基于大数据的人机互动广告方法、装置、设备及存储介质与流程

本发明属于智能广告，具体涉及一种基于大数据的人机互动广告方法、装置、设备及存储介质。

背景技术：

1、随着社会以及经济的不断发展，人们联网获取网络数据已成为主要的信息获取方式，并且已经占据了人们日常生活的绝大部分时间，例如人们经常通过智能手机来刷微博、刷知乎以及刷火车票等。在这种时代背景下，基于广告机或报纸等媒介的传统广告方式已逐步衰退，使得广告商们更注重将广告植入到app（即application的缩写,指应用程序）应用程序的启动页面中以进行推广，例如在智能手机端启动火车订票软件的1～3秒过程中，会在应用启动页面上加载展示一个动态或静态的广告内容，然后在用户点击跳过按钮或者达到预设展示时长时，自动切换到火车订票软件的主页。

2、目前，上述这种新广告方式的广告内容推荐方案主要是由应用服务商来指定推送与其合作推广的商业广告，使得推送广告内容较为固定，并且无法根据用户点击跳过按钮的人机交互结果来进行个性化自适应推送，使得广告内容推送准确性以及广告投放效果还有待进一步提高。

技术实现思路

1、本发明的目的是提供一种基于大数据的人机互动广告方法、装置、计算机设备及计算机可读存储介质，用以解决现有广告内容推荐方案所存在推送广告内容较为固定以及无法根据用户点击跳过按钮的人机交互结果来进行个性化自适应推送的问题。

2、为了实现上述目的，本发明采用以下技术方案：

3、第一方面，提供了一种基于大数据的人机互动广告方法，包括：

4、获取目标用户的历史应用启动大数据，其中，所述历史应用启动大数据包含有在各次应用历史启动过程中加载展示的启动页面推送广告的多维广告特征值和广告跳过触发时间比例，所述启动页面推送广告是指被加载到应用启动页面上以进行推送的广告，所述广告跳过触发时间比例是指从所述启动页面推送广告的加载时间戳至广告跳过事件的触发时间戳的时长与所述启动页面推送广告的预设展示时长的比值，所述广告跳过事件由所述目标用户在所述应用启动页面上通过人机交互方式触发得到，或者在所述启动页面推送广告的展示时长达到所述预设展示时长时自动触发得到；

5、根据所述历史应用启动大数据，将各个启动页面推送广告的多维广告特征值作为输入项，以及将所述各个启动页面推送广告的广告跳过触发时间比例作为输出项，对基于随机森林算法的人工智能模型进行率定验证建模，得到广告跳过触发时间比例预测模型；

6、针对各个待推送广告，将对应的多维广告特征值输入所述广告跳过触发时间比例预测模型，输出得到对应的广告跳过触发时间比例预测值；

7、在检测到有某个应用被启动时，将当前具有广告跳过触发时间比例预测最大值的某个待推送广告加载到所述某个应用的应用启动页面上，并根据新触发的所述广告跳过事件确定广告跳过触发时间比例实际值；

8、根据所述广告跳过触发时间比例实际值和所述某个待推送广告的多维广告特征值，采用灰狼优化算法对所述广告跳过触发时间比例预测模型的模型超参数进行迭代寻优，得到当前最优模型超参数；

9、将所述当前最优模型超参数代入所述广告跳过触发时间比例预测模型，得到广告跳过触发时间比例预测新模型；

10、针对所述各个待推送广告，将对应的多维广告特征值输入所述广告跳过触发时间比例预测新模型，输出得到对应的广告跳过触发时间比例预测新值，以便在下一次应用启动时选择最适合加载的推送广告。

11、基于上述
技术实现要素：
，提供了一种基于历史应用启动大数据和随机森林算法对广告跳过触发时间比例进行准确预测并应用推送广告的新方案，即先根据目标用户的历史应用启动大数据建模得到广告跳过触发时间比例预测模型，然后应用该模型得到各个待推送广告的广告跳过触发时间比例预测值，再然后在检测到有某个应用被启动时，将当前具有预测最大值的某个待推送广告加载到所述某个应用的应用启动页面上，并确定广告跳过触发时间比例实际值，最后根据该实际值对模型参数进行迭代寻优，并基于寻优结果刷新各个待推送广告的比例预测值，如此可根据用户人机交互结果来进行广告个性化自适应推送，使推送广告内容不再固定化，确保最终广告内容推送结果的准确性以及广告投放效果，便于实际应用和推广。

