一种基于用户特征推送广告的方法、系统及设备
专利汇可以提供一种基于用户特征推送广告的方法、系统及设备专利检索，专利查询，专利分析的服务。并且本 发明 涉及通信领域，提供了一种基于用户特征推送广告的方法、系统及设备。所述方法包括以下步骤：A. 服务器 对用户原始数据进行 数据挖掘 ，并根据提取出的用户特征信息生成对应的特征标签；B.根据所述特征标签确定待投放的广告的属性，并将所述广告推送到客户端。本发明通过在服务器中收集存储大量用户原始数据，并对其进行数据挖掘，利用提取出的用户特征信息生成特征标签，再根据特征标签推送 网络广告 ，提高了广告推送的针对性，进而提高了广告的命中率。，下面是一种基于用户特征推送广告的方法、系统及设备专利的具体信息内容。
1.一种基于用户特征推送广告的系统，包括服务器和客户端，所述服务 器包括用于存储用户原始数据的数据库，以及将广告发送至客户端的广告推送 单元，其特征在于，所述服务器还包括一个特征挖掘单元；
所述特征挖掘单元与数据库及广告推送单元相连，用于对数据库中的用户 原始数据进行数据挖掘，根据提取出的用户特征信息生成特征标签，并将所述 特征标签送入广告推送单元以控制广告推送单元对广告的选择及推送。
2.根据权利要求1所述的基于用户特征推送广告的系统，其特征在于，所 述特征挖掘单元进一步包括数据处理模块和特征标签模块；
所述数据处理模块用于对数据库中的用户原始数据进行数据挖掘，以提取 出用户特征信息；
所述特征标签模块与数据处理模块相连，用于根据所述用户特征信息生成 特征标签。
3.根据权利要求2所述的基于用户特征推送广告的系统，其特征在于，所 述特征挖掘单元进一步包括一个数据分类模块，其与所述数据处理单元相连， 用于对数据库中的用户原始数据进行分类，并将分类后的数据送入数据处理模 块中。
4.根据权利要求3所述的基于用户特征推送广告的系统，其特征在于，所 述特征挖掘单元进一步包括一个校验模块，其与数据处理模块相连，用于对数 据处理模块的数据处理结果进行检验，以修正所述数据处理模块的处理精度。
5.一种基于用户特征推送广告的设备，即与客户端相连的服务器，所述 服务器包括用于存储用户原始数据的数据库，以及将广告发送至客户端的广告 推送单元，其特征在于，所述服务器还包括一个特征挖掘单元；
所述特征挖掘单元与数据库及广告推送单元相连，用于对数据库中的用户 原始数据进行数据挖掘，根据提取出的用户特征信息生成特征标签，并将所述 特征标签送入广告推送单元以控制广告推送单元对广告的选择及推送。
6.根据权利要求5所述的基于用户特征推送广告的设备，其特征在于，所 述特征挖掘单元进一步包括数据处理模块和特征标签模块；
所述数据处理模块用于对数据库中的用户原始数据进行数据挖掘，以提取 出用户特征信息；
所述特征标签模块与数据处理模块相连，用于根据所述用户特征信息生成 特征标签。
7.一种基于用户特征推送广告的方法，其特征在于，所述方法包括以下 步骤：
A.服务器对用户原始数据进行数据挖掘，并根据提取出的用户特征信息生 成对应的特征标签；
B.根据所述特征标签确定待投放的广告的属性，并将所述广告推送至客户 端。
8.根据权利要求7所述的基于用户特征推送广告的方法，其特征在于，所 述步骤A之前包括：服务器收集用户原始数据，并存储到数据库中；
所述用户原始数据包括：即时通信数据、网站数据、游戏数据、支付数据、 场景数据以及广告点击数据。
9.根据权利要求8所述的基于用户特征推送广告的方法，其特征在于，所 述步骤A进一步包括：
A1.服务器对数据库中存储的用户原始数据进行数据挖掘，提取出用户特 征信息；
A2.根据用户特征信息生成对应的特征标签。
10.根据权利要求9所述的基于用户特征推送广告的方法，其特征在于， 所述步骤A2进一步包括：将所述用户特征信息进行编码，并将编码结果作为 特征标签。
