基于大数据技术的广告精准投放算法设计及其效能评估

王庆娟， 张维， 徐家宁

(国网浙江省电力公司 电力科学研究院， 浙江 杭州 310014)

0 引言

随着互联网和大数据技术的发展，广告的形式发生巨大变化，广告以数字广播、手机短信、移动电视等方式实现投放和传播，为了提高广告精准投放的效能，需要结合大数据分析和信息融合调度的方法，进行广告精准投放的效能评估，建立广告精准投放的效能自适应评估模型，结合信息融合和大数据统计分析的方法，进行广告精准投放的效能优化评价，相关的广告精准投放算法设计及其效能评估方法研究受到人们的极大关注[1]。

对广告精准投放算法设计及其效能评估是建立在对广告的效能特征信息分析基础上，结合统计分析和大数据信息融合调度的方法，进行广告精准投放算法设计及其效能评估[2-3]，文献[4]中提出基于模糊信息检测的广告精准投放效能评估模型，采用模糊相关性检测方法进行广告精准投放效能数据的特征建模和分区域调度，结合块匹配方法实现广告精准投放效能评估，但该方法的计算开销较大，效能评估的实时性不好，文献[5]中提出基于多源数据融合的广告精准投放效能的模糊聚类分析和评估模型，采用多元信息评价的方法提高效能评估的精度，但该方法的计算复杂度较高，稳定性不好。针对上述问题，本文提出基于大数据分析技术的广告精准投放效能评估模型，首先构建广告精准投放效能集成信息统计数据模型，采用统计特征分析方法进行广告精准投放效能评估集的统计信息采样和样本回归分析，提取广告精准投放效能评估数据的关联规则特征量，然后采用定量分析法分析广告精准投放效能的解释变量模型和控制变量模型，以广告精准投放效能的分布特征、关联参数等为约束变量，采用大数据融合分析技术，实现广告精准投放算法设计及其效能评估。最后进行仿真实验分析，展示了本文方法在提高广告精准投放效能评估能力方面的优越性能。

1 广告精准投放效能统计信息采样和样本回归分析

1.1 广告精准投放效能统计信息采样

为了实现广告精准投放算法设计及其效能评估，需要首先构建广告精准投放效能集成信息统计数据模型，采用统计特征分析方法进行广告精准投放效能评估集的统计信息采样和样本回归分析[6]，建立广告精准投放任务集合P(ni)={pk|prkj=1,k=1,2,…,m}的优先级属性，得到可拓展云平台下广告精准投放效能监测模糊表达式，如式(1)。

(1)

式中，w表示广告精准投放的公共节点数；c1r1、c2r2分别表示语义相关度；pid表示广告精准投放的距离；xid表示确定广告精准投放的分配任务的位置，对于每个w∈Z，广告精准投放的资源调度的统计特征量，如式(2)。

(2)

式中，RTT表示广告精准投放的资源调度的统计特征子变量。在聚类中心挖掘广告精准投放效能关联规则集，如式(3)。

DR(pi,nj)=rwdik×RTT(pi,nj)

(3)

式中，r表示常数；dik表示关联规则权数，若RTT(pi,nj)∈RTT表示数字媒体时代下广告精准投放的关联规则项满足约束条件，推荐输出的量化特征解，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)分别表示广告精准投放数字媒体推荐的相似度系数，采用用户行为特征的自适应聚类方法，进行大数据融合调度，得到广告精准投放效能的优化控制模型描述，如式(6)。

CΦ(u)=Φ-1(u1),…，Φ-1(un)

(6)

式中，u表示流行度指标权重；Φ(·)表示数字媒体的用户行为的正态分布函数；Φ-1(·)是Φ(·)的反函数，以广告精准投放效能的分布特征、关联因素为约束变量[7]，得到广告精准投放效能评估状态之间的转移概率，如式(7)。

(7)

广告精准投放效能评估模型由五个状态组成，即σs=(X,O,A,B,π)，其中X表示广告精准投放效能评估模型中的隐含状态，X={xi,i=1,2,3，…,N}；O表示广告精准投放效能评估模型观测状态，O={oj,j=1,2,3,…,M}，根据上述分析，得到广告精准投放效能统计信息采样表达式，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)

采用线性规划模型进行广告精准投放效能集构造，综上分析，完成广告精准投放效能评估集的统计信息采样[8]。

1.2 广告精准投放效能的样本回归分析

在进行广告精准投放效能统计信息采样的结果上，分析广告精准投放效能评估的系统状态模型，结合大数据融合方法进行广告精准投放效能的可靠性分析[9]，得到广告精准投放效能综合评估的大数据分布集，如式(9)。

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

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

iC::=(namer,C,Хgrnt)

(9)

构建广告精准投放效能单变量统计调查回归分析序列为{xn}，通常观测得到的广告精准投放效能统计调查回归分析序列都是标量序列，采用相空间重构分析方法进行广告精准投放效能评估的大数据融合和样本回归分析，同时利用模糊关联信息调度的方法，得到广告精准投放效能分态空间中xn→xn+1的演化序列反映了广告精准投放效能的模糊状态集，表示为zn→zn+1或z(t)→z(t+1)，广告精准投放效能的描述性统计序列{x(t0+iΔt)},i=0,1,…,N-1。其相空间重构轨迹，如式(10)。

X=[s1,s2,…，sK]n=(xn,xn-τ,…,xn-(m-1)τ)

(10)

构建广告精准投放效能评估的统计分析模型的表达式，如式(11)。

(11)

令f(si)=(f(x1),f(x2),…,f(xn))，在广告精准投放效能的评价水平恒定下，得到广告精准投放效能的样本回归分析表达，如式(12)。

(12)

