李邵飛

摘要：在大數(shù)據(jù)時代的背景下，網(wǎng)絡廣告的點擊量呈現(xiàn)明顯的長尾特性，即大量的廣告并不能被用戶接觸，少量的被用戶接觸到的廣告也并不能真正滿足用戶自身的需求，而個性化推薦技術的發(fā)展為解決網(wǎng)絡廣告中存在的長尾問題提供了一種重要手段。本文首先介紹了基于用戶偏好的個性化網(wǎng)絡廣告推薦技術的發(fā)展歷程，然后分析了其中重要的技術分支及其發(fā)展狀況，最后對個性化網(wǎng)絡廣告推薦領域的重要申請人的專利申請及其技術演進做了進一步的分析。

關鍵詞：用戶偏好;個性化;網(wǎng)絡廣告;推薦

中圖分類號：TP391文獻標識碼：A 文章編號：1003-5168（2018）27-0042-03

Abstract： In the context of the era of big data， the amount of clicks on internet advertisements has a clear long-tailed nature， that is， a large number of advertisements cannot be touched by users， a small amount of advertisements touched by users cannot truly meet the needs of users themselves. The development of recommendation technology provides an important means to solve the long-tailed problem in internet advertising. This article first introduced the development process of personalized internet advertising recommendation technology based on user preferences， then analyzed the important technical branches and their development status， and finally， further analysis is made in the patent applications and technology evolution of important applicants in the field of personalized internet advertising recommendation.

Key words： user preference;personal;internet advertising;recommendatiom

1 概述

隨著網(wǎng)絡技術的迅速發(fā)展，互聯(lián)網(wǎng)已成為繼傳統(tǒng)的電視、廣播、報紙、雜志等之后新興的重要媒體，并且網(wǎng)絡具有跨時空性、交互性等傳統(tǒng)媒介不可比擬的優(yōu)越性[1]。而在網(wǎng)絡廣告推廣中，傳統(tǒng)群發(fā)式的廣告營銷策略一直被用戶所詬病，傳統(tǒng)的廣告策略一方面在造成資源浪費的同時，也給用戶帶來了嚴重的騷擾;另一方面，在海量數(shù)據(jù)環(huán)境下，網(wǎng)絡用戶也很難真正找到需要的目標信息。因此，研究如何使得在大量的廣告信息中快速高效地找到用戶感興趣的個性化廣告內(nèi)容，對廣告行業(yè)的發(fā)展具有極為重要的意義。

而為了滿足網(wǎng)絡廣告的個性化需求，多數(shù)需要采用一定的個性化推薦技術。一般認為，網(wǎng)站環(huán)境中的個性化指將每一個瀏覽者當作一個獨立的個體來對待，當他們再次登錄站點時就能識別出他們，并根據(jù)他們顯性或隱性的偏好提供相應信息。也就是說，基于用戶偏好的個性化網(wǎng)絡廣告推薦技術將提升用戶訪問網(wǎng)站的體驗，以及網(wǎng)站的效力。

2 專利申請基本情況

為了獲得個性化網(wǎng)絡廣告推薦相關技術的專利申請情況，本文使用國家知識產(chǎn)權局專利檢索系統(tǒng)S系統(tǒng)，選擇相關的關鍵[如“廣告”“推薦”“個性化”“advertisement（ads）”“recommend”“personal”]和分類號，檢索CNABS數(shù)據(jù)庫和VEN數(shù)據(jù)庫來獲得進行統(tǒng)計分析的專利申請樣本。檢索的截止日期是2018年5月19日。由于未申請?zhí)崆肮_的發(fā)明專利申請通常在申請日之后18個月才公開，因此將導致部分專利申請由于未公開而不在本次文獻采集之列。

與個性化網(wǎng)絡廣告推薦相關的專利申請在各年度的分布如圖1所示。從圖1可以看出，個性化網(wǎng)絡廣告推薦技術的發(fā)展大致經(jīng)歷了3個階段，在2002年之前的初始發(fā)展期，由于互聯(lián)網(wǎng)還不夠普及，與個性化網(wǎng)絡廣告推薦技術相關的專利申請還比較少;在2004—2011年的緩慢發(fā)展期，隨著互聯(lián)網(wǎng)的不斷發(fā)展，與個性化網(wǎng)絡推薦技術相關的專利申請量呈緩慢增長態(tài)勢;從2012年開始，隨著移動互聯(lián)網(wǎng)時代的到來，互聯(lián)網(wǎng)應用得到了大規(guī)模的普及，與個性化網(wǎng)絡推薦技術相關的專利申請量也進入到了快速增長的階段。

