喬 慧，郭肖旺，張昕偉(內(nèi)蒙古化工職業(yè)學(xué)院,內(nèi)蒙古 呼和浩特 010070)

隨著移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展，移動(dòng)廣告市場(chǎng)取得了巨大飛躍，在美國(guó)排名前50位的廣告主中，有80%的廣告主計(jì)劃在未來(lái)12～18個(gè)月的時(shí)間內(nèi)增加其在移動(dòng)廣告領(lǐng)域的支出預(yù)算。因此如何建立起一個(gè)擁有更高用戶(hù)參與度和更多流量的移動(dòng)在線平臺(tái)成為當(dāng)前面臨亟待解決的問(wèn)題。

目前，智能手機(jī)、平板電腦等移動(dòng)設(shè)備應(yīng)用廣泛，移動(dòng)智能終端設(shè)備的使用量迅速上升。但是，很多移動(dòng)廣告的推送和表現(xiàn)形式生硬呆板，嚴(yán)重影響了用戶(hù)的體驗(yàn)，阻礙了廣告投放的效益。隨著技術(shù)的發(fā)展，出現(xiàn)了更加豐富多樣的展現(xiàn)形式，伴隨著終端應(yīng)用的社交化、多媒體化，廣告主更加重視移動(dòng)應(yīng)用平臺(tái)的廣告投放。移動(dòng)終端的反饋速度、互動(dòng)社交、隨時(shí)隨地和精準(zhǔn)的特點(diǎn)都是其他媒體無(wú)法比擬的，移動(dòng)應(yīng)用平臺(tái)廣告提供了個(gè)性化、多樣化的營(yíng)銷(xiāo)廣告模式。

本文著重研究基于位置和內(nèi)容定向的廣告投放技術(shù)，提出了一種新的基于內(nèi)容定向和位置信息的廣告投放模型[1]，主要包括：(1)針對(duì)用戶(hù)移動(dòng)終端所在地理位置，判別與此地理位置相關(guān)的廣告；(2)對(duì)于同一個(gè)廣告，提供與此相關(guān)的多個(gè)地理位置，由此可為每個(gè)應(yīng)用頁(yè)面和廣告都分配一個(gè)地理范圍，提高地理信息匹配的準(zhǔn)確性；(3)根據(jù)移動(dòng)用戶(hù)應(yīng)用軟件使用習(xí)慣和內(nèi)容，研究基于內(nèi)容定向的精準(zhǔn)投放算法，可以有效提高匹配準(zhǔn)確性。本文對(duì)上述方法進(jìn)行研究，并設(shè)計(jì)出高效精準(zhǔn)的移動(dòng)應(yīng)用平臺(tái)廣告投放系統(tǒng),能有效提高廣告投放功能。

1 廣告投放關(guān)鍵技術(shù)研究

廣告投放的目的是根據(jù)廣告主的需求對(duì)用戶(hù)進(jìn)行廣告推送，定向廣告是廣告投放應(yīng)用的一項(xiàng)關(guān)鍵技術(shù)。定向廣告投放包括內(nèi)容定向和行為定向，其目的就是將特定的廣告投放給特定的人群。移動(dòng)應(yīng)用廣告投放是指根據(jù)用戶(hù)使用移動(dòng)應(yīng)用的習(xí)慣，確定廣告的受眾對(duì)象，對(duì)用戶(hù)進(jìn)行群體劃分，并根據(jù)用戶(hù)群體特點(diǎn)進(jìn)行高效精準(zhǔn)的廣告投放。

本文結(jié)合內(nèi)容定向和地理位置構(gòu)建高效精準(zhǔn)的移動(dòng)應(yīng)用平臺(tái)廣告投放系統(tǒng)。

1.1 基于貝葉斯技術(shù)的內(nèi)容定向廣告過(guò)濾算法

貝葉斯理論的含義是通過(guò)已知事件信息預(yù)測(cè)未知事件的發(fā)生概率[2]。將貝葉斯理論運(yùn)用到廣告投放的過(guò)濾算法中，假設(shè)某些字詞經(jīng)常出現(xiàn)在用戶(hù)使用的應(yīng)用軟件中，這些文字作為已知文字，當(dāng)廣告中含有這些字詞時(shí),用戶(hù)對(duì)此廣告感興趣的概率就較高。

(1)已知文字信息的貝葉斯數(shù)據(jù)創(chuàng)建

首先收集用戶(hù)經(jīng)常在移動(dòng)應(yīng)用平臺(tái)瀏覽和使用的數(shù)據(jù)(非隱私數(shù)據(jù))，通過(guò)貝葉斯算法提取這些數(shù)據(jù)中的關(guān)鍵字樣本，樣本字符串包括文字或符號(hào)標(biāo)志(如IP地址，域名等)。收集關(guān)鍵字和符號(hào)，建立已知文字信息樣本數(shù)據(jù)庫(kù)。

