本發(fā)明涉及互聯(lián)網(wǎng)信息，具體為跨平臺(tái)廣告效果實(shí)時(shí)數(shù)字化追蹤與分析系統(tǒng)。

背景技術(shù)：

1、根據(jù)中國(guó)專(zhuān)利號(hào)為“cn106920129b”公開(kāi)的一種基于眼動(dòng)追蹤的網(wǎng)絡(luò)廣告效果測(cè)評(píng)系統(tǒng)及其方法，該系統(tǒng)包括：眼動(dòng)追蹤采集單元，用于通過(guò)眼動(dòng)追蹤裝置獲取用戶(hù)在搜索引擎結(jié)果頁(yè)上的測(cè)試行為信息；廣告效果模型建立單元，用于根據(jù)眼動(dòng)追蹤采集單元得到的數(shù)據(jù)，定性和定量地分析位置不同、相關(guān)性不同的廣告對(duì)于用戶(hù)注意力、吸引力的影響；并根據(jù)眼動(dòng)分析的結(jié)果，結(jié)合廣告自身特性、顯示反饋信息和隱式反饋信息，提取與網(wǎng)絡(luò)廣告效果相關(guān)的特征，得到廣告效果模型；廣告效果評(píng)測(cè)單元，用于根據(jù)廣告效果模型，計(jì)算廣告效果和各特征間的關(guān)系，測(cè)評(píng)廣告效果模型的有效性。

2、上述專(zhuān)利文件及現(xiàn)有技術(shù)在使用時(shí)存在以下技術(shù)問(wèn)題：

3、問(wèn)題一，上述專(zhuān)利文件中及現(xiàn)有技術(shù)中，主要依賴(lài)眼動(dòng)追蹤技術(shù)，通過(guò)分析用戶(hù)在搜索引擎結(jié)果頁(yè)上的測(cè)試行為，獲得廣告的吸引力、注意力等指標(biāo)，然而，這種方法過(guò)于依賴(lài)用戶(hù)的視覺(jué)信息，忽略了用戶(hù)在其他平臺(tái)上、以及基于多種互動(dòng)行為，如點(diǎn)擊、瀏覽、購(gòu)買(mǎi)等，對(duì)廣告效果的影響，眼動(dòng)追蹤雖然能反映用戶(hù)在單一平臺(tái)上的短期視覺(jué)行為，但難以捕捉跨平臺(tái)廣告投放的全局效果；

4、問(wèn)題二，上述文件中對(duì)用戶(hù)行為數(shù)據(jù)進(jìn)行捕捉時(shí)，直接涉及用戶(hù)的視覺(jué)數(shù)據(jù)和行為路徑記錄，會(huì)導(dǎo)致隱私泄露風(fēng)險(xiǎn)，缺乏隱私保護(hù)機(jī)制，用戶(hù)行為數(shù)據(jù)的暴露風(fēng)險(xiǎn)較高；

5、問(wèn)題三，上述專(zhuān)利文件及現(xiàn)有技術(shù)中，在對(duì)高光進(jìn)行追蹤時(shí)，局限于單一平臺(tái)，搜索引擎結(jié)果頁(yè)，沒(méi)有考慮用戶(hù)在不同平臺(tái)上的廣告互動(dòng)行為和跨平臺(tái)廣告協(xié)同效應(yīng)。

技術(shù)實(shí)現(xiàn)思路

1、解決的技術(shù)問(wèn)題

2、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了跨平臺(tái)廣告效果實(shí)時(shí)數(shù)字化追蹤與分析系統(tǒng)，解決了以下問(wèn)題：

3、1、針對(duì)用戶(hù)行為數(shù)據(jù)維度單一，無(wú)法反映全面廣告效果的問(wèn)題；

4、2、針對(duì)用戶(hù)隱私問(wèn)題未得到充分保護(hù)的問(wèn)題；

5、3、針對(duì)缺乏跨平臺(tái)廣告效果協(xié)同優(yōu)化的問(wèn)題。

6、技術(shù)方案

7、為實(shí)現(xiàn)以上目的，本發(fā)明通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：跨平臺(tái)廣告效果實(shí)時(shí)數(shù)字化追蹤與分析系統(tǒng)，所述系統(tǒng)包括跨平臺(tái)用戶(hù)行為的時(shí)序建模模塊、差分隱私保護(hù)下的用戶(hù)行為數(shù)據(jù)采集模塊和基于圖神經(jīng)網(wǎng)絡(luò)的跨平臺(tái)廣告效果關(guān)聯(lián)分析模塊，其中：