用效益评价论和回归分析方法进行广告精准投放效能评估，完成广告精准投放效能的样本回归分析，从而提高广告精准投放的效能。

2 大数据技术下广告精准投放效能评估优化

2.1 关联规则特征量提取

在上述构建广告精准投放效能集成信息统计数据模型，并采用统计特征分析方法进行广告精准投放效能评估集的统计信息采样和样本回归分析的基础上，进行广告精准投放效能评估模型的优化设计，本文提出基于大数据分析技术的广告精准投放效能评估模型，提取广告精准投放效能评估数据的关联规则特征量，采用统计特征分析方法进行广告精准投放效能评估集的统计分析，提取广告精准投放效能评估数据的关联规则特征量，用s*={x∈X|f(x)=maxf(x)}表示f(x)在广告精准投放效能的最佳博弈状态参量，则广告精准投放效能评价的特征数据si=(x1,x2,…,xn)满足式(13)。

f(x1)=f(x2)=…=f(xn)=f*

(13)

(14)

式中，{Ak}表示广告精准投放效能评估的尺度，当i∈I，j∉I时，得到广告精准投放效能评估信息融合输出，如式(15)。

(15)

(16)

采用多元回归分析方法得到广告精准投放效能评估的关联规则项更新规则，如式(17)。

(17)

式中，Xj(t)表示第t次迭代后广告精准投放效能评估统计大数据的模糊规则集，以广告精准投放效能的分布特征、关联参数等为约束变量，实现对广告精准投放效能评估的关联规则特征提取。

2.2 广告精准投放效能评估优化

在提取关联特征量的基础上，对大数据技术下广告精准投放效能评估优化。采用定量分析法分析广告精准投放效能的解释变量模型和控制变量模型，以广告精准投放效能的分布特征、关联参数等为约束变量，构建广告精准投放效能评估的大数据挖掘模型，给出广告精准投放效能评估的大数据的相空间分布W，它是一个n×m的广告精准投放效能评估控制矩阵，在广告精准投放效能评估优化模式下，构建特征分布向量pq，构建概率分布函数为P(ni)={pk|prkj=1,k=1,2,…,m}，进行广告精准投放效能评估，的模糊调度，广告精准投放效能评估的统计特征分布节点vi的样本集合，如式(18)。

(18)

得到广告精准投放效能评估的回归分析模型，如式(19)。

(19)

式中，p表示广告精准投放效能评估选择的条件概率分布个数；n(t)表示干扰项，构建广告精准投放效能评估统计大数据识别的模糊隶属函数，如式(20)。

(20)

(21)

式中，kμ(t)表示t时刻广告精准投放效能评估统计大数据的采样尺度；ΔTm(t)表示t时刻广告精准投放效能评估统计大数据的量化特征集；w表示相对权重；Θ表示kμ(t)的自适应概率条件。

综上算法设计，得到优化评估模型的更新规则，即广告精准投放效能评估优化结果，如式(22)—式(24)。

(22)

(23)

(24)

3 仿真实验与结果分析

为了量化分析本文方法在实现广告精准投放效能评估中的应用性能，结合SPSS 14.0统计分析软件进行实证分析，在大数据技术下设计并评估广告精准投放算法。其操作界面，如图1所示。

图1 大数据下广告精准投放算法操作界面图

在操作界面图上对广告精准投放效能评估的实验数据进行采集，采集平台为GitHub 公共资料库(https://cloud.google.com/bigquery/public-data/)，采集数据集的数据总数为600，排除应用程度较低的280组数据，最终确立统计对象为320组广告产品，设置迭代次数为24。广告精准投放效能评估的变量分布，如表1所示。

表1 广告精准投放效能评估的变量分布

根据上述参数设定，进行广告精准投放效能评估，得到大数据分布，如图2所示。

图2 广告精准投放效能评估的大数据分布

以图2的数据为研究样本，在广告精准投放效能评估集的统计信息采样后需进行关联规则特征提取，验证这个过程中广告精准投放效能的分布特征、关联参数等约束变量的实际效用，即在实验中提取广告精准投放效能评估数据的关联规则特征量，采用定量分析法分析实现广告精准投放效能评估，得到优化评估结果，如图3所示。

图3 广告精准投放效能评估结果

分析图3得知，效能评估过程中，在不同数量测试数据的交互作用下，各约束变量的误差值皆在0左右，其误差值在-0.5到0.5之间浮动，评估结果准确。说明采用本文方法能够有效实现广告精准投放效能评估。

未测试本文方法中模糊隶属函数对大数据识别的准觉醒，验证本文方法的精度，利用本文方法、参考文献[4]方法和参考文献[5]方法得到评估精度对比结果，如图4所示：

分析图4得知，在大数据技术下采用本文方法测试评估精度高于参考文献[4]方法和参考文献[5]方法，说明本文方法的数据分布特征重构对模糊隶属函数进行了有效分解，可实现精准投放过程中对数据结构性量化的自适应，能够有效提高广告精准投放效能评估精度，自适应评估能力强，在实际的广告精准投放中具有一定的应用价值。

图4 评估精度对比

4 总结

本文提出基于大数据分析技术的广告精准投放效能评估模型，结合大数据分析和信息融合调度的方法，进行广告精准投放的效能评估，建立广告精准投放的效能自适应评估模型。采用统计特征分析方法进行广告精准投放效能评估集的统计信息采样和样本回归分析，提取广告精准投放效能评估数据的关联规则特征量，采用定量分析法分析广告精准投放效能的解释变量模型和控制变量模型，采用大数据融合分析技术，实现广告精准投放算法设计及其效能评估。研究得知，本文方法能有效提高广告精准投放的效能自适应评估能力，评估精度较高。