技术领域
本发明涉及通信领域，更具体地说，涉及一种基于用户特征推送广告的方 法、系统及设备。
背景技术
网络智能广告的核心技术是进行受众分析。也即，通过对互联网用户的网 络行为进行分析得出用户特征信息，比如该用户的年龄、性别、地理位置、收 入状况以及其感兴趣的领域等，从而有针对性地投放用户感兴趣的个性化广 告。
而目前最为普遍的受众分析，是通过对用户注册资料进行汇总，将其作为 用户特征信息并推送广告。如图1所示，即为现有技术推送广告的系统结构， 包括服务器100及与其相连的多个客户端(客户端200......客户端N)。其中服 务器100包括数据库101和广告推送单元103：(1)数据库101用于存储收集到 的用户原始数据，主要是用户在网络(各个网站或论坛等)中留下的注册资料 等；(2)广告推送单元103利用数据库101中汇总的用户注册资料，确定广告 属性并将广告推送至各客户端(客户端200......客户端N)中。
由上可知，该现有技术没有对用户原始数据进行深入挖掘，不能掌握完整 精确的用户特征信息，因此广告推送的针对性较低，进一步导致命中率(也即 广告的点击率)较低。
发明内容
本发明的目的还在于提供一种基于用户特征推送广告的设备，以更好地解 决现有技术中存在的上述问题。
本发明的目的还在于提供一种基于用户特征推送广告的方法，以更好地解 决现有技术中存在的上述问题。
为了实现发明目的，所述基于用户特征推送广告的系统包括服务器和客户 端，所述服务器包括用于存储用户原始数据的数据库，以及将广告发送至客户 端的广告推送单元，所述服务器还包括一个特征挖掘单元；
所述特征挖掘单元与数据库及广告推送单元相连，用于对数据库中的用户 原始数据进行数据挖掘，根据提取出的用户特征信息生成特征标签，并将所述 特征标签送入广告推送单元以控制广告推送单元对广告的选择及投放。
优选地，所述特征挖掘单元进一步包括数据处理模块和特征标签模块；
所述数据处理模块用于对数据库中的用户原始数据进行数据挖掘，以提取 出用户特征信息；
所述特征标签模块与数据处理模块相连，用于根据所述用户特征信息生成 特征标签。
优选地，所述特征挖掘单元进一步包括一个数据分类模块，其与所述数据 处理单元相连，用于对数据库中的用户原始数据进行分类，并将分类后的数据 送入数据处理模块中。
优选地，所述特征挖掘单元进一步包括一个校验模块，其与数据处理模块 相连，用于对数据处理模块的数据处理结果进行检验，以修正所述数据处理模 块的处理精度。
为了更好地实现发明目的，所述设备基于用户特征推送广告的设备，即与 客户端相连的服务器，包括用于存储用户原始数据的数据库，以及将广告发送 至客户端的广告推送单元，所述服务器还包括一个特征挖掘单元；
所述特征挖掘单元与数据库及广告推送单元相连，用于对数据库中的用户 原始数据进行数据挖掘，根据提取出的用户特征信息生成特征标签，并将所述 特征标签送入广告推送单元以控制广告推送单元对广告的选择及投放。
优选地，所述特征挖掘单元进一步包括数据处理模块和特征标签模块；
所述数据处理模块用于对数据库中的用户原始数据进行数据挖掘，以提取 出用户特征信息；
所述特征标签模块与数据处理模块相连，用于根据所述用户特征信息生成 特征标签。
为了更好地实现发明目的，所述基于用户特征推送广告的方法包括以下步 骤：
A.服务器对用户原始数据进行数据挖掘，并根据提取出的用户特征信息生 成对应的特征标签；
B.根据所述特征标签确定待投放的广告的属性，并将所述广告推送到客户 端。
优选地，所述步骤A之前包括：服务器收集用户原始数据，并存储到数据 库中；
所述用户原始数据包括：即时通信数据、网站数据、游戏数据、支付数据、 场景数据以及广告点击数据。
优选地，所述步骤A进一步包括：
A1.服务器对数据库中存储的用户原始数据进行数据挖掘，提取出用户特 征信息；
