• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 22
    • 下载费用:30 金币  

    重庆时时彩是不是按顺序开吗: 用户终端以及用于提供广告的方法和系统.pdf

    关 键 词:
    用户 终端 以及 用于 提供 广告 方法 系统
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201410044949.1

    申请日:

    2014.02.07

    公开号:

    CN103971265A

    公开日:

    2014.08.06

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06Q 30/02申请日:20140207|||公开
    IPC分类号: G06Q30/02(2012.01)I 主分类号: G06Q30/02
    申请人: 三星电子株式会社
    发明人: 柳承烈; 沈贤植; 柳济赫
    地址: 韩国京畿道水原市
    优先权: 2013.01.31 KR 10-2013-0011345
    专利代理机构: 北京铭硕知识产权代理有限公司 11286 代理人: 韩明星;张云珠
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201410044949.1

    授权公告号:

    |||

    法律状态公告日:

    2016.03.02|||2014.08.06

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明提供一种用户终端以及用于提供广告的方法和系统。所述系统包括:第一服务器,被构造为基于用户终端的行为历史信息和由用户输入的感兴趣广告选择条件来产生用户感兴趣模型,并存储所述用户感兴趣模型;第二服务器,被构造为基于从广告提供商提供的广告信息和目标用户选择条件来产生目标用户属性模型,并存储所述目标用户属性模型;第三服务器,被构造为当用户信息被从用户终端发送时,通过基于所述用户信息检测用户感兴趣模型和目标用户属性模型来检测模型,并将与检测到的模型相关的广告推荐给用户终端。

    权利要求书

    权利要求书
    1.  一种广告提供系统,包括:
    第一服务器,基于用户终端的行为历史信息和由用户输入的感兴趣广告选择条件来产生用户感兴趣模型,并存储所述用户感兴趣模型;
    第二服务器,基于从广告提供商提供的广告信息和目标用户选择条件来产生目标用户属性模型,并存储所述目标用户属性模型;
    第三服务器,当用户信息被从用户终端发送时,通过基于所述用户信息检测用户感兴趣模型和目标用户属性模型来检测模型,并推荐与检测到的模型相关的广告。

    2.  如权利要求1所述的广告提供系统,其中,用户感兴趣模型包括通过从用户终端的行为历史信息和感兴趣广告选择条件来聚簇对共同广告类别感兴趣的用户而获得的第一聚簇信息,
    目标用户属性模型包括通过从提供自广告提供商的广告类别和与所述广告类别相关的目标用户的属性来聚簇与共同广告类别相关的用户属性而获得的第二聚簇信息。

    3.  如权利要求1所述的广告提供系统,其中,用户行为历史信息包括应用执行信息、网页浏览历史、音乐或视频再现信息、搜索关键词信息、广告接收信息、广告点击信息和产品购买信息中的至少一种信息。

    4.  如权利要求1所述的广告提供系统,其中,感兴趣广告选择条件包括用户年龄、行为发生的地点、广告时间段和广告周期中的至少一个。

    5.  如权利要求2所述的广告提供系统,其中,第三服务器通过使用频繁模式(FP)树算法来确定第一聚簇信息和第二聚簇信息之间的相似度,并基于所述相似度来推荐与第一聚簇信息和第二聚簇信息中的至少一个相关的广告。

    6.  如权利要求1所述的广告提供系统,还包括第四服务器,第四服务器在目标用户属性模型中检测与用户信息匹配的模型,并向用户终端提供包括与检测到的模型相关的广告的候选广告列表。

    7.  如权利要求6所述的广告提供系统,其中,第一服务器根据从候选广告列表选择的至少一个广告的属性来更新感兴趣广告选择条件。

    8.  如权利要求1所述的广告提供系统,还包括第五服务器,第五服务器 在用户感兴趣模型中检测与通过广告提供商的终端输入的目标广告匹配的模型,并向广告提供商的终端提供包括与检测到的模型相关的用户属性信息的候选用户属性列表。

    9.  如权利要求8所述的广告提供系统,其中,第二服务器根据从用户属性列表选择的至少一条用户属性信息来更新目标用户选择条件。

    10.  如权利要求1所述的广告提供系统,还包括第六服务器,第六服务器基于共同信息通过组合至少一个用户感兴趣模型和至少一个目标用户属性模型来产生整合的属性模型,并存储整合的属性模型。

    11.  一种广告提供方法,包括:
    基于用户终端的行为历史信息和由用户输入的感兴趣广告选择条件来产生用户感兴趣模型,并存储所述用户感兴趣模型;
    基于从广告提供商提供的广告信息和目标用户选择条件来产生目标用户属性模型,并存储所述目标用户属性模型;
    当用户信息被从用户终端发送时,通过基于所述用户信息检测用户感兴趣模型和目标用户属性模型来检测模型,并推荐与检测到的模型相关的广告。

    12.  如权利要求11所述的广告提供方法,其中,用户感兴趣模型包括通过从用户终端的行为历史信息和感兴趣广告选择条件来聚簇对共同广告类别感兴趣的用户而获得的第一聚簇信息,
    目标用户属性模型包括通过从提供自广告提供商的广告类别和与所述广告类别相关的目标用户的属性来聚簇与共同广告类别相关的用户属性而获得的第二聚簇信息。

    13.  如权利要求11所述的广告提供方法,其中,用户行为历史信息包括应用执行信息、网页浏览历史、音乐或视频再现信息、搜索关键词信息、广告接收信息、广告点击信息和产品购买信息中的至少一种信息。

