相似对象确定方法、装置、设备和介质
阅读：174发布：2020-05-08
专利汇可以提供相似对象确定方法、装置、设备和介质专利检索，专利查询，专利分析的服务。并且本 发明 实施例 公开了一种相似对象确定方法、装置、设备和介质，涉及广告投放领域。该方法包括：依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征；将所述至少两个对象的对象行为特征输入预先训练的相似对象确定模型，其中所述相似对象确定模型是依据预先确定的相似对象特征和相似平台行为训练得到的；根据所述相似对象确定模型的输出确定所述至少两个对象中的相似对象。本发明实施例提供一种相似对象确定方法、装置、设备和介质，提高了用户间或人群间相似度的刻画 精度 ，进而提高相似用户或相似人群的确定准确率。，下面是相似对象确定方法、装置、设备和介质专利的具体信息内容。
1.一种相似对象确定方法，其特征在于，包括：
依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征；
将所述至少两个对象的对象行为特征输入预先训练的相似对象确定模型，其中所述相似对象确定模型是依据预先确定的相似对象特征和相似平台行为训练得到的；
根据所述相似对象确定模型的输出确定所述至少两个对象中的相似对象。
2.根据权利要求1所述的方法，其特征在于，所述相似对象特征和相似平台行为的确定，包括：
从不同特征维度对各对象进行特征采样和平台行为采样，确定各对象的至少两组对象特征和至少两组对象平台行为；
将属于同一对象的不同组对象特征作为所述相似对象特征，将属于同一对象的不同组对象平台行为作为所述相似平台行为。
3.根据权利要求1所述的方法，其特征在于，所述相似对象特征和相似平台行为的确定，包括：
对属于不同对象的至少两个特征和/或至少两个平台行为进行语义分析；
若至少两个特征和/或至少两个平台行为的语义相似度满足要求，则将所述至少两个特征所属对象作为相似对象样本；
将属于不同相似对象样本的特征作为相似对象特征，将属于不同相似对象样本的平台行为作为相似平台行为。
4.根据权利要求1所述的方法，其特征在于，所述相似确定模型为深度神经网络，所述深度神经网络将获取的对象行为特征进行设定维度的特征降维，并将降维后的特征用深度神经网络的隐层表示。
5.根据权利要求1-4中任一所述的方法，其特征在于，依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征之前，还包括：
从各对象的平台行为日志中，获取各对象在距当前时间的设定时间段内点击的广告内容，以及通过广告链接进入广告所属网页并完成操作的广告内容。
6.根据权利要求1所述的方法，其特征在于，根据所述相似对象确定模型的输出确定所述至少两个对象中的相似对象之后，还包括：
依据各对象之间的相似关系进行广告推送。
7.一种相似对象确定装置，其特征在于，包括：
行为特征确定模块，用于依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征；
模型检测模块，用于将所述至少两个对象的对象行为特征输入预先训练的相似对象确定模型，其中所述相似对象确定模型是依据预先确定的相似对象特征和相似平台行为训练得到的；
相似对象确定模块，用于根据所述相似对象确定模型的输出确定所述至少两个对象中的相似对象。
8.根据权利要求7所述的装置，其特征在于，所述模型检测模块，包括：
特征采样单元，用于从不同特征维度对各对象进行特征采样和平台行为采样，确定各对象的至少两组对象特征和至少两组对象平台行为；
相似特征确定单元，用于将属于同一对象的不同组对象特征作为所述相似对象特征，将属于同一对象的不同组对象平台行为作为所述相似平台行为。
9.根据权利要求7所述的装置，其特征在于，所述相模型检测模块，包括：
语义分析单元，用于对属于不同对象的至少两个特征和/或至少两个平台行为进行语义分析；
相似样本确定单元，用于若至少两个特征和/或至少两个平台行为的语义相似度满足要求，则将所述至少两个特征所属对象作为相似对象样本；
相似特征确定单元，用于将属于不同相似对象样本的特征作为相似对象特征，将属于不同相似对象样本的平台行为作为相似平台行为。
10.根据权利要求7所述的装置，其特征在于，所述相似确定模型为深度神经网络，所述深度神经网络将获取的对象行为特征进行设定维度的特征降维，并将降维后的特征用深度神经网络的隐层表示。
11.根据权利要求7-10中任一所述的装置，其特征在于，还包括：
平台行为获取模块，用于依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征之前，从各对象的平台行为日志中，获取各对象在距当前时间的设定时间段内点击的广告内容和自然浏览内容，以及通过广告链接进入广告所属网页并完成操作的广告内容。
12.根据权利要求7所述的装置，其特征在于，还包括：
广告推送模块，用于根据所述相似对象确定模型的输出确定所述至少两个对象中的相似对象之后，依据各对象之间的相似关系进行广告推送。