8、所述跨平臺(tái)用戶(hù)行為的時(shí)序建模模塊，將收集到的跨平臺(tái)數(shù)據(jù)通過(guò)隱馬爾科夫模型建模，系統(tǒng)將用戶(hù)在不同時(shí)間和不同平臺(tái)上的廣告互動(dòng)行為和廣告行為狀態(tài)構(gòu)成一個(gè)時(shí)間序列，基于過(guò)去行為實(shí)時(shí)預(yù)測(cè)用戶(hù)未來(lái)的廣告行為，用以捕捉用戶(hù)的行為變化趨勢(shì)；

9、所述差分隱私保護(hù)下的用戶(hù)行為數(shù)據(jù)采集模塊，通過(guò)差分隱私技術(shù)，從各平臺(tái)收集用戶(hù)的廣告互動(dòng)數(shù)據(jù)，使系統(tǒng)在查詢(xún)用戶(hù)行為時(shí)添加隨機(jī)噪聲，確保用戶(hù)的行為不會(huì)被具體識(shí)別；

10、所述基于圖神經(jīng)網(wǎng)絡(luò)的跨平臺(tái)廣告效果關(guān)聯(lián)分析模塊，系統(tǒng)會(huì)將每個(gè)平臺(tái)視為一個(gè)節(jié)點(diǎn)，用戶(hù)跨平臺(tái)的行為視為節(jié)點(diǎn)間的邊，通過(guò)圖神經(jīng)網(wǎng)絡(luò)建立跨平臺(tái)廣告效果的關(guān)聯(lián)模型，分析用戶(hù)在不同平臺(tái)上廣告互動(dòng)行為的關(guān)聯(lián)性；

11、所述主控模塊，對(duì)各個(gè)模塊的數(shù)據(jù)進(jìn)行接收和分析，定期進(jìn)行廣告效果的更新與評(píng)估，并將評(píng)估結(jié)構(gòu)反饋至各個(gè)模塊進(jìn)行訓(xùn)練。

12、優(yōu)選的，所述跨平臺(tái)用戶(hù)行為的時(shí)序建模模塊中設(shè)定用戶(hù)在時(shí)間t的廣告互動(dòng)行為狀態(tài)為st，在通過(guò)隱馬爾科夫模型，用戶(hù)行為的轉(zhuǎn)移概率為：

13、

14、其中：

15、p(st|st-1，st-2，…，s1)表示在給定歷史狀態(tài)的條件下，用戶(hù)在時(shí)間t的廣告行為狀態(tài)的概率；

16、st在時(shí)間t時(shí)的廣告行為狀態(tài)；

17、p(st，st-1，…，s1)表示聯(lián)合概率，表示從時(shí)間1到t的行為序列的發(fā)生概率；

18、p(st-1，…，s1)表示用戶(hù)從時(shí)間1到t-1行為序列的總概率。

19、優(yōu)選的，所述差分隱私保護(hù)下的用戶(hù)行為數(shù)據(jù)采集模塊中對(duì)每次查詢(xún)f(d)，添加噪聲n(0，σ2)，即差分隱私機(jī)制：

20、m(d)＝f(d)+n(0，σ2)

21、其中：

22、n(0，σ2)表示高斯噪聲；

23、m(d)表示差分隱私機(jī)制下的輸出；

24、d表示用戶(hù)行為數(shù)據(jù)集；

25、f(d)表示對(duì)數(shù)據(jù)集的查詢(xún)或統(tǒng)計(jì)函數(shù)；

26、n(0，σ2)表示均值為0，方差為σ2的高斯噪聲。

27、優(yōu)選的，所述基于圖神經(jīng)網(wǎng)絡(luò)的跨平臺(tái)廣告效果關(guān)聯(lián)分析模塊將不同平臺(tái)上的廣告投放視為一個(gè)圖結(jié)構(gòu)，廣告展示在每個(gè)平臺(tái)上的效果作為節(jié)點(diǎn)，平臺(tái)之間的關(guān)聯(lián)性作為邊，廣告效果hi在第i個(gè)節(jié)點(diǎn)上的更新表示為：

