基于用戶偏好的個(gè)性化網(wǎng)絡(luò)廣告推薦專利技術(shù)綜述

李邵飛

摘要：在大數(shù)據(jù)時(shí)代的背景下，網(wǎng)絡(luò)廣告的點(diǎn)擊量呈現(xiàn)明顯的長(zhǎng)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(gè)性化推薦技術(shù)的發(fā)展為解決網(wǎng)絡(luò)廣告中存在的長(zhǎng)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(gè)性化網(wǎng)絡(luò)廣告推薦技術(shù)的發(fā)展歷程，然后分析了其中重要的技術(shù)分支及其發(fā)展?fàn)顩r，最后對(duì)個(gè)性化網(wǎng)絡(luò)廣告推薦領(lǐng)域的重要申請(qǐng)人的專利申請(qǐng)及其技術(shù)演進(jìn)做了進(jìn)一步的分析。

關(guān)鍵詞：用戶偏好;個(gè)性化;網(wǎng)絡(luò)廣告;推薦

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：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(luò)技術(shù)的迅速發(fā)展，互聯(lián)網(wǎng)已成為繼傳統(tǒng)的電視、廣播、報(bào)紙、雜志等之后新興的重要媒體，并且網(wǎng)絡(luò)具有跨時(shí)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(luò)廣告推廣中，傳統(tǒng)群發(fā)式的廣告營(yíng)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(fèi)的同時(shí)，也給用戶帶來了嚴(yán)重的騷擾;另一方面，在海量數(shù)據(jù)環(huán)境下，網(wǎng)絡(luò)用戶也很難真正找到需要的目標(biāo)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(gè)性化廣告內(nèi)容，對(duì)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(luò)廣告的個(gè)性化需求，多數(shù)需要采用一定的個(gè)性化推薦技術(shù)。一般認(rèn)為，網(wǎng)站環(huán)境中的個(gè)性化指將每一個(gè)瀏覽者當(dāng)作一個(gè)獨(dú)立的個(gè)體來對(duì)待，當(dāng)他們?cè)俅蔚卿浾军c(diǎn)時(shí)就能識(shí)別出他們，并根據(jù)他們顯性或隱性的偏好提供相應(yīng)信息。也就是說，基于用戶偏好的個(gè)性化網(wǎng)絡(luò)廣告推薦技術(shù)將提升用戶訪問網(wǎng)站的體驗(yàn)，以及網(wǎng)站的效力。

2 專利申請(qǐng)基本情況

為了獲得個(gè)性化網(wǎng)絡(luò)廣告推薦相關(guān)技術(shù)的專利申請(qǐng)情況，本文使用國(guó)家知識(shí)產(chǎn)權(quán)局專利檢索系統(tǒng)S系統(tǒng)，選擇相關(guān)的關(guān)鍵[如“廣告”“推薦”“個(gè)性化”“advertisement（ads）”“recommend”“personal”]和分類號(hào)，檢索CNABS數(shù)據(jù)庫(kù)和VEN數(shù)據(jù)庫(kù)來獲得進(jìn)行統(tǒng)計(jì)分析的專利申請(qǐng)樣本。檢索的截止日期是2018年5月19日。由于未申請(qǐng)?zhí)崆肮_的發(fā)明專利申請(qǐng)通常在申請(qǐng)日之后18個(gè)月才公開，因此將導(dǎo)致部分專利申請(qǐng)由于未公開而不在本次文獻(xiàn)采集之列。

與個(gè)性化網(wǎng)絡(luò)廣告推薦相關(guān)的專利申請(qǐng)?jiān)诟髂甓鹊姆植既鐖D1所示。從圖1可以看出，個(gè)性化網(wǎng)絡(luò)廣告推薦技術(shù)的發(fā)展大致經(jīng)歷了3個(gè)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(gè)性化網(wǎng)絡(luò)廣告推薦技術(shù)相關(guān)的專利申請(qǐng)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(gè)性化網(wǎng)絡(luò)推薦技術(shù)相關(guān)的專利申請(qǐng)量呈緩慢增長(zhǎng)態(tài)勢(shì);從2012年開始，隨著移動(dòng)互聯(lián)網(wǎng)時(shí)代的到來，互聯(lián)網(wǎng)應(yīng)用得到了大規(guī)模的普及，與個(gè)性化網(wǎng)絡(luò)推薦技術(shù)相關(guān)的專利申請(qǐng)量也進(jìn)入到了快速增長(zhǎng)的階段。

