精准营销全域AI视频推广方法、装置、设备及介质与流程

本发明涉及视频推广，特别是涉及精准营销全域ai视频推广方法、装置、设备及介质。

背景技术：

1、随着人工智能和大数据技术的飞速发展，精准营销在电商、社交媒体、数字广告等领域发挥着日益关键的作用。全域视频推广作为现代营销的核心手段，其效果直接影响品牌传播效率和用户转化率。

2、传统技术中，采用单平台行为分析进行用户兴趣建模处理，但是，该方法存在多平台身份割裂导致用户画像分散的问题，在面对动态市场环境时，传统技术使用静态预测模型进行推广效果预测，但是，存在参数固化与特征僵化导致的模型退化问题；此外，传统技术往往忽略跨平台视频生成的自适应需求，导致由内容同质化与叙事结构僵化引发的平台适配障碍。

技术实现思路

1、基于此，有必要针对上述技术问题，提供精准营销全域ai视频推广方法、装置、设备及介质，以达到提升用户画像完整性、增强模型动态适应性、优化跨平台内容适配性的技术效果。

2、第一方面，本技术提供了精准营销全域ai视频推广方法，该方法包括：

3、对获取的多平台用户行为日志进行身份图谱融合处理，生成全域兴趣本体库；

4、对预设双通道反馈单元获取的推广效果数据和全域兴趣本体库进行模型构建处理，生成自适应关注度预测模型；

5、对自适应关注度预测模型进行三级触发条件判断处理，生成进化指令；

6、自适应关注度预测模型响应于进化指令进行重组处理，生成进化后预测模型；

7、对进化后预测模型的输出结果进行多模态叙事单元重组处理，生成目标平台适配的推广视频。

8、在一实施例中，对自适应关注度预测模型进行三级触发条件判断处理，生成进化指令，包括：

9、对自适应关注度预测模型的预测性能指标进行实时监测处理，生成模型状态时序数据；

10、对模型状态时序数据进行偏差波动分析处理，当波动幅度超过预设波动阈值时，生成参数调整触发信号；

11、对全域兴趣本体库的的新兴兴趣实体进行频次检测处理，当单位时间出现频率超过预设涌现阈值时，生成特征重构触发信号；

12、对自适应关注度预测模型的架构退化指标进行衰减分析处理，当衰减速率超过预设架构临界值时，生成架构突变触发信号；

13、对参数调整触发信号、特征重构触发信号或架构突变触发信号进行指令编码处理，生成进化指令。

14、在一实施例中，对模型状态时序数据进行偏差波动分析处理，当波动幅度超过预设波动阈值时，生成参数调整触发信号，包括：

15、对模型状态时序数据进行滑动窗口分割处理，生成动态时间片段；

16、对每个动态时间片段进行波动加速度计算处理，生成瞬时波动强度；

17、对连续动态时间片段的瞬时波动强度进行趋势累积处理，生成综合波动指数；

18、将综合波动指数与预设波动阈值进行比较处理，当综合波动指数超过预设波动阈值时，生成参数调整触发信号。

19、在一实施例中，对全域兴趣本体库的的新兴兴趣实体进行频次检测处理，当单位时间出现频率超过预设涌现阈值时，生成特征重构触发信号，包括：

20、对全域兴趣本体库的新兴兴趣实体进行时空密度聚类处理，生成候选实体集合；

21、对候选实体集合进行关联网络构建处理，生成实体传播图谱；

22、基于实体传播图谱进行传播路径追踪处理，生成实体影响扩散速率；

23、当实体影响扩散速率超过预设涌现阈值时，生成特征重构触发信号。

24、在一实施例中，使用以下公式，得到实体影响扩散速率，包括：

25、

26、其中，rdiff表示实体影响扩散速率，t表示观测时间窗口，k表示候选实体总数，α表示时间维度权重，表示时效活跃实体集，vk表示总关联实体集，δtk表示传播延迟均值，β表示拓扑维度权重，ek表示传播边集合，ω(e)表示传播权重，degmax表示最大节点度，表示传播速度因子。

27、在一实施例中，对预设双通道反馈单元获取的推广效果数据和全域兴趣本体库进行模型构建处理，生成自适应关注度预测模型，包括：

28、对推广效果数据进行多维度特征解耦处理，生成显性反馈特征向量和隐性反馈特征向量；

29、对全域兴趣本体库进行时空兴趣编码处理，生成动态兴趣特征矩阵；

30、基于注意力门控机制，对显性反馈特征向量、隐性反馈特征向量和动态兴趣特征矩阵进行跨域特征融合处理，生成联合特征表示；

31、通过预设的神经网络架构搜索单元，对联合特征表示进行自适应网络拓扑构建处理，生成自适应关注度预测模型。

32、在一实施例中，对获取的多平台用户行为日志进行身份图谱融合处理，生成全域兴趣本体库，包括：

33、对多平台用户行为日志进行跨域行为时序对齐处理，生成时空关联行为序列；

34、通过预设身份解析规则库对时空关联行为序列进行设备指纹聚类处理，生成跨平台身份簇；

35、对跨平台身份簇进行图神经网络嵌入处理，生成动态身份图谱；

36、基于训练好的兴趣实体抽取模型对动态身份图谱进行多维兴趣挖掘处理，生成全域兴趣本体库。

37、第二方面，本技术还提供精准营销全域ai视频推广装置，该装置包括：

38、身份融合模块，用于对获取的多平台用户行为日志进行身份图谱融合处理，生成全域兴趣本体库；

39、自适应建模模块，用于对预设双通道反馈单元获取的推广效果数据和全域兴趣本体库进行模型构建处理，生成自适应关注度预测模型；

40、进化触发器模块，用于对自适应关注度预测模型进行三级触发条件判断处理，生成进化指令；

41、模型重组模块，用于自适应关注度预测模型响应于进化指令进行重组处理，生成进化后预测模型；

42、叙事生成器模块，用于对进化后预测模型的输出结果进行多模态叙事单元重组处理，生成目标平台适配的推广视频。

43、第三方面，本技术还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现本技术第一方面中任一方法的步骤。

44、第四方面，本技术还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本技术第一方面中任一方法的步骤。

45、本技术提供的精准营销全域ai视频推广方法、装置、设备及介质，通过对获取的多平台用户行为日志进行身份图谱融合处理，打破不同平台间的用户身份壁垒，将分散在各平台的浏览、点击、互动等行为数据关联整合，进而生成包括用户多维度偏好与长期、短期兴趣的全域兴趣本体库，有效弥补传统单平台分析导致的用户画像碎片化问题，切实提升用户画像完整性。

46、基于预设双通道反馈单元获取的推广效果数据，结合全域兴趣本体库进行模型构建以生成自适应关注度预测模型，之后，针对该模型实施三级触发条件判断并依据判断结果生成进化指令，让模型能够在预测性能出现波动、用户新兴兴趣涌现或架构发生退化时，及时响应进化指令完成重组形成进化后预测模型，避免传统静态模型参数固化与特征僵化的缺陷，显著增强模型动态适应性。

47、根据进化后预测模型的输出结果，对多模态叙事单元进行重组处理，可根据不同目标平台的内容风格、用户观看习惯及时长要求，生成契合平台特性的推广视频，解决传统跨平台推广中内容同质化与叙事结构僵化的问题，实现跨平台内容适配性的优化。