28、

29、其中：

30、表示第i個(gè)基點(diǎn)在時(shí)間t的廣告效果狀態(tài)；

31、n(i)表示與第i個(gè)節(jié)點(diǎn)相連的鄰居節(jié)點(diǎn)集合；

32、wij表示平臺(tái)i和平臺(tái)j之間的關(guān)聯(lián)強(qiáng)度；

33、f(*)表示節(jié)點(diǎn)狀態(tài)更新的激活函數(shù)。

34、優(yōu)選的，所述跨平臺(tái)用戶(hù)行為的時(shí)序建模模塊分析用戶(hù)在多個(gè)平臺(tái)上對(duì)于廣告互動(dòng)行為，且廣告互動(dòng)行為包括用戶(hù)的單次點(diǎn)擊行為、長(zhǎng)時(shí)間行為模式、興趣變化及跨平臺(tái)之間的行為關(guān)聯(lián)，且廣告行為狀態(tài)包括點(diǎn)擊、瀏覽和購(gòu)買(mǎi)。

35、優(yōu)選的，所述主控模塊接收跨平臺(tái)用戶(hù)行為的時(shí)序建模模塊和基于圖神經(jīng)網(wǎng)絡(luò)的跨平臺(tái)廣告效果關(guān)聯(lián)分析模塊的反饋的信息，且反饋的信息包括用戶(hù)未來(lái)在某個(gè)平臺(tái)的廣告互動(dòng)概率和廣澳點(diǎn)擊率，所述主控模塊每天或每周進(jìn)行數(shù)據(jù)更新，將新的用戶(hù)行為數(shù)據(jù)輸入到隱馬爾科夫模型和圖神經(jīng)網(wǎng)絡(luò)模型中，重新計(jì)算廣告效果預(yù)測(cè)與跨平臺(tái)關(guān)聯(lián)性。

36、優(yōu)選的，所述系統(tǒng)的運(yùn)行流程具體如下：

37、sp1：數(shù)據(jù)收集與預(yù)處理，所述差分隱私保護(hù)下的用戶(hù)行為數(shù)據(jù)采集模塊對(duì)用戶(hù)行為數(shù)據(jù)進(jìn)行收集，并在收集時(shí)對(duì)用戶(hù)行為數(shù)據(jù)添加差分隱私保護(hù)；

38、sp2：跨平臺(tái)時(shí)序行為建模，所述跨平臺(tái)用戶(hù)行為的時(shí)序建模模塊接收sp1手機(jī)的加密處理后的用戶(hù)行為數(shù)據(jù)，通過(guò)隱馬爾科夫模型建模，將用戶(hù)在不同時(shí)間和不同平臺(tái)上的行為構(gòu)成一個(gè)時(shí)間序列，用以捕捉用戶(hù)的行為變化趨勢(shì)；

39、sp3：跨平臺(tái)關(guān)聯(lián)分析，所述基于圖神經(jīng)網(wǎng)絡(luò)的跨平臺(tái)廣告效果關(guān)聯(lián)分析模塊將每個(gè)平臺(tái)視為一個(gè)節(jié)點(diǎn)，用戶(hù)跨平臺(tái)的行為視為節(jié)點(diǎn)間的邊，通過(guò)圖神經(jīng)網(wǎng)絡(luò)建立跨平臺(tái)廣告效果的關(guān)聯(lián)模型，通過(guò)圖神經(jīng)網(wǎng)絡(luò)分析用戶(hù)在不同平臺(tái)上廣告互動(dòng)行為的關(guān)聯(lián)；

40、sp4：實(shí)時(shí)反饋與廣告策略?xún)?yōu)化，所述主控模塊對(duì)各個(gè)模塊的關(guān)聯(lián)數(shù)據(jù)進(jìn)行接收并進(jìn)行反饋和優(yōu)化，系統(tǒng)根據(jù)用戶(hù)的行為預(yù)測(cè)，動(dòng)態(tài)調(diào)整廣告的展示頻率，根據(jù)圖神經(jīng)網(wǎng)絡(luò)分析的結(jié)果，系統(tǒng)能夠發(fā)現(xiàn)跨平臺(tái)廣告的協(xié)同效應(yīng)；

