基于大数据和人工智能的数字广告投放方案管理方法与流程

1.本发明涉及人工智能和数字广告领域，尤其涉及一种基于大数据和人工智能的数字广告投放方案管理方法。


背景技术：

2.随着互联网的飞速发展互联网的受众群体越来越多，广告投放形式也从传统的户外广告和电视广告转变成了数字广告。为了帮助商家在资金预算不变的情况下，广告投放的效果最优、影响的人数最多并实现广告投放的收益最大化，广告投放方案的制定是非常重要的。广告投放方案直接决定了广告投放的最终收益。
3.现有技术中广告投放方案的制定往往以人工方式完成为主。通过对各广告位的信息进行分析处理，并由行业资深从业人员根据经验对广告投放的相关因素做出评价以给出投放的方案。但是，通过人工制定的广告投放方案一方面质量会受到制定者知识水平，经验水平和主观影响，导致判断结果准确性不高。另一方面较为耗费人力资源，成本较高，且耗费时间较长。


技术实现要素：

4.有鉴于此，本发明提供了一种基于大数据和人工智能的数字广告投放方案管理方法，其包括以下步骤：
5.接收广告主终端发送的广告投放请求，并分别获取广告投放请求中产品类型、产品价格和广告预算的特征以生成产品类型特征、产品价格特征和投放预算特征，然后将产品类型特征、产品价格特征和投放预算特征进行双线性变换和特征重组以生成第一投放特征；
6.利用不同尺度的卷积核对产品类型特征、产品价格特征和投放预算特征进行卷积，并将进行卷积后的产品类型特征、产品价格特征和投放预算特征输入双层卷积网络以获取不同尺度的产品类型特征、产品价格特征和投放预算特征，然后将不同尺度的产品类型特征、产品价格特征和投放预算特征在相同维度的特征空间中进行特征拼接以得到第二投放特征；
7.对第一投放特征进行特征重构以生成第一投放重构特征，并对第二投放特征进行特征重构以生成第二投放重构特征，然后将第一投放重构特征和第二投放重构特征进行线性聚合以得到广告投放特征；
8.从数据库获取广告位的广告位数据，并提取广告位数据的特征以得到广告位的广告位时序特征，然后将广告位时序特征进行时序分解以得到广告位的时序特征和若干个广告位特征；
9.将广告位的所有广告位特征按照广告位的时序特征映射到广告收益空间以得到广告位的若干个广告位特征点，并根据广告位的时序特征将广告位的所有广告位特征点进行连接以得到广告位的时序特征轨迹；
10.将广告投放特征映射到广告收益空间以生成投放特征点，并根据投放特征点和所有广告位的时序特征轨迹生成广告收益分析图，然后将广告收益分析图输入广告投放模型以获取在广告投放收益最大时的广告投放轨迹特征从而输出广告投放方案。
11.根据一个优选实施方式，所述广告投放请求包括：产品类型、产品价格和广告投放预算；所述广告位数据包括：类型信息、受众信息、价格信息和转化率信息；所述广告主终端为广告主使用的具有通信功能和数据传输功能的智能设备，其包括：智能手机、笔记本电脑、平板电脑和台式电脑；所述广告投放方案包括广告位列表以及目标广告在广告位列表中各广告位的投放周期、投放比例、投放时间点和方案收益率。
12.根据一个优选实施方式，对第一投放特征进行特征重构生成第一投放重构特征包括：
13.将第一投放特征映射到特征向量空间以得到第一投放特征向量，并利用预设的线性变换系数和线性偏置系数对第一投放特征向量进行线性变换以生成线性投放特征向量；
14.将线性投放特征向量进行向量转置以得到转置投放特征向量，并通过对线性投放特征向量和转置投放特征向量进行外积运算以对线性投放特征和转置投放特征进行特征合成从而得到合成特征向量，然后将合成特征向量与权重特征向量进行内积运算以得到特征分布向量；
15.通过特征压缩函数将特征分布向量中的每个元素的值进行归一化以得到压缩特征向量；
16.对第一投放特征进行特征分解以得到若干个第一投放子特征，并根据压缩特征向量获取每个第一投放子特征的相关系数；
17.将相关系数大于预设阈值的第一投放子特征作为相关投放子特征，并根据每个第一投放子特征的相关系数将所有的第一投放子特征进行特征融合得到第一投放重构特征。
18.根据一个优选实施方式，对第二投放特征进行特征重构以生成第二投放重构特征包括：
19.将第二投放特征分解为若干个第二投放子特征，遍历所有的第二投放子特征，并将正在遍历的第二投放子特征作为目标投放子特征，然后获取目标投放子特征与其他每个第二投放子特征的关系特征以得到目标投放子特征的若干个投放关系子特征；
20.通过特征聚合函数将目标投放子特征的所有投放关系子特征迭代的聚合在目标投放子特征以得到目标投放子特征的聚合子特征；重复以上步骤以得到每个第二投放子特征的聚合子特征；
