在线注意力定向广告
阅读：115发布：2020-05-11
专利汇可以提供在线注意力定向广告专利检索，专利查询，专利分析的服务。并且在至少一个方面，本公开中描述的各个 实施例 涉及计算机实现的在线广告方法。在至少一个实施例中，一种方法包括：至少基于每个广告创意与用户的潜意识兴趣之间的相关性来确定与同一广告内容相对应的多个广告创意中的每一个广告创意的注意 力 评分。该方法进一步包括：至少部分地基于注意力评分在该多个广告创意中选择一个广告创意；以及将所选广告创意用于该广告内容作为一个广告 印象 提供给该用户。，下面是在线注意力定向广告专利的具体信息内容。
1.一种由计算机实现的提供定向在线广告的方法，所述方法包括：
接收对将在在线网页中提供给用户的广告的请求；
使用计算机的处理器选择与所述请求相对应的广告内容；
使用所述计算机的处理器至少部分地基于每个相应广告创意与所述用户的潜意识兴趣之间的相关性来对与所选广告内容相对应的多个广告创意排名；
使用所述计算机的处理器至少部分地基于所述排名的结果在所述多个广告创意中选择一个广告创意；以及
将所选广告创意用于所选广告内容作为一个广告印象提供给所述用户。
2.如权利要求1所述的由计算机实现的方法，其特征在于，对多个广告创意排名包括：
使用所述计算机的处理器至少部分地基于每个相应广告创意与所述用户的潜意识兴趣之间的相关性来确定所述多个广告创意中的每一个广告创意的注意力评分；以及根据所述注意力评分来对所述多个广告创意排名。
3.如权利要求2所述的由计算机实现的方法，其特征在于，所述用户的所述潜意识兴趣是通过跟踪所述用户的在线行为实例来确定的，且确定注意力评分包括确定每个广告创意与所述用户的所述潜意识兴趣的相对相关性程度。
4.如权利要求2所述的由计算机实现的方法，其特征在于，确定注意力评分进一步至少部分地基于每个相应广告创意与所述用户的人口统计学信息之间的相关性。
5.如权利要求2所述的由计算机实现的方法，其特征在于，确定注意力评分进一步至少部分地基于每个相应广告创意与所述在线网页的内容之间的相关性。
6.如权利要求2所述的由计算机实现的方法，其特征在于，确定注意力评分进一步至少部分地基于每个相应广告创意与所述在线网页的上下文布局之间的相关性。
7.如权利要求2所述的由计算机实现的方法，其特征在于，确定注意力评分进一步至少部分地基于每个相应广告创意与紧接在所述当前在线网页之前向所述用户呈现的多个广告创意之间的相关性。
8.一种用于提供定向在线广告的系统，包括：
处理器，以及存储指令的至少一个存储器设备，所述指令在由所述处理器执行时使所述系统：
接收对将提供给用户的广告的请求；
选择与所述请求相对应的广告内容；
至少部分地基于每个相应广告创意与所述用户的潜意识兴趣之间的相关性来对与所选广告内容相对应的多个广告创意排名；
至少部分地基于所述排名的结果在所述多个广告创意中选择一个广告创意；以及将所选广告创意用于所述所选广告内容作为一个广告印象提供给所述用户。
9.如权利要求8所述的系统，其特征在于，排名多个广告创意包括：
至少部分地基于每个相应广告创意与所述用户的潜意识兴趣之间的相关性来确定所述多个广告创意中的每一个广告创意的注意力评分；以及
根据所述注意力评分来排名所述多个广告创意。
10.如权利要求9所述的系统，其特征在于，确定注意力评分进一步至少部分地基于每个相应广告创意与所述用户的人口统计学信息之间的相关性。
11.如权利要求9所述的系统，其特征在于，确定注意力评分进一步至少部分地基于每个相应广告创意与所述在线网页的内容之间的相关性。
12.如权利要求9所述的系统，其特征在于，确定注意力评分进一步至少部分地基于每个相应广告创意与所述在线网页的上下文布局之间的相关性。
13.如权利要求9所述的系统，其特征在于，确定注意力评分进一步至少部分地基于每个相应广告创意与紧接在所述当前在线网页之前向所述用户呈现的多个广告创意之间的相关性。
在线注意力定向广告
技术领域
[0001] 本公开在至少一方面涉及在网络环境中提供广告的系统和方法，尤其涉及使用各种注意力定向办法来提供在线广告的系统和方法。
背景技术
