技术领域
[0001] 本
申请涉及广告精准投放领域，尤其涉及一种广告精准发布装置及设备。
背景技术
[0002] 广告投放的精准度对广告投放效果有很大影响，
现有技术中通常可以基于已有广告的点击率表现预测新的广告的点击率，或者通过同类广告的点击率表现类比来得到新的广告的点击率预测结果，对于广告投放的精准控制现有技术中已经有很多的方法，并且控制
精度也在不断上升。本
发明实施例结合自身的广告投放的控制研发成果，设计了一种广告精准发布装置，旨在能够对各个广告投放地域的广告投放进行精准控制，达到在有限资源条件下得到最为合理的广告效果。
发明内容
[0003] 为了进行高效，精准的进行广告投放，本发明实施例提供了一种广告精准发布装置及设备。
[0004] 一种广告精准发布装置，所述装置包括下述虚拟模
块：
[0005] 目标数据获取模块，用于获取目标广告的广告投放需求数据，所述广告投放需求数据包括目标广告投放主题，目标广告投放资金和至少一个目标广告投放地域；
[0006] 第一控制参数计算模块，用于根据所述目标广告投放资金和全部的目标广告投放地域得到的各个所述目标广告投放地域对应的第一控制参数，所述第一控制参数用于表征为每个目标广告投放地域配置的广告投放资金；
[0007] 相关控制参数计算模块，用于根据所述第一控制参数得到适配于每个目标广告投放地域的第二控制参数和第三控制参数，所述第二控制参数用于控制每个目标广告投放地域的参考广告的聚类粒度，所述第三控制参数用于控制每个广告投放地域的参考广告的聚类目标选取粒度；
[0008] 目标用户确定模块，用于对于每个目标广告投放地域，根据所述第二控制参数、第三控制参数和目标广告投放主题确定目标用户；
[0009] 投放模块，用于向所述目标用户投放所述目标广告。
[0010] 优选的，所述目标用户确定模块，包括：
[0011] 参考广告获取单元，用于提取所述目标广告投放地域的全部参考广告，每个参考广告包括参考广告投放主题和参考正向用户属性集；
[0012] 广告画像构建单元，用于基于画像
抽取模型为各个参考广告投放主题构建广告画像；
[0013] 聚类单元，用于根据各个参考广告的广告画像和所述第二控制参数进行参考广告聚类；
[0014] 目标类簇确定单元，用于基于画像抽取模型计算所述目标广告投放主题指向的广告画像，在所述多个类簇中根据第三控制参数确定与所述广告画像相关的目标类簇；
[0015] 目标用户确定单元，用于基于目标类簇中各个参考广告的参考正向用户属性集的并集确定目标用户。
[0016] 优选的，所述聚类单元，包括：
[0017] 差异度计算子单元，用于根据每个参考广告的广告画像计算其与其它参考广告的广告画像的差异度；
[0018] 差异度图构建子单元，用于根据每个所述差异度与其它差异度构建差异度图，所述差异图中每个
顶点表示一个参考广告的广告画像，每个顶点和相关
节点均有唯一连线，所述连线的权值即为所述顶点表示的参考广告的广告画像与所述相关节点表示的参考广告的广告画像之间的差异度，所述相关节点为与所述顶点相邻的其他顶点；
[0019] 目标差异度计算子单元，用于根据所述差异度图和所述第二控制参数计算目标差异度；
[0020] 聚类子单元，用于根据所述目标差异度对参考广告进行聚类得到多个类簇，以使得位于相同类簇中的参考广告的广告画像的差异度均不大于目标聚类差异度，而位于不同的类簇中的任意两个参考广告的广告画像的差异度均大于所述目标聚类差异度。
[0021] 优选的，所述目标差异度计算子单元，包括：
[0022] 集合获取单元，用于根据所述差异度图获取第一顶点集合和第一连线集合；
[0023] 初始单元，用于初始化第二顶点集合和第二连线集合，所述第二顶点集合中有且仅有一个元素，所述第二连线集合为空；
[0024] 第一属性集构建单元，用于构建第一属性集，所述第一属性集中的元素用于记录各个顶点的第一属性，所述第一属性表征所述顶点处于第一顶点集合与所述第二顶点集合的差集中时，与第二顶点集合中的各个相关元素所构成的连线的最小权值，所述相关元素对应的顶点为所述差异度图与所述顶点相邻的顶点；
[0025] 第二属性集构建单元，用于构建第二属性集，所述第二属性集中的元素用于记录各个顶点的第二属性，所述第二属性表征当所述顶点处于第一顶点集合与所述第二顶点集合的差集中时，与第二顶点集合中的各个相关元素所钩成的具有最小权值的连线的中有别于所述顶点的另一个顶点，所述相关元素对应的顶点为所述差异度图与所述顶点相邻的顶点；
[0026] 更新单元，用于执行预设操作，更新第二顶点集合、第二连线集合、第一属性集和第二属性集直至达到预设要求；
[0027] 目标差异度确定单元，用于对所述第一属性集中的各个元素按照数值大小进行降序排列，并将第N-1个元素的值确定为所述目标差异度，其中N为第三控制参数。
