本發(fā)明涉及計算機(jī)領(lǐng)域，尤其是一種基于機(jī)器學(xué)習(xí)和行人識別的道路定向廣告投放系統(tǒng)及方法。

背景技術(shù)：

廣告是企業(yè)進(jìn)行市場營銷的一項(xiàng)重要工具。在激烈的市場競爭環(huán)境下，企業(yè)需要通過廣告向潛在消費(fèi)者傳遞產(chǎn)品的位置、價格、質(zhì)量等相關(guān)信息；由于不能準(zhǔn)確了解消費(fèi)者的產(chǎn)品需求，大部分大眾廣告(如電視、報紙等媒體廣告)投入被浪費(fèi)。近年來，隨著電子商務(wù)的快速發(fā)展，企業(yè)能夠通過多種途徑如IP地址追蹤技術(shù)、搜索引擎技術(shù)等追蹤消費(fèi)者購買或?yàn)g覽產(chǎn)品時的IP地址、cookie等以獲得盡可能精確的消費(fèi)者信息。通過分析，企業(yè)能更好地了解消費(fèi)者的行為偏好，并針對性地向其定向投放產(chǎn)品廣告，即定向廣告，BagwellK認(rèn)為，廣告定向投放技術(shù)的有效使用使得企業(yè)能夠?qū)a(chǎn)品信息定向投放于特定市場從而有效地避免廣告浪費(fèi)。IyerG等證明，競爭企業(yè)能夠分別向忠誠消費(fèi)者和無偏好消費(fèi)者投放定向廣告，從而減少企業(yè)間市場競爭提高利潤。然而，Elhadj-BenBrahimNB等則認(rèn)為，當(dāng)雙寡頭企業(yè)同時具備完全定向廣告能力時，雙方都將加強(qiáng)定向廣告的市場投放，從而導(dǎo)致市場競爭加劇且企業(yè)均衡收益相比大眾廣告有所下降總之，信息追蹤技術(shù)的提高使得企業(yè)能更好地搜集、處理消費(fèi)者行為信息，從而準(zhǔn)確地向消費(fèi)者投放定向廣告。因而如何有效利用定向廣告策略對企業(yè)發(fā)展至關(guān)重要。

隨著信息技術(shù)在全球的發(fā)展， 網(wǎng)絡(luò)廣告迎來了精準(zhǔn)時代， 在美國， 網(wǎng)絡(luò)廣告的精準(zhǔn)服務(wù)起步于三、四年前， 近兩年才呈現(xiàn)出較成熟的市場氛圍， 而中國互聯(lián)網(wǎng)對精準(zhǔn)服務(wù)的體驗(yàn)還處于啟動階段。 最近， 一種新的精準(zhǔn)營銷手段 -行為定向廣告逐漸走進(jìn)人們的視線， 這種廣告模式以其及時、精準(zhǔn)、高效的特點(diǎn)備受人們的關(guān)注。 行為定向廣告使得不同身份職業(yè)、偏好習(xí)慣以及不同地域場所的用戶看到不同的、與他們更相關(guān)的廣告信息依托行為定向廣告， 廣告主能擺脫過去大眾營銷的套路， 準(zhǔn)確尋找到其品牌或產(chǎn)品的目標(biāo)消費(fèi)群。互聯(lián)網(wǎng)用戶則因?yàn)椴幌嚓P(guān)廣告的減少而少了被打擾的煩惱 ， 這一個革新實(shí)現(xiàn)互聯(lián)網(wǎng)用戶、廣告主和媒體的三贏。

行為定向廣告的主旨是利用用戶的網(wǎng)絡(luò)瀏覽行為， 提供符合用戶意圖的廣告信息， 它主要通過分析用戶的網(wǎng)頁歷史訪問記錄來挖掘有價值的用戶行為信息， 并針對這種信息投放與之相關(guān)的廣告， 因此行為定向廣告能給予更符合用戶需求的廣告內(nèi)容。 作為一種全新的廣告投放技術(shù)， 目前學(xué)術(shù)界對行為定向廣告的研究還非常少， 之前將用戶行為運(yùn)用于廣告僅局限于根據(jù)用戶反饋來改善廣告與查詢關(guān)鍵詞或網(wǎng)頁的匹配效果。其應(yīng)用在現(xiàn)實(shí)中，而非網(wǎng)絡(luò)上的設(shè)計還未出現(xiàn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的發(fā)明目的在于：針對上述存在的問題，提供一種基于機(jī)器學(xué)習(xí)和行人識別的道路定向廣告投放系統(tǒng)及方法。本發(fā)明實(shí)現(xiàn)了在現(xiàn)實(shí)場景中的廣告定向投放，智能化程度高且結(jié)果準(zhǔn)確。

