[发明专利]一种面向Twitter的社交广告可投放性分析方法

摘要

一种面向Twitter的社交广告可投放性分析方法。包括创新地结合Twitter用户多种不同来源的语料信息，构建多源Twitter语料库，有效扩充Twitter短文本，便于推断用户发布内容的潜在广告价值，以实现精准广告受众定位；借鉴LDA模型思想，提出多源Twitter语料主题分析模型，对用户发布内容进行隐含语义分析；基于语义分析结果，设计特征选择、过滤和表示算法，构建逻辑回归分类器，关于广告可投放性进行分类，作为广告推荐的决策依据。本发明充分利用用户发布信息特点，能够准确推断其潜在广告价值。通过本发明可得到符合用户真实意图的推断结果。本发明可用于Twitter等社交网络下的广告推荐等领域。

主权项

一种面向Twitter的社交广告可投放性分析方法，其特征在于该方法包括如下步骤：第1、构建多源Twitter语料库；定义1：社交网络Twitter用户发布的每一条内容为一条tweet；定义2：当前tweet为实时获得的每一条tweet，用符号C表示；定义3：最近tweet以当前tweet的发布时间为基准，获得的由该用户于基准时间前一星期内发布的tweet的集合，用符号R表示；定义4：历史tweet以当前tweet的发布时间为基准，获得的由该用户于基准时间前两星期至前一星期内发布的tweet的集合，用符号H表示；定义5：好友评论tweet为Twitter用户好友对当前tweet发布的评论tweet的集合，用符号F表示；定义6：多源Twitter语料库中tweet的四种不同来源，包括：当前tweet、最近tweet、历史tweet和好友评论tweet，构成语料源，用符号s表示，其中s＝(C,R,H,F)；定义7：多源Twitter语料库中的每一条语料，用m表示；定义8：多源Twitter语料库中的所有语料的个数，用M表示；第2、多源Twitter语料主题分析定义9：一条tweet中的词，用w表示；定义10：关于一条tweet的隐含语义，称为主题，用符号z表示；定义11：对于多源Twitter语料库，不同的语料来源对应的主题的构成有所不同，在每种语料源下，对应的所有可能的主题构成一个主题集合T，用4元组T＝(TC,TR,TH,TF)表示，其中：①TC表示当前tweet对应的主题集合；②TR表示最近tweet对应的主题集合；③TH表示历史tweet对应的主题集合；④TF表示好友评论tweet对应的主题集合；每一条tweet关于各个主题的出现概率，都构成一个概率分布；定义12：每种语料源的所有tweet，关于对应主题集合中各个主题的概率构成tweet～主题概率分布，用符号θ表示；四种语料源下的所有tweet～主题概率分布θ，用4元组θ＝(θC,θR,θH,θF)表示，其中：①θC表示当前tweet关于主题集合TC中各个主题的概率分布；②θR表示最近tweet关于主题集合TR中各个主题的概率分布；③θH表示历史tweet关于主题集合TH中各个主题的概率分布；④θF表示好友评论tweet关于主题集合TF中各个主题的概率分布；定义13：对于每种语料源和主题集合中的所有主题，关于对应词典中的所有词，构成主题～词概率分布用4元组表示；其中：①表示当前TC中各个主题关于词典VC中的各个词的概率分布；②表示当前TR中各个主题关于词典VR中的各个词的概率分布；③表示当前TH中各个主题关于词典VH中的各个词的概率分布；④表示当前TF中各个主题关于词典VF中的各个词的概率分布；第3、社交广告可投放性分类预处理定义14：有社交广告可投放性是根据Twitter用户发布的tweet，分析用户消费意图；如果该条tweet具备消费意图，则该条tweet成为具有社交广告可投放性，反之为不具有社交广告可投放性；第3.1、分类特征选择第3.1.1、对于多源Twitter语料库下的每一条语料m，获取主题概率分布4元组θs[m]＝(θC[m],θR[m],θH[m],θF[m])