    14.  如权利要求11所述的广告提供方法,其中,感兴趣广告选择条件包括用户年龄、行为发生的地点、广告时间段和广告周期中的至少一个。

    15.  如权利要求12所述的广告提供方法,其中,推荐广告的步骤包括:通过使用频繁模式(FP)树算法来确定第一聚簇信息和第二聚簇信息之间的相似度,并基于所述相似度来推荐与第一聚簇信息和第二聚簇信息中的至少一个相关的广告。

    说明书

    说明书用户终端以及用于提供广告的方法和系统
    本申请要求于2013年1月31日提交到韩国知识产权局的第10-2013-0011345号韩国专利申请的优先权,所述申请的公开通过引用整体合并于此。
    技术领域
    根据示例性实施例的方法和设备涉及一种用户终端以及提供广告的系统和方法。更具体地讲,示例性实施例涉及一种在语义上解释来自广告用户和广告提供商两者的请求并选择性地提供广告的广告提供系统和方法。
    背景技术
    已知的,产品或服务主要通过使用诸如报纸、杂质、标牌、广播等的媒介来向消费者做广告。然而,最近随着使用个人终端装置(诸如智能电话、智能电视(TV)、笔记本计算机和个人计算机(PC))的消费者的数量增加,通过各种通信网络(诸如互联网和广播网络)被提供给终端装置的广告的数量增加。由于考虑到用户的个体特性,因此这种广告被称为目标广告。
    然而,在已知的目标广告的情况下,不存在支持使终端装置的用户(即,消费者)能够表达他们对广告的偏好的系统方法。因此,与用户感兴趣的领域不相关的广告可能被提供给用户。例如,在作为基于位置信息的广告的推送式(push-type)目标广告的情况下,当手持终端的用户位于特定位置时,广告被发送到所述终端。然而,这种方法限于反映用户感兴趣的要素(matter)。此外,由于用户可能对广告的内容不感兴趣,因此不但广告的效果可能会较低,而且用户也会对接收到所述广告而反感。
    为了解决此问题,虽然用户感兴趣的要素应反映在目标广告中,但是用户在针对与用户感兴趣的要素不相关的广告输入自身的个人信息时通常是被动和消极的,从而降低广告的效果和价值。
    广告提供商应该通过收集和分析关于用户的所有可用的信息来匹配目标用户和广告。然而,基于用户信息和隐私的?;ざ岩允占鋈诵畔?。另外, 由于关于用户积极提供的感兴趣的要素的信息不足,因此目标广告的准确性比较低。
    因此,越来越需要对于使用户能够表达他/她关于广告的兴趣和对广告的偏好的方法以及使用户和广告提供商能够以交互式地交换他们表达的信息的方法的开发。
    发明内容
    示例性实施例克服以上缺点和以上未描述的其他缺点。此外,示例性实施例不需要克服以上描述的缺点,并且示例性实施例可不克服任何上述问题。
    示例性实施例提供一种用于在语义上解释来自广告提供商和用户两者的请求并选择性地提供和使用目标广告的用户终端和广告提供系统以及方法。
    根据示例性实施例的一方面,广告提供系统包括:第一服务器,被构造为基于用户终端的行为历史信息和由用户输入的感兴趣广告选择条件来产生用户感兴趣模型,并存储所述用户感兴趣模型;第二服务器,被构造为基于从广告提供商提供的广告信息和目标用户选择条件来产生目标用户属性模型,并存储所述目标用户属性模型;第三服务器,被构造为当用户信息被从用户终端发送时,通过基于所述用户信息检测用户感兴趣模型和目标用户属性模型来检测模型,并被构造为推荐与检测到的模型相关的广告。
    用户感兴趣模型可包括通过从用户终端的行为历史信息和感兴趣广告选择条件来聚簇对共同广告类别感兴趣的用户而获得的第一聚簇信息。目标用户属性模型可包括通过从提供自广告提供商的广告类别和与所述广告类别相关的目标用户的属性来聚簇与共同广告类别相关的用户属性而获得的第二聚簇信息。
    用户行为历史信息可包括应用执行信息、网页浏览历史、音乐或视频再现信息、搜索关键词信息、广告接收信息、广告点击信息和产品购买信息中的至少一种信息。
    感兴趣广告选择条件可包括用户年龄、行为发生的地点、广告时间段和广告周期中的至少一个。
    第三服务器可被构造为通过使用频繁模式(FP)树算法来确定第一聚簇信息和第二聚簇信息之间的相似度,并可被构造为基于被确定的相似度来推荐与第一聚簇信息和第二聚簇信息中的至少一个相关的广告。
    广告提供系统还可包括第四服务器,第四服务器被构造为在目标用户属性模型中检测与用户信息匹配的模型,并被构造为向用户终端提供包括与检测到的模型相关的广告的候选广告列表。
    第一服务器可根据从候选广告列表选择的至少一个广告的属性来更新感兴趣广告选择条件。
    广告提供系统还可包括第五服务器,第五服务器被构造为在用户感兴趣模型中检测与通过广告提供商的终端输入的目标广告匹配的模型,并向广告提供商的终端提供包括与检测到的模型相关的用户属性信息的候选用户的属性列表。
    第二服务器可被构造为根据从用户属性列表选择的至少一条用户属性信息来更新目标用户选择条件。
    广告提供系统还可包括第六服务器,第六服务器被构造为基于共同信息通过组合至少一个用户感兴趣模型和至少一个目标用户属性模型来产生整合的属性模型,并存储整合的属性模型。