本發(fā)明采用的技術(shù)方案如下：

一種基于機(jī)器學(xué)習(xí)和行人識別的道路定向廣告投放系統(tǒng)，其特征在于，所述系統(tǒng)包括：用戶行為特征模型、聚類算法模塊、向量空間模型、節(jié)點(diǎn)定位系統(tǒng)和行為特征分析模塊；所述用戶行為特征模型和向量空間模型分別信號連接于聚類算法模塊；所述聚類算法模塊信號連接于節(jié)點(diǎn)定位系統(tǒng)；所述節(jié)點(diǎn)定位系統(tǒng)信號連接于行為特征分析模塊。

所述聚類算法模塊利用用戶行為特征模型對用戶的道路興趣點(diǎn)場景按主題進(jìn)行聚類，利用向量空間模型來計算道路興趣點(diǎn)場景之間的相似度，根據(jù)該相似度對道路場景進(jìn)行聚類。

所述節(jié)點(diǎn)定位系統(tǒng)是基于機(jī)器學(xué)習(xí)的蜂窩通信系統(tǒng)節(jié)點(diǎn)定位技術(shù)的定位系統(tǒng)，采用在二維地理坐標(biāo)系上分別確定橫縱坐標(biāo)的方式，將目標(biāo)節(jié)點(diǎn)定位到基站所覆蓋重疊區(qū)域的局部坐標(biāo)系統(tǒng)中，將節(jié)點(diǎn)粗略定位到重疊區(qū)域。

所述行為特征分析模塊采用行為特征分析算法對每一類道路場景進(jìn)行行為特征分析并計算該類道路場景的權(quán)重，利用該權(quán)重以及該類道路場景的質(zhì)心與廣告的相似度來計算最后得分，并按照這個得分對廣告進(jìn)行排序從而選出適合該類道路場景的廣告。

一種基于機(jī)器學(xué)習(xí)和行人識別的道路定向廣告投放系統(tǒng)的方法，其特征在于，所述方法包括以下步驟：

步驟1：首先利用根據(jù)用戶行為特征模型對用戶經(jīng)常注意的道路場景進(jìn)行聚類，利用向量空間模型來計算道路場景之間的相似度，根據(jù)該相似度對道路場景進(jìn)行聚類；

步驟2：然后利用基于機(jī)器學(xué)習(xí)的蜂窩通信系統(tǒng)中節(jié)點(diǎn)定位技術(shù)將采用在二維地理坐標(biāo)系上分別確定橫縱坐標(biāo)的方式，將目標(biāo)節(jié)點(diǎn)合理地定位到基站所覆蓋重疊區(qū)域的局部坐標(biāo)系統(tǒng)中，將節(jié)點(diǎn)粗略定位到重疊區(qū)域；

步驟3：最后利用用戶行為特征分析算法對每一類道路場景進(jìn)行行為特征分析并計算該類道路場景的權(quán)重，利用該權(quán)重以及該類道路場景的質(zhì)心與廣告的相似度來計算最后得分，并按照這個得分對廣告進(jìn)行排序從而選出適合該類道路場景的廣告。

所述蜂窩通信系統(tǒng)中節(jié)點(diǎn)定位技術(shù)進(jìn)行節(jié)點(diǎn)定位的方法為:在分別確定橫坐標(biāo)與縱坐標(biāo)的過程中，采用多分類的方法，將目標(biāo)節(jié)點(diǎn)的坐標(biāo)離散地確定到不同分類所對應(yīng)的中心坐標(biāo)上，根據(jù)節(jié)點(diǎn)的當(dāng)前服務(wù)基站，直接判定對應(yīng)的重疊區(qū)域。

對于道路場景中的商業(yè)區(qū)域或住宅，所述方法的步驟2也可以采用WIFI定位技術(shù)進(jìn)行道路場景定位，所述WIFI定位的定位方法為：通過偵測附近所有Wi-Fi熱點(diǎn)的MAC地址，發(fā)送到相關(guān)位置服務(wù)器上，服務(wù)器通過數(shù)據(jù)庫中已存在的MAC地址的坐標(biāo)，計算出客戶端的地址，客戶端只需偵聽周圍的Wi-Fi熱點(diǎn)，檢測每個Wi-Fi熱點(diǎn)信號的強(qiáng)弱，發(fā)送給定位服務(wù)器，服務(wù)器根據(jù)這些信息，查詢每個Wi-Fi熱點(diǎn)在數(shù)據(jù)庫中記錄的坐標(biāo)，通過相關(guān)算法就能得出客戶端的具體位置。