12、在一个可能的设计中，所述多维广告特征值包含有广告类型编号值、目标受众群体类型编号值和/或关键词编号值。

13、在一个可能的设计中，根据所述历史应用启动大数据，将各个启动页面推送广告的多维广告特征值作为输入项，包括：

14、根据所述历史应用启动大数据，选取在最近多次应用历史启动过程中的多个启动页面推送广告，其中，所述多个启动页面推送广告与所述最近多次应用历史启动过程一一对应；

15、将在所述多个启动页面推送广告中的各个启动页面推送广告的多维广告特征值作为输入项。

16、在一个可能的设计中，根据所述历史应用启动大数据，选取在最近多次应用历史启动过程中的多个启动页面推送广告，包括：

17、根据所述历史应用启动大数据，确定在最近单位时期内发生的次应用历史启动过程，其中，表示大于等于10的正整数；

18、将与所述次应用历史启动过程一一对应的个启动页面推送广告作为在最近多次应用历史启动过程中的多个启动页面推送广告。

19、在一个可能的设计中，在检测到有某个应用被启动时，将当前具有广告跳过触发时间比例预测最大值的某个待推送广告加载到所述某个应用的应用启动页面上，包括：

20、在检测到有某个应用被启动时，将在多个待推送广告中的且当前具有广告跳过触发时间比例预测最大值的某个待推送广告加载到所述某个应用的应用启动页面上，其中，所述多个待推送广告预先从所述某个应用的服务器上更新下载得到。

21、在一个可能的设计中，根据所述广告跳过触发时间比例实际值和所述某个待推送广告的多维广告特征值，采用灰狼优化算法对所述广告跳过触发时间比例预测模型的模型超参数进行迭代寻优，得到当前最优模型超参数，包括有如下步骤s51～s58：

22、s51.初始化种群：灰狼数目设置为，迭代次数设置为次，以及初始化所述广告跳过触发时间比例预测模型的至少两个模型超参数的搜索范围，然后执行步骤s52，其中，表示大于等于5的正整数，表示大于等于100的正整数；

23、s52.初始化灰狼：在个灰狼中随机选择三个灰狼作为初始的狼、狼和狼，并在所述至少两个模型超参数的搜索范围内初始化设置在所述个灰狼中的各个灰狼的个体位置向量，然后执行步骤s53，其中，所述个体位置向量包含有所述至少两个模型超参数的搜索值；

24、s53.针对所述各个灰狼，将所述某个待推送广告的多维广告特征值输入已代入对应的当前个体位置向量的所述广告跳过触发时间比例预测模型中，并将所述广告跳过触发时间比例实际值与对应的输出所得广告跳过触发时间比例预测值的绝对差值作为对应的个体适应度值，然后执行步骤s54；

25、s54.判断当前迭代次数是否达到次，若是，则执行步骤s58，否则将具有个体适应度最小值的灰狼作为新的狼，以及将具有个体适应度次大值的灰狼作为新的狼，以及还将具有个体适应度再次大值的灰狼作为新的狼，然后执行步骤s55；

26、s55.分别计算收敛因子、协同向量和协同向量，然后执行步骤s56，其中，所述收敛因子、所述协同向量和所述协同向量的计算公式分别如下：

27、

28、式中，表示所述当前迭代次数，表示双曲正切函数，和分别表示[0,1]的随机向量；

29、s56.针对各个狼，根据所述新的狼、狼和狼的当前个体位置向量，计算得到对应的且在第次迭代中的个体位置向量，然后执行步骤s57，其中，所述个体位置向量按照如下公式计算得到：

30、

31、式中，表示所述新的狼的当前个体位置向量，表示所述新的狼的当前个体位置向量，表示所述新的狼的当前个体位置向量，表示在第次迭代中的个体位置向量，、和分别表示随机计算所得的所述协同向量，、和分别表示随机计算所得的所述协同向量；