；第3.1.2、对语料m的tweet～主题概率分布θs[m]按照概率值从大到小排序，得到排序后的4元组θs[m]；定义15：在特征选择过程中，保留的主题称为目标主题，用K表示目标主题数；第3.1.3、对于排序后的4元组θs[m]中的每一个主题概率分布，只保留关于前K主题的概率值；定义16：经过特征选择后，多源Twitter语料库的所有语料关于各个目标主题的概率分布，称为目标主题分布，表示为4元组Θs＝(ΘC,ΘR,ΘH,ΘF)，其中：①ΘC表示当前tweet关于对应目标主题的概率分布；②ΘR表示最近tweet关于对应目标主题的概率分布；③ΘH表示历史tweet关于对应目标主题的概率分布；④ΘF表示好友评论tweet关于对应目标主题的概率分布；第3.1.4、对于主题集合中的每一个主题t，获取关于对应词典的词的概率分布4元组第3.1.5、对主题t的主题～词概率分布按照概率值从大到小排序，得到排序后的4元组定义17：在特征选择过程中，保留的词称为目标词，用N表示目标词数；第3.1.6、对于排序后的4元组中的每一个词概率分布，只保留前N个词的概率值；定义18：经过特征选择后，所有主题关于各个目标词的概率分布，称为目标词分布，表示为4元组Ψs＝(ΨC,ΨR,ΨH,ΨF)，其中：①ΨC表示主题集合TC关于对应目标词的概率分布；②ΨR表示主题集合TR关于对应目标词的概率分布；③ΨH表示主题集合TH关于对应目标词的概率分布；④ΨF表示主题集合TF关于对应目标词的概率分布；第3.2、特征提取第3.2.1、对于每种语料源s＝(C,R,H,F)下的每条语料m，建立哈希表Ω，初始为空；第3.2.2、对于每条语料m：①遍历目标主题分布Θs[m]中的每一项，记下该项对应的目标主题及目标主题概率，记为(t,p)；②再根据遍历到的每一个主题t，获取该主题对应的目标词及目标词概率，记为(w,q)；③计算概率值的乘积：p*q；④在对应哈希表Ω中查找词w，若查找失败，则将词w与概率值乘积p*q一并插入到Ω；若w已存在于Ω中，则将对应位置处的概率值增加p*q；第3.3、特征表示扫描哈希表Ω中的每一个词w，建立词典υ，表示为4元组υ＝(υC,υR,υH,υF)；其中：①υC表示当前tweet对应的高语义关联词构成的词典，词典中词的个数记为|υC|；②υR表示最近tweet对应的高语义关联词构成的词典，词典中词的个数记为|υR|；③υH表示历史tweet对应的高语义关联词构成的词典，词典中词的个数记为|υH|；④υF表示好友评论tweet对应的高语义关联词构成的词典，词典中词的个数记为|υF|；定义19：语料m对应的tweet～词概率向量，称为社交广告可投放性分类特征向量；第4、构建社交广告可投放性分类器第4.1、根据社交广告可投放性分类特征向量，构造线性回归函数如下：hπ(x)＝π0X0+π1X1+…+πnXn定义20：社交广告可投放性分类特征向量[X0,X1,…,Xn]的系数[π0,π1,…,πn]称为特征权重参数；定义21：将线性回归函数hπ(x)代入逻辑方程，逻辑方程的定义为：g(x)＝exp(x)/(1+exp(x))；第4.2、将线性回归函数hπ(x)代入逻辑方程g(x)以进行归一化，替换其中的变量x得到：g(hπ(x))＝exp(hπ(x))/(1+exp(hπ(x)))＝exp(π0X0+π1X1+…+πnXn)/(1+exp(π0X0+π1X1+…+πnXn))；第4.3、利用牛顿迭代法获得特征权重参数的训练值[π0,π1,…,πn]；第4.4、设置社交广告可投放性分类阈值，由于逻辑方程g(x)的阈值为[0,1]，因此，根据实验经验，将社交广告可投放性分类阈值设置为g(x)的中间值0.5；第4.5、对于多源Twitter语料库中的每一条语料m，利用特征权重参数的训练值[π0,π1,…,πn]计算归一化后的线性回归函数g(hπ(x))，与阈值进行比较：如果大于阈值，则判定为具有社交广告可投放性；否则判定为不具有社交广告可投放性。