    第三服务器可被构造为从第六服务器检测整合的属性模型,并可被构造为将与检测到的模型相关的广告推荐给用户终端。
    根据示例性实施例的另一方面,用户终端可包括:通信器,被构造为与服务器建立通信;显示器,被构造为当用户信息通过通信器被发送到服务器时,接收并显示基于用户信息从服务器推荐的广告。所述广告与在基于用户终端的行为历史信息和由用户输入的感兴趣广告选择条件所产生的用户感兴趣模型中的至少一个用户模型以及基于从广告提供商提供的广告信息和目标用户选择条件所产生的目标用户属性模型相关。
    根据示例性实施例的另一方面,广告提供方法包括:基于与用户终端相关的行为历史信息和由用户输入的感兴趣广告选择条件来产生用户感兴趣模型,并存储所述用户感兴趣模型;基于从广告提供商提供的广告信息和目标用户选择条件来产生目标用户属性模型,并存储所述目标用户属性模型;当用户信息被从用户终端发送时,通过基于所述用户信息检测用户感兴趣模型和目标用户属性模型来检测模型,并推荐与检测到的模型相关的广告。
    用户感兴趣模型可包括通过从用户终端的行为历史信息和感兴趣广告选择条件来聚簇对共同广告类别感兴趣的用户而获得的第一聚簇信息。目标用户属性模型可包括通过从提供自广告提供商的广告类别和从与所述广告类别 相关的目标用户的属性来聚簇与共同广告类别相关的用户属性而获得的第二聚簇信息。
    用户行为历史信息可包括应用执行信息、网页浏览历史、音乐或视频再现信息、搜索关键词信息、广告接收信息、广告点击信息和产品购买信息中的至少一种信息。
    感兴趣广告选择条件可包括用户年龄、行为发生的地点、广告时间段和广告周期中的至少一个。
    推荐广告的步骤可包括:通过使用频繁模式(FP)树算法来确定第一聚簇信息和第二聚簇信息之间的相似度,并基于所述相似度来推荐与第一聚簇信息和第二聚簇信息中的至少一个相关的广告。
    提供广告的方法还可包括:在目标用户属性模型中检测与用户信息匹配的模型;向用户终端提供包括与检测到的模型相关的广告的候选广告列表。
    提供广告的方法还可包括:根据从候选广告列表选择的至少一个广告的属性来更新感兴趣广告选择条件。
    提供广告的方法还可包括:在用户感兴趣模型中检测与通过广告提供商的终端输入的目标广告匹配的模型;向广告提供商的终端提供包括与检测到的模型相关的用户属性信息的候选用户属性列表。
    提供广告的方法还可包括:基于共同信息通过组合用户感兴趣模型和目标用户属性模型来产生整合的属性模型,并存储整合的属性模型;通过检测整合的属性模型来检测模型;将与检测到的模型相关的广告提供给用户终端。
    根据各种示例性实施例,可综合地解释来自广告提供商和用户两者的请求,并且可选择性地提供和使用目标广告。
    示例性实施例还可提供一种提供广告的方法,所述方法包括:产生用户感兴趣模型并存储所述用户感兴趣模型;产生目标用户属性模型并存储所述目标用户属性模型;检测模型;推荐与检测到的模型相关的广告。
    产生并存储用户感兴趣模型的步骤可基于用户终端的历史信息和由用户输入的感兴趣广告选择条件。
    产生并存储目标用户属性模型的步骤可基于从广告提供商提供的广告信息和目标用户选择条件。
    可通过基于用户信息检测用户感兴趣模型和目标用户属性模型来检测模型。
    可响应于当用户信息被从用户终端发送时发生检测模型的步骤。
    另一示例性实施例的一方面可提供一种广告提供服务器,所述服务器被构造为基于用户信息将广告发送到显示器,其中,由服务器发送的广告与在基于用户终端的行为历史信息和由用户输入的感兴趣广告选择条件所产生的用户感兴趣模型中的至少一个用户感兴趣模型相关,并基于从广告提供商提供的广告信息和目标用户选择条件所产生的目标用户属性模型。
    示例性实施例的另一方面还可提供一种广告提供系统,所述广告提供系统包括被构造为产生并存储用户感兴趣模型的服务器;所述服务器被构造为产生并存储目标用户属性模型;所述服务器被构造为通过基于用户信息检测用户感兴趣模型和目标用户属性模型来检测模型,并被构造为推荐与检测到的模型相关的广告。
    用户模型可基于用户终端的行为历史信息和由用户输入的感兴趣广告选择条件。
    用户属性模型可基于从广告提供商提供的广告信息和目标用户选择条件为基础。
    示例性实施例的另外的和/或其他方面和优点将在以下描述中被部分地阐述,并将部分地从以下描述变得明显,或者可通过示例性实施例的实践被了解到。
    附图说明
    通过参照附图描述特定示例性实施例,示例性实施例的以上和/或其他方面将会更加清楚,其中:
    图1是与示例性实施例一致的广告提供系统的结构的框图;
    图2是与示例性实施例一致的用户终端的结构的框图;
    图3是具体地示出图1的广告提供系统和图2的用户终端的结构的框图;
    图4示出与示例性实施例一致的广告类别的层次结构;
    图5是示出与示例性实施例一致的产生广告用户的感兴趣模式的示图;
    图6是示出与示例性实施例一致的产生广告提供商的目标用户属性模式的示图;
    图7是示出与示例性实施例一致的查找和使用整合的感兴趣模型的示图;
    图8是示出与示例性实施例一致的提供广告的方法的流程图。
    具体实施方式
    现在将参照附图更加详细地描述特定示例性实施例。
