【技术实现步骤摘要】
本专利技术涉及广告推送，具体是涉及基于机器学习的广告自动化推送方法和系统。
技术介绍
1、广告，顾名思义，就是广而告之，向社会广大公众告知某件事物。广告就其含义来说，有广义和狭义之分；非经济广告是指不以营利为目的的广告；经济广告是指以营利为目的的广告，通常是商业广告，它是为推销商品或提供服务，以付费方式通过广告媒体向消费者或用户传播商品或服务信息的手段。商品广告就是这样的经济广告。
2、现有的商家没有对市场的需求度进行深度的分析，导致推送至市场的广告与消费者的需求在一定程度上存在差异，进而造成消费者的消费欲望下降。
技术实现思路
1、为解决上述技术问题，提供基于机器学习的广告自动化推送方法和系统，本技术方案解决了上述
技术介绍
中提出的现有的商家没有对市场的需求度进行深度的分析，导致推送至市场的广告与消费者的需求在一定程度上存在差异，进而造成消费者的消费欲望下降的问题。
2、为达到以上目的，本专利技术采用的技术方案为：
3、基于机器学习的广告自动化推送方法，包括：
4、获取用户的历史数据，所述历史数据包括用户ip信息、用户浏览数据和用户购买记录；
5、根据历史数据进行提取处理，获取第一特征集，所述第一特征集包括产品内容信息和用户浏览时长，其中，所述产品内容信息包括产品类型和出现频次；
6、获取广告平台的广告信息数据；
7、根据广告信息数据进行提取处理，获取第二特征集，所述第二特征集包括广告特征信息和广告
8、根据第一特征集对第二特征集进行筛选处理，获取第三特征集，所述第三特征集包括具体广告类型信息和具体广告类型信息对应的具体广告时长；
9、广告平台根据第三特征集向市场投放广告。
10、优选的，所述根据历史数据进行提取处理，获取第一特征集具体包括如下步骤：
11、根据历史数据进行分类处理，获取用户ip信息、用户浏览数据和用户购买记录；
12、根据用户浏览数据和用户购买记录进行分析处理，获取用户特征集；
13、根据用户ip信息生成虚拟标识；
14、根据用户特征集和虚拟标识进行整合处理，获取第一特征集。
15、优选的，所述根据用户浏览数据和用户购买记录进行分析处理，获取用户特征集具体包括如下步骤：
16、根据用户浏览记录进行分析处理，获取用户浏览时长；
17、根据用户购买记录和用户浏览记录进行特征提取处理，获取产品类型和产品类型对应的出现频次；
18、根据产品类型和出现频次进行整合处理，获取产品内容信息；
19、对用户浏览时长和产品内容信息进行合集处理，获取用户特征集。
20、优选的，所述虚拟标识与用户特征集是一一对应的，在第一特征集中通过虚拟标识对用户特征集进行排序处理，根据不同的虚拟标识可以向用户推送不同的广告。
21、优选的，所述根据广告信息数据进行提取处理，获取第二特征集具体包括如下步骤：
22、获取市场中已投放广告信息数据，对已投放广告信息数据进行特征提取，获取已投放广告内容信息；
23、根据已投放广告内容信息对广告信息数据进行分类处理，获取差异广告信息；
24、对差异广告信息进行整合处理，获取第二特征集；
25、其中，获取差异广告信息的计算模型为：
26、；
27、式中，为差异广告信息；g为广告信息数据；为已投放广告内容信息。
28、优选的，所述根据第一特征集对第二特征集进行筛选处理，获取第三特征集具体包括如下步骤：
29、根据用户浏览时长对第二特征集进行初步筛选处理，获取标准时长第二特征集；
30、根据产品类型对标准时长第二特征集进行二次筛选处理，获取风格第二特征集；
31、根据出现频次对风格第二特征集进行综合排序处理，获取第三特征集。
32、优选的，所述获取第三特征集的计算模型为：
33、；
34、式中，为标准时长第二特征集；min（）为求最小值函数；为第二特征集中所有广告的时长；i为第二特征集中广告的数量；m为用户浏览时长中的最大值；为风格第二特征集；n为产品类型；为第三特征集；max（）为求最大值函数；为不同的产品出现频次。
35、优选的，所述广告平台根据第三特征集向市场投放广告具体包括如下步骤：
36、获取市场中用户对不同产品的需求度；
37、根据需求度对第三特征集进行提取处理，获取具体投放广告信息；
38、广告平台根据不同的虚拟标识将具体投放广告信息投放至不同的用户电子产品中。
39、进一步的，提出基于机器学习的广告自动化推送系统，用于实现如上述的广告自动化推送方法，包括：
40、主控制模块，所述主控制模块用于控制数据读取模块、数据分析模块和数据计算模块生成具体投放广告信息，根据不同的虚拟标识将具体投放广告信息投放至不同的用户电子产品中；