A2.根据用户特征信息生成对应的特征标签。
优选地，所述步骤A1中的数据挖掘包括以下方式：归纳、计算及预测。
优选地，所述步骤A1中的用户特征信息包括：个人属性、家庭属性、网 络行为、兴趣爱好。
优选地，所述步骤A2进一步包括：将所述用户特征信息进行编码，并将 编码结果作为特征标签。
本发明通过在服务器中收集存储大量用户原始数据，并对其进行数据挖 掘，利用提取出的用户特征信息生成特征标签，再根据特征标签推送网络广告， 提高了广告推送的针对性，进而提高了广告的命中率。
附图说明
图1是现有技术中基于用户特征推送广告的系统结构图；
图2是本发明中基于用户特征推送广告的系统结构图；
图3是图2所示系统中特征挖掘单元的内部结构图；
图4是本发明中基于用户特征推送广告的另一系统结构图；
图5是本发明中基于用户特征推送广告的方法流程图；
图6是本发明中基于用户特征推送广告的另一方法流程图。
具体实施方式
本发明中，服务器通过各种渠道收集存储大量的用户原始数据，并利用建 立的数据挖掘模型对用户原始数据进行数据挖掘，提取出有效的用户特征信息 并生成对应的特征标签，再根据特征标签推送网络广告，因此提高了广告推送 的针对性。
图2示出了本发明中基于用户特征推送广告的系统结构，该系统包括服务 器100，以及与其相连的多个客户端(客户端200、客户端300......客户端N)。 应当说明的是，本发明所有图示中各设备之间的连接关系是为了清楚阐释其信 息交互及控制过程的需要，因此应当视为逻辑上的连接关系，而不应仅限于物 理连接。
各客户端(客户端200、客户端300......客户端N)典型的可为各种能够...... 的终端设备，例如个人计算机(Personal Computer，PC)、个人数字助理(Personal Digital Assistant，PDA)、移动电话(Mobile Phone，MP)等，因此本发明的 保护范围不应限定为某种特定类型的客户端。
服务器100用于收集和存储用户原始数据，并从中提取用户特征信息，以 及根据用户特征信息进行网络广告的针对性推送。该服务器100典型的可为专 门的广告伺服器，或者具有广告伺服功能的大型网站服务器等，因此本发明的 保护范围不应限定为某种特定类型的服务器。
在本发明中，服务器100包括数据库101、特征挖掘单元102和广告推送单 元103，其中：
(1)数据库101用于存储所收集到的用户原始数据，本发明中用户原始数 据的种类有多种，可通过多种方式和渠道收集用户原始数据。
在本发明的一个示例方案中，用户原始数据可包括：即时通信(Insant Message，IM)数据、网站数据、游戏数据、支付数据、场景数据、广告点击 数据等等。而收集上述用户原始数据的方式可以是从网站提取用户注册信息、 跟踪用户在网站的网络行为，以及进行调研，等等。
(2)特征挖掘单元102与数据库101及广告推送单元103相连，用于对数据 库101中的用户原始数据进行数据挖掘，根据提取出的用户特征信息生成特征 标签，并将特征标签送入广告推送单元103中。该特征挖掘单元102的内部结构 将在其后进行详细阐述。
本发明中用户特征信息包括多种，例如个人属性、家庭属性、网络行为、 兴趣爱好等等。在一个示例方案中，用户特征信息以如下表格的形式展现：
特征挖掘单元102可采取多种方式，例如归纳、计算、预测等，从数据库 101存储的用户原始数据中提取出上述表格中的各种用户特征信息。
(3)广告推送单元103与特征挖掘单元102相连，用于根据特征挖掘单元 102发送的特征标签，确定待推送的广告的属性，并将所确定的广告推送至各 客户端(客户端200、客户端300......客户端N)中。
图3示出了图2的系统中特征挖掘单元102的内部结构，包括数据分类模块 1021、数据处理模块1022、特征标签模块1023和校验模块1024，其中：
