基于深度学习的广告曝光频次的智能优化系统的制作方法

本发明属于深度学习及人工智能，具体为基于深度学习的广告曝光频次的智能优化系统。

背景技术：

1、现有广告曝光频次控制多部署在广告请求决策链路中，其常规实现方式是以用户标识、广告对象标识、广告活动标识和时间窗口作为组合键，在缓存或日志表中累计曝光次数。广告请求到达后，系统读取当前用户在日、周或自定义滚动周期内的曝光计数，将计数与预设频次上限进行比较；未达到上限时，候选广告继续参与排序，达到上限时，候选广告被过滤或降低排序权重。部分系统还会把点击、转化、屏蔽、跳过等交互结果写入用户画像或广告对象画像，并把历史曝光次数作为排序模型的输入特征。计数更新通常采用请求侧写入、曝光回调确认和窗口到期清除的方式，频次阈值按照广告活动、媒体资源或用户分群预先配置。对于同一创意被拆分到多个广告对象、相近创意在不同投放场景中并行出现的情况，常规频控仍按照对象编号分别累计；当广告对象发生编号更换、素材复用或主题迁移时，既有计数难以在对象之间延续。此类方案实现简单，工程链路稳定，但频次控制主要依赖独立广告对象下的计数累积，阈值通常由历史经验、投放周期和平均响应曲线设定，用户在相似广告创意、相近投放主题或相同投放场景下的重复接触难以被统一表示。

2、为改善固定阈值频控的粗粒度问题，部分广告系统引入深度学习模型对点击、访问或转化概率进行预测，并将用户特征、广告特征、场景特征、历史曝光次数和交互反馈拼接为样本向量。训练阶段，模型以曝光后的交互结果作为监督信号学习响应分值；在线推理阶段，系统依据响应分值和当前频次计数共同决定候选广告是否展示。还有一些方案采用序列神经网络记录用户近期曝光轨迹，以请求时间为顺序提取短期兴趣变化或疲劳变化。上述方案的建模流程通常由离线样本构造、深度学习训练、在线特征拼接、实时打分和规则截断构成，广告对象的文本、图片标签、落地页主题和投放场景多作为普通输入特征参与预测。由于这些特征通常被压缩在同一向量内，广告对象之间的连接关系、交互边类型和时间窗口关系不会形成可传播的数据结构，模型参数更新也难以区分同类广告之间的疲劳传递与非同类广告之间的独立响应。虽然模型能够利用较多特征，但大多仍以单个广告对象或单个广告活动为建模粒度，广告创意之间的语义近邻关系、投放场景之间的共享关系以及相似用户群体之间的疲劳迁移关系未被纳入统一的图结构中，深度学习模型获得的频次状态仍然偏向局部历史记录。

3、现有技术的主要技术问题在于，广告曝光频次状态缺少同时表达跨广告对象关联和用户时序衰减的统一数据表征，导致候选广告的频控判断难以反映隐性重复曝光。其技术原因在于，固定计数方式只记录同一用户与同一广告对象之间的曝光次数，无法把相似创意、相近主题或相同场景中的重复触达传递到当前候选广告；单一序列模型虽然能记录用户历史曝光顺序，但在新广告对象、低曝光用户或低样本创意场景中缺少足够序列依据，难以借助相似对象和相似用户补全疲劳状态。对于连续广告请求流而言，频次状态一旦缺少跨对象传播路径和时间间隔刻画，同一用户在多个相近广告对象上的接触痕迹会被拆分为多个孤立记录，模型只能在当前候选对象的局部样本中推断频次风险，不同曝光间隔对应的疲劳恢复程度也难以参与频控判别。该问题集中表现为候选广告频次状态的输入依据不完整，图关联缺失与时序衰减缺失同时影响门控结果。由此，系统在广告请求流中容易把分散在不同广告对象下的同类曝光误判为独立触达，也容易把长周期分散曝光与短周期密集曝光作相近处理，造成候选广告的允许曝光、降权曝光和暂停曝光区间生成依据不稳定。