[0002] 计算机的日益普及以及通信网络（诸如因特网）的使用已使广告商和供应商对产品和服务做广告的方式有了变革。通信网络（诸如因特网）提供了使广告商接触广泛的潜在消费者的机会。例如，搜索引擎（诸如Baidu.com）、web门户服务（诸如Sina.com）以及网络会员制营销（affiliate program）为广告商提供了将广告放在其网页上的机会。广告可包括至供应商的网站的超链接（例如，URL）。广告活动的有效性可通过点进率——即在线用户点击广告并完成在线行为的比率——来衡量。为了达成点击进入，首先，广告应当与用户的兴趣相关。例如，当用户正在阅读关于某个度假目的地的网页时，关于去该度假目的地的旅行服务的广告可能是该用户感兴趣的。这往往被称为兴趣定向广告。其次，广告应当能够吸引用户的注意力。当用户浏览网页时，用户的中央视觉通常集中在他或她正在阅读的文章上。用户可能仅通过他或她的周围视觉——即通过他或她的眼角——扫视广告。因此，广告的设计应当使得其能吸引用户的注意力以使用户更仔细地看广告。若广告未能吸引用户的注意力，则无论该广告的内容与用户的兴趣多么相关，该广告也将不会被用户阅读。
[0004] 在至少一个方面，本公开中描述的各种实施例涉及计算机实现的在线广告方法。在一个实施例中，一种方法包括：至少部分基于每个广告创意与用户的潜意识兴趣之间的相关性来确定与同一广告内容相对应的多个广告创意中的每一个广告创意的注意力评分。
该方法进一步包括：至少部分地基于注意力评分在该多个广告创意中选择一个广告创意；
以及将所选广告创意用于该广告内容作为一个广告印象提供给该用户。
该方法进一步包括：至少部分地基于注意力评分在该多个广告创意中选择一个广告创意；
以及将所选广告创意用于该广告内容作为一个广告印象提供给该用户。
[0005] 根据各个实施例，每个广告创意的注意力评分可使用以下至少一者来确定：每个广告创意与用户的潜意识兴趣之间的相关性，每个广告创意与用户的人口统计学信息之间的相关性，每个广告创意与在线网页的内容之间的相关性，每个广告创意与在线网页的上下文布局之间的相关性，以及每个广告创意与先前呈现给用户的多个广告创意之间的相关性。
附图说明
[0007] 附图解说一个或更多个实施例且与书面描述一起用于解释本发明的各种原理。在任何可能之处，将贯穿附图使用相同的附图标记来指示实施例的相同或相似项目，且附图中：
[0008] 图1示出包括广告的门户网页的示例；
[0009] 图2示出解说根据一个实施例的在线广告方法的流程图；以及
[0010] 图3示出一个可能纳入了各种实施例的网络环境的示意图。
具体实施方式
[0011] 现在将在下文参考附图更详细地描述各种实施例，附图中示出了示例性实施例。然而，各个方面能以许多不同形式来体现，且不应被解释为被限定于本文所阐述的实施例。
确切而言，提供这些实施例以使本公开将是透彻和完整的，并且将向本领域技术人员完全传达本公开的范围。相同的附图标记始终表示相同的项目。
确切而言，提供这些实施例以使本公开将是透彻和完整的，并且将向本领域技术人员完全传达本公开的范围。相同的附图标记始终表示相同的项目。
[0012] I.概览
[0013] 每次将一个广告提供给用户的实例构成一个广告印象。在至少一些实施例中，使广告印象达到成功的点击进入可包括三个重要因素。这三个因素可包括例如：第一，广告应当能够吸引用户的注意力；第二，广告的内容应当与用户的兴趣相关，因此用户乐意于进一步考虑；以及第三，广告应当具有可信性，从而用户乐意于采取进一步行为（诸如完成购买）而不必担心不利结果（诸如病毒感染或身份失窃）。广告的点进率（CTR）可表达为：
[0014] CTR∞注意力·兴趣·可信性
[0015] 其中注意力、兴趣和可信性分别表示广告吸引用户的注意力的能力、广告与用户的兴趣的相关性、以及广告的可信性。广告活动的目标可以是通过使注意力、兴趣和可信性中的每一者最大化而使得CTR最大化。
