基于大數據技術的廣告精準投放算法設計及其效能評估

王慶娟， 張維， 徐家寧

(國網浙江省電力公司 電力科學研究院， 浙江 杭州 310014)

0 引言

隨著互聯網和大數據技術的發展，廣告的形式發生巨大變化，廣告以數字廣播、手機短信、移動電視等方式實現投放和傳播，為了提高廣告精準投放的效能，需要結合大數據分析和信息融合調度的方法，進行廣告精準投放的效能評估，建立廣告精準投放的效能自適應評估模型，結合信息融合和大數據統計分析的方法，進行廣告精準投放的效能優化評價，相關的廣告精準投放算法設計及其效能評估方法研究受到人們的極大關注[1]。

對廣告精準投放算法設計及其效能評估是建立在對廣告的效能特征信息分析基礎上，結合統計分析和大數據信息融合調度的方法，進行廣告精準投放算法設計及其效能評估[2-3]，文獻[4]中提出基于模糊信息檢測的廣告精準投放效能評估模型，采用模糊相關性檢測方法進行廣告精準投放效能數據的特征建模和分區域調度，結合塊匹配方法實現廣告精準投放效能評估，但該方法的計算開銷較大，效能評估的實時性不好，文獻[5]中提出基于多源數據融合的廣告精準投放效能的模糊聚類分析和評估模型，采用多元信息評價的方法提高效能評估的精度，但該方法的計算復雜度較高，穩定性不好。針對上述問題，本文提出基于大數據分析技術的廣告精準投放效能評估模型，首先構建廣告精準投放效能集成信息統計數據模型，采用統計特征分析方法進行廣告精準投放效能評估集的統計信息采樣和樣本回歸分析，提取廣告精準投放效能評估數據的關聯規則特征量，然后采用定量分析法分析廣告精準投放效能的解釋變量模型和控制變量模型，以廣告精準投放效能的分布特征、關聯參數等為約束變量，采用大數據融合分析技術，實現廣告精準投放算法設計及其效能評估。最后進行仿真實驗分析，展示了本文方法在提高廣告精準投放效能評估能力方面的優越性能。

1 廣告精準投放效能統計信息采樣和樣本回歸分析

1.1 廣告精準投放效能統計信息采樣

為了實現廣告精準投放算法設計及其效能評估，需要首先構建廣告精準投放效能集成信息統計數據模型，采用統計特征分析方法進行廣告精準投放效能評估集的統計信息采樣和樣本回歸分析[6]，建立廣告精準投放任務集合P(ni)={pk|prkj=1,k=1,2,…,m}的優先級屬性，得到可拓展云平臺下廣告精準投放效能監測模糊表達式，如式(1)。

(1)

式中，w表示廣告精準投放的公共節點數；c1r1、c2r2分別表示語義相關度；pid表示廣告精準投放的距離；xid表示確定廣告精準投放的分配任務的位置，對于每個w∈Z，廣告精準投放的資源調度的統計特征量，如式(2)。

(2)

式中，RTT表示廣告精準投放的資源調度的統計特征子變量。在聚類中心挖掘廣告精準投放效能關聯規則集，如式(3)。

DR(pi,nj)=rwdik×RTT(pi,nj)

(3)

式中，r表示常數；dik表示關聯規則權數，若RTT(pi,nj)∈RTT表示數字媒體時代下廣告精準投放的關聯規則項滿足約束條件，推薦輸出的量化特征解，如式(4)。

(4)

θ=f(sk,ak)+f(sl,al),sk∈S,ak∈A

(5)

式中，f(sk,ak)和f(sl,al)分別表示廣告精準投放數字媒體推薦的相似度系數，采用用戶行為特征的自適應聚類方法，進行大數據融合調度，得到廣告精準投放效能的優化控制模型描述，如式(6)。

CΦ(u)=Φ-1(u1),…，Φ-1(un)

(6)

式中，u表示流行度指標權重；Φ(·)表示數字媒體的用戶行為的正態分布函數；Φ-1(·)是Φ(·)的反函數，以廣告精準投放效能的分布特征、關聯因素為約束變量[7]，得到廣告精準投放效能評估狀態之間的轉移概率，如式(7)。

(7)