(1)数据分类模块1021用于对数据库101中存储的大量的用户原始数据进 行分类，也即，将用户分成多个群体，再将分类后的数据输入数据处理模块1022 中。当然本发明中此模块并非必要，也可不进行数据分类，而利用数据处理模 块1022直接对数据库101中的用户原始数据进行处理。
(2)数据处理模块1022用于对数据库101中的用户原始数据进行数据挖 掘，以提取出用户特征信息。本发明中数据处理模块1022对用户特征信息的提 取可有多种方式，包括归纳、计算、预测等，分别针对不同种类的用户特征信 息。
例如，可通过归纳方式获得用户的兴趣爱好相关的特征信息，包括汽车、 房产、旅游、数码、音乐、动漫、游戏、体育、交友、读书、军事、财经、文 学、美食等等；可通过计算方式获取用户使用某企业服务的忠诚度，包括用户 的注册时间、登录频率、使用项目、累计消费额等等；可通过调研结果和数据 筛选预测用户的其他特征信息。
(3)特征标签模块1023与数据处理模块1022相连，用于根据数据处理模 块1022提取出的用户特征信息生成对应的特征标签，并送入广告推送单元103 中。
本发明中特征标签的生成可包括多种方式。在一个典型的实施例中，特征 标签模块1023通过对所提取的用户特征信息进行编码处理，将所生成的编码作 为特征标签。
(4)校验模块1024与数据处理模块1022相连，用于对数据处理模块1022 的数据处理结果进行检验，以修正数据处理模块1022的处理精度。
图4示出了本发明中基于用户特征推送广告的另一系统结构，该系统包括 服务器100及与其相连的多个客户端(客户端200、客户端300......客户端N)。 与图2所示系统结构相比，服务器100中除包括数据库101、特征挖掘单元102 和广告推送单元103外，还包括一个效果分析单元104。
该效果分析单元104根据各个客户端(客户端200、客户端300......客户端 N)反馈的结果，对广告推送效果进行分析，即计算广告的曝光率、命中率(即 点击率)等，并将所得数据反馈给特征挖掘单元102，以判定其数据挖掘的成 效，从而可在之后进一步进行性能优化。
本发明中，曝光率和命中率的计算方法可有多种。在一个示例方案中，效 果分析单元104计算曝光率的公式如下：曝光率＝覆盖用户数/总用户数；其 计算命中率的公式如下：命中率＝点击数/曝光数。
在上述示例方案的一个实施例中，所得曝光率和命中率如下表：
在上述示例方案的一个实施例中，所得曝光率和命中率如下表：
当然，本发明中效果分析单元104还可通过其他方式计算广告的曝光率和 命中率，并不限定于以上所述的方法。
图5示出了本发明中基于用户特征推送广告的方法流程，该方法流程基于 图2、图3、图4所示的系统结构，具体过程如下：
在执行本发明的所有步骤之前，服务器100通过各种渠道或方式收集用户 原始数据并存储在数据库101中，这些用户原始数据包括IM数据、网站数据、 游戏数据、支付数据、场景数据、广告点击数据等等。而收集上述用户原始数 据的方式可以是从网站提取用户注册信息、跟踪用户在网站的网络行为，以及 进行调研，等等。
在步骤S501中，服务器100对收集的用户原始数据进行数据挖掘，从中提 取出用户特征信息。本发明中用户特征信息包括多种，例如个人属性、家庭属 性、网络行为、兴趣爱好等等，在前述图2的一个示例方案中用表格形式对用 户特征信息进行了展示。在此步骤中，服务器100可利用其特征挖掘单元102 从数据库101中存储的用户原始数据中提取用户特征信息，针对不同类型的用 户特征信息的提取方式可有多种，例如归纳、计算、预测等。