[0016] 本公开在一个方面涉及使用各种注意力定向算法来提供在线广告的系统和方法。在一个实施例中，一种示例性方法涉及使用广告创意来吸引用户注意力。广告创意的示例可包括美丽女子的照片、英俊男子的照片、可爱婴儿的照片、美丽自然景色的照片、动物的照片、语言符号等等。不同的人可能被不同的广告创意所吸引，这取决于各种因素诸如其人口统计学概况之类的信息，该信息可包括例如其年龄、性别、种族、地理位置、个人因素（诸如色彩偏好）、以及个人兴趣。作为解说性示例，图1示出一网页包括一个位于其右下角的关于手机电话的广告。由于该广告有两个美丽女子的形象，因此其可能吸引更多的男性用户的注意，或者更多的女性用户的注意力。因此，定向广告可采用不同的广告创意用于相同的广告内容而有利地达到吸引不同用户的注意力的目的。广告创意应当至少在一定程度上与广告的内容相关。例如，婴儿产品广告的广告创意可包括婴儿照片。应注意，广告创意的注意力吸引能力可取决于广告创意与网页的上下文布局之间的反差，诸如色彩反差、语言反差、以及动画相对于静画、图片相对于文字。此外，广告创意的注意力吸引能力还可取决于其对用户的熟悉程度或不熟悉程度。还应注意，不要在短时间内向同一个用户显示相同广告创意太多次，因为他或她可能会对该广告创意产生“疲劳”。
[0017] 图2示出解说根据一个实施例的在线广告方法的流程图。在步骤210，广告系统选择要在在线网页中提供给用户的广告内容。可能存在对应于同一个所选广告内容的多个广告创意，这可使用本领域已知的任何恰当技术来产生。在步骤220，系统确定与同一广告内容相对应的多个广告创意中的每一个广告创意的注意力评分。在步骤230，系统至少部分地基于注意力评分来在这多个广告创意中选择一个广告创意，诸如通过选择最高注意力评分或最低注意力评分、或与所确定的值最接近的评分。在步骤240，系统将所选广告创意用于所选广告内容作为一个广告印象提供给该用户。
[0018] 根据各种实施例，每个广告创意的注意力评分可使用以下至少一者来确定：(i)每个广告创意与用户的潜意识兴趣之间的相关性，(ii)每个广告创意与用户的人口统计学信息之间的相关性，(iii)每个广告创意与在线网页的内容之间的相关性，(iv)每个广告创意与在线网页的上下文布局之间的相关性，以及(v)每个广告创意与先前呈现给用户的多个广告创意之间的相关性。
[0019] II.潜意识兴趣类别以及各种注意力参数
[0020] 潜意识兴趣类别
[0021] 根据一个实施例，广告系统定义N个潜意识兴趣（SI）类别的集合，其中N为正整数。N应当足够大，从而包括大多数可能的人类潜意识兴趣。一些示例性SI类别包括：
[0022] ·家庭生活。定向至该SI类别的广告创意可包括例如有小孩或无小孩的夫妻照片，并且可用在与养育、教育产品、家庭度假、家庭餐馆、游乐公园等有关的广告中。
[0023] ·自然。定向至该SI类别的广告创意可包括例如山、湖、海、或其他自然景色的照片，并且可用在与户外用具、度假服务、旅馆、飞机票价等有关的广告中。
[0024] ·动物。定向至该SI类别的广告创意可包括例如动物、宠物等的照片，并且可用在与宠物产品、野外度假套餐、适于家庭的游览胜地等有关的广告中。
[0025] ·婴儿。定向至该SI类别的广告创意可包括婴儿的照片（或许来自不同种族，诸如亚洲人、白种人、美国黑人、或拉丁美洲人），并且可用在与婴儿产品（诸如婴儿食物、婴儿衣物、玩具等）有关的广告中。
[0026] ·空间和宇宙。定向至该SI类别的广告创意可包括例如太空、星星、地球等的照片，并且可用在与教育、科学、旅行等有关的广告中。
[0027] ·服装和首饰品。定向至该SI类别的广告创意可包括例如美丽女子或英俊男子的照片，并且可用在与衣物、珠宝、眼镜等有关的广告中。
[0028] ·汽车。定向至该SI类别的广告创意可包括汽车的照片，或许有美丽女子或英俊男子在开车。
[0029] ·重大事件。定向至该SI类别的广告创意可包括大字体或本土语言符号的文本。例如，用于与中国高考有关的教育产品的广告可使用象征高考的中文字符。
[0030] 其他可能的SI类别包括食品、运动、工作等。SI类别可通过调查广告专家来定义。在下文，根据本发明的各种实施例定义各种注意力参数。
[0031] 广告创意注意力相关性(AA）参数
[0032] 对于每个广告创意，广告创意注意力相关性（AA）参数被定义为N维矢量。
[0033] AA={AAi},i＝1,2,...N。
[0034] 该AA矢量的每个分量是连续实值，其指示广告创意与相应SI类别的相对相关性程度。在一个实施例中，与最相关的SI类别相对应的分量被指派值1，即：
[0035] (AAi)max=1。