13.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的相似对象确定方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的相似对象确定方法。
相似对象确定方法、装置、设备和介质
技术领域
背景技术
[0002] 传统互联网的广告主进行广告投放的一种方式是：广告主通过自定义规则圈定人群或上传投放人群信息进行广告投放。该广告投放方式的投放用户最符合广告主预期(属于精准投放)。但是这种投放方式下覆盖的广告投放人群上往往无法满足广告主对用户量的需求。
[0003] 在此背景下各大互联公司开始基于相似人群进行广告投放人群的扩展。其中相似人群的确定方法包括：根据各个人群集合间的特征相似度确定相似人群。
[0004] 上述方法适合候选用户数量大的时候，将用户划分成一个个拥有自我特征的人群，然后基于人群的特征标签进行相似度计算。该方法与基于每个用户的特征标签进行相似度计算相比，可以降低计算耗时。但是同时带来的是相似度刻画不够精准，往往人群间的用户重复率较高或者用户完全无关。
发明内容
[0005] 本发明实施例提供一种相似对象确定方法、装置、设备和介质，以提高用户间或人群间相似度的刻画精度，进而提高相似用户或相似人群的确定准确率。
[0006] 第一方面，本发明实施例提供了一种相似对象确定方法，该方法包括：
[0007] 依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征；
[0008] 将所述至少两个对象的对象行为特征输入预先训练的相似对象确定模型，其中所述相似对象确定模型是依据预先确定的相似对象特征和相似平台行为训练得到的；
[0009] 根据所述相似对象确定模型的输出确定所述至少两个对象中的相似对象。
[0010] 进一步地，所述相似对象特征和相似平台行为的确定，包括：
[0011] 从不同特征维度对各对象进行特征采样和平台行为采样，确定各对象的至少两组对象特征和至少两组对象平台行为；
[0012] 将属于同一对象的不同组对象特征作为所述相似对象特征，将属于同一对象的不同组对象平台行为作为所述相似平台行为。
[0013] 进一步地，所述相似对象特征和相似平台行为的确定，包括：
[0014] 对属于不同对象的至少两个特征和/或至少两个平台行为进行语义分析；
[0015] 若至少两个特征和/或至少两个平台行为的语义相似度满足要求，则将所述至少两个特征所属对象作为相似对象样本；
[0016] 将属于不同相似对象样本的特征作为相似对象特征，将属于不同相似对象样本的平台行为作为相似平台行为。
[0018] 进一步地，依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征之前，还包括：
[0019] 从各对象的平台行为日志中，获取各对象在距当前时间的设定时间段内点击的广告内容，以及通过广告链接进入广告所属网页并完成操作的广告内容。
[0020] 进一步地，根据所述相似对象确定模型的输出确定所述至少两个对象中的相似对象之后，还包括：
[0021] 依据各对象之间的相似关系进行广告推送。第二方面，本发明实施例还提供了一种相似对象确定装置，该装置包括：
[0022] 行为特征确定模块，用于依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征；
[0023] 模型检测模块，用于将所述至少两个对象的对象行为特征输入预先训练的相似对象确定模型，其中所述相似对象确定模型是依据预先确定的相似对象特征和相似平台行为训练得到的；
[0024] 相似对象确定模块，用于根据所述相似对象确定模型的输出确定所述至少两个对象中的相似对象。
[0025] 进一步地，所述模型检测模块，包括：
[0026] 特征采样单元，用于从不同特征维度对各对象进行特征采样和平台行为采样，确定各对象的至少两组对象特征和至少两组对象平台行为；
[0027] 相似特征确定单元，用于将属于同一对象的不同组对象特征作为所述相似对象特征，将属于同一对象的不同组对象平台行为作为所述相似平台行为。
[0028] 进一步地，所述相模型检测模块，包括：
[0029] 语义分析单元，用于对属于不同对象的至少两个特征和/或至少两个平台行为进行语义分析；
[0030] 相似样本确定单元，用于若至少两个特征和/或至少两个平台行为的语义相似度满足要求，则将所述至少两个特征所属对象作为相似对象样本；
[0031] 相似特征确定单元，用于将属于不同相似对象样本的特征作为相似对象特征，将属于不同相似对象样本的平台行为作为相似平台行为。
[0032] 进一步地，所述相似确定模型为深度神经网络，所述深度神经网络将获取的对象行为特征进行设定维度的特征降维，并将降维后的特征用深度神经网络的隐层表示。
[0033] 进一步地，所述的装置还包括：