廣告精準投放效能評估模型由五個狀態組成，即σs=(X,O,A,B,π)，其中X表示廣告精準投放效能評估模型中的隱含狀態，X={xi,i=1,2,3，…,N}；O表示廣告精準投放效能評估模型觀測狀態，O={oj,j=1,2,3,…,M}，根據上述分析，得到廣告精準投放效能統計信息采樣表達式，如式(8)。

maxF(X)=(F1(X),F2(X),…,Fn(X))

s.t.gj(X)≤0 (j=1，2，…，p)

hk(X)=0 (k=1，2，…，p)

(8)

采用線性規劃模型進行廣告精準投放效能集構造，綜上分析，完成廣告精準投放效能評估集的統計信息采樣[8]。

1.2 廣告精準投放效能的樣本回歸分析

在進行廣告精準投放效能統計信息采樣的結果上，分析廣告精準投放效能評估的系統狀態模型，結合大數據融合方法進行廣告精準投放效能的可靠性分析[9]，得到廣告精準投放效能綜合評估的大數據分布集，如式(9)。

Ccode::=(name,A,Ψckcallee,Ψckcaller,Хdecl,Хreq,Хgrnt)

Cdata::=(name,Ψckcallee,Ψckcaller,Хdecl)

iC::=(namer,C,Хgrnt)

(9)

構建廣告精準投放效能單變量統計調查回歸分析序列為{xn}，通常觀測得到的廣告精準投放效能統計調查回歸分析序列都是標量序列，采用相空間重構分析方法進行廣告精準投放效能評估的大數據融合和樣本回歸分析，同時利用模糊關聯信息調度的方法，得到廣告精準投放效能分態空間中xn→xn+1的演化序列反映了廣告精準投放效能的模糊狀態集，表示為zn→zn+1或z(t)→z(t+1)，廣告精準投放效能的描述性統計序列{x(t0+iΔt)},i=0,1,…,N-1。其相空間重構軌跡，如式(10)。

X=[s1,s2,…，sK]n=(xn,xn-τ,…,xn-(m-1)τ)

(10)

構建廣告精準投放效能評估的統計分析模型的表達式，如式(11)。

(11)

令f(si)=(f(x1),f(x2),…,f(xn))，在廣告精準投放效能的評價水平恒定下，得到廣告精準投放效能的樣本回歸分析表達，如式(12)。

(12)

用效益評價論和回歸分析方法進行廣告精準投放效能評估，完成廣告精準投放效能的樣本回歸分析，從而提高廣告精準投放的效能。

2 大數據技術下廣告精準投放效能評估優化

2.1 關聯規則特征量提取

在上述構建廣告精準投放效能集成信息統計數據模型，并采用統計特征分析方法進行廣告精準投放效能評估集的統計信息采樣和樣本回歸分析的基礎上，進行廣告精準投放效能評估模型的優化設計，本文提出基于大數據分析技術的廣告精準投放效能評估模型，提取廣告精準投放效能評估數據的關聯規則特征量，采用統計特征分析方法進行廣告精準投放效能評估集的統計分析，提取廣告精準投放效能評估數據的關聯規則特征量，用s*={x∈X|f(x)=maxf(x)}表示f(x)在廣告精準投放效能的最佳博弈狀態參量，則廣告精準投放效能評價的特征數據si=(x1,x2,…,xn)滿足式(13)。

f(x1)=f(x2)=…=f(xn)=f*

(13)

(14)

式中，{Ak}表示廣告精準投放效能評估的尺度，當i∈I，j?I時，得到廣告精準投放效能評估信息融合輸出，如式(15)。

(15)

(16)

采用多元回歸分析方法得到廣告精準投放效能評估的關聯規則項更新規則，如式(17)。

(17)

式中，Xj(t)表示第t次迭代后廣告精準投放效能評估統計大數據的模糊規則集，以廣告精準投放效能的分布特征、關聯參數等為約束變量，實現對廣告精準投放效能評估的關聯規則特征提取。