    在以下描述中,即使在不同的附图中,相同附图标号仍被用于相同元件。在所述描述中定义的事项(诸如详细结构和元件)被提供用于帮助示例性实施例的全面理解。因此,清楚的是,可在没有这些具体定义的事项的情况下实现示例性实施例。此外,由于公知功能或结构会以不必要的细节来模糊本发明,因此不详细描述公知功能和结构。
    图1是根据示例性实施例的用于提供广告的系统1000的结构的框图。图2是根据示例性实施例的用户终端400的结构的框图。图3是具体示出图1的广告提供系统1000和图2的用户终端400的结构的框图。
    参照图1,根据示例性实施例的用于提供广告的系统1000包括第一服务器100、第二服务器200和第三服务器300。第一服务器100、第二服务器200和第三服务器300可被实现为包括在一个服务器中的多个???。
    第一服务器100基于与用户终端400相关的行为历史信息和由用户输入的感兴趣广告选择条件来产生用户感兴趣模型。为此,如图3中所示,第一服务器100包括用户行为历史服务器130、用户行为历史数据库(DB)135、用户感兴趣广告选择条件服务器140、用户感兴趣广告选择条件DB145、用户感兴趣模型产生服务器150和用户感兴趣模型DB160。
    用户可通过用户终端400提供他/她的行为历史信息和与他/她感兴趣的广告或具有偏好的广告相关的信息(包括感兴趣广告选择条件)。
    用户行为历史信息可包括应用执行信息、网页浏览历史、音乐/视频再现信息、搜索关键词信息、广告接收信息、广告点击信息和产品购买信息中的至少一种信息。
    例如,当用户通过作为用户终端400的示例的智能电话来执行用于提供与特定汽车相关的信息的应用时,关于所述应用在用户终端400上的执行的信息是用户行为历史信息。当特定项被选择时或当特定广告通过所述应用被接收到时,此过程的历史信息也被包括在用户行为历史信息中?;旧?,假设关于与用户的行为相应的用户终端400的操作的信息与用户感兴趣的信息高度相关。
    感兴趣广告选择条件包括用户年龄、用户行为所发生的地点、广告时区和广告周期中的至少一个条件。例如,当用户处于二十多岁并在大学校园中操作用户终端时,可假设该用户为二十多岁的大学生,并且此信息可被用作该用户的唯一属性。作为用于对感兴趣的广告建模的分析目标的用户、用户的行为历史、将被产生的感兴趣模式以及感兴趣模式的顺序含义可根据用户感兴趣广告选择条件而不同。
    用户行为历史服务器130可将关于通过用户终端400收集到的用户的行为(例如,搜索关键词、广告点击等)的信息存储在用户行为历史DB135中,并管理所述信息。
    用户感兴趣广告选择条件服务器140将关于用户为了选择他/她感兴趣的广告而通过用户终端400表达的条件的信息存储在用户感兴趣广告选择条件DB145中,并管理所述信息。用户感兴趣广告选择条件服务器140可基于用户感兴趣广告选择条件DB145是否产生了事件,来自动地或周期性地请求(以下将描述的)广告推荐服务器300推荐新广告活动/项。所述事件可被理解为用户的新行为发生的情况、重新输入感兴趣广告选择条件的情况、从用户终端400接收到用于推荐广告的请求的情况。
    用户感兴趣模型产生服务器150通过组合存储在用户行为历史DB135和用户感兴趣广告选择条件DB145中的信息来产生用户感兴趣模型。然后,用户感兴趣模型产生服务器150将产生的用户感兴趣模型存储在用户感兴趣模型DB160中,并管理所述用户感兴趣模型?;痪浠八?,用户感兴趣模型产生服务器150可基于在用户感兴趣广告选择条件DB145中表达的多个广告选择条件来产生多个用户感兴趣模型,并可将所述多个用户感兴趣模型存储在用户感兴趣模型DB160中,并管理所述多个用户感兴趣模型。
    所述多个用户感兴趣模型可以是基于广告类别通过分析用户的行为历史信息而产生的频繁关联模式模型,将在下面对此进行描述。此外,在频繁关联模式模型的产生期间可聚簇(cluster)相似的用户。
    第二服务器200基于从广告提供商接收到的广告信息和目标用户选择条件来产生目标用户属性模型,并存储所述目标用户属性模型。第二服务器200包括广告信息注册服务器210、广告信息DB230、目标用户属性选择条件DB220、目标用户属性模型产生服务器240和目标用户属性模型DB250。
    广告信息注册服务器210将关于从广告提供商提供的广告活动和广告项 的详细信息以及关于以广告活动和广告项为单元分别被作为目标的用户属性(例如,人口统计数据、用户背景等)的信息存储在广告信息DB230和目标用户属性选择条件DB220中,管理从广告提供商提供的关于广告活动和项目的详细信息以及关于以广告活动和项目为单元分别被作为目标的用户属性(例如,人口统计数据、用户背景等)的信息。
    目标用户属性模型产生服务器240通过组合存储在广告信息DB230中的信息和存储在目标用户属性选择条件DB220中的信息来产生用户感兴趣模型,并将用户感兴趣模型存储在目标用户属性模型DB250中,并管理用户感兴趣模型。
    目标用户属性模型可包括通过从提供自广告提供商提供的广告类别和与所述广告类别相关的目标用户的属性来聚簇与共同广告类别相关的用户属性而获得的第二聚簇信息。