例如，可通过归纳方式获得用户的兴趣爱好相关的特征信息，包括汽车、 房产、旅游、数码、音乐、动漫、游戏、体育、交友、读书、军事、财经、文 学、美食等等；可通过计算方式获取用户使用某企业服务的忠诚度，包括用户 的注册时间、登录频率、使用项目、累计消费额等等；可通过调研结果和数据 筛选预测用户的其他特征信息。
此外，步骤S502可先对用户原始数据进行分类，然后再从分类后的数据中 提取用户特征信息。
在步骤S502中，服务器100根据得到的用户特征信息生成特征标签。此步 骤中，可采取多种方式生成特征标签。在一个典型的实施例中，特征标签模块 1023通过对数据处理模块1022所提取的用户特征信息进行编码处理，将所生成 的编码作为特征标签。
在步骤S503中，服务器100根据特征标签选择要投放的广告，并将所选择 的广告推送至各客户端(客户端200、客户端300......客户端N)中。
如前所述，该特征标签中包含了用户特征信息，即用户的个人属性、家庭 属性、网络行为、兴趣爱好等，因此服务器100的广告推送单元103可根据上述 用户特征信息针对性地选择要投放的广告，并进行推送。
图6示出了本发明基于用户特征推送广告的另一方法流程，该方法流程基 于图4所示的系统结构，具体过程如下：
在执行本发明的所有步骤之前，服务器100通过各种渠道或方式收集用户 原始数据并存储在数据库101中，这些用户原始数据包括IM数据、网站数据、 游戏数据、支付数据、场景数据、广告点击数据等等。而收集上述用户原始数 据的方式可以是从网站提取用户注册信息、跟踪用户在网站的网络行为，以及 进行调研，等等。
在步骤S601中，服务器100对收集的用户原始数据进行数据挖掘，从中提 取出用户特征信息，其具体过程与前述步骤S501一致。
在步骤S602中，服务器100根据得到的用户特征信息生成特征标签。此步 骤中，可采取多种方式生成特征标签，具体过程与前述步骤S502一致。
在步骤S603中，服务器100根据特征标签选择要投放的广告，并将所选择 的广告推送至各客户端(客户端200、客户端300......客户端N)中，具体过程 与前述步骤S503一致。
在步骤S604中，根据服务器100的推送数据以及各客户端(客户端200、客 户端300......客户端N)反馈的点击数据，计算广告的曝光率和命中率，并将 计算结果发送至特征挖掘单元102中，转步骤S601，从而利用曝光率和命中率 对数据挖掘进行进一步的优化。
以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明 的保护范围之内。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 生物流体分离装置和生物流体分离与检验系统 | 2020-05-16 | 987 |
| 用于机器视觉检验的检验设备和方法 | 2020-05-14 | 132 |
| 生物流体收集装置以及生物流体分离和检验系统 | 2020-05-17 | 223 |
| 生物流体分离装置和生物流体分离与检验系统 | 2020-05-17 | 72 |
| 一种全自动即时检验仪 | 2020-05-11 | 684 |
| 一种即时通讯服务器监控数据的分发方法和装置 | 2020-05-15 | 428 |
| 生物流体收集装置以及生物流体分离和检验系统 | 2020-05-17 | 841 |
| 一种用于即时检验的分析测试杯 | 2020-05-13 | 115 |
| 一种全自动即时检验仪 | 2020-05-11 | 284 |
| 一种全自动即时检验仪用检测装置 | 2020-05-12 | 995 |
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。
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。