[0034] 平台行为获取模块，用于依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征之前，从各对象的平台行为日志中，获取各对象在距当前时间的设定时间段内点击的广告内容和自然浏览内容，以及通过广告链接进入广告所属网页并完成操作的广告内容。
[0035] 进一步地，所述装置还包括：
[0036] 广告推送模块，用于根据所述相似对象确定模型的输出确定所述至少两个对象中的相似对象之后，依据各对象之间的相似关系进行广告推送。第三方面，本发明实施例还提供了一种设备，所述设备包括：
[0037] 一个或多个处理器；
[0038] 存储装置，用于存储一个或多个程序，
[0039] 当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施中任一所述的相似对象确定方法。
[0040] 第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的相似对象确定方法。
[0041] 本发明实施例，通过相似对象确定模型实现相似对象的确定，其中相似对象确定模型依据预先确定的相似对象特征和相似平台行为样本训练得到。本发明实施例中相似平台行为训练维度的增设提高了对相似度的刻画精度，从而提高相似对象的确定准确率。附图说明
[0042] 图1为本发明实施例一提供的一种相似对象确定方法的流程图；
[0043] 图2是本发明实施例二提供的一种相似对象确定方法的流程图；
[0044] 图3是本发明实施例二提供的相似度刻画示意图；
[0045] 图4是本发明实施例二提供的网络拓扑结构的简要示意图；
[0046] 图5是本发明实施例三提供的一种相似对象确定装置的结构示意图；
[0047] 图6为本发明实施例四提供的一种设备的结构示意图。
具体实施方式
[0048] 下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
[0049] 实施例一
[0050] 图1为本发明实施例一提供的一种相似对象确定方法的流程图。本实施例可适用于对相似人群或相似用户进行确定的情况。该方法可以由一种相似对象确定装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本实施例提供的相似对象确定方法包括：
[0051] S110、依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征。
[0052] 其中，该对象可以是待相似判断的用户或人群。对象特征是指用于描述对象的特征，对象特征可以是用户信息、搜索词和兴趣爱好等。
[0053] 对象平台行为包括通过平台上的广告链接进入广告所属网页并完成注册或交易的广告内容。对象平台行为也可以包括，在平台上点击的广告内容。具体地，广告内容包括广告标题。可选地，对象平台行为还可以包括点击的自然浏览内容。
[0054] 发明人在实现本发明的过程中发现，广告主对从平台推送出去的广告是否被点击查看，以及是否通过平台推送的广告链接进入广告所属网页完成注册或交易(也即广告的转化)非常关心。
[0055] 本实施例中在进行相似人群的判断时，增加了上述对广告的点击和广告的转化两个相似度描述维度。因此，通过本实施例判断出的相似人群不仅具有共同的特征相似关系，而且点击的广告内容也具有相似关系。从而该相似人群对基于上述相似关系进行推送的广告的点击概率，相比仅通过特征相似关系确定的相似人群对广告的点击概率更大。进而满足广告主的要求。
[0056] 具体地，将对象特征和对象平台行为按照设定组合规则进行组合，生成对象行为特征。也即对象行为特征由对象特征和对象平台行为构成。
[0057] 具体地，依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征之前，还包括：
[0058] 从各对象的平台行为日志中，获取各对象在距当前时间的设定时间段内点击的广告内容，以及通过广告链接进入广告所属网页并完成操作的广告内容。
[0059] S120、将所述至少两个对象的对象行为特征输入预先训练的相似对象确定模型。
[0060] 其中，所述相似对象确定模型是依据预先确定的相似对象特征和相似平台行为训练得到的。
[0061] 发明人在实现本明的过程中发现，同一对象的多个对象特征具有一定共性。例如，对象在对运动感兴趣的同时，也会对听音乐感兴趣。点击一购物网站广告的对象通常也会点击其他购物网站广告。为实现对该类相似特征的挖掘，所述相似对象特征和相似平台行为的确定，可以包括：
[0062] 从不同特征维度对各对象进行特征采样和平台行为采样，确定各对象的至少两组对象特征和至少两组对象平台行为；
[0063] 将属于同一对象的不同组对象特征作为所述相似对象特征，将属于同一对象的不同组对象平台行为作为所述相似平台行为。
[0064] 例如，一对象具有特征a、b、c、d、e和f，对该对象进行不同维度的特征采样，得到一组对象特征为a、b和c，另一组对象特征为d、e和f。将该两组对象特征作为相似对象特征。
