一种基于多任务学习的自适应广告投放方法及系统与流程

本发明涉及计算机，特别是一种基于多任务学习的自适应广告投放方法及系统。

背景技术：

1、现阶段随着公交行业的发展，公交运营的智慧化应用越来越多，目前智慧公交能够支持自定义特殊地段（商圈、地标、景区等），联动指定服务用语或广告语，通过车辆喇叭向车内乘客进行播报广告服务。

2、但是传统的公交广告投放需要在后台自定义广告文件，待驶入触发地点时进行播报服务，由于广告投放方案的设计通常涉及针对多个广告投放目标的预测和优化，需要运营人员具备相当丰富的广告运营经验、非常出色的业务理解能力与决策能力，若采用传统的投放方法，不仅使得公交到触发地点时的广告投放的内容在筛选方面不够智能和精准，且更新较慢和没有自主学习能力，现阶段虽然也有一些利用机器学习模型预测广告投放方案，但是不适用于公交车的不同线路广告的精准投放。例如，公交线路有旅游公交线路、住宅区的闭环公交线路、商业区公交线路以及学校、产业园区的内部公交线路，不同的公交线路对应的人群和广告投放需求不同，所以有必要发明一种基于不同的公交线路对用户行为顺序信息(浏览→点击→购买)进行深度挖掘，且能够实现不同线路广告的精准投放。

技术实现思路

1、鉴于上述现有的公交线路广告投放中存在的问题，提出了本发明。

2、因此，本发明提供一种基于多任务学习的自适应广告投放方法及系统，其利用大数据和公交路线位置信息结合，对不同线路上的客流实现精准的广告投放，并改善了深度神经网络模型，应用在公交线路的广告投放中，进一步地提高了广告投放的精准性和智慧交通的运营效果。

3、为解决上述技术问题，本发明提供如下技术方案：一种基于多任务学习的自适应广告投放方法，包括：

4、步骤s1，根据公交车线路的位置信息进行区域划分，得到相应的公交车线路上广告方的样本数据库；

5、步骤s2，基于广告方的样本数据库，对各个区域内的广告方投放广告信息结合公交车线路的位置信息进行特征提取，将获取的带有位置信息的投放广告数据输入至广告投放模型中，形成公交线路广告投放数据，与客流进行自适应匹配；

6、步骤s3，获取不同公交车线路上客流的浏览数据和车辆的位置信息，并对获取的客流的浏览数据进行预处理，得到客流样本数据库；

7、步骤s4，构建公交车线路的广告投放模型，基于所述客流样本数据库和所述公交线路广告投放数据的多任务自主学习完成过滤后，进行权重赋值筛选；

8、步骤s5，结合所述公交车线路的位置信息，将筛选出的所述公交线路广告投放数据进行投放至相应的公交车线路上；

9、步骤s6，新上线公交车线路信息的更新，以及对应的客流样本数据库和公交线路广告投放数据的实时更新。

10、本发明可对客流的浏览数据和对应的公交线路信息进行自适应性的自我学习能力，本发明能够针对变化的客流的浏览数据的特点，实时地、自动地进行更新过滤，可理解地，通过机器学习可以为不同的公交线路信息进行区分，并提供自动、自适应的广告投放运营操作，以此应对不同客流浏览信息的不断变化，提高对公交线路上自适应广告投放的精准度和质量。

11、作为本发明的一种优选方案，其中：步骤s4中，基于所述客流样本数据库和所述公交线路广告投放数据的多任务自主学习完成过滤的具体步骤如下：

12、步骤401，定义数据集，初始化；其中表示第个客流用户的浏览数据处理任务的初始默认值；

13、步骤402，；其中，为的最大后验概率，为第个客流用户浏览数据处理任务的参数向量，为第个客流用户在当前 t时间内浏览数据处理任务值，为数据集在参数向量出现的概率，为对数符号；

14、步骤403，更新多任务学习的相关系数；；其中，，均为预设自然数，表示第个客流用户的浏览数据处理任务与第个客流用户的浏览数据处理任务的相关度，即任务对任务的参与度，为第个任务数据集在最大后验概率出现的概率；