圖2顯示了與個(gè)性化網(wǎng)絡(luò)廣告推薦相關(guān)的專利申請(qǐng)的國(guó)家和地區(qū)分布情況。從圖2可以看出，與個(gè)性化網(wǎng)絡(luò)廣告推薦相關(guān)的專利申請(qǐng)主要分布在美國(guó)、中國(guó)和韓國(guó)。其中美國(guó)的申請(qǐng)量最多，占到全球申請(qǐng)量的43%，這主要是因?yàn)橥ㄐ藕突ヂ?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(guó)，而中國(guó)因?yàn)轵v訊、華為、中興、阿里巴巴、百度等公司的存在占到全球申請(qǐng)量的22%，位居第二位，韓國(guó)則因?yàn)橛腥枪镜日紦?jù)了第三位。從以上分析可知，與個(gè)性化網(wǎng)絡(luò)廣告推薦相關(guān)的技術(shù)主要還是掌握在大的通信和互聯(lián)網(wǎng)公司手中。

3 技術(shù)分支及其發(fā)展?fàn)顩r

在個(gè)性化網(wǎng)絡(luò)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(gè)性化推薦技術(shù)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(shí)的推薦和基于情景感知的推薦[2]。下面分別結(jié)合具體的個(gè)性化網(wǎng)絡(luò)廣告推薦相關(guān)的專利申請(qǐng)對(duì)這四大類個(gè)性化網(wǎng)絡(luò)推薦方法進(jìn)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(píng)分項(xiàng)目的文檔和（或）描述，從而基于用戶已評(píng)分對(duì)象的特征建立模型或個(gè)人信息。在基于內(nèi)容的推薦中，內(nèi)容關(guān)鍵詞、用戶標(biāo)簽經(jīng)常被分別用來表示項(xiàng)目?jī)?nèi)容的特征和用戶個(gè)人信息的特征。例如，公開號(hào)為CN106204156 A的發(fā)明專利申請(qǐng)公開了一種用于網(wǎng)絡(luò)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(hào)為CN106651444 A的發(fā)明專利申請(qǐng)公開了一種通過將用戶標(biāo)簽化進(jìn)行廣告投放的方法，通過大數(shù)據(jù)分析給予用戶特性標(biāo)簽化，給不同用戶賦予代表用戶特征的用戶標(biāo)簽，并根據(jù)用戶標(biāo)簽實(shí)行廣告的精準(zhǔn)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(jìn)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(yīng)用的場(chǎng)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(xiàng)目的協(xié)同過濾，以及基于用戶與項(xiàng)目的混合過濾。例如，公開號(hào)為CN106970933 A的發(fā)明專利申請(qǐng)所公開的一種用于基于接近的個(gè)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(hào)為CN106600311 A的發(fā)明專利申請(qǐng)所公開的一種基于大數(shù)據(jù)的游戲廣告精準(zhǔn)投放方法則屬于一種基于用戶與項(xiàng)目的混合過濾算法。

3.3 基于知識(shí)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(fèi)的產(chǎn)品。但是，在推薦一些不經(jīng)常消費(fèi)的產(chǎn)品時(shí)，這些推薦方法就不是最佳的了，相對(duì)而言，基于知識(shí)的推薦技術(shù)利用用戶的顯式需求，以及產(chǎn)品領(lǐng)域的深度知識(shí)來計(jì)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(hào)為CN105631707 A的發(fā)明專利申請(qǐng)公開了一種基于決策樹的廣告點(diǎn)擊率預(yù)估方法以預(yù)估特定歷史投放廣告的點(diǎn)擊率;又如，公開號(hào)為CN106204152 A的發(fā)明專利申請(qǐng)公開了一種基于指數(shù)回歸和極大似然估計(jì)計(jì)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(yíng)銷成功率。