21.将所有第二投放子特征的聚合子特征输入卷积神经网络以对第二投放特征进行特征重构从而得到第二投放重构特征。
22.根据一个优选实施方式，将第一投放重构特征和第二投放重构特征进行线性聚合得到广告投放特征包括：
23.提取第一投放重构特征和第二投放重构特征的关联特征，并分别获取第一投放重构特征和第二投放重构特征中与关联特征对应的特征以得到第一关联特征和第二关联特征；
24.分别将第一关联特征和第二关联特征映射到相同维度的特征向量空间以得到第一关联特征向量和第二关联特征向量，并将第一关联特征向量和第二关联特征向量进行向
量拼接以得到关联特征向量；
25.将关联特征向量进行向量分解以得到若干个关联子向量，并利用不同的线性变换系数和线性变换偏置分别对每个关联子向量进行线性变换以得到若干个线性关联子向量；
26.将所有的线性关联子向量进行向量聚合以对关联特征向量进行分段线性变换从而得到广告投放特征。
27.本发明具有以下有益效果：本发明根据人工智能和大数据对广告投放请求进行分析从而确定广告投放方案，避免了人工策划广告投放方案造成的人力资源浪费且投放收益不高的问题，能够在降低广告投放成本的基础上，提高广告投放的收益。此外，本发明与现有技术中的人工制定广告投放方案相比，效率更高、获益更高。
附图说明
28.图1为一示例性实施例提供的基于大数据和人工智能的数字广告投放方案管理方法的流程图。
具体实施方式
29.为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
30.在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
31.应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
32.参见图1，在一个实施例中，基于大数据和人工智能的数字广告投放方案管理方法可以包括：
33.s1、接收广告主终端发送的广告投放请求，并分别获取广告投放请求中产品类型、产品价格和广告预算的特征以生成产品类型特征、产品价格特征和投放预算特征，然后将产品类型特征、产品价格特征和投放预算特征进行双线性变换和特征重组以生成第一投放特征。
34.可选地，广告投放请求包括产品类型、产品价格和广告投放预算，产品类型为广告所营销的产品的具体品类和名称，例如，目标广告营销的产品是零食品类中的薯片或者鞋子品类中的高跟鞋；产品价格为产品的售卖价格，例如，目标广告营销的产品为零食品类中薯片，售卖价格为5元一包；广告投放预算为广告主愿意为目标广告的投放支付的价格，例如，广告主愿意为目标广告的投放支付100万元。
35.广告主终端为广告主使用的具有通信功能和数据传输功能的智能设备，其包括：智能手机、笔记本电脑、平板电脑和台式电脑。广告主为推销商品或者提供服务，自行或者委托他人设计、制作、发布广告的法人、其他经济组织或者个人。广告主是广告活动的发布者，是在网上销售或宣传自己产品和服务的商家，是联盟营销广告的提供者。任何推广、销售其产品或服务的商家都可以作为广告主。广告主负责提供市场及商品资料给广告方案制定平台，监督并验收广告的收益。
36.s2、利用不同尺度的卷积核对产品类型特征、产品价格特征和投放预算特征进行卷积，并将进行卷积后的产品类型特征、产品价格特征和投放预算特征输入双层卷积网络以获取不同尺度的产品类型特征、产品价格特征和投放预算特征，然后将不同尺度的产品类型特征、产品价格特征和投放预算特征在相同维度的特征空间中进行特征拼接以得到第二投放特征。
37.s3、对第一投放特征进行特征重构以生成第一投放重构特征，并对第二投放特征进行特征重构以生成第二投放重构特征，然后将第一投放重构特征和第二投放重构特征进行线性聚合以得到广告投放特征。
38.在一个实施例中，对第一投放特征进行特征重构生成第一投放重构特征包括：
39.将第一投放特征映射到特征向量空间以得到第一投放特征向量，并利用预设的线性变换系数和线性偏置系数对第一投放特征向量进行线性变换以生成线性投放特征向量；
40.将线性投放特征向量进行向量转置以得到转置投放特征向量，并通过对线性投放特征向量和转置投放特征向量进行外积运算以对线性投放特征和转置投放特征进行特征合成从而得到合成特征向量，然后将合成特征向量与权重特征向量进行内积运算以得到特征分布向量；
41.通过特征压缩函数将特征分布向量中的每个元素的值进行归一化以得到压缩特征向量；所述特征压缩函数为归一化指数函数；
42.对第一投放特征进行特征分解以得到若干个第一投放子特征，并根据压缩特征向量获取每个第一投放子特征的相关系数；