[0028] 优选的，所述目标用户确定单元可以用于随机选择或全部选择参考正向用户属性集中的用户作为目标用户。
[0029] 一种广告精准发布设备，其特征在于，所述设备包括所述的一种广告精准发布装置。
[0030] 本发明实施例提供一种广告精准发布装置及设备，可以为用户提供精准的广告定向投放服务。具体地，通过对参考广告进行充分的数据分析，从而获得足够用于进行广告投放控制的经验，根据这些经验确定目标用户，从而使得以往广告投放的
正面用户参与到目标用户的确定之中，实现广告精准定向投放。
附图说明
[0031] 为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0032] 图1是本申请实施例提供的一种广告精准发布装置
框图；
[0033] 图2是本申请实施例提供的目标用户确定模块框图；
[0034] 图3是本申请实施例提供的画像抽取模型流程示意图；
[0035] 图4是本申请实施例提供的聚类单元框图；
[0036] 图5是本申请实施例提供的目标差异度计算子单元框图；
[0037] 图6本申请实施例提供的
硬件结构框图。
具体实施方式
[0038] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0039] 需要说明的是，本申请的
说明书和
权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何
变形，意图在于
覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或
服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0040] 为了进行高效，精准的广告投放，本发明实施例提供了一种广告精准发布装置，如图1所示，所述装置包括：
[0041] 目标数据获取模块101，用于获取目标广告的广告投放需求数据，所述广告投放需求数据包括目标广告投放主题，目标广告投放资金和至少一个目标广告投放地域。
[0042] 第一控制参数计算模块103，用于根据所述目标广告投放资金和全部的目标广告投放地域得到的各个所述目标广告投放地域对应的第一控制参数，所述第一控制参数用于表征为每个目标广告投放地域配置的广告投放资金。
[0043] 相关控制参数计算模块105，用于根据所述第一控制参数得到适配于每个目标广告投放地域的第二控制参数和第三控制参数，所述第二控制参数用于控制每个目标广告投放地域的参考广告的聚类粒度，所述第三控制参数用于控制每个广告投放地域的参考广告的聚类目标选取粒度。
[0044] 具体地，所述第一控制参数越高，表征在所述目标广告投放地域的广告投放资金越多，投放
力度越大。为了在各个目标广告投放地域都能够在有限资金的前提下最大化的达到广告目的，本发明实施例需要根据第一控制参数计算第二控制参数和第三控制参数，第一控制参数用于控制参考广告的聚类粒度，聚类粒度越强，每个类簇对于本次目标广告的投放的参考价值越高，因此，第二控制参数与第一控制参数正相关。第三控制参数用于控制聚类目标选取粒度，选取的各个聚类目标直接用于确定目标用户，因此，第三控制参数与所述第一控制参数正相关。
[0045] 目标用户确定模块107，用于对于每个目标广告投放地域，根据所述第二控制参数、第三控制参数和目标广告投放主题确定目标用户。
[0046] 投放模块109，用于向所述目标用户投放所述目标广告。
[0047] 具体地，所述目标用户确定模块107，如图2所示，包括：
[0048] 参考广告获取单元1071，用于提取所述目标广告投放地域的全部参考广告，每个参考广告包括参考广告投放主题和参考正向用户属性集。
[0049] 具体地，目标广告投放地域的每个已经被投放的广告都可以被作为参考广告，参考正向用户属性集为根据被推送所述参考广告，或者被推送所述参考广告并且点击阅读了所述参考广告的用户确定出的参考用户集合，并根据所述参考用户结合确定的用户属性集合。具体地，所述用户属性集合为参考用户集合中各个参考用户的属性的并集。当然了，用户的属性指向用户画像或者用户画像的一部分，用户画像的概念为本领域公知，再此不做赘述。
[0050] 广告画像构建单元1073，用于基于画像抽取模型为各个参考广告投放主题构建广告画像。
[0051] 具体地，所述广告画像可以是由所述参考广告投放主题的属性集或标签集来表征，画像的含义是本领域技术人员均明确知晓的公知内容，在此不做赘述。
[0052] 具体地，所述画像抽取模型可以通过下述方法训练得到，如图3所示，包括：
[0053] S1.获取样本数据集，所述样本数据集包括多个已有主题和每个已有主题对应的已有画像。
[0054] S3.获取每个已有主题对应的联合向量序列，以每个所述已有主题对应的联合向量序列以及所述已有主题的已有画像作为训练元素，得到
训练数据集。