(2)貝葉斯概率數(shù)據(jù)庫(kù)創(chuàng)建

根據(jù)用戶(hù)瀏覽信息，對(duì)每個(gè)已知文字符號(hào)在用戶(hù)最近瀏覽和使用的應(yīng)用軟件中出現(xiàn)的概率進(jìn)行統(tǒng)計(jì)，并由貝葉斯公式計(jì)算出在廣告文字中出現(xiàn)某些文字符號(hào)的概率，得出該廣告為用戶(hù)感興趣廣告的概率。例如：在1 000個(gè)采集樣本中“裙子”出現(xiàn)了80次，而在其他不經(jīng)常訪問(wèn)的頁(yè)面中這個(gè)詞出現(xiàn)了5次，則其對(duì)應(yīng)的感興趣的概率為 0.888 9(備注：[80/1 000]/[5/1 000+80/1 000])。

(3)創(chuàng)建個(gè)性化的貝葉斯庫(kù)

由于不同用戶(hù)的偏好是不同的，例如，年輕的女性用戶(hù)經(jīng)常訪問(wèn)購(gòu)物應(yīng)用，關(guān)注社交應(yīng)用的購(gòu)物和時(shí)尚主題等，則“衣服”等關(guān)鍵詞出現(xiàn)的幾率很高，但是男性則多訪問(wèn)新聞、游戲等應(yīng)用。如果不區(qū)分用戶(hù)群，使用統(tǒng)一的關(guān)鍵詞過(guò)濾，就會(huì)產(chǎn)生很多誤判，影響廣告投放的效率。因此，在貝葉斯算法過(guò)濾的基礎(chǔ)上，建立貝葉斯已知文字信息數(shù)據(jù)庫(kù)的同時(shí)，按照用戶(hù)群體進(jìn)行貝葉斯庫(kù)的統(tǒng)計(jì)和創(chuàng)建。這樣感興趣廣告的識(shí)別率將更高，同時(shí)也使得誤判率變得很低。

貝葉斯過(guò)濾算法[3]的主要思想是在已知的大量用戶(hù)信息中，包含一些特征串(token)，這些特征串可以簡(jiǎn)單地理解為一個(gè)完整的單詞，但實(shí)際上它不僅僅限于單詞，它們出現(xiàn)在用戶(hù)瀏覽信息中的頻率特別高，而在一些其他應(yīng)用中，另一些特征串出現(xiàn)的頻率也很高。一般而言，對(duì)于同一個(gè)特征串出現(xiàn)在不同用戶(hù)群體中的概率是不同的。因此，對(duì)于出現(xiàn)的每一個(gè)特征串，都會(huì)生成一個(gè)用戶(hù)群體感興趣指示性概率。這樣就可以判斷文本消息的整體“用戶(hù)感興趣概率”。

1.2 貝葉斯方法過(guò)濾廣告的基本原理

貝葉斯方法過(guò)濾廣告的基本原理為：

(1)收集大量的不同用戶(hù)群體的信息，建立用戶(hù)感興趣的廣告集合和用戶(hù)不感興趣的廣告集合。

(2)提取用戶(hù)信息中的關(guān)鍵字和獨(dú)立文字作為令牌串，并統(tǒng)計(jì)其出現(xiàn)次數(shù)(字頻)。

(3)對(duì)每個(gè)集合設(shè)立一個(gè)哈希表，哈希表中存儲(chǔ)令牌串與字頻之間的映射關(guān)系。感興趣集合的哈希表為hashtable_yes，不感興趣的集合對(duì)應(yīng)哈希表hashtable_no。

(4)令牌串概率P=(令牌串的字頻)/(令牌串所在哈希表的長(zhǎng)度),由此統(tǒng)計(jì)出每個(gè)哈希表中令牌串的出現(xiàn)比率。

(5)綜合考慮感興趣集合和不感興趣集合的哈希表，當(dāng)用戶(hù)訪問(wèn)一個(gè)應(yīng)用時(shí),推斷用戶(hù)感興趣廣告的集合，并判斷某個(gè)廣告為用戶(hù)感興趣廣告的概率。數(shù)學(xué)表達(dá)式為：

A事件為用戶(hù)感興趣廣告;t1,t2,…,tn為令牌串，則P(A/ti)表示在廣告中出現(xiàn)令牌串ti時(shí),該廣告為用戶(hù)所感興趣廣告的概率。

設(shè)P1(ti)=(ti在hashtable_yes中的值）

P2(ti)=(ti在 hashtable_no 中的值）,則:

(6)通過(guò)設(shè)立新的哈希表 hashtable_probability來(lái)存儲(chǔ)TOKEN令牌串ti到P(A/ti)之間的映射關(guān)系。