[0065] 可选地，所述相似对象特征的确定，也可以包括：
[0066] 对属于不同对象的至少两个特征和/或至少两个平台行为进行语义分析；
[0067] 若至少两个特征和/或至少两个平台行为的语义相似度满足要求，则将所述至少两个特征所属对象作为相似对象样本；
[0068] 将属于不同相似对象样本的特征作为相似对象特征，将属于不同相似对象样本的平台行为作为相似平台行为。
[0069] 对属于不同对象的至少两个特征进行语义分析包括：依据词典查询特征的语义，或依据某种分类体系确定特征的分类。
[0070] 例如，第一对象有特征a、b、c和d，第二对象有特征e、f、g和h。语义相似度要求为，若不同对象至少有一半数量的特征的语义或分类相同，则认为该不同对象为相似对象。如果第一对象的特征中a与第二对象特征中e的语义相同，且第一对象特征中b和第二对象特征中f的所属分类相同，那么认为第一对象与第二对象为相似对象。将特征a、b、c和d，与特征e、f、g和h作为相似对象特征。
[0071] 可选地，所述相似对象特征的确定，还可以包括：
[0072] 对至少两个特征进行语义分析，若至少两个特征满足特征相似度要求，则将该至少两个特征作为相似对象特征。
[0073] 对至少两个平台行为进行语义分析，若至少两个平台行为满足行为相似度要求，则将该至少两个平台行为作为相似平台行为。
[0074] S130、根据所述相似对象确定模型的输出确定所述至少两个对象中的相似对象。
[0075] 具体地，如果所述相似对象确定模型的输出概率大于设定概率阈值，则确定所述至少两个对象为相似对象。
[0076] 本发明实施例的技术方案，通过基于依据预先确定的相似对象特征和相似平台行为训练得到的相似对象确定模型，实现相似对象的确定。其中相似平台行为训练维度的增设提高了对相似度的刻画精度，从而提高相似对象的确定准确率。
[0077] 进一步地，所述相似确定模型为深度神经网络，所述深度神经网络将获取的对象行为特征进行设定维度的特征降维，并将降维后的特征用深度神经网络的隐层表示。
[0078] 其中，一层隐层就是一层特征层次。
[0079] 进一步地，根据所述相似对象确定模型的输出确定所述至少两个对象中的相似对象之后，还可以包括：
[0080] 依据各对象之间的相似关系进行广告推送。
[0081] 实施例二
[0082] 图2是本发明实施例二提供的一种相似对象确定方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图2，本实施例提供的相似对象确定方法包括：
[0083] S210、提取对象的对象特征和对象平台行为，其中对象平台行为包括搜索内容特征、资讯点击内容特征和广告点击内容特征。
[0084] S220、从不同特征维度对各对象进行特征采样和平台行为采样，确定各对象的至少两组对象特征和至少两组对象平台行为；将属于同一对象的不同组对象特征作为所述相似对象特征，将属于同一对象的不同组对象平台行为作为所述相似平台行为。
[0085] 其中，采样过程中对不同类型的用户特征采用不同采样策略。例如，对性别和年龄单属性特征采用概率丢弃，对多值特征采用随机选取策略。
[0086] 其中，概率丢弃为：在针对同一对象的一特征进行不同组对象特征的采集时，先基于随机算法为不同组对象特征生成随机数；若生成的随机数满足设定条件，则将对象上述特征赋给该组对象特征；若生成的随机数不满足设定条件，则判断随机数的所属范围；根据所属范围确定对该组的该特征置空或设定为其他值。
[0087] 例如，对用户的年龄进行两组对象特征(第一组对象特征和第二组对象特征)的采样。首先对第一组对象特征生成随机数为0.5，对第二组对象特征生成随机数为0.1。设定条件为随机数大于等于0.5，则赋真实值。所以第一组对象特征中的年龄为用户的真实年龄。第二组对象特征根据其所属的数值范围，确定该组对象特征中的年龄对象特征是置空，还是填其他年龄。
[0088] 随机选取策略为：对多值特征的多个值进行随机排序，然后照排序提取设定数量的值赋给不同组对象特征。
[0089] 例如，搜索词特征中包括100个词，先对这100个词进行随机排序。取前10个词作为第一组对象特征中的搜索词特征。然后，再对这100个词进行随机排序，同样取前10个作为第二组对象特征中的搜索词特征。
[0090] S230、若对象的对象特征与相似特征组合中的各特征或各特征的语义分析结果匹配一致，则将所述对象特征所属对象确定为相似对象，并将所述相似对象的对象特征作为相似对象特征。
[0091] 其中，相似特征组合是用至少一个特征描述相似对象的共性特征，具体根据待推送广告确定。例如，待推送广告是体育广告，则相似特征组合中的特征可以是篮球、科比、羽毛球、乒乓球、体操、运动等。
[0092] S240、若对象的平台行为与相似平台行为组合中的各平台行为或各平台行为的语义分析结果匹配一致，则将所述平台行为所属对象确定为相似对象，并将所述相似对象的平台行为作为相似平台行为。