32、s57.使迭代次数自加1，然后返回执行步骤s53；

33、s58.将当前具有个体适应度最小值的灰狼的当前个体位置向量作为当前最优模型超参数。

34、在一个可能的设计中，所述至少两个模型超参数包含有所述随机森林算法的决策树颗数和叶子节点数。

35、第二方面，提供了一种基于大数据的人机互动广告装置，包括有大数据获取模块、模型训练模块、模型应用模块、广告加载模块、参数寻优模块和模型更新模块；

36、所述大数据获取模块，用于获取目标用户的历史应用启动大数据，其中，所述历史应用启动大数据包含有在各次应用历史启动过程中加载展示的启动页面推送广告的多维广告特征值和广告跳过触发时间比例，所述启动页面推送广告是指被加载到应用启动页面上以进行推送的广告，所述广告跳过触发时间比例是指从所述启动页面推送广告的加载时间戳至广告跳过事件的触发时间戳的时长与所述启动页面推送广告的预设展示时长的比值，所述广告跳过事件由所述目标用户在所述应用启动页面上通过人机交互方式触发得到，或者在所述启动页面推送广告的展示时长达到所述预设展示时长时自动触发得到；

37、所述模型训练模块，通信连接所述大数据获取模块，用于根据所述历史应用启动大数据，将各个启动页面推送广告的多维广告特征值作为输入项，以及将所述各个启动页面推送广告的广告跳过触发时间比例作为输出项，对基于随机森林算法的人工智能模型进行率定验证建模，得到广告跳过触发时间比例预测模型；

38、所述模型应用模块，通信连接所述模型训练模块，用于针对各个待推送广告，将对应的多维广告特征值输入所述广告跳过触发时间比例预测模型，输出得到对应的广告跳过触发时间比例预测值；

39、所述广告加载模块，通信连接所述模型应用模块，用于在检测到有某个应用被启动时，将当前具有广告跳过触发时间比例预测最大值的某个待推送广告加载到所述某个应用的应用启动页面上，并根据新触发的所述广告跳过事件确定广告跳过触发时间比例实际值；

40、所述参数寻优模块，通信连接所述广告加载模块，用于根据所述广告跳过触发时间比例实际值和所述某个待推送广告的多维广告特征值，采用灰狼优化算法对所述广告跳过触发时间比例预测模型的模型超参数进行迭代寻优，得到当前最优模型超参数；

41、所述模型更新模块，分别通信连接所述模型训练模块和所述参数寻优模块，用于将所述当前最优模型超参数代入所述广告跳过触发时间比例预测模型，得到广告跳过触发时间比例预测新模型；

42、所述模型应用模块，还通信连接所述模型更新模块，还用于针对所述各个待推送广告，将对应的多维广告特征值输入所述广告跳过触发时间比例预测新模型，输出得到对应的广告跳过触发时间比例预测新值，以便在下一次应用启动时选择最适合加载的推送广告。

43、第三方面，本发明提供了一种计算机设备，包括有依次通信连接的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面或第一方面中任意可能设计所述的人机互动广告方法。

44、第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面或第一方面中任意可能设计所述的人机互动广告方法。

45、第五方面，本发明提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面或第一方面中任意可能设计所述的人机互动广告方法。

46、上述方案的有益效果：

47、本发明创造性提供了一种基于历史应用启动大数据和随机森林算法对广告跳过触发时间比例进行准确预测并应用推送广告的新方案，即先根据目标用户的历史应用启动大数据建模得到广告跳过触发时间比例预测模型，然后应用该模型得到各个待推送广告的广告跳过触发时间比例预测值，再然后在检测到有某个应用被启动时，将当前具有预测最大值的某个待推送广告加载到所述某个应用的应用启动页面上，并确定广告跳过触发时间比例实际值，最后根据该实际值对模型参数进行迭代寻优，并基于寻优结果刷新各个待推送广告的比例预测值，如此可根据用户人机交互结果来进行广告个性化自适应推送，使推送广告内容不再固定化，确保最终广告内容推送结果的准确性以及广告投放效果，便于实际应用和推广。