所述WIFI定位技術(shù)，對客戶端MAC地址進(jìn)行偵測的方法為：在客戶端開啟WIFI模式的情況下，AP主動搜索用戶客戶端即智能手機(jī)的MAC地址。

采用上述技術(shù)方案，本發(fā)明的有益效果是：利用用戶行為特征模型對用戶的道路場景匹配的情況的進(jìn)行建模，并針對該模型利用用戶行為特征分析算法來計算每一類道路場景的權(quán)重，并將該權(quán)重運(yùn)用到廣告匹配的過程中，并采用一種基于機(jī)器學(xué)習(xí)的蜂窩網(wǎng)絡(luò)節(jié)點(diǎn)定位算法，使其充當(dāng)分布式定位的全局坐標(biāo)算法 ，并對該定位算法在蜂窩通信系統(tǒng)分布式定位中作為全局坐標(biāo)算法的結(jié)果性能做了分析與統(tǒng)計，來實(shí)現(xiàn)道路廣告的定向投放。

附圖說明

本發(fā)明將通過例子并參照附圖的方式說明，其中：

圖1是本發(fā)明的一種基于機(jī)器學(xué)習(xí)和行人識別的道路定向廣告投放系統(tǒng)及方法的系統(tǒng)結(jié)構(gòu)示意圖。

圖2是本發(fā)明的一種基于機(jī)器學(xué)習(xí)和行人識別的道路定向廣告投放系統(tǒng)及方法的方法流程示意圖。

具體實(shí)施方式

本說明書中公開的所有特征，或公開的所有方法或過程中的步驟，除了互相排斥的特征和/或步驟以外，均可以以任何方式組合。

本說明書（包括任何附加權(quán)利要求、摘要）中公開的任一特征，除非特別敘述，均可被其他等效或具有類似目的的替代特征加以替換。即，除非特別敘述，每個特征只是一系列等效或類似特征中的一個例子而已。

一種基于機(jī)器學(xué)習(xí)和行人識別的道路定向廣告投放系統(tǒng)，其特征在于，所述系統(tǒng)包括：用戶行為特征模型、聚類算法模塊、向量空間模型、節(jié)點(diǎn)定位系統(tǒng)和行為特征分析模塊；所述用戶行為特征模型和向量空間模型分別信號連接于聚類算法模塊；所述聚類算法模塊信號連接于節(jié)點(diǎn)定位系統(tǒng)；所述節(jié)點(diǎn)定位系統(tǒng)信號連接于行為特征分析模塊。

所述聚類算法模塊利用用戶行為特征模型對用戶的道路興趣點(diǎn)場景按主題進(jìn)行聚類，利用向量空間模型來計算道路興趣點(diǎn)場景之間的相似度，根據(jù)該相似度對道路場景進(jìn)行聚類。

所述節(jié)點(diǎn)定位系統(tǒng)是基于機(jī)器學(xué)習(xí)的蜂窩通信系統(tǒng)節(jié)點(diǎn)定位技術(shù)的定位系統(tǒng)，采用在二維地理坐標(biāo)系上分別確定橫縱坐標(biāo)的方式，將目標(biāo)節(jié)點(diǎn)定位到基站所覆蓋重疊區(qū)域的局部坐標(biāo)系統(tǒng)中，將節(jié)點(diǎn)粗略定位到重疊區(qū)域。

所述行為特征分析模塊采用行為特征分析算法對每一類道路場景進(jìn)行行為特征分析并計算該類道路場景的權(quán)重，利用該權(quán)重以及該類道路場景的質(zhì)心與廣告的相似度來計算最后得分，并按照這個得分對廣告進(jìn)行排序從而選出適合該類道路場景的廣告。

一種基于機(jī)器學(xué)習(xí)和行人識別的道路定向廣告投放系統(tǒng)的方法，其特征在于，所述方法包括以下步驟：

步驟1：首先利用根據(jù)用戶行為特征模型對用戶經(jīng)常注意的道路場景進(jìn)行聚類，利用向量空間模型來計算道路場景之間的相似度，根據(jù)該相似度對道路場景進(jìn)行聚類；