技术实现思路

1、本发明的目的在于提供基于深度学习的广告曝光频次的智能优化系统，可以解决上述背景技术中的问题。

2、为实现上述目的，本发明采取的技术方案为：

3、基于深度学习的广告曝光频次的智能优化系统，包括样本预处理器、时序异构图构建器、关系感知图神经网络、曝光记忆网络和频控门控生成器；

4、所述样本预处理器对广告请求日志中的用户标识、广告对象标识、创意特征、投放场景特征、请求时间片、曝光结果和交互反馈进行归一化编码；

5、所述时序异构图构建器按照滚动时间窗口生成包含用户节点、广告对象节点、创意节点、场景节点和时间窗口节点的异构图；

6、所述关系感知图神经网络基于不同类型连接边输出候选广告对象的关联疲劳表征；

7、所述曝光记忆网络基于用户连续曝光序列输出个体曝光记忆表征；

8、所述频控门控生成器融合所述关联疲劳表征和所述个体曝光记忆表征，生成候选广告对象的曝光频次控制结果。

9、优选的，所述时序异构图构建器包括节点映射器和边关系生成器；

10、所述节点映射器将同一滚动时间窗口内出现的用户、广告对象、广告创意、投放场景和时间分片分别映射为具有类型标识的图节点；

11、所述边关系生成器在用户节点与广告对象节点之间建立曝光边、点击边、转化边和负反馈边，在广告对象节点与创意节点之间建立内容归属边，在广告对象节点与场景节点之间建立场景关联边，并为各连接边写入时间分片标记和交互结果标记。

12、优选的，所述关系感知图神经网络包括边类型编码层、分关系消息聚合层和跨窗口状态更新层；

13、所述边类型编码层对曝光边、点击边、转化边、负反馈边、内容归属边和场景关联边分别生成边类型向量；

14、所述分关系消息聚合层按照边类型向量分别计算邻接节点消息；

15、所述跨窗口状态更新层将当前滚动时间窗口的节点消息与相邻历史滚动时间窗口的节点嵌入进行门控更新，生成包含广告对象相似影响关系和用户疲劳迁移关系的关联疲劳表征。

16、优选的，所述曝光记忆网络包括曝光序列整理器、时间间隔编码器和时序注意力编码器；

17、所述曝光序列整理器按照用户标识提取候选广告对象及其相似广告对象在多个时间分片内的曝光记录，并形成按请求时间排序的曝光序列；

18、所述时间间隔编码器将相邻曝光记录之间的时间间隔映射为衰减位置向量；

19、所述时序注意力编码器将所述曝光序列与所述衰减位置向量联合编码，输出区分短周期密集曝光和长周期分散曝光的个体曝光记忆表征。

20、优选的，所述时序异构图构建器还包括创意语义一致性处理器；

21、所述创意语义一致性处理器提取广告创意文本、落地页摘要、素材标签和投放主题的语义嵌入，依据语义嵌入之间的相邻关系在广告对象节点之间生成创意近邻边，并将创意近邻边与内容归属边进行联合约束编码，使同类创意对应的广告对象节点在所述关系感知图神经网络中共享疲劳传播路径，不同主题广告对象节点保留独立连接边集合。

22、优选的，所述分关系消息聚合层包括负反馈抑制通道和正向交互保留通道；

23、所述负反馈抑制通道对负反馈边及其连接的相邻曝光边进行联合编码，并将联合编码结果写入广告对象节点的疲劳分量；

24、所述正向交互保留通道对点击边和转化边进行分离聚合，并将聚合结果写入广告对象节点的响应分量；

25、所述跨窗口状态更新层基于所述疲劳分量和所述响应分量生成候选广告对象在当前请求时间片下的关系型频次状态。

26、优选的，所述时序注意力编码器包括广告对象注意力头和时间衰减注意力头；

27、所述广告对象注意力头对候选广告对象、创意近邻广告对象和非近邻广告对象分别分配注意力权重；

28、所述时间衰减注意力头根据所述衰减位置向量调整不同历史曝光记录在用户曝光序列中的参与权重；

29、所述时序注意力编码器将两个注意力头的输出进行门控拼接，并形成与候选广告对象对应的个体曝光记忆表征。

30、优选的，所述频控门控生成器包括表征对齐层、融合门控层和频次区间判别层；

31、所述表征对齐层将所述关系型频次状态与所述个体曝光记忆表征投影至同一特征空间；

32、所述融合门控层依据候选广告对象的历史样本密度生成图表征参与系数和序列表征参与系数，并对投影后的表征进行加权融合；

33、所述频次区间判别层根据融合后的频次风险表征输出允许曝光区间、降权曝光区间或者暂停曝光区间。

34、优选的，所述融合门控层还包括稀疏状态识别器；

35、所述稀疏状态识别器根据用户历史曝光条数、候选广告对象历史曝光条数、创意近邻边数量和场景关联边数量生成稀疏状态编码；

36、所述融合门控层在稀疏状态编码表征低样本状态时提高所述图表征参与系数，并限制所述序列表征参与系数的变化范围，在稀疏状态编码表征高样本状态时根据用户连续曝光序列提高所述序列表征参与系数。