2.2 廣告精準投放效能評估優化

在提取關聯特征量的基礎上，對大數據技術下廣告精準投放效能評估優化。采用定量分析法分析廣告精準投放效能的解釋變量模型和控制變量模型，以廣告精準投放效能的分布特征、關聯參數等為約束變量，構建廣告精準投放效能評估的大數據挖掘模型，給出廣告精準投放效能評估的大數據的相空間分布W，它是一個n×m的廣告精準投放效能評估控制矩陣，在廣告精準投放效能評估優化模式下，構建特征分布向量pq，構建概率分布函數為P(ni)={pk|prkj=1,k=1,2,…,m}，進行廣告精準投放效能評估，的模糊調度，廣告精準投放效能評估的統計特征分布節點vi的樣本集合，如式(18)。

(18)

得到廣告精準投放效能評估的回歸分析模型，如式(19)。

(19)

式中，p表示廣告精準投放效能評估選擇的條件概率分布個數；n(t)表示干擾項，構建廣告精準投放效能評估統計大數據識別的模糊隸屬函數，如式(20)。

(20)

(21)

式中，kμ(t)表示t時刻廣告精準投放效能評估統計大數據的采樣尺度；ΔTm(t)表示t時刻廣告精準投放效能評估統計大數據的量化特征集；w表示相對權重；Θ表示kμ(t)的自適應概率條件。

綜上算法設計，得到優化評估模型的更新規則，即廣告精準投放效能評估優化結果，如式(22)—式(24)。

(22)

(23)

(24)

3 仿真實驗與結果分析

為了量化分析本文方法在實現廣告精準投放效能評估中的應用性能，結合SPSS 14.0統計分析軟件進行實證分析，在大數據技術下設計并評估廣告精準投放算法。其操作界面，如圖1所示。

圖1 大數據下廣告精準投放算法操作界面圖

在操作界面圖上對廣告精準投放效能評估的實驗數據進行采集，采集平臺為GitHub 公共資料庫(https://cloud.google.com/bigquery/public-data/)，采集數據集的數據總數為600，排除應用程度較低的280組數據，最終確立統計對象為320組廣告產品，設置迭代次數為24。廣告精準投放效能評估的變量分布，如表1所示。

表1 廣告精準投放效能評估的變量分布

根據上述參數設定，進行廣告精準投放效能評估，得到大數據分布，如圖2所示。

圖2 廣告精準投放效能評估的大數據分布

以圖2的數據為研究樣本，在廣告精準投放效能評估集的統計信息采樣后需進行關聯規則特征提取，驗證這個過程中廣告精準投放效能的分布特征、關聯參數等約束變量的實際效用，即在實驗中提取廣告精準投放效能評估數據的關聯規則特征量，采用定量分析法分析實現廣告精準投放效能評估，得到優化評估結果，如圖3所示。

圖3 廣告精準投放效能評估結果

分析圖3得知，效能評估過程中，在不同數量測試數據的交互作用下，各約束變量的誤差值皆在0左右，其誤差值在-0.5到0.5之間浮動，評估結果準確。說明采用本文方法能夠有效實現廣告精準投放效能評估。

未測試本文方法中模糊隸屬函數對大數據識別的準覺醒，驗證本文方法的精度，利用本文方法、參考文獻[4]方法和參考文獻[5]方法得到評估精度對比結果，如圖4所示：

分析圖4得知，在大數據技術下采用本文方法測試評估精度高于參考文獻[4]方法和參考文獻[5]方法，說明本文方法的數據分布特征重構對模糊隸屬函數進行了有效分解，可實現精準投放過程中對數據結構性量化的自適應，能夠有效提高廣告精準投放效能評估精度，自適應評估能力強，在實際的廣告精準投放中具有一定的應用價值。

圖4 評估精度對比

4 總結

本文提出基于大數據分析技術的廣告精準投放效能評估模型，結合大數據分析和信息融合調度的方法，進行廣告精準投放的效能評估，建立廣告精準投放的效能自適應評估模型。采用統計特征分析方法進行廣告精準投放效能評估集的統計信息采樣和樣本回歸分析，提取廣告精準投放效能評估數據的關聯規則特征量，采用定量分析法分析廣告精準投放效能的解釋變量模型和控制變量模型，采用大數據融合分析技術，實現廣告精準投放算法設計及其效能評估。研究得知，本文方法能有效提高廣告精準投放的效能自適應評估能力，評估精度較高。