基于AI预测媒体数据趋势的广告投放优化方法与系统与流程

本发明涉及广告投放优化，具体涉及基于ai预测媒体数据趋势的广告投放优化方法与系统。

背景技术：

1、随着直播电商的快速普及，在线广告投放优化已全面转向高并发的实时直播片段序列。在直播竞价网络中，媒体数据表现出极强的高动态属性，且深度交织于多模态语境之中。同一直播间内，主播会在短时间内连续切换多个推介商品，观众同时通过发送弹幕、评论互动、点击商品卡片以及进入购物车等多元方式持续与直播内容产生交互。公开研究与行业实践表明，直播场景下的用户转化与购买行为受基础曝光量、主播口播话术、实时互动氛围以及稀缺表达等多维度因素共同驱动，当前的媒体热度趋势会随着主推商品的切换和互动语境的演进发生剧烈波动。为提升广告资源的投入产出比，主流的智能化广告投放系统广泛接入视频画面、音频流、动态字幕等多模态上下文信息，试图通过实时理解当前直播片段的语义语境来精准锚定投放时机，进而执行实时的广告出价与资源重定向。

2、现有广告投放优化技术在处理直播电商高频切换场景时，普遍存在由于缺乏多维语义解耦能力导致趋势归属误判的缺陷。现有技术通常采用静态时序归因逻辑，默认时间轴上发生的所有媒体热度与互动行为均理所当然地归属于当前正在挂载的在售商品。在真实的直播场域中，当某一高热销爆款商品售罄、下架或退出主推序列后，由于主播的口播惯性、用户的互动残留以及页面提示的滞后，该售罄爆款商品往往会在后续的直播片段中持续占据语境的主导地位，形成一层售罄爆款的语义壳层。此时直播间的交易对象已发生切换，但媒体语义中心并未随之同步转移。由于现有广告系统仅依赖表层的时间轴对齐，无法剥离由历史爆款残留引发的虚假热度，极易将已被售罄爆款持续劫持的后续媒体数据趋势，误判为当前在售商品对应的可投放趋势。上述归属逻辑缺陷会直接导致竞价引擎产生盲目的正向反馈，将大量广告预算和高额出价错误地投向已被残留语义占据且失去实际成交承接能力的直播片段，最终造成严重的广告资源错配与预算浪费。

技术实现思路

1、针对现有技术的不足，本发明提出基于ai预测媒体数据趋势的广告投放优化方法与系统，解决其在直播场景下因缺乏多维语义解耦能力导致媒体趋势归属误判，进而造成广告资源错配与预算浪费的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：

3、在识别到售罄爆款商品退出主推序列后，切分直播会话得到后续直播片段序列，采集多模态数据计算综合遗迹承载度，并按时间顺序串联生成售罄爆款语义遗迹链；

4、基于售罄爆款语义遗迹链对后续直播片段序列执行迁移剥离寻优算法，融合可承接解释量与遗迹吸收量构建目标适应度函数以获取包含归属标志位的最优片段归属方案向量，依据归属标志位将后续直播片段序列划分为爆款残留片段集合与当前商品承接片段集合；

5、基于媒体行为数据构建原始直播媒体趋势向量，结合爆款残留片段集合执行掩码提取操作得到壳层趋势迁移部分，从原始直播媒体趋势向量中剥离壳层趋势迁移部分生成壳层切断式净媒体趋势，提取壳层切断式净媒体趋势在末端时间窗口的局部积分值作为表征即时流量净强度的标量参数；

6、针对爆款残留片段集合下发阻断展现指令以触发资源抽离机制释放可用广告预算，将可用广告预算注入当前商品承接片段集合，采用基于表征即时流量净强度的标量参数的正相关出价激励函数生成实时竞价出价。

