面向农资终端的精准广告投放方法及其系统与流程

本发明涉及数据处理，尤其涉及一种面向农资终端的精准广告投放方法及其系统。

背景技术：

1、现有技术中，针对农资产品的广告投放多依赖固定投放渠道、区域定位及人工设定投放策略，普遍存在投放针对性弱、匹配度低的问题。部分常规广告系统仅依靠投放区域与投放时间实现简单调度，无法对多源异构农资数据进行采集、降噪及特征融合处理，难以挖掘用户真实种植需求与潜在消费偏好。同时，现有方案多采用预制广告内容远程替换的模式，不具备基于用户需求智能生成广告投放策略的能力，也未设置生成质量与时效性的量化判定机制。此外，传统投放方式缺乏深度学习模型支撑与自适应参数调节机制，无法针对特征冗余、数据噪声、模型泛化能力不足等问题进行动态优化，易出现广告内容与实际种植需求偏差大、响应滞后等情况，导致广告投放策略的生成准确性不足的问题。

2、中国专利公开号：cn107909387a，公开了一种广告投放系统及广告投放方法，系统包括：车载电子设备、广告终端和服务器；所述广告终端包括：广告生成模块，用于生成广告投放请求，并将所述广告投放请求发送至所述服务器，所述广告投放请求携带广告信息、广告投放区域以及广告投放时间；支付操作模块，用于接收服务器发送的费用支付请求，并接收用户输入的针对所述费用支付请求的支付指令，所述费用支付请求包括广告费用和收款账户；费用支付模块，用于根据所述支付指令向所述收款账户支付所述广告费用；所述服务器包括：费用生成模块，用于接收所述广告投放请求，根据所述广告投放区域和广告投放时间生成所述费用支付请求，并将所述费用支付请求发送至所述广告终端；费用查询模块，用于查询所述收款账户是否收到所述广告费用；定位模块，用于接收车载电子设备上报的定位信息，并在所述收款账户收到所述广告费用后，在所述广告投放时间内根据所述定位信息判断车载电子设备是否位于所述广告投放区域内；广告投放模块，用于向位于所述广告投放区域内的车载电子设备发送所述广告信息，并控制车载电子设备播放所述广告信息。由此可见，所述基于广告投放系统及广告投放方法存在由于仅采用广告信息、投放区域、投放时间作为依据，缺乏多源数据融合与高维特征处理，且只能远程实时更换广告内容，而无法智能生成，同时缺乏自适应调优机制，导致广告投放策略的生成准确性不足的问题。

技术实现思路

1、为此，本发明提供一种面向农资终端的精准广告投放方法及其系统，用以克服现有技术中由于仅采用广告信息、投放区域、投放时间作为依据，缺乏多源数据融合与高维特征处理，且只能远程实时更换广告内容，而无法智能生成，同时缺乏自适应调优机制，导致广告投放策略的生成准确性不足的问题。

2、为实现上述目的，本发明提供一种面向农资终端的精准广告投放系统，包括：

3、数据处理模块，包括用以对农资终端的农资数据进行采集的采集单元、与所述采集单元相连用以对所述农资数据进行预处理以输出标准农资数据的预处理单元和与所述预处理单元相连用以对所述标准农资数据依次进行特征提取与融合以输出融合农资特征的融合单元；

4、分析模块，其与所述数据处理模块相连，包括用以根据所述融合农资特征对初始模型进行训练以得到深度学习模型的训练单元和与所述训练单元相连用以根据所述深度学习模型对农资数据进行分析以得到分析结果的分析单元；

5、广告投放模块，其与所述分析模块相连，用以根据所述分析结果生成广告投放策略的策略生成单元和与所述策略生成单元相连用以根据所述广告投放策略针对不同用户投放对应广告内容的投放单元；

6、生成判定模块，其与所述广告投放模块相连，用以根据广告投放策略的生成准确率判定广告投放策略生成的有效质量是否符合要求；

7、过滤调整模块，其与所述生成判定模块相连，用以在所述广告投放策略生成的有效质量不符合要求时，根据融合农资特征的冗余占比确定深度学习模型的权重稀疏化过滤筛选域；

8、抑制调整模块，其与所述过滤调整模块相连，用以根据标准农资数据的降噪有效率确定融合农资特征的互相关冗余动态抑制基准。

9、进一步地，所述生成判定模块响应于广告投放策略的生成准确率以判定广告投放策略生成的有效质量是否符合要求。

10、进一步地，所述生成判定模块响应于所述广告投放策略的生成准确率大于或等于预设生成准确率，判定广告投放策略生成的有效质量符合要求；

11、所述生成判定模块响应于所述广告投放策略的生成准确率小于所述预设生成准确率，判定广告投放策略生成的有效质量不符合要求。

12、进一步地，所述过滤调整模块响应于所述广告投放策略生成的有效质量不符合要求的条件下，根据融合农资特征的冗余占比对深度学习模型的泛化能力是否符合要求进行判定。

13、进一步地，所述过滤调整模块响应于所述融合农资特征的冗余占比小于或等于预设第一占比，判定深度学习模型的泛化能力符合要求；

14、所述过滤调整模块响应于所述融合农资特征的冗余占比大于所述预设第一占比，判定深度学习模型的泛化能力不符合要求。

15、进一步地，所述过滤调整模块响应于所述融合农资特征的冗余占比大于所述预设第一占比且小于预设第二占比，增大深度学习模型的权重稀疏化过滤筛选域；

16、所述过滤调整模块响应于所述融合农资特征的冗余占比大于或等于所述预设第二占比，初步判定融合农资特征的合理维度能力不符合要求，并根据标准农资数据的降噪有效率对融合农资特征的合理维度能力是否符合要求进行确定。

