基于用户偏好的个性化网络广告推荐专利技术综述

李邵飞

摘要：在大数据时代的背景下，网络广告的点击量呈现明显的长尾特性，即大量的广告并不能被用户接触，少量的被用户接触到的广告也并不能真正满足用户自身的需求，而个性化推荐技术的发展为解决网络广告中存在的长尾问题提供了一种重要手段。本文首先介绍了基于用户偏好的个性化网络广告推荐技术的发展历程，然后分析了其中重要的技术分支及其发展状况，最后对个性化网络广告推荐领域的重要申请人的专利申请及其技术演进做了进一步的分析。

关键词：用户偏好;个性化;网络广告;推荐

中图分类号：TP391文献标识码：A 文章编号：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

随着网络技术的迅速发展，互联网已成为继传统的电视、广播、报纸、杂志等之后新兴的重要媒体，并且网络具有跨时空性、交互性等传统媒介不可比拟的优越性[1]。而在网络广告推广中，传统群发式的广告营销策略一直被用户所诟病，传统的广告策略一方面在造成资源浪费的同时，也给用户带来了严重的骚扰;另一方面，在海量数据环境下，网络用户也很难真正找到需要的目标信息。因此，研究如何使得在大量的广告信息中快速高效地找到用户感兴趣的个性化广告内容，对广告行业的发展具有极为重要的意义。

而为了满足网络广告的个性化需求，多数需要采用一定的个性化推荐技术。一般认为，网站环境中的个性化指将每一个浏览者当作一个独立的个体来对待，当他们再次登录站点时就能识别出他们，并根据他们显性或隐性的偏好提供相应信息。也就是说，基于用户偏好的个性化网络广告推荐技术将提升用户访问网站的体验，以及网站的效力。

2 专利申请基本情况

为了获得个性化网络广告推荐相关技术的专利申请情况，本文使用国家知识产权局专利检索系统S系统，选择相关的关键[如“广告”“推荐”“个性化”“advertisement（ads）”“recommend”“personal”]和分类号，检索CNABS数据库和VEN数据库来获得进行统计分析的专利申请样本。检索的截止日期是2018年5月19日。由于未申请提前公开的发明专利申请通常在申请日之后18个月才公开，因此将导致部分专利申请由于未公开而不在本次文献采集之列。

与个性化网络广告推荐相关的专利申请在各年度的分布如图1所示。从图1可以看出，个性化网络广告推荐技术的发展大致经历了3个阶段，在2002年之前的初始发展期，由于互联网还不够普及，与个性化网络广告推荐技术相关的专利申请还比较少;在2004—2011年的缓慢发展期，随着互联网的不断发展，与个性化网络推荐技术相关的专利申请量呈缓慢增长态势;从2012年开始，随着移动互联网时代的到来，互联网应用得到了大规模的普及，与个性化网络推荐技术相关的专利申请量也进入到了快速增长的阶段。

图2显示了与个性化网络广告推荐相关的专利申请的国家和地区分布情况。从图2可以看出，与个性化网络广告推荐相关的专利申请主要分布在美国、中国和韩国。其中美国的申请量最多，占到全球申请量的43%，这主要是因为通信和互联网行业的巨头公司如微软、谷歌、高通、亚马逊等都位于美国，而中国因为腾讯、华为、中兴、阿里巴巴、百度等公司的存在占到全球申请量的22%，位居第二位，韩国则因为有三星公司等占据了第三位。从以上分析可知，与个性化网络广告推荐相关的技术主要还是掌握在大的通信和互联网公司手中。

3 技术分支及其发展状况

在个性化网络广告推荐中，根据产生推荐所需要的数据来源和数据的使用方法的不同，可以将个性化推荐技术分为四大类，分别是：基于内容的推荐、协同过滤、基于知识的推薦和基于情景感知的推荐[2]。下面分别结合具体的个性化网络广告推荐相关的专利申请对这四大类个性化网络推荐方法进行介绍。

3.1 基于内容的推荐

基于内容的推荐系统通过分析一系列用户之前已评分项目的文档和（或）描述，从而基于用户已评分对象的特征建立模型或个人信息。在基于内容的推荐中，内容关键词、用户标签经常被分别用来表示项目内容的特征和用户个人信息的特征。例如，公开号为CN106204156 A的发明专利申请公开了一种用于网络论坛的广告投放方法及装置，选取与用户匹配度最高的广告向用户投放;又如，公开号为CN106651444 A的发明专利申请公开了一种通过将用户标签化进行广告投放的方法，通过大数据分析给予用户特性标签化，给不同用户赋予代表用户特征的用户标签，并根据用户标签实行广告的精准投放，给用户最感兴趣的广告，提高了用户感兴趣的程度。