[0036] 例如，由于带有婴儿照片的广告创意与SI类别“婴儿”最相关，因此与“婴儿”类别相对应的AA分量被指派值1，而任何其他AA分量被指派小于1的值。值0可意味着广告创意与该类别不相关。AA矢量可由广告商、广告设计者、或广告专家确定。或者，也可根据所有用户对带有该广告创意的广告的点击率来连续地调节AA矢量。
[0037] 在SI类别集合不完整的情形中，AA矢量的所有分量可被指派小于1的值，这意味着该广告创意不和任何SI类别具有理想相关性。在某些可能性不太大但是可能的情形中，广告创意可具有与特定SI类别的负相关性。例如，若广告创意被设计为不向具有特定潜意识兴趣的人显示，则与该SI类别相对应的AA分量可被指派较大的负值。
[0038] 用户注意力(UA）参数
[0039] 对于每个用户，用户注意力参数UA被定义为N维矢量：
[0040] UA={UAi},i＝1,2,…N。
[0041] 该UA矢量的每个分量是0与1之间的连续值，其指示用户的潜意识兴趣和该SI类别中的相对相关性，即：
[0042] 0≤UA≤1。
[0043] 对于恰当的规范化，UA矢量的所有分量之和被规范化为1，即：
[0044]
[0045] UA矢量是代表每个用户的特性的参数。UA矢量的值取决于用户的人口统计学特性和用户的在线行为。在一个实施例中，UA矢量初始是从用户的人口统计学特性和兴趣信息确定的。其随后在系统追踪用户的每个行为实例时以无限冲击响应（Infinite Impulse Response,or IIR）方式被实时地更新。用户行为实例的示例可包括用户访问的网页、用户听的音乐、用户看的视频、用户点击的广告、用户作出的购买等。以下根据本发明的各种实施例更详细地描述更新UA矢量的方法。
[0046] 行为实例(BI）参数
[0047] 对于每个用户行为实例，行为实例（BI）参数被定义为N维矢量：
[0048] BI={BIi},i=1,2,...N。
[0049] 该BI矢量的每个分量是0与1之间的连续值，其指示行为实例与相应SI类别的相对相关性程度，即：
[0050] 0≤BIi≤1。
[0051] 例如，若用户阅读关于婴儿健康主题的网页，则该行为实例的BI矢量在对应于“婴儿”类别的分量中可具有较高值。对于恰当的规范化，BI矢量的所有分量之和被规范化为1，即：
[0052]
[0053] BI矢量是代表用户的每个行为实例（诸如用户阅读的网页）的特性的参数。不同主题的网页（或其他web内容）的BI矢量可通过调查广告专家来确定。网页的主题可通过基于关键词或语法的语言分析技术来确定。出于简单化，可仅对网页的标题执行该分析。在一个实施例中，可实时地执行该分析。即，每次用户加载网页时，在随该网页供应广告之前分析该网页。该方法可在供应广告方面引入太多等待时间延迟，且因此影响用户体验。在另一个实施例中，可准实时地执行该分析。即，在第一用户加载网页时，分析该网页并确定其主题以及因此确定主题引起的BI矢量。当其他用户在稍后的时间加载该相同的网页时，将使用该相同的BI矢量。在又一个实施例中，系统可随之供应广告的网页被事先抓取，且BI矢量被提前确定并被保存在系统中。
[0054] 内容注意力(CA）参数
[0055] 对于每个广告空间（例如，随之供应广告的网页），内容注意力（CA）参数被定义为N维矢量：
[0056] CA={CAi},i=1,2,…N。
[0057] 该CA矢量的每个分量是0与1之间的连续值，其指示广告空间与相应SI类别的相对相关性程度，即：
[0058] 0≤CAi≤1。
[0059] CA矢量是代表每个广告空间的特性的参数。CA矢量的值取决于(i)围绕广告空间的网页的内容或主题，或(ii)在具有多个版面的门户页面的情形中，接近广告空间的版面的内容。对于恰当的规范化，CA矢量的所有分量之和被规范化为1，即：
[0060]
[0061] CA矢量可被视为随之提供广告的当前网页的BI矢量。例如，当用户正在查看具有特定主题的网页时，CA矢量与该网页的BI矢量是相同的。若广告空间位于包括关于不同主题的若干版面的门户页面上，则相关内容是接近广告空间的版面的内容。例如，Sina.com的网页可包括关于各种主题（诸如体育、科学、娱乐等）的若干版面。若广告空间接近体育版面，则广告空间的相关内容则是体育，且该广告空间的CA矢量等于主题“体育”的BI矢量。