15、步骤404，重复上述步骤402和步骤403，直到多任务学习的相关系数收敛；

16、步骤405，进行多任务学习信息数据求和，；其中，为多任务学习数据；为单任务学习获取的数据；

17、步骤406，根据值判断第个客流用户的浏览数据是否为垃圾广告信息，若＞0，则判断为合理广告信息，否则被判定为垃圾广告信息。

18、作为本发明的一种优选方案，其中：所述表示第个客流用户的浏览数据处理任务与第个客流用户的浏览数据处理任务的相关度，即任务对任务的参与度，具体地设第个任务数据集为第个任务的样例，则整个数据集为，其中，为每个任务的样例数；

19、，为的属性个数，且，其中，-1表示垃圾广告信息，1表示合理广告信息。

20、作为本发明的一种优选方案，其中：步骤s4中权重赋值筛选包括：

21、基于大数据库对所述客流样本数据库进行划分，并对所述客流样本数据库中的每个样本进行权重赋值，计算公式如下：

22、；其中，为样本权重系数，为所取样本权重系数，为样本权重系数出现的次数；

23、将带有权重的客流样本数据库输入深度学习模型中进行训练和验证，得到对应的公交车线路的关键客流被投放特征。

24、作为本发明的一种优选方案，其中：对所述客流的浏览数据进行预处理，包括筛选、剔除和格式转换。

25、作为本发明的一种优选方案，其中：在所述公交车线路的关键客流被投放特征处理过程中，还包括根据各个特征和类别的相关性，来赋予特征不同的权重，权重小于预设阈值的特征被剔除，其中，特征和类别的计算公式如下：

26、；

27、其中，表示获取抽样次数，表示代表特征的权重，即值越大则属性分类能力越高，代表特征集中第个特征，代表样本集中第个样本，代表与同类别的最近邻，代表与非同类别的最近邻。

28、作为本发明的一种优选方案，其中：公交线路广告投放数据与客流进行自适应匹配，具体地，将获取的带有位置信息的投放广告数据输入至投放公交车线路的广告投放模型中，得到相应公交车线路的匹配概率，以及相应客流样本数据的匹配概率；

29、将所述公交线路广告投放数据的关键词进行汇总，并将汇总得到的关键词库输入所述公交车线路的广告投放模型中，得到对应的匹配概率

30、一种基于多任务学习的自适应广告投放方法的系统，包括：

31、获取服务器，用于获取公交线路广告投放数据、客流的浏览数据和车辆的位置信息；

32、自主学习服务器，与获取服务器连接，用于所述客流样本数据库和所述公交线路广告投放数据的多任务自主学习、过滤、权重赋值筛选以及模型的训练和验证工作；

33、广告投放服务器，与自主学习服务器连接，用于接收经自主学习服务器处理后的广告投放信息，并进行匹配不同的公交车线路；

34、车载调度主机，用于接收广告投放服务器的信息，并进行广告信息的投放；

35、车载多媒体系统，用于展示广告投放信息。

36、作为本发明的一种优选方案，其中：还包括：

37、广告处理pc端，用于基础信息管理、广告发布管理、资讯管理、统计分析、设备维护管理以及实时监控；所述基础信息管理包括素材管理和广告商管理，所述广告发布管理包括节日管理、主题管理、模版管理、台标管理、站点广告管理、设备发布管理，所述统计分析包括设备流量统计、广告商广告播放统计、设备广告播放统计、站点广告播放统计、发布记录和播放日志，所述设备维护管理包括设备注册和设备维护管理；

38、广告处理移动端，用于素材管理、发布管理、审核管理、用户管理以及广告商管理；所述素材管理包括素材新增、素材查询、素材查看明细和素材删除，所述审核管理包括节目查询、节目明细查看和节目审核；所述用户管理包括用户登录、修改密码、退出登录和常见问题查看；所述广告商管理包括广告商查询、广告商明细查看、广告商新增、广告商修改。

39、本发明的有益效果：本发明利用大数据和公交路线位置信息相结合，对不同线路上的客流受众实现精准的广告投放，通过多任务自主学习能够针对变化的客流的浏览数据的特点，实时地、自动地进行更新过滤，为不同的公交线路信息进行区分，并提供自动、自适应的广告投放运营操作，以应对不同客流浏览信息的不断变化，提高对公交线路上自适应广告投放的精准度和效率。同时通过对多任务自主学习的过滤、进行权重赋值筛选以及匹配，进一步地提高了自适应广告投放的精准度和质量，即改善了深度神经网络模型，应用在公交线路的广告投放中，提高了广告投放的精准性和智慧交通的运营效果。