一种广告牌空档期的预测方法及其应用
阅读：1030发布：2020-06-14
专利汇可以提供一种广告牌空档期的预测方法及其应用专利检索，专利查询，专利分析的服务。并且本 发明 的 实施例 提供一种 广告牌 空档期的预测方法，所述方法包括：步骤B1，根据广告牌的身份标识获取所述广告牌的当前基本属性；步骤B2，将预测数据输入预先训练的 预测模型 中，预测所述广告牌的预测空档期数据，其中，所述预测数据包括所述广告牌的当前基本属性，十分智能。，下面是一种广告牌空档期的预测方法及其应用专利的具体信息内容。
1.一种广告牌空档期的预测方法，其特征在于，所述方法包括：
步骤B1，根据广告牌的身份标识获取所述广告牌的当前基本属性；
步骤B2，将预测数据输入预先训练的预测模型中，预测所述广告牌的预测空档期数据，其中，所述预测数据包括所述广告牌的当前基本属性。
2.根据权利要求1所述的广告牌空档期的预测方法，其特征在于，所述步骤B1包括：步骤B10，根据广告牌的身份标识获取所述广告牌的当前基本属性，以及所述广告牌所在区域的当前广告行业行情属性；
其中，所述预测数据包括将所述广告牌的当前基本属性以及所述广告牌所在区域的广告行业经济属性进行组合得到的组合数据。
3.根据权利要求2所述的广告牌空档期的预测方法，其特征在于，所述步骤B10包括：步骤B100，根据所述广告牌的身份标识获取所述广告牌的当前基本属性、所述广告牌所在区域的当前广告行业行情属性，以及在预设时间段内所述广告牌的历史空档期数据；
其中，所述预测数据包括将所述广告牌的当前基本属性、所述广告牌所在区域的广告行业经济属性以及在预设时间段内所述广告牌的历史空档期数据进行组合得到的组合数据。
4.根据权利要求2所述的广告牌空档期的预测方法，其特征在于，所述当前广告行业行情属性包括当前广告行业经济属性和当前广告行业政策属性。
5.根据权利要求1-4任一项所述的广告牌空档期的预测方法，其特征在于，所述预先训练的预测模型为Deep and wide模型，其中，所述Deep and wide模型包括线性softmax回归模型和DNN神经网络模型，所述步骤B2包括：
步骤B20，将所述预测数据输入所述DNN神经网络模型，输出广告牌空档期特征；
步骤B21，将所述广告牌空档期特征输入所述线性softmax回归模型，预测所述广告牌的空档期数据。
6.根据权利要求1-4任一项所述的广告牌空档期的预测方法，其特征在于，所述方法还包括：
步骤B3，获取所述广告牌的当前空档期数据；
步骤B4，当所述广告牌的当前空档期时长大于所述广告牌的预测空档期时，生成提示信息。
7.根据权利要求2或3或4所述的广告牌空档期的预测方法，其特征在于，所述特征组合可以采用FM(Factorization Machine,因子分解机)算法。
8.一种广告牌空档期的预测装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的广告牌空档期的预测程序，所述广告牌空档期的预测程序被所述处理器执行时实现如权利要求1-7任一项所述的预测方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有广告牌空档期的预测程序，所述程序可被一个或者多个处理器执行，以实现如权利要求1至7中任一项所述的预测方法的步骤。
一种广告牌空档期的预测方法及其应用
技术领域
[0001] 本发明涉及广告牌管理技术领域，尤其涉及一种广告牌空档期的预测方法、装置及计算机可读存储介质。
背景技术
[0003] 实际生活中，广告牌很难实现全年满档期的销售，广告服务提供商一般是通过经验来判断广告牌的空档期，十分地不智能。
发明内容
[0004] 本发明的实施例提供一种广告牌空档期的预测方法、装置及计算机可读存储介质，其主要目的在于智能预测广告牌空档期。
[0005] 为实现上述目的，本发明的实施例提供一种广告牌空档期的预测方法，所述方法包括：步骤B1，根据广告牌的身份标识获取所述广告牌的当前基本属性；步骤B2，将预测数据输入预先训练的预测模型中，预测所述广告牌的预测空档期数据，其中，所述预测数据包括所述广告牌的当前基本属性。
[0006] 可选地，所述步骤B1包括：步骤B10，根据广告牌的身份标识获取所述广告牌的当前基本属性，以及所述广告牌所在区域的当前广告行业行情属性；其中，所述预测数据包括将所述广告牌的当前基本属性以及所述广告牌所在区域的广告行业经济属性进行组合得到的组合数据。
[0007] 可选地，所述步骤B10包括：步骤B100，根据所述广告牌的身份标识获取所述广告牌的当前基本属性、所述广告牌所在区域的当前广告行业行情属性，以及在预设时间段内所述广告牌的历史空档期数据；其中，所述预测数据包括将所述广告牌的当前基本属性、所述广告牌所在区域的广告行业经济属性以及在预设时间段内所述广告牌的历史空档期数据进行组合得到的组合数据。