(7)根據(jù)建立哈希表來(lái)預(yù)測(cè)用戶(hù)對(duì)該新廣告感興趣的概率。

當(dāng)新生成一個(gè)廣告時(shí)，通過(guò)步驟(2)生成令牌串來(lái)查詢(xún)哈希表以得到其鍵值。

假設(shè)該廣告生成了N個(gè)令牌串：t1,t2,…,tn,哈希表中對(duì)應(yīng)的取值為 P1,P2,…,Pn，P(A/t1,t2,…,tn)表示多個(gè)令牌串t1,t2,…,tn同時(shí)出現(xiàn)在該廣告中的概率。則用戶(hù)對(duì)該廣告感興趣的概率公式如下：

當(dāng)P(A/t1,t2,…,tn)超過(guò)預(yù)定閾值時(shí),就可以判斷該廣告為感興趣的廣告。

1.3 結(jié)合地理位置信息的內(nèi)容定向廣告投放算法

基于地理位置信息的廣告投放算法，結(jié)合內(nèi)容定向，通過(guò)獲取用戶(hù)所在的地理位置，計(jì)算廣告與地理位置的相似度，通過(guò)獲取用戶(hù)所瀏覽信息中的地理位置，并通過(guò)文本處理來(lái)計(jì)算用戶(hù)移動(dòng)應(yīng)用內(nèi)容與廣告的內(nèi)容相似度。最后，結(jié)合地理相似度和廣告相似度來(lái)計(jì)算用戶(hù)應(yīng)用信息與廣告之間的最終相似度，并根據(jù)排序挑選出最匹配的應(yīng)用信息與廣告[4]。

算法處理步驟如下：

(1)根據(jù)用戶(hù)移動(dòng)終端所獲得的地理位置，確定移動(dòng)應(yīng)用與地理位置的相關(guān)度。

(2)分別對(duì)移動(dòng)應(yīng)用(移動(dòng)瀏覽器網(wǎng)頁(yè))等文本和廣告文本做如下處理：

①通過(guò)貝葉斯技術(shù)選取用戶(hù)移動(dòng)應(yīng)用內(nèi)容的特征，確定用戶(hù)瀏覽關(guān)注的應(yīng)用信息關(guān)鍵詞;

②對(duì)關(guān)鍵詞做語(yǔ)義擴(kuò)展，包括同義詞與近義詞;

③估算關(guān)鍵詞的特征權(quán)重;

④抽取用戶(hù)所在地理位置，擴(kuò)展地理位置特征，分配地理范圍;

⑤根據(jù)地理位置特征，調(diào)整地理位置與用戶(hù)瀏覽內(nèi)容主題的相關(guān)度。

(3)根據(jù)用戶(hù)的地理位置和廣告的地理范圍，計(jì)算地理相似度。

(4)計(jì)算用戶(hù)所瀏覽內(nèi)容與廣告內(nèi)容的相似度。

(5)將內(nèi)容相似度和地理相似度線性組合，計(jì)算廣告與用戶(hù)關(guān)注信息的最終相似度。

2 移動(dòng)應(yīng)用平臺(tái)廣告投放系統(tǒng)設(shè)計(jì)

2.1 需求分析

(1)功能性需求分析

①投放計(jì)劃模塊：該模塊主要用于實(shí)時(shí)接收廣告投放計(jì)劃，并根據(jù)投放計(jì)劃的變更情況，動(dòng)態(tài)地對(duì)服務(wù)器中的廣告訂單項(xiàng)目進(jìn)行增、刪、改、暫停和啟用，從而完成對(duì)廣告投放的控制。

②廣告投放模塊：主要用于接收來(lái)自不同移動(dòng)應(yīng)用終端的廣告請(qǐng)求，并對(duì)這些請(qǐng)求參數(shù)進(jìn)行分析，根據(jù)貝葉斯理論查找用戶(hù)感興趣的廣告并發(fā)送給移動(dòng)終端，同時(shí)能夠處理大量的終端請(qǐng)求。

③投放分析模塊：該模塊主要用于接收來(lái)自終端的廣告投放報(bào)告,并將廣告投放的詳細(xì)數(shù)據(jù)信息存入日志庫(kù)中。

④管理員可以將廣告投放服務(wù)器注冊(cè)到指定的管理中心及日志服務(wù)器上，從而使管理中心取得對(duì)該廣告投放服務(wù)器的投放控制權(quán)，日志服務(wù)器可以從該廣告投放服務(wù)器中獲取對(duì)應(yīng)的投放詳細(xì)報(bào)告和日志。