[0093] 其中，相似平台行为组合是用至少一个平台行为描述相似对象的共性平台行为，具体根据待推送广告确定。例如，待推送广告是体育广告，则相似特征组合中的特征可以是点击的体育用品广告等。
[0094] S250、根据确定的相似对象的相似对象特征和相似平台行为，确定相似对象行为特征，并将确定的相似对象行为特征作为训练样本，对深度神经网络模型进行训练。
[0095] 其中通过梯度下降来使深度神经网络收敛，并用网络的隐层表示对象的各特征。使在一定程度上解决了用户特征的降维，缓解了计算压力。
[0096] S260、依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征。
[0097] S270、将所述至少两个对象的对象行为特征输入训练完成的深度神经网络模型，根据模型的输出结果确定所述至少两个对象为相似对象。
[0098] 可选地，本实施例对S220、S230和S240的执行顺序不做限定，S240可以先于S220和S230执行，S230也可以先于S220和S240执行。
[0099] 参见图3，本实施例中对相似度的刻画包括三个维度，分别为平台行为维度、相似特征组合维度和基于同一对象采集的至少两组特征作为相似对象特征的用户特征自采样维度。平台行为维度中的平台行为包括：自然点击、广告转化和广告点击。其中，广告转化是指通过平台广告链接进行广告所属网页进行注册或交易。自然点击是指对非广告类资讯的点击。
[0100] 相似特征组合维度是利用相似特征组合构成的相似规则对相似人群的过滤。其中会考虑用户特征长度，利用相似特征占比(也即相似特征占用户特征总长度的比例)确定是否相似。针对相似特征组合维度，还会考虑基于对特征的自然语义分析结果进行相似判断，自然语义分析中需要过滤无效词。
[0101] 例如，基于自然语义分析(N-gram)结果，可以将搜索词包括减肥快招的用户与搜索词包括健身减肥的用户确定为相似用户。其中，长兴趣是指长期兴趣。
[0102] 针对用户特征自采样维度，对同一用户的搜索词和长兴趣进行不同维度的采样，将采样得到的搜索词为X和长兴趣为B和C作为存在相似关系的一个用户的特征，将采样得到的搜索词为减肥快招和长兴趣为A作为存在相似关系的另一个用户的特征。
[0103] 参见图4，从深度神经网络的拓扑结构来看对象的相似判断：将待相似判断的两对象的多维特征输入深度神经网络模型，模型中Embedding Layer对各维度特征分别进行特征向量的转换，然后对各维度特征向量进行尺度归一化，将归一化后的各维度特征向量按照设定特征维度排序进行特征向量的连接。模型中还增设了全连接层(FC(256-Linear))，用于将学到的“分布式特征表示”映射到样本标记空间。激活函数层(FC(128-Relu))控制输出128位的特征向量。模型中还包括卷积层和池化层(图4中未示出)。最后在Cos_sim层计算特征向量间的夹角，根据夹角确定两特征向量的相似度，从而实现对象的相似判断。
[0104] 本发明实施例的技术方案，通过相似特征组合确定相似对象可以确保相似度的准确度。基于相似平台行为组合确定相似对象，一方面满足广告主对广告效果的指标要求，另一方面挖掘用户的相似兴趣。此外，通过利用相似特征组合、相似平台行为组合和用户自采样可以实现对相似度的多种维度的刻画，从而提高对相似度的刻画精度，进而提高对相似人群的确定准确率。
[0105] 需要说明的是，经过本实施例的技术教导，本领域技术人员有动机将上述实施例中描述的任一种实施方式进行方案的组合，以实现相似对象的确定。
[0106] 实施例三
[0107] 图5是本发明实施例三提供的一种相似对象确定装置的结构示意图。参见图5，本实施例提供的相似对象确定装置包括：行为特征确定模块10、模型检测模块20和相似对象确定模块30。
[0108] 其中，行为特征确定模块10，用于依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征；
[0109] 模型检测模块20，用于将所述至少两个对象的对象行为特征输入预先训练的相似对象确定模型，其中所述相似对象确定模型是依据预先确定的相似对象特征和相似平台行为训练得到的；
[0110] 相似对象确定模块30，用于根据所述相似对象确定模型的输出确定所述至少两个对象中的相似对象。
[0111] 本发明实施例，通过基于依据预先确定的相似对象特征和相似平台行为训练得到的相似对象确定模型，实现相似对象的确定。其中相似平台行为训练维度的增设提高了对相似度的刻画精度，从而提高相似对象的确定准确率。
[0112] 进一步地，所述模型检测模块，包括：特征采样单元和相似特征确定单元。
[0113] 其中，特征采样单元，用于从不同特征维度对各对象进行特征采样和平台行为采样，确定各对象的至少两组对象特征和至少两组对象平台行为；
[0114] 相似特征确定单元，用于将属于同一对象的不同组对象特征作为所述相似对象特征，将属于同一对象的不同组对象平台行为作为所述相似平台行为。
[0115] 进一步地，所述相模型检测模块，包括：语义分析单元、相似样本确定单元和相似特征确定单元。