[0062] 全局(G）参数
[0063] 全局（G）参数独立于用户、广告空间或广告创意。其描述不同SI类别之间的注意力吸引能力的偏差，因为不同SI类别可固有地具有不同的注意力吸引能力。例如，SI类别“婴儿”可具有比SI类别“汽车”更大的注意力吸引能力。全局（G）参数被定义为N维矢量：
[0064] G={Gi},i=1,2,...N。
[0065] G矢量的每个分量是0与1之间的连续值，即：
[0066] 0≤Gi≤1
[0067] G矢量可通过广告专家的调查或通过数据挖掘和统计分析来确定。
[0068] 用户人口统计学(UD）参数和用户人口统计学查找表
[0069] 广告创意的注意力吸引能力可取决于用户的人口统计学概况，诸如性别、年龄、种族、地理位置、职业、收入范围、教育水平、婚姻状况、小孩的状况、他或她使用的浏览器和操作系统的类型、时刻、周日，以及关于用户使用的移动设备和移动应用的类型、GPS位置等。对于每个用户，用户人口统计学（UD）参数被定义为K维矢量：
[0070] UD={UDi},i=1,2,...K，
[0071] 其中K是正整数。UD矢量的每个分量对应于相应的人口统计学参数且具有多个离散状态。这多个离散状态是互斥的，这意味着对于每个用户，每个人口统计学参数在任何给定时间可以仅处于这多个离散状态中的一个状态中。若关于人口统计学参数的信息是未知的，则该参数被设为空状态并且不对注意力评分作出贡献。
[0072] 人口统计学注意力定向对K维UD矢量进行操作。对于每个用户，广告创意的注意力吸引能力取决于广告创意与用户的人口统计学参数之间的相关性。由于每个人口统计学参数具有离散状态，因此广告创意与用户的人口统计学参数之间的相关性不能表达为解析公式，而是表达为离散状态与值的查找表UD_LKP。对于每个广告创意，其用户人口统计学查找表UD_LKP包括K维矢量，其每个分量是对一个人口统计学参数进行操作的查找表：
[0073] UD_LKP(UD)={UD_LKPi(UDi)},i=1,2,…K。
[0074] UD_LKP矢量的每个分量的可能查找值是0与1之间的值，其指示广告创意关于相应的人口统计学参数的特定状态的相对注意力吸引能力。对于恰当的规范化，UD_LKP中的个体分量的最大值之和被规范化为1，即：
[0075]
[0076] 除非广告创意没有定向至任何人口统计学参数，在这种情形中UD_LKP矢量关于所有状态的所有分量皆被设为0，或者等效地，整个人口统计学定向步骤被跳过。用户人口统计学查找表UD_LKP初始可由广告商、广告设计者、或广告专家确定。或者，它们是基于真实数据连续地调节的。
[0077] 以下提供根据本发明一个实施例的用户人口统计学查找表UD_LKP如何操作的解说性示例。人口统计学参数“性别”具有两个离散状态，即“男性”和“女性”。若广告创意被设计为定向于女性用户，则对应于“男性”的查找值可被设为0，而对应于“女性”的查找值可被设为0与1之间的值。若广告创意对于人口统计学参数“性别”是无关紧要的，则对应于“男性”和“女性”两者的查找值可被设为0。一般而言，若广告创意对于人口统计学参数的状态是无关紧要的，则关于该人口统计学参数的所有状态的查找值应当被设为0。类似地，关于任何空状态的查找值被设为0。
[0078] 若广告创意被设计为不向人口统计学参数的特定状态中的任何用户显示，则对应于该状态的查找值可被设为较大的负值。例如，若广告创意被设计为不向任何男性用户显示，则对应于“男性”的查找值可被设为较大的负值。作为另一示例，若广告创意被设计为仅向在上海的用户显示（例如，具有上海本地象征的广告创意），则关于人口统计学参数“位置”的查找值对于在所有其他地理位置的用户可被设为较大的负值。
[0079] 内容布局(CL）参数和内容布局查找表
[0080] 广告创意的注意力吸引能力还可取决于广告创意与随之供应广告的网页之间的反差。例如，与网页具有较大色彩反差的广告创意可比与网页具有较小或无色彩反差的广告创意具有更大的注意力吸引能力。作为另一示例，在其他英语网页中具有少数中文字符的广告创意对于本土语言是中文的用户可具有更大注意力吸引能力。