步驟2：然后利用基于機(jī)器學(xué)習(xí)的蜂窩通信系統(tǒng)中節(jié)點(diǎn)定位技術(shù)將采用在二維地理坐標(biāo)系上分別確定橫縱坐標(biāo)的方式，將目標(biāo)節(jié)點(diǎn)合理地定位到基站所覆蓋重疊區(qū)域的局部坐標(biāo)系統(tǒng)中，將節(jié)點(diǎn)粗略定位到重疊區(qū)域；

步驟3：最后利用用戶行為特征分析算法對每一類道路場景進(jìn)行行為特征分析并計算該類道路場景的權(quán)重，利用該權(quán)重以及該類道路場景的質(zhì)心與廣告的相似度來計算最后得分，并按照這個得分對廣告進(jìn)行排序從而選出適合該類道路場景的廣告。

所述蜂窩通信系統(tǒng)中節(jié)點(diǎn)定位技術(shù)進(jìn)行節(jié)點(diǎn)定位的方法為:在分別確定橫坐標(biāo)與縱坐標(biāo)的過程中，采用多分類的方法，將目標(biāo)節(jié)點(diǎn)的坐標(biāo)離散地確定到不同分類所對應(yīng)的中心坐標(biāo)上，根據(jù)節(jié)點(diǎn)的當(dāng)前服務(wù)基站，直接判定對應(yīng)的重疊區(qū)域。

對于道路場景中的商業(yè)區(qū)域或住宅，所述方法的步驟2也可以采用WIFI定位技術(shù)進(jìn)行道路場景定位，所述WIFI定位的定位方法為：通過偵測附近所有Wi-Fi熱點(diǎn)的MAC地址，發(fā)送到相關(guān)位置服務(wù)器上，服務(wù)器通過數(shù)據(jù)庫中已存在的MAC地址的坐標(biāo)，計算出客戶端的地址，客戶端只需偵聽周圍的Wi-Fi熱點(diǎn)，檢測每個Wi-Fi熱點(diǎn)信號的強(qiáng)弱，發(fā)送給定位服務(wù)器，服務(wù)器根據(jù)這些信息，查詢每個Wi-Fi熱點(diǎn)在數(shù)據(jù)庫中記錄的坐標(biāo)，通過相關(guān)算法就能得出客戶端的具體位置。

所述WIFI定位技術(shù)，對客戶端MAC地址進(jìn)行偵測的方法為：在客戶端開啟WIFI模式的情況下，AP主動搜索用戶客戶端即智能手機(jī)的MAC地址。

利用根據(jù)用戶行為特征模型對用戶經(jīng)常注意的道路場景按主題進(jìn)行聚類，聚類算法將用向量空間模型來計算道路場景之間的相似度，根據(jù)該相似度對道路場景進(jìn)行聚類，所述用戶行為特征模型是利用現(xiàn)有的基于AdaBoost的道路行人檢測算法，對道路場景與不同行人進(jìn)行匹配。

用戶在道路場景上的匹配行為可以分為兩種，一種是短期的行為，這種行為表現(xiàn)為用戶在某一特定時期對某一種事物特別感興趣，因而導(dǎo)致有關(guān)該事物的道路場景訪問量增加，過了這個時期后又恢復(fù)到正常水平，這種行為的特點(diǎn)是偶發(fā)性和不可預(yù)知性，另一種是長期的行為，這種行為表現(xiàn)為用戶長時間的對某一事物感興趣，因而有關(guān)這種事物的道路場景的訪問量持續(xù)較高，這很可能是由于該事物是用戶的興趣愛好所致，例如某用戶是籃球迷，那么他可能經(jīng)常會經(jīng)常去籃球場所，這種行為的特點(diǎn)是穩(wěn)定而且可以預(yù)知。

AdaBoost的道路行人檢測算法:將訓(xùn)練集中的每一個樣本集賦予相同的權(quán)重。然后，進(jìn)行迭代運(yùn)算。該算法根據(jù)每次迭代運(yùn)算中樣本集的分類錯誤率，對訓(xùn)練集中的每一個樣本集重新賦予一個新的權(quán)重值。該權(quán)重值是一個與分類錯誤率相關(guān)的函數(shù)，即分類錯誤率小的樣本集權(quán)重值小，反之，分類錯誤率大的樣本集權(quán)重值大。

本發(fā)明并不局限于前述的具體實(shí)施方式。本發(fā)明擴(kuò)展到任何在本說明書中披露的新特征或任何新的組合，以及披露的任一新的方法或過程的步驟或任何新的組合。