⑤投放配置模塊：為了實(shí)現(xiàn)熱切換，廣告投放模塊需要能夠動(dòng)態(tài)獲取相關(guān)配置文件。

(2)穩(wěn)定性需求分析

①投放模塊不能下發(fā)可能會(huì)導(dǎo)致移動(dòng)應(yīng)用終端異常的信息。

②數(shù)據(jù)同步過(guò)程中，要能夠正常處理客戶(hù)端的廣告請(qǐng)求，并保證平滑地完成數(shù)據(jù)同步。

③當(dāng)廣告投放模塊出現(xiàn)問(wèn)題時(shí)，需要能夠馬上完成下線工作，并通過(guò)Email或短信通知管理人員。

④異常自動(dòng)修補(bǔ)：通過(guò)收集相關(guān)地域定向信息，實(shí)現(xiàn)對(duì)請(qǐng)求異常的自動(dòng)修補(bǔ)。

(3)可擴(kuò)展性需求

①當(dāng)業(yè)務(wù)流程出現(xiàn)變化時(shí)，系統(tǒng)應(yīng)能通過(guò)簡(jiǎn)便方法實(shí)現(xiàn)業(yè)務(wù)節(jié)點(diǎn)的增刪。

②投放配置模塊應(yīng)能靈活地實(shí)現(xiàn)對(duì)不同客戶(hù)渠道的流程配置。

2.2 系統(tǒng)架構(gòu)設(shè)計(jì)

在移動(dòng)應(yīng)用平臺(tái)廣告投放系統(tǒng)中，視圖層包括輸入和輸出兩方面信息：(1)輸入：用戶(hù)瀏覽移動(dòng)應(yīng)用和移動(dòng)終端網(wǎng)頁(yè)的信息；(2)輸出：即系統(tǒng)通過(guò)搜集用戶(hù)瀏覽的內(nèi)容進(jìn)行數(shù)據(jù)挖掘，確定與用戶(hù)興趣點(diǎn)最相關(guān)的精準(zhǔn)廣告投放，并通過(guò)視圖層進(jìn)行展示。

控制層是系統(tǒng)的核心，完成用戶(hù)瀏覽數(shù)據(jù)搜集，以及用戶(hù)特征模型的建立/更新、用戶(hù)的分類(lèi)及廣告投放等功能。

底層模型層提供數(shù)據(jù)保存服務(wù)，主要包括用戶(hù)數(shù)據(jù)表，廣告表及信息表等庫(kù)表和視圖數(shù)據(jù)。系統(tǒng)架構(gòu)設(shè)計(jì)如圖1所示。

圖1 廣告投放系統(tǒng)架構(gòu)

系統(tǒng)首先通過(guò)搜集移動(dòng)客戶(hù)端用戶(hù)的瀏覽信息，并采用貝葉斯技術(shù)對(duì)用戶(hù)瀏覽的內(nèi)容進(jìn)行分類(lèi)，之后將用戶(hù)特征信息保存到用戶(hù)檔案中。此時(shí)根據(jù)用戶(hù)所屬群體，判斷用戶(hù)的IP和其他信息，創(chuàng)建用戶(hù)檔案[5]。

根據(jù)用戶(hù)特征，對(duì)用戶(hù)和廣告進(jìn)行相似性分析，得到位置相似度和內(nèi)容相似度，計(jì)算用戶(hù)信息與廣告的總體相似得分，最后選擇最匹配的廣告進(jìn)行投放。系統(tǒng)處理流程如圖2所示。

圖2 系統(tǒng)處理流程

本文針對(duì)移動(dòng)應(yīng)用廣告投放技術(shù)進(jìn)行研究，著重研究了基于位置和內(nèi)容定向的移動(dòng)互聯(lián)網(wǎng)廣告投放技術(shù)，構(gòu)建出高效精準(zhǔn)的移動(dòng)應(yīng)用平臺(tái)廣告投放系統(tǒng)。從而為移動(dòng)廣告主帶來(lái)更加豐厚的廣告效益，從而產(chǎn)生更大的經(jīng)濟(jì)價(jià)值。

[1]OGILVY D.Confessions of an advertising man[M].New York:South bank Publishing,2004.

[2]戴浩．圖像存儲(chǔ)與傳輸系統(tǒng)在 iPad上的設(shè)計(jì)與實(shí)現(xiàn)[J]．微型機(jī)與應(yīng)用,2013,32(19):25-27．

[3]王利民．貝葉斯學(xué)習(xí)理論中若干問(wèn)題的研究[D]．吉林：吉林大學(xué)，2005．

[4]黃秀蓮.我國(guó)手機(jī)廣告發(fā)展現(xiàn)狀及前景預(yù)測(cè)研究[D].廈門(mén)：廈門(mén)大學(xué)，2008.

[5]郭泉成,劉鈺,劉紅,等.基于WAMP的遠(yuǎn)程醫(yī)療咨詢(xún)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].微型機(jī)與應(yīng)用,2013,32(19):13-16.