[0081] 对于每个广告空间，上下文布局（CL）参数被定义为L维矢量：
[0082] CL={CLi},i=1,2,...L,
[0083] 其中L是正整数。上下文布局矢量是代表每个广告空间的特征的参数。CL矢量的每个分量对应于上下文布局参数且具有多个离散状态。这多个离散状态是互斥的，这意味着对于每个广告空间，每个上下文布局参数可以仅处于这多个离散状态中的一个状态中。若关于上下文布局参数的信息是未知的，则该参数被设为空状态并且不对注意力评分作出贡献。上下文布局参数的示例包括支配性色彩、语言（例如，英语、中文）、字体、亮度、动画相对于静态、文本相对于照片等。上下文布局参数的列表可由广告专家和/或广告设计者确定。
[0084] 上下文布局注意力定向对L维CL矢量进行操作。对于每个广告空间，广告创意的注意力吸引能力取决于广告创意与广告空间的上下文布局参数之间的相关性。由于每个上下文布局参数具有离散状态，因此广告创意与上下文布局参数之间的相关性不能表达为解析公式，而是表达为离散状态与值的查找表CL_LKP。对于每个广告创意，上下文布局查找表CL_LKP包括L维矢量，其每个分量是对一个上下文布局参数进行操作的查找表：
[0085] CL_LKP(CL)={CL_LKPi(CLi)},i=1,2,…L。
[0086] CL LKP矢量的每个分量的可能查找值是0与1之间的值，其指示广告创意关于相应的上下文布局参数的特定状态的相对注意力吸引能力。对于恰当的规范化，CL_LKP中的个体分量的最大值之和被规范化为1，即：
[0087]
[0088] 除非广告创意没有定向至任何上下文布局参数，在这种情形中CL_LKP矢量关于所有状态的所有分量皆被设为0，或者等效地，整个上下文布局定向步骤被跳过。上下文布局查找表CL_LKP可由广告商、广告设计者、或广告专家确定。或者，它们可基于真实数据连续地调节。
[0089] 历史注意力(HA）矢量和历史定向(HT）逻辑
[0090] 如先前所述，若广告创意已在短期内向相同用户显示太多次，则该广告创意可能在吸引用户的注意力方面变得较低效，因为用户可能会对该广告创意产生“疲劳”。因此，可能优选在不同广告创意间循环。这往往被称为“频率定向”。
[0091] 广告创意历史注意力定向对每个广告创意与紧接在当前在线网页之前向用户显示的多个广告创意之间的相关性进行操作。广告创意历史定向尝试避免向相同用户显示相同广告创意太多次。对于每个用户，广告创意历史注意力（HA）矢量是与先前向用户显示的h个广告创意相对应的AA矢量的集合，即：
[0092] AA(j),j=1,2,...h,
[0093] 其中h是正整数。h的值是预定的，例如可定为5。在广告提供期间，HA矢量被用于使在h次中已被显示了h′次的任何广告创意丧失资格，其中h′是预定的，例如可定为3。在其他实施例中，可以使用h和h′的其他值。该丧失资格是通过定义历史定向逻辑HT_逻辑来实现的。HT_逻辑是当前广告创意的HA和AA矢量的函数，且被标示为HT_逻辑(AA,HA)。若当前AA矢量类似于HA中的h个矢量中的h′个或更多，则HT_逻辑被指派较大负值。根据本发明的一个实施例，HT_逻辑的值可如下确定。首先，计算当前AA矢量与HA中的h个矢量中的每一个之间的绝对差：
[0094] j=1,2,...h。
[0095] 若这些值diffAAj中的h′个或更多个小于预定阈值t，则HT_逻辑被指派较大负值。否则，HT_逻辑被指派值1.0。对于恰当的规范化，HT_逻辑的最大值被设为1。可根据本发明的其他实施例使用其他逻辑算法。
[0096] III.注意力评分
[0097] 表1总结了以上定义的各种注意力参数。根据一个实施例，在实时广告提供中，系统根据以下等式确定与相同广告相对应的多个广告创意中的每一个的注意力评分：
[0098]
[0099]
[0100]
[0101] 其中cUA、cCA、cG、CUD、cCL和cHT是该等式中每一项的预定系数。这些系数表示这些项之间的相对加权并且可被用于微调该算法。两个矢量之间的符号“·”标示这两个矢量的内积，例如：
[0102]