17、进一步地，所述深度学习模型的权重稀疏化过滤筛选域的增大幅度通过融合农资特征的冗余占比与预设第一占比的差值确定。

18、进一步地，所述抑制调整模块响应于标准农资数据的降噪有效率大于或等于预设有效率，判定融合农资特征的合理维度能力符合要求；

19、所述抑制调整模块响应于所述标准农资数据的降噪有效率小于所述预设有效率，判定融合农资特征的合理维度能力不符合要求，并减小融合农资特征的互相关冗余动态抑制基准。

20、进一步地，所述融合农资特征的互相关冗余动态抑制基准的减小幅度通过预设有效率与标准农资数据的降噪有效率的差值确定。

21、本发明还提供一种面向农资终端的精准广告投放方法，包括：

22、对采集到的农资终端的农资数据进行预处理以输出标准农资数据，并对所述标准农资数据依次进行特征提取与融合以输出融合农资特征；

23、基于所述融合农资特征对初始模型进行训练以得到深度学习模型，使用所述深度学习模型对所述农资数据进行分析以得到分析结果，并基于所述分析结果生成广告投放策略以针对不同用户投放对应广告内容；

24、获取广告投放策略的生成准确率，并基于所述广告投放策略的生成准确率判定广告投放策略生成的有效质量是否符合要求；

25、基于所述广告投放策略生成的有效质量不符合要求，则基于融合农资特征的冗余占比判定深度学习模型的泛化能力是否符合要求；

26、若所述深度学习模型的泛化能力不符合要求，确定是否增大深度学习模型的权重稀疏化过滤筛选域；

27、若不需要增大深度学习模型的权重稀疏化过滤筛选域，则基于标准农资数据的降噪有效率确定融合农资特征的互相关冗余动态抑制基准。

28、与现有技术相比，本发明的有益效果在于，本发明所述系统通过设置数据处理模块、分析模块、广告投放模块、生成判定模块、过滤调整模块以及抑制调整模块，根据广告投放策略的生成准确率对广告投放策略生成的有效质量进行判定，由于模型泛化能力不足，无法充分学习不同种植场景下用户真实农资需求与种植的内在规律，导致生成的广告投放策略与终端用户实际种植问题出现偏差，从而降低广告的适配性和投放精准度，通过判定广告投放策略生成的有效质量，可以反向定位模型泛化缺陷，动态修正广告投放策略生成策略与模型输出权重，提升广告投放策略与用户种植需求的匹配精度，根据融合农资特征的冗余占比对深度学习模型的权重稀疏化过滤筛选域进行调节，由于特征融合后生成的农资特征维度过高，模型无法有效筛选和压缩冗余特征，在训练过程中引入了大量无效的交叉组合，导致模型过拟合现象加重，泛化能力不足，通过增大深度学习模型的权重稀疏化过滤筛选域，可以强化模型对无效权重的剔除力度，削减冗余农资特征对应的参数占比，降低无效特征交叉组合对模型训练的干扰，缓解过拟合，提升模型在不同农资终端采集数据时的泛化能力，根据标准农资数据的降噪有效率对融合农资特征的互相关冗余动态抑制基准进行调节，由于采集到的农资终端数据原始特征多、噪声特征与冗余特征占比偏高，无法在预处理阶段实现有效特征筛选与降噪，导致融合农资特征维度高，通过减小融合农资特征的互相关冗余动态抑制基准，可以降低冗余判定严格程度，使更多具有高度相关性的冗余特征对被有效识别，在特征融合过程中对冗余特征进行剔除或合并处理，从而减少高度相似特征在融合特征集中的重复叠加，降低融合农资特征的冗余占比，提高了广告内容的准确生成能力。

29、进一步地，本发明所述系统通过设置预设生成准确率，对广告投放策略生成的有效质量进行判定，由于模型泛化能力不足，无法充分学习不同种植场景下用户真实农资需求与种植的内在规律，导致生成的广告投放策略与终端用户实际种植问题出现偏差，从而降低广告的适配性和投放精准度，通过判定广告投放策略生成的有效质量，可以反向定位模型泛化缺陷，动态修正广告投放策略生成策略与模型输出权重，提升广告投放策略与用户种植需求的匹配精度，进一步地提高了广告内容的准确生成能力。

30、进一步地，本发明所述系统通过设置预设第一占比和预设第二占比，对深度学习模型的权重稀疏化过滤筛选域进行调节，由于特征融合后生成的农资特征维度过高，模型无法有效筛选和压缩冗余特征，在训练过程中引入了大量无效的交叉组合，导致模型过拟合现象加重，泛化能力不足，通过增大深度学习模型的权重稀疏化过滤筛选域，可以强化模型对无效权重的剔除力度，削减冗余农资特征对应的参数占比，降低无效特征交叉组合对模型训练的干扰，缓解过拟合，提升模型在不同农资终端采集数据时的泛化能力，进一步地提高了广告内容的准确生成能力。

31、进一步地，本发明所述系统通过设置预设有效率，对融合农资特征的互相关冗余动态抑制基准进行调节，由于采集到的农资终端数据原始特征多、噪声特征与冗余特征占比偏高，无法在预处理阶段实现有效特征筛选与降噪，导致融合农资特征维度高，通过减小融合农资特征的互相关冗余动态抑制基准，可以降低冗余判定严格程度，使更多具有高度相关性的冗余特征对被有效识别，在特征融合过程中对冗余特征进行剔除或合并处理，从而减少高度相似特征在融合特征集中的重复叠加，降低融合农资特征的冗余占比，进一步地提高了广告内容的准确生成能力。