[0055] 具体地，所述获取每个已有主题对应的联合向量序列，包括：
[0056] S31.对所述已有主题进行分词得到初始分词向量。
[0057] S33.将所述初始分词向量输入权重配比模型，得到所述初始分词向量中每一元素对应的权重向量。
[0058] 具体地，所述权重配比模型用于根据所述初始分词向量确定出与所述初始分词向量中每个元素对应的词元素集合，进而计算出每一元素对应的权重向量。比如，权重配比模型确定出词元素x3关联的词元素集合的词元素为x1，x2，x4和x5，词元素集合对应的权重向量集合包括词元素x1对应的权重向量a3,1；词元素x2对应的权重向量a3,2；词元素x4对应的权重向量a3,4；词元素x5对应的权重向量a3,5。
[0059] 其中，词元素集合中每个词元素对应的权重计算用的公式为：
[0060]
[0061]
[0062] 上述的公式(3)和公式(4)可以通过softmax规范实现。
[0063] 具体地，所述计算出每一元素对应的权重向量包括：通过对所述词元素集合中各个词元素及其对应的权重向量进行加权求和，得到所述元素对应的权重向量，比如词向量x3的注意力向量g3＝x1*a3,1+x2*a3,2+x4*a3,4+x5*a3,5。
[0064] S35.根据所述初始分词向量和所述初始分词向量中每一元素对应的权重向量得到联合向量序列。
[0065] 具体地，将所述初始分词向量和所述初始分词向量中每一元素对应的权重向量拼接即可得到联合向量序列。
[0066] S5.构建神经网络模型，基于所述神经网络模型预测各个已有主题对应的联合向量序列指向的预测画像。
[0067] S7.基于具有对应关系的预测画像和已有画像得到损失值，并基于所述损失值进行反向传播优化所述神经网络的参数直至所述神经网络模型达到预设的收敛条件。
[0068] 聚类单元1075，用于根据各个参考广告的广告画像和所述第二控制参数进行参考广告聚类。
[0069] 目标类簇确定单元1077，用于基于画像抽取模型计算所述目标广告投放主题指向的广告画像，在所述多个类簇中根据第三控制参数确定与所述广告画像相关的目标类簇。
[0070] 具体地，可以计算所述目标广告投放主题指向的广告画像与各个类簇的聚类中心的距离，并将距离最近的N个类簇作为目标类簇，其中N为第三控制参数。
[0071] 目标用户确定单元1079，用于基于目标类簇中各个参考广告的参考正向用户属性集的并集确定目标用户。
[0072] 具体地，可以随机选择或全部选择参考正向用户属性集中的用户作为目标用户。
[0073] 具体地，如图4所示，所述聚类单元1075，包括：
[0074] 差异度计算子单元10751，用于根据每个参考广告的广告画像计算其与其它参考广告的广告画像的差异度；
[0075] 差异度图构建子单元10753，用于根据每个所述差异度与其它差异度构建差异度图，所述差异图中每个顶点表示一个参考广告的广告画像，每个顶点和相关节点均有唯一连线，所述连线的权值即为所述顶点表示的参考广告的广告画像与所述相关节点表示的参考广告的广告画像之间的差异度，所述相关节点为与所述顶点相邻的其他顶点；
[0076] 目标差异度计算子单元10755，用于根据所述差异度图和所述第二控制参数计算目标差异度；
[0077] 聚类子单元10757，用于根据所述目标差异度对参考广告进行聚类得到多个类簇，以使得位于相同类簇中的参考广告的广告画像的差异度均不大于目标聚类差异度，而位于不同的类簇中的任意两个参考广告的广告画像的差异度均大于所述目标聚类差异度。
[0078] 具体地，所述目标差异度计算子单元10755，如图5所示，包括：
[0079] 集合获取单元107551，用于根据所述差异度图获取第一顶点集合和第一连线集合。
[0080] 具体地，第一连线集合记录了所述差异度图中的每个连线，所述第一连线集合中每个元素的值标识连线的权值，即差异度。所述第一顶点集合中包括差异度图中的各个顶点。具体地，每个顶点和每个连线都可以有其对应的编号。
[0081] 初始单元107553，用于初始化第二顶点集合和第二连线集合，所述第二顶点集合中有且仅有一个元素，所述第二连线集合为空。
[0082] 第一属性集构建单元107555，用于构建第一属性集，所述第一属性集中的元素用于记录各个顶点的第一属性，所述第一属性表征所述顶点处于第一顶点集合与所述第二顶点集合的差集中时，与第二顶点集合中的各个相关元素所构成的连线的最小权值，所述相关元素对应的顶点为所述差异度图与所述顶点相邻的顶点。
[0083] 具体地，所述元素可以是所述第一顶点集合中的任意一个顶点。
[0084] 第二属性集构建单元107557，用于构建第二属性集，所述第二属性集中的元素用于记录各个顶点的第二属性，所述第二属性表征当所述顶点处于第一顶点集合与所述第二顶点集合的差集中时，与第二顶点集合中的各个相关元素所钩成的具有最小权值的连线的中有别于所述顶点的另一个顶点，所述相关元素对应的顶点为所述差异度图与所述顶点相邻的顶点。