[0008] 可选地，所述当前广告行业行情属性包括当前广告行业经济属性和当前广告行业政策属性。
[0009] 可选地，所述预先训练的预测模型为Deep and wide模型，其中，所述Deep and wide模型包括线性softmax回归模型和DNN神经网络模型，所述步骤B2包括：步骤B20，将所述预测数据输入所述DNN神经网络模型，输出广告牌空档期特征；步骤B21，将所述广告牌空档期特征输入所述线性softmax回归模型，预测所述广告牌的空档期数据。
[0010] 可选地，所述方法还包括：步骤B3，获取所述广告牌的当前空档期数据；步骤B4，当所述广告牌的当前空档期时长大于所述广告牌的预测空档期时，生成提示信息。
[0012] 本发明的实施例还提供一种广告牌空档期的预测装置，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的广告牌空档期的预测程序，所述广告牌空档期的预测程序被所述处理器执行时实现如上任一项所述的预测方法的步骤。
[0013] 本发明的实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有广告牌空档期的预测程序，所述程序可被一个或者多个处理器执行，以实现如上任一项所述的预测方法的步骤。
[0014] 本发明的实施例提出的广告牌空档期的预测方法、装置及计算机可读存储介质，通过广告牌的身份标识获取所述广告牌的当前基本属性，再将所述广告牌的包括所述当前基本属性的预测数据输入预先训练的预测模型中，从而预测所述广告牌的空档期数据，十分智能。附图说明
[0015] 图1为本发明的实施例提供的广告牌空档期的预测方法的流程示意图；
[0016] 图2为本发明的实施例提供的广告牌空档期的预测装置的内部结构示意图；
[0017] 图3为本发明的实施例提供的广告牌空档期的预测装置中程序的模块示意图。
[0018] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0019] 应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0020] 本发明的实施例提供一种广告牌空档期的预测方法。参照图1所示，为本发明一实施例提供的广告牌空档期的预测方法的流程示意图。本方法可以采用服务器或者服务器集群，作为执行广告牌空档期的预测方法的装置，实现本实施例的方法。
[0021] 所述方法包括：
[0022] 步骤B1，根据广告牌的身份标识获取所述广告牌的当前基本属性。
[0023] 在本实施例中，用户在客户端上进行操作，如点击“预测本广告牌空档期”，从而，服务器接收到客户端根据所述操作产生的命令，获取所述广告牌的身份标识，然后根据广告牌的身份标识获取所述广告牌的当前基本属性，其中，所述广告牌的当前基本属性用于指示当前，所述广告牌的基本属性，例如所述广告牌的所在行政区域的行政等级、所述广告牌的所在行政区域的商业热度、所述广告牌的高度、所述广告牌的尺寸、所述广告牌的可展示类型、所述广告牌的材质。
[0024] 步骤B2，将预测数据输入预先训练的预测模型中，预测所述广告牌的预测空档期数据，其中，所述预测数据包括所述广告牌的当前基本属性。
[0025] 在本实施例中，所述服务器将所述广告牌的当前基本属性输入到预先训练的预测模型中，所述预先训练的预测模型输出所述广告牌的预测空档期数据。
[0026] 本发明的实施例提供的广告牌空档期的预测方法，通过广告牌的身份标识获取所述广告牌的当前基本属性，再将所述广告牌的包括所述当前基本属性的预测数据输入预先训练的预测模型中，从而预测所述广告牌的空档期数据，十分智能。
[0027] 可选地，所述步骤B1包括：步骤B10，根据广告牌的身份标识获取所述广告牌的当前基本属性，以及所述广告牌所在区域的当前广告行业行情属性；
[0028] 其中，所述预测数据包括将所述广告牌的当前基本属性以及所述广告牌所在区域的广告行业经济属性进行组合得到的组合数据。
[0029] 在本实施例中，本发明的实施例提供的广告牌空档期的预测方法还根据广告牌的身份标识来获取所述广告牌所在区域的当前广告行业行情属性，进而与所述广告牌的当前基本属性进行组合，来得到预测数据。其中，所述广告牌所在区域的当前广告行业行情属性，用于指示所述广告牌所在地理位置所属的区域(例如，区，市，省等行政划分区域)的当前的广告行业的行情，包括当前广告行业的行业经济属性(例如总产值)、行政政策属性(例如政府政策导向、政策数量、政策级别)，它对广告牌的空档期是有一定的影响的。