    例如,目标用户属性模型可基于广告类别通过分析与从广告提供商提供的广告活动和广告项相关的目标用户属性信息来产生频繁相关模式模型,将在下面对此进行详细描述。此外,可在频繁相关模式模型的产生期间聚簇目标用户属性。
    当第三服务器300(以下被称为广告推荐服务器300)从用户终端400接收用户信息时,第三服务器300通过基于所述用户信息检测用户感兴趣模型和目标用户属性模型来检测模型,并推荐与检测到的模型相关的广告。
    第三服务器300(广告推荐服务器300)基于通过通信网络120从用户终端400传送的用户信息来请求(将在下面详细描述的)用户感兴趣模型搜索服务器170检测用户感兴趣模型,并请求(将在下面详细描述的)目标用户属性模型搜索服务器270检测目标用户属性模型。
    用户感兴趣模型搜索服务器170检测用户感兴趣类别模式。目标用户属性模型搜索服务器270针对与检测到的用户感兴趣类别模式相似的模式来检测由广告提供商请求的目标用户属性信息。
    然后,广告推荐服务器300基于检测到的用户感兴趣模型和目标用户属性模型来选择将被推荐的广告活动和广告项,并通过通信网络120将选择的广告活动和广告项传送到用户终端400。具体地,广告推荐服务器300从检测到的目标用户属性模式中选择具有与用户的属性相似的属性的目标用户属性模式。然后,广告推荐服务器300选择并推荐与选择的目标用户属性模式 高度相关的广告活动/项。所述推荐被提供给用户终端400。
    广告推荐服务器300可使用频繁模式(FP)树算法。
    以上描述的图1的广告提供系统1000还可包括被构造为从目标用户属性模型中检测与用户信息匹配的模型的第四服务器(未示出)。第四服务器还被构造为将包括与检测到的模型相关的广告的候选广告列表提供给用户终端400。
    以上描述的图1的广告提供系统1000还可包括第五服务器(未示出),第五服务器被构造为在用户感兴趣模型中检测与通过广告提供商的终端(未示出)输入的目标广告匹配的模型,并将包括用户属性信息的候选用户属性列表提供给广告提供商的终端。
    在图3中,第四服务器和第五服务器被示出为用户模型代理器500。
    用户模型代理器500可共享在被构造为以广告用户的观点对用户建模的用户感兴趣检测系统(第一服务器)和被构造为以广告提供商的观点对用户建模的目标用户属性建模系统(第二服务器)的模型之间的关联信息。当广告用户表达他/她对广告感兴趣时,广告提供商可基于关于目前被作为目标的广告活动/项目的类别信息来为广告用户提供候选广告类别信息。
    响应于用户感兴趣模型产生服务器150产生用户感兴趣模型,用户模型代理器500从目标用户属性模型DB250搜索与用户的属性相似的属性作为目标的广告活动/项,并为用户提供包括所述广告活动/项的候选列表。
    当目标用户属性模型产生服务器240产生目标用户属性模型时,用户模型代理器500通过搜索用户感兴趣模型DB160来总结关于对与由广告提供商作为目标的广告相关联的广告类别感兴趣的用户的属性信息。总结信息可被用于由广告提供商选择候选用户属性列表。
    在此情况下,第一服务器100根据从候选广告列表中选择的至少一个广告的属性来更新感兴趣广告选择条件,第二服务器200基于从候选用户属性列表选择的至少一个用户属性信息来更新目标用户选择条件。
    广告提供系统1000可通过组合多个模型来产生新模型,并可通过使用所述新模型来提供广告。
    为此,广告提供系统1000还可包括第六服务器(未示出),第六服务器被构造为通过基于共同信息整合至少一个用户感兴趣模型和至少一个目标用户属性模型来产生整合的属性模型,并存储整合的属性模型。在此情况下, 第三服务器300从第六服务器搜索所产生的整合的属性模型,并将与搜索到的模型相关的广告推荐给用户终端400。
    如图3中所示,第六服务器包括用户感兴趣模型搜索服务器170、用户感兴趣模型整合服务器180和模型整合元数据DB190。此外,第六服务器还可包括目标用户属性模型搜索服务器270、目标用户属性模型整合服务器280和模型整合元数据信息DB290。
    用户感兴趣模型搜索服务器170可检测包括与存储在用户感兴趣模型DB160中的多个用户模型相关联的模式中的与给定的特定模式相似的模式的用户感兴趣模型。为了整合从多个用户感兴趣模型中检测到的感兴趣的模式,用户感兴趣模型搜索服务器170可请求用户感兴趣模型整合服务器180整合多个感兴趣模式。
    用户感兴趣模型整合服务器180周期性地或响应于请求,来将通过识别在存储于用户感兴趣模型DB160中的各种用户感兴趣模型之间的语义连系而获得的元数据信息存储在模型整合元数据DB190中。当用户感兴趣模型搜索服务器170请求多个感兴趣模式的整合时,用户感兴趣模型整合服务器180基于存储在其中的模型整合元数据信息来产生包括给定模式的感兴趣模型的整合模式。所产生的感兴趣模型的整合模式可被存储在用户感兴趣模型DB160中,然后被重复使用。
    用户感兴趣模型整合服务器180可基于存储在模型整合元数据信息DB190中的模型整合元数据信息来组合多个不同的用户感兴趣模型。例如,表示在使用基于规则的关联被表示的两个不同用户模型中所使用的概念之间的语义关系的元数据信息可用本体论(ontology)来表达,并可被存储在模型集成元数据信息DB190中。多个规则库可基于整合元数据信息在语义上被组合,并可通过规则产生处理被整合到和表达为一个模型。