41、数据读取模块，所述数据读取模块用于读取市场中用户对不同产品的需求度、用户的历史数据和已投放广告信息数据，并将其传输至数据分析模块；
42、数据分析模块，所述数据分析模块用于对历史数据和已投放广告信息数据进行分析处理，获取第一特征集和第二特征集；根据第一特征集对第二特征集进行筛选处理，获取第三特征集；根据需求度对第三特征集进行提取处理，获取具体投放广告信息，并将具体投放广告信息传输至主控制模块中；
43、数据计算模块，所述数据计算模块用于根据已投放广告内容信息对广告信息数据进行分类处理，获取差异广告信息；根据用户浏览时长、产品类型和出现频次对第二特征集进行三次计算处理，获取第三特征集，并将第三特征集传输至数据分析模块中；
44、存储模块，所述存储模块用于存储广告信息数据，并将其传输至数据分析模块中；
45、其中，数据读取模块具体包括：
46、第一读取单元，所述第一读取单元用于读取不同的用户的历史数据；
47、第二读取单元，所述第二读取单元用于读取市场中已投放广告信息数据；
48、第三读取单元，所述第三读取单元用于读取市场中用户对不同产品的需求度。
49、进一步的，所述数据分析模块具体包括：
50、信息接发单元，所述信息接发单元用于实现数据分析模块与数据计算模块之间的信息交互；
51、数据分析单元，所述数据分析单元用于分析计算来自存储模块和数据计算模块的数据，并生成具体广告投放信息；
52、其中，分析单元具体包括：
53、分类子单元，所述分类子单元用于对历史数据进行分类处理，将其划分为用户ip信息、用户浏览数据和用户购买记录；
54、筛选子单元，所述筛选子单元用于对广告信息数据进行筛选处理，获取第二特征集；本文档来自技高网...
【技术保护点】
1.基于机器学习的广告自动化推送方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的广告自动化推送方法，其特征在于，所述根据历史数据进行提取处理，获取第一特征集具体包括如下步骤：
3.根据权利要求2所述的基于机器学习的广告自动化推送方法，其特征在于，所述根据用户浏览数据和用户购买记录进行分析处理，获取用户特征集具体包括如下步骤：
4.根据权利要求2所述的基于机器学习的广告自动化推送方法，其特征在于，所述虚拟标识与用户特征集是一一对应的，在第一特征集中通过虚拟标识对用户特征集进行排序处理，根据不同的虚拟标识可以向用户推送不同的广告。
5.根据权利要求1所述的基于机器学习的广告自动化推送方法，其特征在于，所述根据广告信息数据进行提取处理，获取第二特征集具体包括如下步骤：
6.根据权利要求1所述的基于机器学习的广告自动化推送方法，其特征在于，所述根据第一特征集对第二特征集进行筛选处理，获取第三特征集具体包括如下步骤：
7.根据权利要求6所述的基于机器学习的广告自动化推送方法，其特征在于，所述获取第三特征
8.根据权利要求1所述的基于机器学习的广告自动化推送方法，其特征在于，所述广告平台根据第三特征集向市场投放广告具体包括如下步骤：
9.基于机器学习的广告自动化推送系统，用于实现如权利要求1-8任一项所述的广告自动化推送方法，其特征在于，包括：
10.根据权利要求9所述的基于机器学习的广告自动化推送系统，其特征在于，所述数据分析模块具体包括：
...【技术特征摘要】
1.基于机器学习的广告自动化推送方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的广告自动化推送方法，其特征在于，所述根据历史数据进行提取处理，获取第一特征集具体包括如下步骤：
3.根据权利要求2所述的基于机器学习的广告自动化推送方法，其特征在于，所述根据用户浏览数据和用户购买记录进行分析处理，获取用户特征集具体包括如下步骤：
4.根据权利要求2所述的基于机器学习的广告自动化推送方法，其特征在于，所述虚拟标识与用户特征集是一一对应的，在第一特征集中通过虚拟标识对用户特征集进行排序处理，根据不同的虚拟标识可以向用户推送不同的广告。
5.根据权利要求1所述的基于机器学习的广告自动化推送方法，其特征在于，所述根据广告信息数据进行提取...
【专利技术属性】
技术研发人员：王丽玲，吕昱，江志恒，罗馨，
申请(专利权)人：广东玄润数字信息科技股份有限公司，
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。