在网页中展现广告的方法及系统.pdf

本发明公开了一种在网页中展现广告的方法及系统，其中的方法包括：接收用户的网页访问请求，并从所述网页访问请求中提取用户标识；按照所述用户标识查找预置的用户簇群，每个用户簇是按照多个用户的访问特征信息构建的，并与特定广告对应；确定所述用户所属用户簇，将该用户簇对应的特定广告在网页中向所述用户展现。可见，本发明是选择用户所属用户簇对应的特定广告进行展示的，其中的用户簇由多个用户的访问特征信息构建，可表明这类用户的访问特性，由此选择的特定广告是适合该用户的，该特定广告被适合用户点击的概率将大大增加。

1、  一种在网页中展现广告的方法，其特征在于，包括：
接收用户的网页访问请求，并从所述网页访问请求中提取用户标识；
按照所述用户标识查找预置的用户簇群，每个用户簇是按照多个用户的访问特征信息构建的，并与特定广告对应；
确定所述用户所属用户簇，将该用户簇对应的特定广告在网页中向所述用户展现。

2、  根据权利要求1所述方法，其特征在于，所述访问特征信息包括访问网页类型及数量、点击广告类型及数量、各时间段访问统计信息，或/和，上网地点统计信息。

3、  根据权利要求2所述方法，其特征在于，所述用户簇对应的特定广告是根据所述点击广告类型及数量确定的。

4、  根据权利要求1所述方法，其特征在于，所述用户簇内用户数量与该用户簇对应的特定广告的点击率的倒数相等或近似相等。

5、  根据权利要求1、2、3或4所述方法，其特征在于，按照多个用户的访问特征信息构建用户簇的具体过程包括：
统计每个用户的访问特征信息；
利用用户的访问特征信息，计算两两用户之间的相似度；
根据所述相似度，使用聚类方法对多个用户进行聚类，构建所述用户簇。

6、  根据权利要求5所述方法，其特征在于，所述相似度是采用余弦公式或内积法计算得到的；所述聚类是采用层次聚类或k-NN方法实现的。

7、  一种在网页中展现广告的系统，其特征在于，包括：
请求解析单元，用于解析用户的网页访问请求获得用户标识；
匹配单元，用于按照所述请求解析单元获得的用户标识，匹配预置的用户簇群，其中，每个用户簇是按照多个用户的访问特征信息构建的，并与特定广告对应；
广告展现单元，用于将所述匹配单元确定的用户簇对应的特定广告在网页中向所述用户展现。

8、  根据权利要求7所述系统，其特征在于，还包括用于按照多个用户的访问特征信息构建用户簇的用户簇构建单元，所述用户簇构建单元包括：
统计单元，用于统计每个用户的访问特征信息；
相似度计算单元，用于利用所述统计单元统计的用户的访问特征信息，计算两两用户之间的相似度；
聚类单元，用于根据所述相似度计算单元计算出的相似度，使用聚类方法对多个用户进行聚类，构建所述用户簇。

9、  根据权利要求8所述系统，其特征在于，所述用户簇构建单元还包括：
用户数量控制单元，用于控制所述用户簇内用户数量与该用户簇对应的特定广告的点击率的倒数相等或近似相等。

10、  根据权利要求7至9中任一项所述系统，其特征在于，所述访问特征信息包括访问网页类型及数量、点击广告类型及数量、各时间段访问网页统计信息，或/和，上网地点统计信息。