[0030] 可选地，所述步骤B10包括：步骤B100，根据所述广告牌的身份标识获取所述广告牌的当前基本属性、所述广告牌所在区域的当前广告行业行情属性，以及在预设时间段内所述广告牌的历史空档期数据；
[0031] 其中，所述预测数据包括将所述广告牌的当前基本属性、所述广告牌所在区域的广告行业经济属性以及在预设时间段内所述广告牌的历史空档期数据进行组合得到的组合数据。
[0032] 在本实施例中，本发明的实施例提供的广告牌空档期的预测方法还获取在预设时间段内所述广告牌的历史空档期数据，将其与所述广告牌的当前基本属性、所述广告牌所在区域的当前广告行业行情属性进行组合，形成预测数据。其中，在预设时间段内所述广告牌的历史空档期数据，是指在距离当前预测时间点较近(判断时间阈值可以根据所述广告牌的热度来设置，热度越高，判断时间阈值越长，判断阈值可以是1个月、3个月、6个月、1年、2年等)的预设时间段内(可以是1个月、3个月、6个月、1年、2年等)的所述广告牌的历史空档期数据。
[0033] 可选地，所述预先训练的预测模型为Deep and wide模型，其中，所述Deep and wide模型包括线性softmax回归模型和DNN神经网络模型，所述步骤B2包括：
[0034] 步骤B20，将所述预测数据输入所述DNN神经网络模型，输出广告牌空档期特征；
[0035] 步骤B21，将所述广告牌空档期特征输入所述线性softmax回归模型，预测所述广告牌的空档期数据。
[0036] 在本实施例中，所述Softmax回归模型能够保存原始离散特征，DNN神经网络模型能够对原始特征进线非线性变换得到新的特征，再利用原始特征+新特征进线组合串联得到新特征进线模型预测。
[0037] Deep and wide模型可以比传统的单独softmax回归模型、DNN神经网络模型达到更好的效果。
[0038] 可选地，所述方法还包括：
[0039] 步骤B3，获取所述广告牌的当前空档期数据；
[0040] 步骤B4，当所述广告牌的当前空档期时长大于所述广告牌的预测空档期时，生成提示信息。
[0041] 在本实施例中，当所述广告牌的当前空档期长于所述广告牌的预测空档期时，服务器/服务器集群生成提示信息，所述提示信息可以被发送至客户端，可以用光、声音、文字、图片等方式在客户端发出提示消息。
[0042] 可选地，所述特征组合可以采用FM(Factorization Machine,因子分解机)算法。
[0043] 在本实施例中，所述FM算法旨在解决稀疏数据下特征组合问题。
[0044] 本发明较佳实施例定义目标函数如下：
[0045]
[0046] 上述函数中，组合特征参数一共有n(n-1)/2g个，重要的是任意两个参数独立，但在特征非常稀疏的情况下，组合特征(xi，xj)出现同时不为0的情况较少的情况下，直接用梯度下降法对参数wij进行学习会使得大量的wij学习结果为0，因此可能造成训练样本不足，很容易导致参数wij不准确，影响模型的最终效果。
[0047] 在所述FM算法中，将W矩阵分解为：
[0048] W＝V*Vt；
[0049] 因此，上述的目标函数进一步写成：
[0050]
[0051] 其中：k代表v向量的维度，直接计算复杂度为O(kn2)，因为需要计算所有的两两组合特征的，但通过重新分析目标函数，计算复杂度可以从O(kn2)降低到O(kn)。
[0052] 本发明的实施例还提供一种广告牌空档期的预测装置，参照图2所示，为本发明的实施例提供的广告牌空档期的预测装置的内部结构示意图。在本实施例中，广告牌空档期的预测装置1可以是服务器或者服务器集群。所述广告牌空档期的预测装置1至少包括存储器11、处理器12，通信总线13，以及网络接口14。
[0053] 其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是广告牌空档期的预测装置1的内部存储单元，例如所述广告牌空档期的预测装置1的硬盘。存储器11在另一些实施例中也可以是广告牌空档期的预测装置1的外部存储设备，例如广告牌空档期的预测装置1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。进一步地，存储器11还可以既包括广告牌空档期的预测装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于广告牌空档期的预测装置1的应用软件及各类数据，例如广告牌空档期的预测程序110的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0054] 处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行广告牌空档期的预测程序110等。
