所述广告推荐排序结果。
4、可选的，响应于用户浏览行为反馈，通过所述强化深度学习模型，进行广告的在线推荐更新，包括步骤：响应于浏览行为发生，获取所述预训练模型生成的所述广告推荐排序结果；响应于推荐广告被点击，生成反馈数据；根据所述反馈数据，进行预训练模型的更新。
5、可选的，根据所述反馈数据，进行预训练模型的更新，包括步骤：响应于所述反馈数据，进行所述预训练模型的微更新；响应于预设的第一更新周期，进行所述预训练模型的主更新。
6、可选的，根据所述反馈数据，进行预训练模型的更新，包括步骤：响应于预设的第二更新周期，更新所述用户画像，生成更新的用户特征向量；根据更新的用户特征向量，更新预训练模型。
7、可选的，根据用户画像，构建表示用户兴趣偏好的用户特征向量，包括步骤：获取所述用户画像，计算用户偏好程度；根据所述用户偏好程度，构建所述用户特征向量。
8、可选的，获取所述用户画像，计算用户偏好程度，包括步骤：获取所述用户画像中的用户行为数据；设定所述用户行为数据的权重分值；根据所述权重分值及所述用户行为数据，计算用户偏好程度。
9、本申请具有以下技术效果：
10、1、从多种在线平台收集用户数据并构建用户画像，能够快速发现用户兴趣，生成用户特征，通过数据预处理能够有效解决模型训练中可能存在的数据偏差问题。
11、2、基于预训练模型，使用改进后的基于交替最小二乘（als）的协同过滤算法对用户可能感兴趣的广告进行离线推荐排序，以解决在糖烟酒类广告推送中可能出现的不公平用户体验（如性别差异化推荐等）以及用户冷启动问题。
12、3、提出了一种基于强化学习的ddqn广告在线推荐算法，能够在保证广告点击率的前提下有效提高转化率，进而实现最优化广告整体收益目标。本申请的ddqn模型可以通过不断变化的用户数据进行实时更新，能够很好地随时间适应用户行为和市场变化。
本文档来自技高网...【技术保护点】
1.一种基于用户画像的广告在线推送方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于用户画像的广告在线推送方法，其特征在于，响应于用户浏览行为反馈，通过所述强化深度学习模型，进行广告的在线推荐更新，包括步骤：
3.根据权利要求2所述的基于用户画像的广告在线推送方法，其特征在于，根据所述反馈数据，进行预训练模型的更新，包括步骤：
4.根据权利要求2所述的基于用户画像的广告在线推送方法，其特征在于，根据所述反馈数据，进行预训练模型的更新，包括步骤：
5.根据权利要求1-4任一项所述的基于用户画像的广告在线推送方法，其特征在于，根据用户画像，构建表示用户兴趣偏好的用户特征向量，包括步骤：
6.根据权利要求5所述的基于用户画像的广告在线推送方法，其特征在于，获取所述用户画像，计算用户偏好程度，包括步骤：
【技术特征摘要】
1.一种基于用户画像的广告在线推送方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于用户画像的广告在线推送方法，其特征在于，响应于用户浏览行为反馈，通过所述强化深度学习模型，进行广告的在线推荐更新，包括步骤：
3.根据权利要求2所述的基于用户画像的广告在线推送方法，其特征在于，根据所述反馈数据，进行预训练模型的更新，包括步骤：
4.根据权利...
【专利技术属性】
技术研发人员：梁剑，张学良，倪满义，
申请(专利权)人：河北华糖云商营销传播股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。