41、sp5：持續(xù)學(xué)習(xí)與模型更新，系統(tǒng)每天或每周進(jìn)行數(shù)據(jù)更新，將新的用戶(hù)行為數(shù)據(jù)輸入到時(shí)序模型和圖神經(jīng)網(wǎng)絡(luò)中，重新計(jì)算廣告效果預(yù)測(cè)與跨平臺(tái)關(guān)聯(lián)性，利用最新的數(shù)據(jù)，模型參數(shù)會(huì)被動(dòng)態(tài)調(diào)整，確保系統(tǒng)能夠適應(yīng)不斷變化的用戶(hù)行為與市場(chǎng)動(dòng)態(tài)。

42、優(yōu)選的，所述數(shù)據(jù)收集與預(yù)處理中采集的數(shù)據(jù)類(lèi)型包括用戶(hù)行為數(shù)據(jù)、平臺(tái)數(shù)據(jù)和時(shí)間戳數(shù)據(jù)，且數(shù)據(jù)來(lái)源包括客戶(hù)端數(shù)據(jù)、服務(wù)器端數(shù)據(jù)和用戶(hù)設(shè)備。

43、有益效果

44、本發(fā)明提供了跨平臺(tái)廣告效果實(shí)時(shí)數(shù)字化追蹤與分析系統(tǒng)。具備以下有益效果：

45、1、本發(fā)明采用系統(tǒng)利用隱馬爾科夫模型技術(shù)，對(duì)用戶(hù)在各個(gè)平臺(tái)上的廣告互動(dòng)行為進(jìn)行時(shí)間序列建模，捕捉用戶(hù)在不同時(shí)間點(diǎn)的行為模式，實(shí)現(xiàn)對(duì)廣告效果的精準(zhǔn)預(yù)測(cè)，能夠預(yù)估用戶(hù)未來(lái)的廣告點(diǎn)擊、瀏覽或購(gòu)買(mǎi)行為，從而幫助廣告主根據(jù)用戶(hù)的行為習(xí)慣優(yōu)化廣告投放時(shí)間和頻率，提升廣告投放的轉(zhuǎn)化率和效果。

46、2、本發(fā)明采用系統(tǒng)中利用差分隱私保護(hù)技術(shù)在用戶(hù)行為數(shù)據(jù)中添加噪聲，確保用戶(hù)個(gè)體數(shù)據(jù)無(wú)法被識(shí)別或追蹤，防止廣告主或第三方從廣告效果數(shù)據(jù)中獲取用戶(hù)的具體信息，實(shí)現(xiàn)了用戶(hù)隱私的有效保護(hù)，保證了在廣告效果分析和行為追蹤過(guò)程中，用戶(hù)個(gè)人信息不會(huì)泄露，滿(mǎn)足了數(shù)據(jù)安全和隱私保護(hù)的需求，提升了用戶(hù)對(duì)廣告投放的信任度。

47、3、本發(fā)明采用系統(tǒng)內(nèi)部利用圖神經(jīng)網(wǎng)絡(luò)技術(shù)，通過(guò)構(gòu)建跨平臺(tái)用戶(hù)行為的圖結(jié)構(gòu)，將不同平臺(tái)上的廣告效果通過(guò)圖節(jié)點(diǎn)和邊的方式關(guān)聯(lián)，并通過(guò)gnn的消息傳播機(jī)制分析用戶(hù)行為的跨平臺(tái)關(guān)聯(lián)性，實(shí)現(xiàn)了跨平臺(tái)廣告的協(xié)同優(yōu)化，廣告主可以根據(jù)用戶(hù)在不同平臺(tái)上的互動(dòng)行為發(fā)現(xiàn)平臺(tái)間的協(xié)同效應(yīng)，優(yōu)化廣告資源的分配，實(shí)現(xiàn)廣告投放的協(xié)同效應(yīng)最大化。