43.将相关系数大于预设阈值的第一投放子特征作为相关投放子特征，并根据每个第一投放子特征的相关系数将所有的第一投放子特征进行特征融合得到第一投放重构特征。
44.在一个实施例中，对第二投放特征进行特征重构生成第二投放重构特征包括：
45.将第二投放特征分解为若干个第二投放子特征，遍历所有的第二投放子特征，并将正在遍历的第二投放子特征作为目标投放子特征，然后获取目标投放子特征与其他每个第二投放子特征的关系特征以得到目标投放子特征的若干个投放关系子特征；
46.通过特征聚合函数将目标投放子特征的所有投放关系子特征迭代的聚合在目标投放子特征以得到目标投放子特征的聚合子特征；重复以上步骤以得到每个第二投放子特征的聚合子特征；
47.将所有第二投放子特征的聚合子特征输入卷积神经网络以对第二投放特征进行特征重构从而得到第二投放重构特征。
48.在一个实施例中，将第一投放重构特征和第二投放重构特征进行线性聚合得到广告投放特征包括：
49.提取第一投放重构特征和第二投放重构特征的关联特征，并分别获取第一投放重
构特征和第二投放重构特征中与关联特征对应的特征以得到第一关联特征和第二关联特征；
50.分别将第一关联特征和第二关联特征映射到相同维度的特征向量空间以得到第一关联特征向量和第二关联特征向量，并将第一关联特征向量和第二关联特征向量进行向量拼接以得到关联特征向量；
51.将关联特征向量进行向量分解以得到若干个关联子向量，并利用不同的线性变换系数和线性变换偏置分别对每个关联子向量进行线性变换以得到若干个线性关联子向量；
52.将所有的线性关联子向量进行向量聚合以对关联特征向量进行分段线性变换从而得到广告投放特征。
53.s4、从数据库获取广告位的广告位数据，并提取广告位数据的特征以得到广告位的广告位时序特征，然后将广告位时序特征进行时序分解以得到广告位的时序特征和若干个广告位特征。
54.广告位数据包括类型信息、受众信息、价格信息和转化率信息；所述类型信息为广告位的类型，例如：电视广告、网络广告和广播广告。受众信息为广告位的受众，即，观看该广告位的人所具有的共同特征，例如：青年、学生和吃货等；所述价格信息为广告位在各个周期的各个时间点投放广告所需要支付的价格；所述转化率信息为历史在该广告位投放的每个广告的广告投放周期、广告投放时间点、广告点击率、广告收益率和广告转化率。
55.s5、将广告位的所有广告位特征按照广告位的时序特征映射到广告收益空间以得到广告位的若干个广告位特征点，并根据广告位的时序特征将广告位的所有广告位特征点进行连接以得到广告位的时序特征轨迹。
56.s6、将广告投放特征映射到广告收益空间以生成投放特征点，并根据投放特征点和所有广告位的时序特征轨迹生成广告收益分析图，然后将广告收益分析图输入广告投放模型以获取在广告投放收益最大时的广告投放轨迹特征从而输出广告投放方案。
57.广告投放方案包括广告位列表以及目标广告在广告位列表中各广告位的投放周期、投放比例、投放时间点和方案收益率。广告位列表为广告投放方案中涉及的所有广告位；投放周期为目标广告在广告位投放的时间段，例如2月7号到2月16号；投放时间点为目标广告每天在广告位投放的时间点，例如晚上6点到12点；投放比例为在每个广告位所花的钱占广告投放预算的比例。
58.本发明根据人工智能和大数据对广告投放请求进行分析从而确定广告投放方案，避免了人工策划广告投放方案造成的人力资源浪费且投放收益不高的问题，能够在降低广告投放成本的基础上，提高广告投放的收益。此外，本发明与现有技术中的人工制定广告投放方案相比，效率更高、获益更高。
59.用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域
网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
60.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
61.本技术实施例是参照根据本技术实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
62.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
63.显然，本领域的技术人员可以对本技术实施例进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术实施例的这些表达和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。