买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉一切都好(北京)科技有限公司申请的专利基于AI的广告受众识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121437070B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511591111.9，技术领域涉及：G06Q30/0251；该发明授权基于AI的广告受众识别方法及系统是由张云飞设计研发完成，并于2025-11-03向国家知识产权局提交的专利申请。

本基于AI的广告受众识别方法及系统在说明书摘要公布了：本发明涉及受众识别技术领域，具体为基于AI的广告受众识别方法及系统，包括以下步骤，获取用户广告点击序列与跳转数据，识别事件密集与间隔片段，提取页面停留、跳转深度与跳出率，筛选可信片段，分析标签轨迹稳定性，构建特征向量用于识别群组，判断反向指标密度标记非目标受众。本发明中，通过基于行为间时间间隔与页面跳转深度构建时序集合并识别事件密集及间隔片段，结合跳出率、停留时间及共现频率的统计指标判别行为片段可信程度，提升广告受众的识别准确性与标签聚合的一致性，结合行为轨迹中的反向指标密度与标签群体行为均值偏差，完成非目标用户的排除判断，增强广告资源投放的精度控制与人群匹配效率。

本发明授权基于AI的广告受众识别方法及系统在权利要求书中公布了：1.基于AI的广告受众识别方法，其特征在于，包括以下步骤： S1：获取广告投放平台的用户数据，采用固定滑动窗口识别事件密集片段与间隔片段，对间隔波动大于事件间隔标准差变化阈值的区域进行边界判定，生成行为片段边界结构清单； 所述行为片段边界结构清单的获取步骤具体为： S101：获取广告投放平台的用户数据，包括用户在单一广告系列内连续的点击行为序列、事件发生时间戳与浏览页签跳转顺序，对每个点击行为序列进行事件时间间隔提取，并计算事件间的跳转层级值，根据事件时间间隔序列与跳转层级序列构建对应的时序集合，结合同一用户在连续投放周期内的点击数量阈值进行筛选，得到行为序列结构信息； S102：基于所述行为序列结构信息中的事件时间间隔值与跳转层级值，采用固定滑动窗口，对每个用户行为序列执行密度统计，计算密度变化差值指标，判断密度变化差值指标大于事件间隔标准差变化阈值，筛选满足判定条件的行为区段，生成密度突变边界区间集； S103：调用所述密度突变边界区间集中标记区段的起始时间戳与终止时间戳，按时间顺序为每一行为区段分配序列编号，并将带编号的边界区段重组为行为片段集合，记录对应区段所属用户标识与广告系列编号，建立行为片段边界结构清单； S2：调用所述行为片段边界结构清单，提取每段内广告点击行为的页面停留时间、跳转深度和跳出率三项指标，计算同片段内部每类行为共现频率，保留频率权重大于片段行为频率平均值一倍标准差进行判定的片段区块，并生成广告行为可信片段清单； 所述广告行为可信片段清单的获取步骤具体为： S201：调用所述行为片段边界结构清单中的行为片段编号与对应时间段，提取每段内的广告点击行为记录，获取记录中的页面访问时长、页面跳转路径层级值与是否跳出的标志字段，并分别转换为页面停留时间、跳转深度与跳出率三项指标，汇总形成指标向量集，生成广告行为特征信息； S202：基于所述广告行为特征信息中每个行为片段的跳出率、跳转深度与页面停留时间组合，标记相同行为类型的数据行，对相同行为类型在单片段内的出现次数进行统计，并将次数与片段行为总次数计算比值，作为每类行为共现频率，建立片段行为共现频率表； S203：根据所述片段行为共现频率表中每类行为的共现频率与当前行为片段中行为频率的均值和标准差进行比对，筛选共现频率值大于行为频率均值加一倍标准差的行为片段编号，并提取对应行为序列作为可信片段，建立广告行为可信片段清单； S3：获取所述广告行为可信片段清单，并将用户的标签变化频率与相似用户群体的标签变化频率进行比值比较，识别并标注非稳定区段，生成用户标签演化稳定性结果； 所述用户标签演化稳定性结果的获取步骤具体为： S301：调用所述广告行为可信片段清单中每条行为片段关联的用户标识与广告系列编号，获取每个用户在多个时段内投放的广告系列标签，并按时间顺序排列标签组合序列，计算相邻标签序列间内容变化次数，并将标签变化次数映射至时间跨度，建立单位时间内的标签变化数量，生成用户标签变化频率表； S302：根据所述用户标签变化频率表中的单用户标签变化数量，提取相似用户群体中标签变化频率的平均值，将单用户标签变化频率与群体均值进行比值计算，判断比值大于设定的用户群体标签变异比值阈值，将满足判断条件的用户标记为非稳定对象，生成用户标签稳定性判定标识集； S303：调用所述用户标签稳定性判定标识集中被标记的非稳定对象，在标签演化路径中对连续出现变动标签的位置添加非稳定标记，并记录标签跳变的起始时间点与终止时间点，对具备非稳定标记的路径集合和时间区段与变异来源进行标注整理，建立用户标签演化稳定性结果 S4：基于所述用户标签演化稳定性结果，提取对应行为可信片段中的使用设备类型、访问频次和广告点击间隔，输入至用户行为数据训练的结构卷积神经网络中，将同类别用户路径标签聚合为识别群组，并生成广告受众群体识别标签组； 所述广告受众群体识别标签组的获取步骤具体为： S401：根据所述用户标签演化稳定性结果中标注为稳定序列的标签路径，提取每条标签路径所关联的用户标识，并调用对应广告行为可信片段中的使用设备类型、广告访问频次与广告点击时间间隔三项指标，对三项指标进行位置匹配与同序整合，组合构建为固定长度的三维向量集合，生成用户路径行为特征向量集； S402：调用所述用户路径行为特征向量集，输入至以用户行为样本构建的卷积神经网络结构中，在特征映射层中执行卷积核通道运算并提取特征图矩阵，判断相邻向量组之间的通道激活差异程度是否小于通道分类相似性阈值，筛选通道相似向量组并记录聚合标识，得到通道分类聚类标识序列； S403：根据所述通道分类聚类标识序列中相同聚类标识的用户路径标号，将标签路径与用户标识绑定生成统一编号，按聚类分组生成同类用户路径集合，并按标签路径中标签数量、出现位置分布与序列长度指标进行汇总封装，建立广告受众群体识别标签组。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人一切都好(北京)科技有限公司，其通讯地址为：100015 北京市朝阳区东大桥路8号院3号楼1层2165；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。