7、进一步地，采集多模态数据计算综合遗迹承载度，包括：

8、构建包含售罄爆款商品正式名称、非正式口播代称与高于预设频次阈值的简称的语义词项集合；

9、基于语义词项集合对多模态数据执行特征提取，分别量化生成口播遗迹量、互动遗迹量、展示遗迹量以及替代遗迹量；

10、向口播遗迹量、互动遗迹量、展示遗迹量以及替代遗迹量分别赋予权重常数系数执行线性加权融合，得到综合遗迹承载度。

11、进一步地，生成替代遗迹量与权重常数系数，包括：

12、采用表征替代关系的规则模板扫描文本，调取当前在售商品标识与售罄爆款商品的商品属性比对商品类目层级特征匹配度，结合当前商品价格与售罄爆款商品预设的历史售价浮动区间执行底层相似度双重校验，底层相似度双重校验通过后以商品实体被提及的总句数为分母执行归一化计算得到替代遗迹量；

13、通过机器学习模型反向梯度下降更新权重常数系数，将综合遗迹承载度输入至包含激活函数的预测层输出模型预测转化率，采用交叉熵损失函数计算模型预测转化率与负样本片段真实标签之间的误差，依据误差指导权重常数系数执行反向梯度下降更新。

14、进一步地，计算可承接解释量与遗迹吸收量，包括：

15、提取当前商品承接片段集合内各片段关于当前在售商品的显式指称量、商品卡点击量、购物车进入量以及页面挂载持续量，对显式指称量、商品卡点击量、购物车进入量以及页面挂载持续量执行片段内部归一化处理，将归一化处理后的显式指称量、商品卡点击量、购物车进入量以及页面挂载持续量进行加权求和得到可承接解释量；

16、计算爆款残留片段集合内各片段的综合遗迹承载度与片段位置权重的乘积，将乘积进行求和得到遗迹吸收量，片段位置权重为基于片段索引的单调递减函数。

17、进一步地，融合可承接解释量与遗迹吸收量构建目标适应度函数以获取最优片段归属方案向量，包括：

18、将可承接解释量与遗迹吸收量的乘积的两倍，除以可承接解释量、遗迹吸收量与预设极小正数三者之和，计算得到目标适应度函数；

19、执行离散二进制粒子群优化算法基于目标适应度函数进行迭代寻优以更新速度向量，通过sigmoid激活函数将速度向量映射为概率分布，引入随机数比对机制完成归属标志位向零或一的离散状态翻转，输出最优片段归属方案向量。

20、进一步地，基于媒体行为数据构建原始直播媒体趋势向量，包括：

21、将后续直播片段序列中各片段的媒体综合热度值顺次排列构成原始直播媒体趋势向量，媒体综合热度值为核心媒体行为指标的加权融合值；

22、计算核心媒体行为指标时，提取片段前预设滑动窗口时长内对应核心媒体行为指标的预设的百分位数作为归一化分母，提取片段内的实际观测绝对值作为分子执行归一化计算；

23、当预设的百分位数低于最小基准阈值时，强制采用最小基准阈值作为归一化分母。

24、进一步地，结合爆款残留片段集合执行掩码提取操作，包括：

25、保留归属于爆款残留片段集合的元素对应的媒体综合热度值，将归属于当前商品承接片段集合的元素对应位置的值置为零，得到壳层趋势迁移部分；

26、对壳层趋势迁移部分施加预设的衰减因子，将原始直播媒体趋势向量减去施加衰减因子后的壳层趋势迁移部分以实现壳层趋势迁移部分的剥离，生成壳层切断式净媒体趋势。

27、进一步地，下发阻断展现指令，包括：

28、下发禁止渲染的标志位指令、动态篡改当前片段内广告位组件的统一资源定位符映射参数，或在竞价召回链路中主动降低对应推广商品的召回优先级匹配得分；

29、采用基于表征即时流量净强度的标量参数的正相关出价激励函数生成实时竞价出价包括：

30、将表征即时流量净强度的标量参数与预设的竞价激励系数的乘积加一后，乘以原始广告资源配置数据中的基础竞价出价生成实时竞价出价，预设的竞价激励系数与预设的目标转化成本或当前广告计划的实时预算消耗速率构建量化映射关系。