11、  根据权利要求10所述系统，其特征在于，还包括：
特定广告设置单元，用于根据点击广告类型及数量，确定所述用户簇对应的特定广告。

在网页中展现广告的方法及系统
技术领域
本发明涉及网络技术领域，尤其涉及一种在网页中展现广告的方法及系统。
背景技术
收取广告商费用是网站运营的一个重要手段，因此在用户浏览网页时网站往往会弹出广告。针对某个网页，如何在众多广告中选择一个或一类最有可能被用户点击的广告向用户展现是网站运营的一个技术问题。
现有的一种做法是，针对一个或一类广告，根据已有的历史数据，统计某个时间、地点等属性下的这个或这类广告点击率，当一次网页访问满足某个时间、地点等属性取值时，选择历史上点击率比较高的广告进行展现。然而，这种方法仅是针对广告本身的历史数据进行的，在广告点击率很低的情况下，广告点击率在万分之一到千分之一的比例，通过已有的历史数据进行训练很难达到较好的稳定的结果，因为在广告点击率很低的情况下，广告的点击次数很少，因此在利用历史数据进行训练时，会产生数据稀疏的问题导致效果变差。例如一个广告如果展现次数为十万次，那么点击次数大约为十几次，如果通过统计学习出该广告在各个省份的点击率差异，结果会非常不稳定，因此大多数省份点击次数可能仅为0或1，如此少的点击数很难准确的说明问题，据此展现的广告被用户点击的概率是很低的。
现有的另一种做法是，根据用户访问的网页类型，向用户有选择性的展示广告。这种做法比较简单，但难以得到良好的效果，用户访问某类网页，并不代表就会访问特定的广告，这之间不存在必然的联系，如果仅仅这样简单的发布广告，则很难达到较理想的点击率。
发明内容
本发明提供一种在网页中展现广告的方法及系统，可以较好地从众多广告中选择合适的广告向访问网页的用户展现。
为此，本发明实施例采用如下技术方案：
一种在网页中展现广告的方法，包括：接收用户的网页访问请求，并从所述网页访问请求中提取用户标识；按照所述用户标识查找预置的用户簇群，每个用户簇是按照多个用户的访问特征信息构建的，并与特定广告对应；确定所述用户所属用户簇，将该用户簇对应的特定广告在网页中向所述用户展现。
所述访问特征信息包括访问网页类型及数量、点击广告类型及数量、各时间段访问统计信息，或/和，上网地点统计信息。
所述用户簇对应的特定广告是根据所述点击广告类型及数量确定的。
所述用户簇内用户数量与该用户簇对应的特定广告的点击率的倒数相等或近似相等。
按照多个用户的访问特征信息构建用户簇的具体过程包括：统计每个用户的访问特征信息；利用用户的访问特征信息，计算两两用户之间的相似度；根据所述相似度，使用聚类方法对多个用户进行聚类，构建所述用户簇。
所述相似度是采用余弦公式或内积法计算得到的；所述聚类是采用层次聚类或k-NN方法实现的。
一种在网页中展现广告的系统，请求解析单元，用于解析用户的网页访问请求获得用户标识；匹配单元，用于按照所述请求解析单元获得的用户标识，匹配预置的用户簇群，其中，每个用户簇是按照多个用户的访问特征信息构建的，并与特定广告对应；广告展现单元，用于将所述匹配单元确定的用户簇对应的特定广告在网页中向所述用户展现。
所述系统还包括用于按照多个用户的访问特征信息构建用户簇的用户簇构建单元，该用户簇构建单元包括：统计单元，用于统计每个用户的访问特征信息；相似度计算单元，用于利用所述统计单元统计的用户的访问特征信息，计算两两用户之间的相似度；聚类单元，用于根据所述相似度计算单元计算出的相似度，使用聚类方法对多个用户进行聚类，构建所述用户簇。
所述用户簇构建单元还包括：用户数量控制单元，用于控制所述用户簇内用户数量与该用户簇对应的特定广告的点击率的倒数相等或近似相等。
所述访问特征信息包括访问网页类型及数量、点击广告类型及数量、各时间段访问网页统计信息，或/和，上网地点统计信息。
所述系统还包括：特定广告设置单元，用于根据点击广告类型及数量，确定所述用户簇对应的特定广告。
对本发明方案的有益效果分析如下：
在现有根据广告历史点击率来选取广告的方案中，当广告的点击数量非常少时，由于数据稀疏，通过训练的方法不能稳定的预测出每种访问情况下的广告点击率，也就无法根据当前的访问情况高质量的推荐广告。而本发明首先计算出用户之间的相似度，然后通过聚类的方法获得用户簇，相同用户簇拥有相近的访问特性，包括访问网页类型和数量、点击广告类型和数量、上网时间以及上网地点等，因此可以在同一个用户簇内向相似的用户推荐特定的广告，不存在使用已有点击率数据训练的问题，不受数据稀疏的影响。
与现有根据网页内容选择广告的方案相比，由于用户才是点击广告的主体，因此考虑了用户的访问特征信息确定的特定广告，更具有针对性，可提高广告的点击率。
可见，本发明方案在用户访问网页时，是选择该用户匹配到的用户簇对应的特定广告进行展示的，其中的用户簇由多个用户的访问特征信息构建，可表明这类用户的访问特性，由此选择的特定广告是适合该用户的，该特定广告被适合用户点击的概率将大大增加。
附图说明
图1为本发明在网页中展现广告的方法流程图；
图2为本发明构建用户簇的流程图；
图3为本发明在网页中展现广告的方法实施例流程图；
图4为本发明在网页中展现广告的系统结构示意图。
具体实施方式
如前所述，现有技术中的两种方案要么是按照广告历史点击率选择广告或是按照网页内容选择广告，都没有考虑用户因素，实际上，用户是点击广告的主体，只有符合用户特点的广告被点击的可能性才会增加，因此，本发明从此点分析为启示，提供了一种在网页中展现广告的方法。
参见图1，为本发明在网页中展现广告的方法流程图，包括：
S101：接收用户的网页访问请求，并从所述网页访问请求中提取用户标识；
S102：按照所述用户标识查找预置的用户簇群，每个用户簇是按照多个用户的访问特征信息构建的，并与特定广告对应；
S103：确定所述用户所属用户簇，将该用户簇对应的特定广告在网页中向所述用户展现。
可见，本发明方案在用户访问网页时，是选择该用户匹配到的用户簇对应的特定广告进行展示的，其中的用户簇由多个用户的访问特征信息构建，可表明这类用户的访问特性，由此选择的特定广告是适合该用户的，该特定广告被适合用户点击的概率将大大增加。
下面对创建用户簇的过程进行介绍。
如前所述，每个用户簇是按照多个用户的访问特征信息构建的，因此，首选要选定一些用户，然后对这些用户的访问特征信息进行统计和分析。参见图2，为创建用户簇流程图，包括：
S201：对网页和广告进行分类；
对用户访问过的网页进行分类、对所有点击过的广告进行分类，具体的分类方法可采用人工方式进行，也可以采用机器学习自动分类的方式，自动分类的方法包括SVM、朴素贝叶斯等。
参见表1，为网页分类表实例。
表1