買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉廣東海洋大學申請的專利應用預測模型的智能廣告內(nèi)容推薦方法及系統(tǒng)獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN119991221B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510482375.4，技術領域涉及：G06Q30/0251；該發(fā)明授權應用預測模型的智能廣告內(nèi)容推薦方法及系統(tǒng)是由趙文雯;屠丹;呂云虹設計研發(fā)完成，并于2025-04-17向國家知識產(chǎn)權局提交的專利申請。

本應用預測模型的智能廣告內(nèi)容推薦方法及系統(tǒng)在說明書摘要公布了：本申請?zhí)峁┮环N應用預測模型的智能廣告內(nèi)容推薦方法及系統(tǒng)，首先獲取目標用戶在廣告交互場景下的歷史交互數(shù)據(jù)集合，其含多個由用戶標識符等組成的廣告交互序列，接著對該歷史交互數(shù)據(jù)集合執(zhí)行跨維度特征融合處理，生成組合行為特征集合和廣告內(nèi)容關聯(lián)特征集合，調(diào)用預置深度預測模型對組合行為特征集合進行時序依賴建模，得到包含點擊概率分布及交互意圖分類標簽的廣告內(nèi)容偏好預測結果，再根據(jù)此廣告內(nèi)容偏好預測結果與廣告內(nèi)容關聯(lián)特征集合進行動態(tài)權重匹配，確定候選廣告內(nèi)容優(yōu)先級排序列表，最后基于該候選廣告內(nèi)容優(yōu)先級排序列表推送適配廣告內(nèi)容集合，并依據(jù)實時反饋數(shù)據(jù)更新深度預測模型參數(shù)配置，實現(xiàn)智能精準的廣告推薦。

本發(fā)明授權應用預測模型的智能廣告內(nèi)容推薦方法及系統(tǒng)在權利要求書中公布了：1.一種應用預測模型的智能廣告內(nèi)容推薦方法，其特征在于，所述方法包括： 獲取目標用戶在廣告交互場景下的歷史交互數(shù)據(jù)集合，所述歷史交互數(shù)據(jù)集合包括多個廣告交互序列，每個廣告交互序列由用戶標識符、廣告內(nèi)容標識符、交互行為類型及交互時間戳組成； 對所述歷史交互數(shù)據(jù)集合執(zhí)行跨維度特征融合處理，生成每個廣告交互序列的組合行為特征集合和廣告內(nèi)容關聯(lián)特征集合； 調(diào)用預置的深度預測模型對所述組合行為特征集合進行時序依賴建模，生成廣告內(nèi)容偏好預測結果，所述廣告內(nèi)容偏好預測結果包含用戶對候選廣告內(nèi)容的點擊概率分布及交互意圖分類標簽； 根據(jù)所述廣告內(nèi)容偏好預測結果與所述廣告內(nèi)容關聯(lián)特征集合執(zhí)行動態(tài)權重匹配，確定候選廣告內(nèi)容的優(yōu)先級排序列表； 基于所述優(yōu)先級排序列表向目標用戶推送適配的廣告內(nèi)容集合，并依據(jù)實時反饋數(shù)據(jù)更新所述深度預測模型的參數(shù)配置； 所述對所述歷史交互數(shù)據(jù)集合執(zhí)行跨維度特征融合處理，生成每個廣告交互序列的組合行為特征集合和廣告內(nèi)容關聯(lián)特征集合，包括： 對所述廣告交互序列中的交互行為類型進行時間窗口切分處理，生成多個行為片段單元，每個行為片段單元包含預設時長內(nèi)的連續(xù)交互行為； 提取每個行為片段單元的行為密度特征和交互強度特征，所述行為密度特征由單位時間內(nèi)的交互頻次確定，所述交互強度特征由交互持續(xù)時長與操作深度的加權值確定； 對所述廣告內(nèi)容標識符對應的廣告素材進行語義解析處理，提取廣告文本的語義主題分布特征和視覺元素的注意力權重特征； 將同一廣告交互序列對應的所述行為密度特征、交互強度特征、語義主題分布特征及注意力權重特征進行特征拼接，生成所述組合行為特征集合； 調(diào)用廣告知識庫匹配所述廣告內(nèi)容標識符對應的產(chǎn)品類目樹，提取類目路徑的層級關聯(lián)特征和用戶歷史偏好匹配度，生成所述廣告內(nèi)容關聯(lián)特征集合； 所述提取類目路徑的層級關聯(lián)特征和用戶歷史偏好匹配度，生成所述廣告內(nèi)容關聯(lián)特征集合，包括： 解析所述產(chǎn)品類目樹的父子節(jié)點關系，生成包含層級連接關系的類目圖結構數(shù)據(jù)； 將所述類目圖結構數(shù)據(jù)輸入圖神經(jīng)網(wǎng)絡，通過鄰接節(jié)點的特征傳播生成每個類目節(jié)點的層級感知嵌入向量； 統(tǒng)計所述目標用戶歷史交互數(shù)據(jù)集合中每個類目節(jié)點的歷史曝光次數(shù)與點擊轉(zhuǎn)化率，生成用戶類目偏好分布向量； 將所述層級感知嵌入向量與所述用戶類目偏好分布向量進行矩陣乘積運算，生成類目節(jié)點匹配度權重； 拼接所述層級感知嵌入向量與所述類目節(jié)點匹配度權重，生成所述廣告內(nèi)容關聯(lián)特征集合的維度對齊特征矩陣。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" href="https://iptop.www.hzsmkbearing.com.cn/list?keyword=%E5%B9%BF%E4%B8%9C%E6%B5%B7%E6%B4%8B%E5%A4%A7%E5%AD%A6&temp=1">廣東海洋大學，其通訊地址為：524088 廣東省湛江市麻章區(qū)海大路1號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。