[0085] 更新单元107559，用于执行预设操作，更新第二顶点集合、第二连线集合、第一属性集和第二属性集直至达到预设要求。
[0086] 具体地，所述执行预设操作，更新第二顶点集合、第二连线集合、第一属性集和第二属性集直至达到预设要求，包括：
[0087] 执行下述操作，直至第二顶点集合与第一顶点集合具备相同的元素数：
[0088] (1)在所述第一连线集合中选取权值最小的目标连线，所述目标连线的第一顶点位于第二顶点集合，所述目标连线的第二顶点位于第一顶点集合与所述第二顶点集合的差集；
[0089] (2)将所述目标连线中位于第一顶点集合与所述第二顶点集合的差集的顶点加入所述第二顶点集合，将所述目标连线加入所述第二连线集合；
[0090] (3)更新所述第一属性集和所述第二属性集。
[0091] 目标差异度确定单元1075511，用于对所述第一属性集中的各个元素按照数值大小进行降序排列，并将第N-1个元素的值确定为所述目标差异度，其中N为第三控制参数。
[0092] 本发明实施例提供一种广告精准发布装置，可以为用户提供精准的广告定向投放服务。具体地，通过对参考广告进行充分的数据分析，从而获得足够用于进行广告投放控制的经验，根据这些经验确定目标用户，从而使得以往广告投放的正面用户参与到目标用户的确定之中，实现广告精准定向投放。
[0093] 进一步地，图6示出了一种用于实现本发明实施例所提供的设备的硬件结构示意图，所述设备可以参与构成或包含本发明实施例所提供的装置或系统。如图6所示，设备10可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于
微处理器MCU或
可编程逻辑器件FPGA等的处理装置)、用于存储数据的
存储器104、以及用于通信功能的传输装置106。除此以外，还可以包括：显示器、输入/输出
接口(I/O接口)、通用
串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图6所示的结构仅为示意，其并不对上述
电子装置的结构造成限定。例如，设备10还可包括比图6中所示更多或者更少的组件，或者具有与图6所示不同的配置。
[0094] 应当注意到的是上述一个或多个处理器102和/或其他
数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为
软件、硬件、
固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到设备10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变
电阻终端路径的选择)。
[0095] 存储器104可用于存储
应用软件的软件程序以及模块，如本发明实施例中所述的装置对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的一种广告精准发布装置。存储器104可包括高速随机存储器，还可包括
非易失性存储器，如一个或者多个
磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0096] 传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括设备10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个
网络适配器(NetworkInterfaceController，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(RadioFrequency，RF)模块，其用于通过无线方式与互联网进行通讯。
[0097] 显示器可以例如
触摸屏式的
液晶显示器(LCD)，该液晶显示器可使得用户能够与设备10(或移动设备)的
用户界面进行交互。
[0098] 需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0099] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置和服务器实施例而言，由于其基本相似于装置实施例，所以描述的比较简单，相关之处参见装置实施例的部分说明即可。
[0100] 本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是
只读存储器，磁盘或光盘等。
[0101] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何
修改、等同替换、改进等，均应包含在本发明的保护范围之内。