圖2顯示了與個性化網(wǎng)絡廣告推薦相關的專利申請的國家和地區(qū)分布情況。從圖2可以看出，與個性化網(wǎng)絡廣告推薦相關的專利申請主要分布在美國、中國和韓國。其中美國的申請量最多，占到全球申請量的43%，這主要是因為通信和互聯(lián)網(wǎng)行業(yè)的巨頭公司如微軟、谷歌、高通、亞馬遜等都位于美國，而中國因為騰訊、華為、中興、阿里巴巴、百度等公司的存在占到全球申請量的22%，位居第二位，韓國則因為有三星公司等占據(jù)了第三位。從以上分析可知，與個性化網(wǎng)絡廣告推薦相關的技術主要還是掌握在大的通信和互聯(lián)網(wǎng)公司手中。

3 技術分支及其發(fā)展狀況

在個性化網(wǎng)絡廣告推薦中，根據(jù)產(chǎn)生推薦所需要的數(shù)據(jù)來源和數(shù)據(jù)的使用方法的不同，可以將個性化推薦技術分為四大類，分別是：基于內(nèi)容的推薦、協(xié)同過濾、基于知識的推薦和基于情景感知的推薦[2]。下面分別結合具體的個性化網(wǎng)絡廣告推薦相關的專利申請對這四大類個性化網(wǎng)絡推薦方法進行介紹。

3.1 基于內(nèi)容的推薦

基于內(nèi)容的推薦系統(tǒng)通過分析一系列用戶之前已評分項目的文檔和（或）描述，從而基于用戶已評分對象的特征建立模型或個人信息。在基于內(nèi)容的推薦中，內(nèi)容關鍵詞、用戶標簽經(jīng)常被分別用來表示項目內(nèi)容的特征和用戶個人信息的特征。例如，公開號為CN106204156 A的發(fā)明專利申請公開了一種用于網(wǎng)絡論壇的廣告投放方法及裝置，選取與用戶匹配度最高的廣告向用戶投放;又如，公開號為CN106651444 A的發(fā)明專利申請公開了一種通過將用戶標簽化進行廣告投放的方法，通過大數(shù)據(jù)分析給予用戶特性標簽化，給不同用戶賦予代表用戶特征的用戶標簽，并根據(jù)用戶標簽實行廣告的精準投放，給用戶最感興趣的廣告，提高了用戶感興趣的程度。

3.2 協(xié)同過濾

協(xié)同過濾是一種基于一組興趣相同的用戶進行的推薦，其思想來源于生活中的用戶之間相互推薦。根據(jù)協(xié)同過濾應用的場景不同和偏重不同，可以將其分為基于用戶的協(xié)同過濾、基于項目的協(xié)同過濾，以及基于用戶與項目的混合過濾。例如，公開號為CN106970933 A的發(fā)明專利申請所公開的一種用于基于接近的個性化內(nèi)容推薦的方法就屬于一種基于用戶的協(xié)同過濾方法，而公開號為CN106600311 A的發(fā)明專利申請所公開的一種基于大數(shù)據(jù)的游戲廣告精準投放方法則屬于一種基于用戶與項目的混合過濾算法。

3.3 基于知識的推薦

基于內(nèi)容的推薦和協(xié)同過濾方法屬于傳統(tǒng)的推薦方法，這兩種方法適用于推薦用戶經(jīng)常性消費的產(chǎn)品。但是，在推薦一些不經(jīng)常消費的產(chǎn)品時，這些推薦方法就不是最佳的了，相對而言，基于知識的推薦技術利用用戶的顯式需求，以及產(chǎn)品領域的深度知識來計算推薦，并通過這兩種方式來解決上述問題為最可取的。例如，公開號為CN105631707 A的發(fā)明專利申請公開了一種基于決策樹的廣告點擊率預估方法以預估特定歷史投放廣告的點擊率;又如，公開號為CN106204152 A的發(fā)明專利申請公開了一種基于指數(shù)回歸和極大似然估計計算用戶行為偏好的算法，能夠全方面的考慮用戶的偏好行為，可提高營銷成功率。