3.4 基于情景感知的推薦

移動(dòng)互聯(lián)網(wǎng)讓用戶“隨時(shí)隨地”地連接互聯(lián)網(wǎng)成為現(xiàn)實(shí)，同時(shí)也給移動(dòng)環(huán)境下的個(gè)性化廣告推薦提供了豐富的情景信息[3]。例如，公開號(hào)為CN107708100 A的發(fā)明專利申請(qǐng)，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(jī)播放與用戶屬性信息匹配的廣告;又如，公開號(hào)為CN105488691 A的發(fā)明專利申請(qǐng)，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(duì)應(yīng)的電子屏幕在各車道上的可視范圍信息、待投放用戶團(tuán)簇中包含的用戶偏好信息、每個(gè)車輛標(biāo)識(shí)對(duì)應(yīng)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(shù)不能針對(duì)不同用戶進(jìn)行個(gè)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(gè)分支在不同發(fā)展階段的專利申請(qǐng)量情況，從中可以看出各個(gè)技術(shù)分支的技術(shù)演進(jìn)歷程。在申請(qǐng)量方面，雖然各個(gè)技術(shù)分支的申請(qǐng)量大小有所不同，但基本呈現(xiàn)平穩(wěn)增長(zhǎng)態(tài)勢(shì);在申請(qǐng)時(shí)間方面，作為兩種典型的個(gè)性化推薦方法，基于內(nèi)容的推薦和協(xié)同過濾推薦在個(gè)性化廣告推薦中應(yīng)用較早并保持了較快發(fā)展，而基于知識(shí)的推薦則因?yàn)橹R(shí)庫(kù)構(gòu)建較煩瑣以及應(yīng)用領(lǐng)域受限等原因沒有得到大規(guī)模應(yīng)用，基于情景感知的推薦雖然出現(xiàn)的時(shí)間較晚，但隨著移動(dòng)互聯(lián)網(wǎng)的深入發(fā)展，其申請(qǐng)量也得到了迅猛增長(zhǎng)。

4 重要申請(qǐng)人及其關(guān)鍵技術(shù)

圖4顯示了與個(gè)性化網(wǎng)絡(luò)廣告推薦技術(shù)相關(guān)的重要申請(qǐng)人分布情況。從圖4可以看出，申請(qǐng)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(qǐng)人中，外國(guó)公司主要有三星、谷歌、微軟、高通等來自美國(guó)和韓國(guó)的公司，這與前述對(duì)專利申請(qǐng)的地域分布的分析結(jié)果也是一致的。

在騰訊所申請(qǐng)的與個(gè)性化網(wǎng)絡(luò)廣告推薦相關(guān)的專利申請(qǐng)中，基于內(nèi)容的推薦、協(xié)同過濾推薦、基于知識(shí)的推薦和基于情景感知的推薦這4個(gè)技術(shù)分支都有所涉及，但其在4個(gè)分支方向上的專利申請(qǐng)并不是相互獨(dú)立的，而是具有很大的關(guān)聯(lián)性和交叉性。例如，公開號(hào)為CN105472033 A的發(fā)明專利申請(qǐng)中就將廣告內(nèi)容的維度特征和用戶的點(diǎn)擊事件相結(jié)合來對(duì)用戶進(jìn)行個(gè)性化網(wǎng)絡(luò)廣告推薦;公開號(hào)為CN107545444 A的發(fā)明專利申請(qǐng)則將用戶的點(diǎn)擊率和用戶群相結(jié)合來提高業(yè)務(wù)廣告的推薦命中率;而公開號(hào)為CN106846053 A的發(fā)明專利申請(qǐng)則將用戶標(biāo)簽和用戶的位置信息相結(jié)合來為用戶主動(dòng)推薦適合的廣告信息。

5 小結(jié)

通過以上對(duì)與個(gè)性化網(wǎng)絡(luò)廣告推薦相關(guān)的專利技術(shù)進(jìn)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(gè)性化推薦方法，其在個(gè)性化廣告推薦中的應(yīng)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(shí)間較晚，但隨著移動(dòng)互聯(lián)網(wǎng)的不斷發(fā)展以及萬(wàn)物互聯(lián)時(shí)代的到來，其在個(gè)性化廣告推薦中的應(yīng)用場(chǎng)景將會(huì)更為豐富，在這方面的應(yīng)用研究也將是接下來的熱點(diǎn)。另外，當(dāng)前對(duì)個(gè)性化網(wǎng)絡(luò)廣告推薦技術(shù)的研究主要集中在谷歌、微軟、騰訊、華為、三星等國(guó)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(tái)和流量?jī)?yōu)勢(shì)，而隨著大數(shù)據(jù)時(shí)代的來臨，這些大的公司又將進(jìn)一步占據(jù)數(shù)據(jù)優(yōu)勢(shì)。因此，個(gè)性化網(wǎng)絡(luò)廣告推薦技術(shù)的研究向大公司聚集的現(xiàn)象將會(huì)進(jìn)一步得到加強(qiáng)。

參考文獻(xiàn)：

[1]張大勇.個(gè)性化網(wǎng)絡(luò)廣告推薦技術(shù)研究評(píng)述[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2009，11（5）：108-112.

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

[3]朱珂.移動(dòng)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(xué)，2016.