37、优选的，所述频次区间判别层还包括跨对象频控一致性校验器；

38、所述跨对象频控一致性校验器调用所述创意近邻边、所述关系型频次状态和所述稀疏状态编码，对同一用户在候选广告对象及其创意近邻广告对象上的频次区间进行一致性校验；

39、当候选广告对象的频次区间与创意近邻广告对象的频次区间不一致时，所述跨对象频控一致性校验器根据近邻边权重和图表征参与系数重新确定候选广告对象的频控门控值。

40、与现有技术相比，本发明的有益效果在于：

41、1.采用时序异构图与曝光记忆融合的技术方案后，广告曝光频次状态由单一计数记录转化为具有关联关系和时间顺序的复合表征。样本预处理器将广告请求日志中的用户、广告对象、创意、投放场景、时间片、曝光结果和交互反馈编码为可计算特征，时序异构图构建器将这些特征组织为用户节点、广告对象节点、创意节点、场景节点和时间窗口节点，并通过曝光边、点击边、转化边、负反馈边、内容归属边和场景关联边保留不同交互关系。关系感知图神经网络按照边类型分别聚合邻接消息，使相似广告对象上的曝光疲劳、相似用户群体中的负反馈趋势以及场景关联下的重复触达痕迹能够进入候选广告对象的关联疲劳表征。曝光记忆网络再按照用户连续曝光序列和相邻曝光时间间隔生成个体曝光记忆表征，使短周期密集曝光与长周期分散曝光在编码层面被区分。频控门控生成器将图侧关联疲劳表征与序列侧个体曝光记忆表征对齐融合，生成允许曝光区间、降权曝光区间或暂停曝光区间。跨窗口状态更新进一步把相邻历史窗口的节点嵌入写入当前图表征，避免频次状态在窗口切换时被完全重置。边类型编码和分关系消息聚合使曝光、点击、转化和负反馈沿不同连接路径进入候选广告对象，减少异质交互信号混合造成的表征偏差。图结构提供跨广告对象和跨用户群体的疲劳传播路径，序列结构保留单个用户在连续请求中的曝光先后关系，二者共同修正候选广告对象的频次风险表征。该处理链路使候选广告的频次判断同时受跨对象关系和用户时序状态约束，解决了同类广告分散在不同对象下时难以被频控识别的问题，并使频次区间的生成依据从孤立计数转为关联疲劳和个体记忆的联合判别。

42、2.在深层技术机制上，创意语义一致性处理器依据广告创意文本、落地页摘要、素材标签和投放主题的语义嵌入生成创意近邻边，并将创意近邻边与内容归属边联合约束编码，使同类创意广告对象共享疲劳传播路径，主题差异较大的广告对象保留独立连接边集合，从图结构源头减少无关广告之间的疲劳传递。分关系消息聚合层设置负反馈抑制通道和正向交互保留通道，将负反馈边及相邻曝光边写入疲劳分量，将点击边和转化边写入响应分量，避免不同交互信号在同一向量中相互覆盖。时序注意力编码器通过广告对象注意力头和时间衰减注意力头，对候选广告对象、创意近邻广告对象、非近邻广告对象以及不同时间距离的曝光记录分别编码，使序列记忆保留对象相似性和时间衰减差异。融合门控层结合样本密度调节图表征与序列表征的参与比例，低样本状态更多依赖图关系补充，高样本状态更多依据连续曝光序列修正，减少新广告对象或低曝光用户场景中的频控偏移。稀疏状态识别器把用户历史曝光条数、候选广告对象历史曝光条数、创意近邻边数量和场景关联边数量写入稀疏状态编码，使融合比例的调整具有明确的数据来源。频次区间判别层在融合后的频次风险表征上输出不同频控区间，使上游关系建模和序列建模结果能够落入统一决策空间。跨对象频控一致性校验器根据创意近邻边、关系型频次状态和稀疏状态编码重新确定门控值，使同一用户在近邻广告对象上的频控区间保持可追溯的一致性，降低相似广告对象之间频控结果相互冲突的概率，并使创意近邻边权重变化能够反馈到候选广告对象的门控值修正过程。