[0103] 在一个实施例中，系统在呈现广告印象之前实时地计算多个广告创意的注意力评分。系统随后基于注意力评分在这多个广告创意中选择广告创意以用在广告印象中。在一个实施例中，系统选择这多个广告创意中具有最高注意力评分的广告创意。在其他实施例中，系统基于与注意力评分或注意力评分的n次幂成比例的概率函数来选择广告创意。在这种情形中，具有负注意力评分的广告创意应当首先丧失被考虑的资格。
[0104] 根据其他实施例，一些注意力参数是预先计算的，从而它们在广告供应中将有较小等待时间延迟。例如，项AA·UA可针对用户的百万个离散分类预先计算。百万个是数十亿个所有用户的巨大减少。项AA·CA也可针对系统可在其中供应广告的广告空间预先计算。项AA·G当然可预先计算。若由相应的UD、CL或(AA，HA)激发的UD_LKP、CL_LKP、HA_逻辑中存在任何较大负值，则广告创意可从计算中丢弃。
[0105] IV.用户注意力(UA)参数的更新
[0106] 根据一个实施例，每个用户的UA参数在用户的每个行为实例(BI)被系统捕捉时以无限冲激响应(IIR)方式被连续更新：
[0107] UA新＝(1-d·w)·UA旧+d·w·BI，
[0108] 其中d是IIR滤波器的可调节参数。d的值指示该特定行为实例的百分比加权。例如，值0.0001意味着该特定行为实例可推断该用户的潜意识兴趣的大约0.01％。d的值可取决于行为实例的类型。例如，用于点击实例的d的值可大于用于网页访问实例的d的值。作为示例，用于点击实例的d的值可被设为0.001，而用于网页访问实例的d的值可被设为0.00001。用于各种类型的行为实例的d的值可由广告专家、广告商，或广告设计者确定。或者，它们可通过统计分析来确定。w是取决于用户在该行为实例上花的时间历时的权重因子。在一个实施例中，w是根据以下等式来确定的：
[0109]
[0110] 其中t是用户在该特定行为实例上花的时间，而t0是多数用户在该行为实例上花的标称时间，例如10秒。即，若一个人在网页上花了超过t0，则意味着此人实际上正在阅读该网页的细节且因此是真正对该网页感兴趣。相应地，此行为实例被给予更大权重。值t0对于不同类型的行为实例可以是不同的。例如，用于音乐片断的t0的值可以比用于新闻文章的t0的值大。
[0111] 在其他实施例中，每个用户的UA参数可以批量方式更新，诸如每天更新一次。假定用户一天总共有p个被系统捕捉的行为实例，其中是p正整数，则UA参数被更新为：
[0112]
[0113] 注意，UA新仍被规范化为1。
[0114] 长期和短期UA参数
[0115] 在本发明的一个实施例中，UA参数被分为长期UA参数UA_L和短期UA参数UA_S：
[0116] UA=g×UA_L+(1-g)×UA_S,
[0117] 其中g是相对加权因子且具有0与1之间的值。作为示例，UA_L可通过用户在一个月里的行为实例确定，而UA_S可通过用户在一天里的行为实例确定。在替换实施例中，UA_S可通过用户在一天、一周、或一个月里的行为实例确定，而UA_L以IIR方式被连续更新。
[0118] V.潜意识兴趣类别的变换
[0119] 随着系统演进，潜意识类别的数目可能需要从N扩展到N+M。对于其中先前N个类别保持不变且M个新类别与先前N个类别不相关的特殊情形，N维用户注意力矢量UAN可变换成(N+M)维用户注意力矢量UAN+M，如：
[0120]
[0121]
[0122] 注意，UAN+M仍被规范化。
[0123] 在其中N个类别改变为M个类别的更一般情形，其中M可大于、等于或小于N，且这M个类别的定义可以不同于这N个类别的定义，则可使用映射矩阵T将N维用户注意力矢量UAN变换成M维用户注意力矢量UAM：
[0124] UAM=T×UAN,
[0125] 其中T是M行×N列矩阵。符号“×”标示矩阵乘法。映射矩阵T可由专家确定。矩阵T的每一列之和需要被规范化为1，从而UAM仍被规范化。
[0126] 图3示出纳入了本发明的实施例的网络环境的示意图。广告系统310经由通信网络340与一个或更多个web服务器320以及一个或更多个用户系统330互连。广告系统310包括广告内容选择器模块312和广告创意选择器模块314。在一个实施例中，广告内容选择器模块312根据兴趣定向准则或可信性准则选择要向用户供应的广告内容。广告创意选择器模块314在与所选广告内容相对应的多个广告创意中选择广告创意。广告系统310随后将所选广告创意用于所选广告内容作为一个广告印象提供给该用户。应理解，广告内容选择器模块312和广告创意选择器模块314可位于分开的模块中或位于集成模块中。