3.4 基于情景感知的推薦

移動互聯(lián)網(wǎng)讓用戶“隨時隨地”地連接互聯(lián)網(wǎng)成為現(xiàn)實，同時也給移動環(huán)境下的個性化廣告推薦提供了豐富的情景信息[3]。例如，公開號為CN107708100 A的發(fā)明專利申請，公開了一種基于用戶位置信息的廣告播放方法，通過廣告機播放與用戶屬性信息匹配的廣告;又如，公開號為CN105488691 A的發(fā)明專利申請，公開了一種基于車路通信的廣告投放方法，根據(jù)與路邊單元對應的電子屏幕在各車道上的可視范圍信息、待投放用戶團簇中包含的用戶偏好信息、每個車輛標識對應的車速信息、位置信息和車道信息，確定投放內(nèi)容，解決了現(xiàn)有技術不能針對不同用戶進行個性化廣告內(nèi)容投放，廣告效果較差的問題。

圖3為上述4個分支在不同發(fā)展階段的專利申請量情況，從中可以看出各個技術分支的技術演進歷程。在申請量方面，雖然各個技術分支的申請量大小有所不同，但基本呈現(xiàn)平穩(wěn)增長態(tài)勢;在申請時間方面，作為兩種典型的個性化推薦方法，基于內(nèi)容的推薦和協(xié)同過濾推薦在個性化廣告推薦中應用較早并保持了較快發(fā)展，而基于知識的推薦則因為知識庫構建較煩瑣以及應用領域受限等原因沒有得到大規(guī)模應用，基于情景感知的推薦雖然出現(xiàn)的時間較晚，但隨著移動互聯(lián)網(wǎng)的深入發(fā)展，其申請量也得到了迅猛增長。

4 重要申請人及其關鍵技術

圖4顯示了與個性化網(wǎng)絡廣告推薦技術相關的重要申請人分布情況。從圖4可以看出，申請量排首位的是騰訊科技有限公司，而在排名前十位的重要申請人中，外國公司主要有三星、谷歌、微軟、高通等來自美國和韓國的公司，這與前述對專利申請的地域分布的分析結果也是一致的。

在騰訊所申請的與個性化網(wǎng)絡廣告推薦相關的專利申請中，基于內(nèi)容的推薦、協(xié)同過濾推薦、基于知識的推薦和基于情景感知的推薦這4個技術分支都有所涉及，但其在4個分支方向上的專利申請并不是相互獨立的，而是具有很大的關聯(lián)性和交叉性。例如，公開號為CN105472033 A的發(fā)明專利申請中就將廣告內(nèi)容的維度特征和用戶的點擊事件相結合來對用戶進行個性化網(wǎng)絡廣告推薦;公開號為CN107545444 A的發(fā)明專利申請則將用戶的點擊率和用戶群相結合來提高業(yè)務廣告的推薦命中率;而公開號為CN106846053 A的發(fā)明專利申請則將用戶標簽和用戶的位置信息相結合來為用戶主動推薦適合的廣告信息。

5 小結

通過以上對與個性化網(wǎng)絡廣告推薦相關的專利技術進行分析可知，基于內(nèi)容的推薦和協(xié)同過濾推薦作為兩種典型的個性化推薦方法，其在個性化廣告推薦中的應用較早并得到了大規(guī)模的普及，而基于情景感知的推薦雖然出現(xiàn)時間較晚，但隨著移動互聯(lián)網(wǎng)的不斷發(fā)展以及萬物互聯(lián)時代的到來，其在個性化廣告推薦中的應用場景將會更為豐富，在這方面的應用研究也將是接下來的熱點。另外，當前對個性化網(wǎng)絡廣告推薦技術的研究主要集中在谷歌、微軟、騰訊、華為、三星等國內(nèi)外大型的通信和互聯(lián)網(wǎng)公司，這主要得益于這些大公司具有的平臺和流量優(yōu)勢，而隨著大數(shù)據(jù)時代的來臨，這些大的公司又將進一步占據(jù)數(shù)據(jù)優(yōu)勢。因此，個性化網(wǎng)絡廣告推薦技術的研究向大公司聚集的現(xiàn)象將會進一步得到加強。

參考文獻：

[1]張大勇.個性化網(wǎng)絡廣告推薦技術研究評述[J].哈爾濱工業(yè)大學學報（社會科學版），2009，11（5）：108-112.

[2]里奇，羅卡奇，夏皮拉，等.推薦系統(tǒng)：技術、評估及高效算法[M].北京：機械工業(yè)出版社，2016.

[3]朱珂.移動環(huán)境下基于情景感知的廣告推薦系統(tǒng)[D].天津：天津理工大學，2016.