    整合的用户感兴趣模型为广告推荐服务器300提供将被推荐为广告的复杂的感兴趣模型。
    目标用户属性模型搜索服务器270可检测包括与存储在目标用户属性模型DB250中的多个用户属性模型相关联的模式中的与给定的特定模式相似的模式的用户属性模型。
    为了组合在多个用户属性模型中检测到的属性模式,目标用户属性模型搜索服务器270可请求目标用户属性模型整合服务器280整合属性模式。
    目标用户属性模型整合服务器280周期性地或响应于请求来将通过识别在存储于目标用户属性模型DB250中的各种目标用户属性模型之间的语义连系而提取的元数据信息存储在模型整合元数据DB290中。
    当目标用户属性模型搜索服务器270请求多个感兴趣模式的整合时,基于存储的模式整合元数据信息来产生包括给定的模式的整合的属性模式模型。产生的整合的属性模式模型可被存储在目标用户属性模型DB250中,然后被重复使用。
    目标用户属性模型整合服务器280可基于存储在模型整合元数据信息DB290中的整合元数据信息来组合多个不同的用户属性模型。例如,表示在使用基于规则的关联被表示的两个不同目标用户属性模型中所使用的概念之间的语义关系的元数据信息可用本体论来表达,并被存储在模型集成元数据信息DB290中。多个规则库可基于整合元数据信息在语义上被组合,并可通过规则产生处理被整合到和表示为一个模型。
    如图2中所示,以上描述的用户终端400包括通信器410和显示器420。
    用户终端400可以是各种类型的包括显示器的计算装置中的任意一种。用户终端400的示例可包括各种显示装置,诸如平板个人计算机(PC)、智能电话、蜂窝电话、PC、膝上型计算机、电视机(TV)、电子书、自动服务终端(kiosk)等。
    通信器410可与以上描述的各种服务器进行通信。具体地,通信器410可将用户的行为历史信息提供给用户行为历史服务器130,或者可将与用户感兴趣或具有偏好(包括感兴趣广告选择条件)的广告的信息发送给用户感兴趣广告选择条件服务器140。此外,通信器410可从广告推荐服务器300检测用户感兴趣模型和目标用户属性模型,并可接收和与检测到的模型相关地被推荐的广告相关的信息。
    用户终端400通过局域网与接入点(AP)进行通信,并通过AP与服务器交换数据。根据示例性实施例,用户终端400具有移动性并和与其相邻的AP建立无线通信。相反地,可通过有线通信装置(例如,互联网)连接AP和服务器。
    可根据各种局域网通信技术(例如,WiFi通信标准)来实现通信器410。在此情况下,通信器410可包括WiFi???。
    根据另一示例性实施例,可根据各种移动通信技术来实现通信器410。 换句话说,通信器410可包括能够通过存在的无线电话网络交换数据的蜂窝通信???。例如,可应用在作为3代(3G)移动通信技术的宽带码分多址(WCDMA)、高速下行分组接入(HSDPA)、高速上行分组接入(HSUPA)和高速分组接入(HSPA)中的至少一个???;或者可应用作为4代(4G)移动通信技术的2.3GHz(便携式互联网)移动WiMAX或WiBro和长期演进(LTE)技术中的一个。
    可应用在作为局域通信技术的???、红外数据协会(IrDA)???、近场通信(NFC)???、??楹臀尴週AN??橹械闹辽僖桓瞿??。另外,如果需要的话,可应用在文本中没有被提及的另一通信技术。
    显示器420被构造为当用户信息通过通信器410被发送到服务器时,显示器420接收并显示由该服务器基于所述用户信息推荐的广告。
    显示器420可被实现为诸如有机发光二极管(OLED)、液晶显示器(LCD)面板、等离子显示面板(PDP)、真空荧光显示器(VFD)、场发射显示器(FED)和电致发光显示器(ELD)的各种显示装置中的任意一种。另外,显示器420可被实现为柔性显示器、透明显示器等。
    如上所述,广告与基于用户终端的行为历史信息和由用户输入的感兴趣广告选择条件所产生的用户感兴趣模型以及基于从广告提供商提供的广告信息和目标用户选择条件所产生的目标用户属性模型中的至少一个相关。
    现在将参照图4至图7描述根据示例性实施例的使用共同知识模型来查找频繁相关模式以及以兴趣的类别为单元来聚簇相似用户的技术。
    图4示出根据示例性实施例的广告类别的层次结构。
    如图4中所示,广告类别可按层次被分类。在等级1,广告类别被分类为书、超市/健康和美容、家居/园艺和工具以及体育和户外。
    可使用多个关联分类模型。例如,用户分类模型可被分类为职业(例如,工薪阶层、家庭主妇、独立商人)或分类为年龄段(20多岁、30多岁、40多岁等)。应用分类模型可被分类为游戏、健康、娱乐等。特定分类模型(例如,广告类别)可被用作用于预定(engage)多个分类模型的模型。然而,示例性实施例不限于此,并且可应用各种分类方法。