[0055] 通信总线13用于实现这些组件之间的连接通信。
[0056] 网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在所述装置1与其他电子设备之间建立通信连接。
[0057] 可选地，所述广告牌空档期的预测装置1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在广告牌空档期的预测装置1中处理的信息以及用于显示可视化的用户界面。
[0058] 图2仅示出了具有组件11-14以及广告牌空档期的预测程序110的广告牌空档期的预测装置1，本领域技术人员可以理解的是，图2示出的结构并不构成对广告牌空档期的预测装置1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0059] 所述存储器11上存储有可在所述处理器12上运行的广告牌空档期的预测程序110，所述广告牌空档期的预测程序110被所述处理器执行时实现如上所述的任一项方法，在此不再赘述。
[0060] 本发明的实施例提供的广告牌空档期的预测装置，通过广告牌的身份标识获取所述广告牌的当前基本属性，再将所述广告牌的包括所述当前基本属性的预测数据输入预先训练的预测模型中，从而预测所述广告牌的空档期数据，十分智能。
[0061] 可选地，在其他实施例中，广告牌空档期的预测程序还可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，用于描述广告牌空档期的预测程序在广告牌空档期的预测装置中的执行过程。
[0062] 例如，参照图3所示，为本发明广告牌空档期的预测装置一实施例中的广告牌空档期的预测程序的程序模块示意图，所述实施例中，广告牌空档期的预测程序110可以被分割为获取模块20、预测模块30，示例性地：
[0063] 获取模块20，用于根据广告牌的身份标识获取所述广告牌的当前基本属性；
[0064] 预测模块30，用于根据输入预先训练的预测模型中的预测数据，预测所述广告牌的预测空档期数据。
[0065] 上述获取模块20、预测模块30等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。
[0066] 此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有广告牌空档期的预测程序，所述广告牌空档期的预测程序可被一个或多个处理器执行，以实现如下操作：
[0067] 步骤B1，根据广告牌的身份标识获取所述广告牌的当前基本属性；
[0068] 步骤B2，将预测数据输入预先训练的预测模型中，预测所述广告牌的预测空档期数据，其中，所述预测数据包括所述广告牌的当前基本属性。
[0069] 本发明的实施例提供的计算机可读存储介质的具体实施方式与上述广告牌空档期的预测装置和方法各实施例基本相同，在此不作累述。
[0070] 本发明的实施例提供的计算机可读存储介质，通过广告牌的身份标识获取所述广告牌的当前基本属性，再将所述广告牌的包括所述当前基本属性的预测数据输入预先训练的预测模型中，从而预测所述广告牌的空档期数据，十分智能。
[0071] 需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、装置、物品或者方法中还存在另外的相同要素。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 自旋转广告灯箱 | 2020-05-08 | 916 |
| 一种基于信息技术的多工位投射型电子广告牌 | 2020-05-08 | 48 |
| 一种电子商务广告牌 | 2020-05-08 | 9 |
| 一种电梯广告灯箱 | 2020-05-11 | 951 |
| 一种广告牌 | 2020-05-11 | 419 |
| 一种爱心防护舱 | 2020-05-11 | 413 |
| 一种广告牌生产用折弯机 | 2020-05-11 | 215 |
| 一种适用于5G无线通讯的广告指示牌微基站 | 2020-05-08 | 84 |
| 一种带广告牌的路灯 | 2020-05-08 | 277 |
| 一种具有显示屏功能的LED三面翻广告屏 | 2020-05-08 | 741 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
广告牌热门专利
QQ群二维码
意见反馈
意见反馈