31、进一步地，当迁移剥离寻优算法输出的当前商品承接片段集合为空集，或者表征即时流量净强度的标量参数连续多个采样周期低于预设的冷启动水位线时，触发冷启动与熔断兜底机制，挂起提价重定向操作并向竞价引擎发送预算休眠指令，直至侦测到新的有效承接片段出现。

32、进一步地，提出基于ai预测媒体数据趋势的广告投放优化系统，用于实现如上述任一项的基于ai预测媒体数据趋势的广告投放优化方法，包括：

33、特征提取模块，用于在识别到售罄爆款商品退出主推序列后，切分直播会话得到后续直播片段序列，采集多模态数据计算综合遗迹承载度，并按时间顺序串联生成售罄爆款语义遗迹链；

34、寻优划分模块，用于基于售罄爆款语义遗迹链对后续直播片段序列执行迁移剥离寻优算法，融合可承接解释量与遗迹吸收量构建目标适应度函数以获取包含归属标志位的最优片段归属方案向量，依据归属标志位将后续直播片段序列划分为爆款残留片段集合与当前商品承接片段集合；

35、趋势解耦模块，用于基于媒体行为数据构建原始直播媒体趋势向量，结合爆款残留片段集合执行掩码提取操作得到壳层趋势迁移部分，从原始直播媒体趋势向量中剥离壳层趋势迁移部分生成壳层切断式净媒体趋势，提取壳层切断式净媒体趋势在末端时间窗口的局部积分值作为表征即时流量净强度的标量参数；

36、竞价重投模块，用于针对爆款残留片段集合下发阻断展现指令以触发资源抽离机制释放可用广告预算，将可用广告预算注入当前商品承接片段集合，采用基于表征即时流量净强度的标量参数的正相关出价激励函数生成实时竞价出价。

37、与现有技术相比具备以下有益效果：

38、本方案提出的基于ai预测媒体数据趋势的广告投放优化方法与系统，有效解决了直播电商高频切换场景下因历史爆款商品残留语境导致媒体热度归属误判的核心问题。现有广告系统普遍依赖表层的时间轴对齐逻辑，极易将售罄商品遗留的高涨流量错误归因为当前在售商品的转化潜力。针对上述缺陷，本方案构建了包含多模态维度的综合遗迹承载度与语义遗迹链，将直播间内抽象的语境残留现象转化为可量化的连续时间序列。在此基础上，本方案引入迁移剥离寻优算法，通过协同评估可承接解释量与遗迹吸收量，在离散解空间内精准划定流量阵营的归属边界。该机制突破了传统静态归因的局限，实现了对直播热度深层语义的精准解耦，使得广告投放引擎能够准确识别并剔除由历史爆款引发的虚假流量峰值，为后续的资源分配提供了客观且纯净的数据基底。

39、在完成流量阵营划定的基础上，本方案进一步通过掩码提取与趋势剥离操作，从原始直播媒体热度中彻底剔除残留语境支配的分量，重构出高度贴合真实交易意图的壳层切断式净媒体趋势。依托提取出的表征即时流量净强度的标量参数，系统能够在控制链路上执行非对称的广告资源重定向，针对历史残留阵营精准下发阻断展现指令以冻结无效预算消耗，同时将释放的可用广告预算定向注入当前商品承接阵营，并结合正相关出价激励函数生成实时的动态竞价。该套资源调度机制从根本上阻断了广告预算在无效流量上的盲目消耗，大幅提升了整体投放的投入产出比，同时结合内置的局部滑动窗口归一化与冷启动兜底逻辑，有效压制了竞价网络中极易出现的流量发散与死循环风险，保障了长效投放的收敛性与系统稳定性，具备显著的商业转化效能。