[0127] 通信网络340提供用于允许图3中描绘的各个系统之间的通信的机制。通信网络340可以是局域网（LAN）、广域网（WAN）、无线网络、内联网、因特网、专用网络、公共网络、交换网、或任何其他合适的通信网络。通信网络340可包括许多互连的计算机系统和通信链路。通信链路可以是硬连线链路、光学链路、卫星或其他无线通信链路、波传播链路、或任何其他用于信息通信的机制。各种通信协议可用于促成经由通信链路的信息通信，包括TCP/IP、HTTP协议、可扩展标记语言（XML）、无线应用协议（WAP）、正由行业标准组织开发的协议、因供应商而异的协议、定制协议、及其他协议。
[0129] 广告系统310可体现为计算机系统的形式。计算机系统的典型示例包括通用计算机、编程微处理器、微控制器、外围集成电路元件、以及能够实现构成本发明的方法的步骤的其他设备或设备安排。计算机包括微处理器、通信总线和存储器。存储器可包括随机存取存储器（RAM）和只读存储器（ROM）。此外，计算机系统包括存储设备，其可以是硬盘驱动器或可移动存储驱动器，诸如软盘驱动器、光盘驱动器等。存储设备也可以是用于将计算机程序或其他指令加载到计算机系统中的其他类似装置。
[0130] 计算机系统执行存储在一个或更多个存储元件中的指令集以处理输入数据。存储元件还可按需保持数据或其他信息。存储元件可以是信息源或处理机中存在的物理存储器元件。指令集可包括指示处理机执行诸如构成本发明的方法的步骤之类的具体任务的各种指令。指令集可以是软件程序的形式。软件可为各种形式，诸如系统软件或应用软件。此外，软件可为单独程序的集合、具有较大程序的程序模块、或程序模块的一部分的形式。软件还可包括面向对象编程形式的模块化编程。处理机对输入数据的处理可以是响应于用户命令、先前处理的结果、或由另一处理机作出的请求。
[0131] 本发明的各方面可作为硬件和/或软件中的程序代码来存储。用于包含用于实现本发明的各方面和实施例的代码或代码部分的存储介质和非瞬态计算机可读介质可包括，例如但不限于，磁带盒、磁带、软盘、光盘、CD-ROM、数字多用盘（DVD）、磁光盘、只读存储器（ROM）、随机存取存储器（RAM）、可擦除可编程ROM（EPROM）、以及电可擦除可编程ROM（EEPROM）。
[0132] 对示例性实施例的前述描述是仅出于解说和描述目的而给出的，且非旨在是穷尽性的或将本发明限定于所揭示的精确形式。鉴于上述教导，许多修改和变型都是可能的。
[0133] 选取和描述各实施例是为了解释本发明的原理及其实践应用，从而激励本领域其他技术人员能够利用本发明和各种实施例且构想适于特定用途的各种修改。本领域技术人员将显然可以看出本发明所从属于而不偏离其精神和范围的替代实施例。从而，本发明的范围由所附权利要求书而非本文中描述的前述描述和示例性实施例来定义。
[0134] 表1
[0135]
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 确定风力涡轮机的转子平面的定向 | 2020-05-12 | 460 |
| 定向力发生装置 | 2020-05-11 | 995 |
| 一种定向防变形低残余应力焊接夹具 | 2020-05-13 | 695 |
| 离心力的定向技术 | 2020-05-12 | 641 |
| 定向压力弯管机 | 2020-05-11 | 240 |
| 取力器定向喷淋润滑系统 | 2020-05-12 | 186 |
| 一种双磁力定向元器件排料装置 | 2020-05-12 | 918 |
| 定向力发生装置 | 2020-05-11 | 48 |
| 定向压力弯管机 | 2020-05-12 | 725 |
| 定向扭力连接器 | 2020-05-12 | 335 |
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。
定向力热门专利
QQ群二维码
意见反馈
意见反馈