一种基于顶端排序的在线广告排序方法

    公开(公告)号:CN109711907B

    公开(公告)日:2022-09-23

    申请号:CN201910052451.2

    申请日:2019-01-21

    Applicant: 南京大学

    Abstract: 本发明公开一种基于顶端排序的在线广告排序方法,利用消费者只关注顶部推荐位置广告的用户特性,采用顶端排序模型(TopPush算法)来进行待推荐广告的有效排序,得到当时段广告各个特征的权重,量化出广告不同维度的重要性。同时使用大窗口(过去多时间段样本)与小窗口(拼接过去多时段特征及转化率)框架,通过窗口的滑动来动态的更新排序结果,将预测高转化率的广告排序在前,从而更有针对性的为消费者提供商品推荐,以提升推荐效果。

    一种基于DTW-LASSO-谱聚类的消费者聚类方法

    公开(公告)号:CN109345318A

    公开(公告)日:2019-02-15

    申请号:CN201811265129.X

    申请日:2018-10-29

    Applicant: 南京大学

    Abstract: 本发明公开一种基于DTW-LASSO-谱聚类的消费者聚类方法,采用DTW对不同待聚类消费者样本的时序特征相似性进行刻画,同时根据不同时间段消费者消费模式变动的特点,使用LASSO对数据所在时间段有效特征进行选择,之后给出了同时段DTW-谱聚类与异时段DTW-谱聚类两种实现,用户可根据实际情况自行选择。若用户选择同时段谱聚类,则得到同一时间段内不同消费者样本的有效分类;若用户选择异时段谱聚类,则通过多日聚类结果取交集挖掘一段时间内长久稳固的消费者消费轮动关系。

    一种基于DTW-LASSO-谱聚类的消费者聚类方法

    公开(公告)号:CN109345318B

    公开(公告)日:2021-06-25

    申请号:CN201811265129.X

    申请日:2018-10-29

    Applicant: 南京大学

    Abstract: 本发明公开一种基于DTW‑LASSO‑谱聚类的消费者聚类方法,采用DTW对不同待聚类消费者样本的时序特征相似性进行刻画,同时根据不同时间段消费者消费模式变动的特点,使用LASSO对数据所在时间段有效特征进行选择,之后给出了同时段DTW‑谱聚类与异时段DTW‑谱聚类两种实现,用户可根据实际情况自行选择。若用户选择同时段谱聚类,则得到同一时间段内不同消费者样本的有效分类;若用户选择异时段谱聚类,则通过多日聚类结果取交集挖掘一段时间内长久稳固的消费者消费轮动关系。

    一种基于顶端排序的在线广告排序方法

    公开(公告)号:CN109711907A

    公开(公告)日:2019-05-03

    申请号:CN201910052451.2

    申请日:2019-01-21

    Applicant: 南京大学

    Abstract: 本发明公开一种基于顶端排序的在线广告排序方法,利用消费者只关注顶部推荐位置广告的用户特性,采用顶端排序模型(TopPush算法)来进行待推荐广告的有效排序,得到当时段广告各个特征的权重,量化出广告不同维度的重要性。同时使用大窗口(过去多时间段样本)与小窗口(拼接过去多时段特征及转化率)框架,通过窗口的滑动来动态的更新排序结果,将预测高转化率的广告排序在前,从而更有针对性的为消费者提供商品推荐,以提升推荐效果。

Patent Agency Ranking