3.2 协同过滤

协同过滤是一种基于一组兴趣相同的用户进行的推荐，其思想来源于生活中的用户之间相互推荐。根据协同过滤应用的场景不同和偏重不同，可以将其分为基于用户的协同过滤、基于项目的协同过滤，以及基于用户与项目的混合过滤。例如，公开号为CN106970933 A的发明专利申请所公开的一种用于基于接近的个性化内容推荐的方法就属于一种基于用户的协同过滤方法，而公开号为CN106600311 A的发明专利申请所公开的一种基于大数据的游戏广告精准投放方法则属于一种基于用户与项目的混合过滤算法。

3.3 基于知识的推荐

基于内容的推荐和协同过滤方法属于传统的推荐方法，这两种方法适用于推荐用户经常性消费的产品。但是，在推荐一些不经常消费的产品时，这些推荐方法就不是最佳的了，相对而言，基于知识的推荐技术利用用户的显式需求，以及产品领域的深度知识来计算推荐，并通过这两种方式来解决上述问题为最可取的。例如，公开号为CN105631707 A的发明专利申请公开了一种基于决策树的广告点击率预估方法以预估特定历史投放广告的點击率;又如，公开号为CN106204152 A的发明专利申请公开了一种基于指数回归和极大似然估计计算用户行为偏好的算法，能够全方面的考虑用户的偏好行为，可提高营销成功率。

3.4 基于情景感知的推荐

移动互联网让用户“随时随地”地连接互联网成为现实，同时也给移动环境下的个性化广告推荐提供了丰富的情景信息[3]。例如，公开号为CN107708100 A的发明专利申请，公开了一种基于用户位置信息的广告播放方法，通过广告机播放与用户属性信息匹配的广告;又如，公开号为CN105488691 A的发明专利申请，公开了一种基于车路通信的广告投放方法，根据与路边单元对应的电子屏幕在各车道上的可视范围信息、待投放用户团簇中包含的用户偏好信息、每个车辆标识对应的车速信息、位置信息和车道信息，确定投放内容，解决了现有技术不能针对不同用户进行个性化广告内容投放，广告效果较差的问题。

图3为上述4个分支在不同发展阶段的专利申请量情况，从中可以看出各个技术分支的技术演进历程。在申请量方面，虽然各个技术分支的申请量大小有所不同，但基本呈现平稳增长态势;在申请时间方面，作为两种典型的个性化推荐方法，基于内容的推荐和协同过滤推荐在个性化广告推荐中应用较早并保持了较快发展，而基于知识的推荐则因为知识库构建较烦琐以及应用领域受限等原因没有得到大规模应用，基于情景感知的推荐虽然出现的时间较晚，但随着移动互联网的深入发展，其申请量也得到了迅猛增长。

4 重要申请人及其关键技术

图4显示了与个性化网络广告推荐技术相关的重要申请人分布情况。从图4可以看出，申请量排首位的是腾讯科技有限公司，而在排名前十位的重要申请人中，外国公司主要有三星、谷歌、微软、高通等来自美国和韩国的公司，这与前述对专利申请的地域分布的分析结果也是一致的。

在腾讯所申请的与个性化网络广告推荐相关的专利申请中，基于内容的推荐、协同过滤推荐、基于知识的推荐和基于情景感知的推荐这4个技术分支都有所涉及，但其在4个分支方向上的专利申请并不是相互独立的，而是具有很大的关联性和交叉性。例如，公开号为CN105472033 A的发明专利申请中就将广告内容的维度特征和用户的点击事件相结合来对用户进行个性化网络广告推荐;公开号为CN107545444 A的发明专利申请则将用户的点击率和用户群相结合来提高业务广告的推荐命中率;而公开号为CN106846053 A的发明专利申请则将用户标签和用户的位置信息相结合来为用户主动推荐适合的广告信息。

5 小结

通过以上对与个性化网络广告推荐相关的专利技术进行分析可知，基于内容的推荐和协同过滤推荐作为两种典型的个性化推荐方法，其在个性化广告推荐中的应用较早并得到了大规模的普及，而基于情景感知的推荐虽然出现时间较晚，但随着移动互联网的不断发展以及万物互联时代的到来，其在个性化广告推荐中的应用场景将会更为丰富，在这方面的应用研究也将是接下来的热点。另外，当前对个性化网络广告推荐技术的研究主要集中在谷歌、微软、腾讯、华为、三星等国内外大型的通信和互联网公司，这主要得益于这些大公司具有的平台和流量优势，而随着大数据时代的来临，这些大的公司又将进一步占据数据优势。因此，个性化网络广告推荐技术的研究向大公司聚集的现象将会进一步得到加强。

参考文献：

[1]张大勇.个性化网络广告推荐技术研究评述[J].哈尔滨工业大学学报（社会科学版），2009，11（5）：108-112.

[2]里奇，罗卡奇，夏皮拉，等.推荐系统：技术、评估及高效算法[M].北京：机械工业出版社，2016.

[3]朱珂.移动环境下基于情景感知的广告推荐系统[D].天津：天津理工大学，2016.