[0116] 其中，语义分析单元，用于对属于不同对象的至少两个特征和/或至少两个平台行为进行语义分析；
[0117] 相似样本确定单元，用于若至少两个特征和/或至少两个平台行为的语义相似度满足要求，则将所述至少两个特征所属对象作为相似对象样本；
[0118] 相似特征确定单元，用于将属于不同相似对象样本的特征作为相似对象特征，将属于不同相似对象样本的平台行为作为相似平台行为。
[0119] 进一步地，所述相似确定模型为深度神经网络，所述深度神经网络将获取的对象行为特征进行设定维度的特征降维，并将降维后的特征用深度神经网络的隐层表示。
[0120] 进一步地，所述装置，还包括：平台行为获取模块。
[0121] 其中，平台行为获取模块，用于依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征之前，从各对象的平台行为日志中，获取各对象在距当前时间的设定时间段内点击的广告内容和自然浏览内容，以及通过广告链接进入广告所属网页并完成操作的广告内容。
[0122] 进一步地，所述装置还包括：广告推送模块。
[0123] 其中，广告推送模块，用于根据所述相似对象确定模型的输出确定所述至少两个对象中的相似对象之后，依据各对象之间的相似关系进行广告推送。
[0124] 实施例四
[0125] 图6为本发明实施例四提供的一种设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性设备12的框图。图6显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0126] 如图6所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
[0127] 总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
[0129] 系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
[0130] 具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
[0131] 设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
[0133] 实施例五
[0134] 本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的相似对象确定方法，该方法包括：
[0135] 依据至少两个对象的对象特征和对象平台行为，确定所述至少两个对象的对象行为特征；
[0136] 将所述至少两个对象的对象行为特征输入预先训练的相似对象确定模型，其中所述相似对象确定模型是依据预先确定的相似对象特征和相似平台行为训练得到的；
[0137] 根据所述相似对象确定模型的输出确定所述至少两个对象中的相似对象。
[0138] 本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0139] 计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0140] 计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
[0141] 可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码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)。
[0142] 注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于眼动追踪的网络广告效果测评系统及其方法 | 2020-05-11 | 376 |
| 一种在视频中植入广告的方法及系统 | 2020-05-08 | 898 |
| 特征扩展卷积神经网络的案件微博观点句识别构建方法 | 2020-05-08 | 553 |
| 一种商用广告促销管理系统 | 2020-05-08 | 1019 |
| 一种多家广告平台竞价及频次控制的系统及方法 | 2020-05-08 | 369 |
| 一种以产品促进其知识产权交易的电子商务平台 | 2020-05-08 | 925 |
| 一种用于智能机器人的广告输出方法 | 2020-05-11 | 368 |
| 一种平台用户质量评估系统 | 2020-05-11 | 123 |
| 一种收藏文章的方法及移动终端 | 2020-05-08 | 327 |
| 一种5G通讯的机器人智能售货机及无人商超 | 2020-05-08 | 892 |
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。
广告网络热门专利
QQ群二维码
意见反馈
意见反馈