    可将标识(ID)分别分配给广告类别。用户行为可被映射到广告类别(ID)。例如,搜索关键词“Java编程语言”被映射到“教科书”(013)类别。搜索关键词“手提包”被映射到“手提包”(023)类别。另外,可基于应用使用 历史来执行映射。例如,将“高尔夫游戏应用”被使用的情况映射到“高尔夫”(045)类别。
    此外,用户感兴趣广告类别历史被收集。在以上描述的实施例中,用户U1的感兴趣广告类别包括“教科书”(013)类别、“饰品”(024)类别、“高尔夫”(045)类别等。
    此外,通过将从广告提供商提供的广告活动或广告项映射到广告类别来表达广告活动/广告项。例如,广告项“雷朋太阳镜RBS-1”被映射到“饰品”(024)类别,并且广告活动“雷朋太阳镜”被分配到“饰品”(024)类别。
    此外,与广告活动或广告项相关的用户的属性可被表达。例如,{“雷朋太阳镜RBS-1”,(二十几岁的学生)}和{“圣地亚哥帽子”,(二十几岁的学生)}被分配到“饰品”(024)类别。
    此外,可使用用户属性条件来表达广告提供商的感兴趣的广告类别。例如{{“雷朋太阳镜RBS-1”、“圣地亚哥帽子”}、(二十几岁的学生)}被分配到“饰品”(024)类别。
    以上描述的广告提供系统1000可被实现为各种类型的关系DB中的任意一种,并且其查询可以以SQL语言来表达。
    例如,可明确地表达对广告用户或提供商期望查找的关联模式的分析的元数据以及对这种模式进行分析的结果的限制。为了产生查询,可使用诸如WHO(指定用户)、WHAT(指定分析类别)、WHERE(指定用户购买位置)、WHEN(指定兴趣的年/月/日)、PERIOD(指定感兴趣事件的季节或兴趣的时区)、ORDER(基于年/月/日检测顺序模式)的命令。
    图5是示出根据示例性实施例的产生与广告用户相关的感兴趣模式的示图。
    参照图5,频繁关联模式基于用户的感兴趣类别历史被找到。在图5中,圆括号之前的数字(例如,1、2、3…)表示类别的ID,在圆括号内的数字表示类别的频率。用户ID G和H表示相同属性,并因此形成树的相同节点。因此,与用户ID G和H匹配的用户的感兴趣的类别被计算为一个类别。
    参照图5的表,类别“1”表示用户的感兴趣行为发生了四次,类别“2”表示用户的感兴趣行为发生了六次,并且类别“3”表示用户的感兴趣行为发生了7次。用户的感兴趣模式可包括以上所述的用户的行为历史信息和感兴趣广告选择条件中的至少一个。例如,当用户行为历史信息是网页浏览历史 时,用户通过网页浏览访问与类别“1”相关的项的次数可被认为是用户的感兴趣行为。
    当如上所述计算频繁关联模式时,基于频繁关联的模式形成压缩的模式树。对相同广告项感兴趣的用户是相似用户,并且位于压缩的模式树的相同节点处。在图5中,用户ID G和H是具有共同的感兴趣类别模式{3,2,1,12,13}的相似用户。
    图6是示出根据示例性实施例的产生广告提供商的目标用户属性模式的示图。
    目标用户属性模式使用从广告提供商提供的信息。也就是说,首先,指定与广告项或广告活动相关的广告类别。然后,指定目标用户的属性。
    然后,寻找在与由广告提供商定义的广告项/模式中的每个广告项/模式相关的目标用户属性和广告类别之间的频繁关联模式。在图6中,在圆括号之前的数字(例如,1、2、3…)表示类别的ID,在圆括号内的数字表示类别的频率。项与类别中的每个类别相关。例如,用户属性PCA与感兴趣的广告类别2、3、4、5和7相关,并且属于这些类别的项是AC_A{a1,a2,a3}。
    与广告用户感兴趣模式的压缩的模式树相似地来形成压缩的模式树。对相同广告项感兴趣的用户被分类为具有相似属性的用户,并位于压缩的模式树的相同节点上。在图6中,用户属性PCG和PCH是具有共同目标类别模式{3,2,1,12,13}的相似用户属性。
    图7是根据示例性实施例的示出寻找和使用整合的感兴趣模型的示图。
    参照图7,通过组合如上所述的广告用户感兴趣模式模型和广告提供商的目标用户属性模式模型,来确定在呈现在两个不同模式模型中的簇之间的相似度。在此情况下,可使用一般的图形相似度测量。
    此外,基于相似的广告类别模式来使用用户簇和目标簇信息。例如,通过使用与共同的感兴趣类别相关联的用户簇C7和目标簇PC7,广告提供商P可基于用户簇C7的用户属性信息CCG和CCH来选择性地表达/更新其目标用户的属性。此外,广告提供商P将目标活动/广告AC_G{g1,g2}和AC_H{h1,h2}提供给与属性簇PC7:{PCG,PCH}匹配的用户簇C7:{G,H}的子组{H}(假设CCH⋐{PCG,PCH}).]]>
    基于广告提供商P的目标活动/广告AC_G{g1,g2}和AC_H{h1,h2}的属性信息,相似的用户簇C7:{G,H}选择性地表达/更新其感兴趣的活动/广告的属 性。
    可将根据示例性实施例的用户感兴趣模型预先假设如下:
    规则1:A∩B∩C→E{U1,U2}(在此情况下,A、B、C:感兴趣的广告类别,E:感兴趣的广告,{U1,U2}:相似用户})
    用户U1的属性=UC1,
    用户U2的属性=UC2
    在此情况下,假设广告目标用户属性模型如下:
    规则2:B∩C→C1{I1,I2}(在此情况下,B、C:感兴趣的广告类别,C1:目标用户的属性,I1:将推荐给具有属性C1的用户的广告活动/项列表)
    在此情况下,整合的模型如下:
    B∩C→E{U1,U2},C1{I1}
    在以上示例性实施例中,由广告提供商推荐的活动/项列表{I1,I2}作为选择候选列表被提供给广告用户。在此情况下,广告用户与广告提供商仅共享关于与广告提供商的规则2相关联的包括在用户规则1中的广告类别B和C的用户行为历史信息。
    广告提供商使用通过分析用户行为历史而找到的规则1。具有规则1的模式的相似用户{U1,U2}的属性信息{UC1,UC2}被用作与和广告类别{B,C}相关联的广告/活动项相关的目标用户属性。
    现在将在下面描述根据各种示例性实施例的广告提供方法。
    图8是示出根据示例性实施例的提供广告的方法的流程图。
    参照图8,根据示例性实施例的广告提供方法包括:产生用户感兴趣模型(操作S810),产生目标用户属性模型(操作S820),并基于发送的用户信息推荐广告(操作S830)。
    在操作S810,基于用户终端的行为历史信息和由用户输入的感兴趣广告选择条件来产生用户感兴趣模型,并存储用户感兴趣模型。
    在操作S820,基于从广告提供商提供的广告信息和目标用户选择条件来产生目标用户属性模型,并存储目标用户属性模型。
    在操作S830,当从用户终端发送用户信息时,通过基于用户信息检测用户感兴趣模型和目标用户属性模型来检测模型,并推荐与检测到的模型相关的广告。
    在此情况下,用户感兴趣模型可包括通过从用户终端的用户行为历史信 息和感兴趣广告选择条件中聚簇对共同广告类别感兴趣的用户而获得的第一聚簇信息。目标用户属性模型可包括通过根据从广告提供商提供的广告类别和与所述广告类别相关的目标用户属性来聚簇与共同广告类别相关的用户属性而获得第二聚簇信息。
    此外,用户行为历史信息可包括应用执行信息、网页浏览历史、音乐/视频再现信息、搜索关键词信息、广告接收信息、广告点击信息和产品购买信息中的至少一个信息。
    此外,感兴趣广告选择条件可包括用户年龄、行为发生的地点、广告时间段和广告周期。
    此外,在推荐广告期间(操作S830),可通过使用频繁模式(FP)树算法来确定第一聚簇信息和第二聚簇信息之间的相似度,并且可基于所述相似度来推荐与第一聚簇信息和第二聚簇信息中的至少一个相关的广告。
    提供广告的方法还可包括在目标用户属性模型中检测与用户信息匹配的模型,并向用户终端提供包括与检测到的模型相关的广告的候选广告列表。
    提供广告的方法还可包括根据从候选广告列表选择的至少一个广告的属性来更新感兴趣广告选择条件。
    提供广告的方法还可包括在用户感兴趣模型中检测与通过广告提供商的终端提供的目标广告匹配的模型,并向广告提供商的终端提供包括与检测到的模型相关的用户属性信息的候选用户属性列表。
    提供广告的方法还可包括基于共同信息通过组合用户感兴趣模型和目标用户属性模型来产生整合的属性模型并存储整合的属性模型,并推荐与通过检测整合的属性模型而识别的模型相关的广告。
    以上已经描述了广告提供方法的操作,因此这里不再对其进行描述。
    提供广告的方法可被实现为包括可在计算机中执行的算法的程序,并可存储在非暂时性计算机可读存储介质中和通过非暂时性计算机可读存储介质被提供。
    非暂时性计算机可读介质表示与能够短时期地暂时存储数据的记录介质(例如,寄存器、高速缓存、存储器等)不同的能够半永久性地存储数据的记录介质,并可由各种装置从该记录介质读取数据。具体地,可将以上描述的各种应用或程序存储在非暂时性计算机可读介质(诸如高密度盘(CD)、数字多功能盘(DVD)、硬盘、蓝光盘TM、通用串行总线(USB)存储器、存储卡、 只读存储器(ROM)等)中,并可通过所述非暂时性计算机可读介质来提供以上描述的各种应用或程序。
    根据各种示例性实施例的用户终端和广告提供方法和系统能够使用户能够选择/限制广告被使用,从而最小化用户对关于广告提供他/她的个人信息的反感。此外,可将关于与将被提供的广告相关的目标用户属性的信息提供给广告提供商,从而提高提供广告的效率。另外,来自用户和广告提供商的关于使用和提供广告的显式/隐式请求可被交互地反应以提高提供广告的效率。
    以上示例性实施例和优点仅是示例性的,并不被解释为限制性的。本教导可被容易地应用到其他类型的设备。此外,示例性实施例的描述意图是说明性的,并不限制权利要求的范围,并且各种替换、修改和变化对于本领域的技术人员将是清楚的。

    关于本文
    本文标题:用户终端以及用于提供广告的方法和系统.pdf
    链接地址://www.4mum.com.cn/p-6143716.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 七星彩预测 快乐十分规则 中国体育彩票山西11选5 北京pk10龙虎走势 体彩p5今晚预测号码 至尊彩票群 微乐龙江伊春玩法 25选5开奖结果查询安徽 幸运赛车走势图及奖金 北单7串1经典过滤技巧 名人娱乐首页 湖北麻将如何按程序 新疆25选7玩法 双色球红球定位选号法 浙江十一选五趋势 006期特码家禽野兽