线下商家广告投放方法及系统

本发明涉及信息推广，具体涉及线下商家广告投放方法及系统。

背景技术：

1、在市场竞争中，商家通过广告投放的操作提升品牌知名度、促进产品销售。为确保广告的有效性，广告投放操作需要选定合适的目标受众。例如：餐饮业、社区中心、俱乐部等实体线下商家，前述商家的服务对象包括社交活动频繁且地理位置相近的顾客群体。有效识别这些社交关系紧密且地理位置靠近的顾客群体，可以使商家更精确地定位广告，从而大幅提高广告投放的回报率。此外，前述方法也有助于商家优化营销策略和提升顾客满意度，通过精确的市场定位来吸引并保留关键顾客群体。

2、公布号为cn108959652a的现有发明专利申请文献《基于密度峰值与社区归属度的重叠社区发现方法》，该现有方法包括：步骤s1：读取网络数据集，生成网络图g；步骤s2：根据网络图g节点间的路径长度来计算网络中节点间距离、距离最大值dmax、距离最小值dmin，得到节点间距离字典pd；步骤s3：根据节点间距离字典pd计算节点间的距离阈值dc、节点的局部密度rho；步骤s4：根据节点间距离字典pd、节点的局部密度rho求取节点的跟随节点nnb和跟随距离del；步骤s5：根据密度峰值聚类算法的原理生成非重叠社区集c；步骤s6：对非重叠社区集c的边界点进行社区归属判断，得到重叠社区集c'；步骤s7：输出最终的社区划分结果。

3、公布号为cn110427569a的现有发明专利申请文献《一种基于粗糙集理论的改进密度峰值重叠社区发现方法》，该现有方法包括：首先采用改进的节点局部密度计算方法计算网络中个节点的局部密度属性(ρ)；其次采用改进的高效的节点最小距离计算策略来计算各节点的最小距离属性(δ)；针对节点间距离的计算，定义了一种nd-subspace距离衡量方法并提出了新的社区中心点选取方式；最后在密度峰值聚类上进行对网络中的节点进行社区划分和对网络中的重叠节点进行迭代计算。

4、公布号为cn111241414a的现有发明专利申请文献《一种融合兴趣主题与局部密度的重叠社区检测方法》，该现有方法包括：首先通过本体知识库构建用户层次兴趣模型；然后根据用户的层次兴趣模型，构造异类超图；最后根据异类超图，计算了每个节点的兴趣密度，基于节点的兴趣密度，通过选择社区核心，通过计算局部密度实现重叠社区检测。

5、现有公开文献《密度峰值聚类算法改进研究及其在复杂网络社区发现上的应用》，该现有文献中，提出了一种基于广义近邻相似度的dpc密度峰值聚类方法。首先提出了广义近邻相似度的度量方式来度量数据点间的相似性，然后基于此，提出了一种多步的分配策略：第一步根据已分配点与未分配点间的相似性程度来判断是否将未分配点分到已分配点所在的类中；第二步是根据未分配点近邻的分配情况，来决定它该分配到哪一类中去。

6、前述的公布号为cn108959652a的现有专利申请文件、公布号为cn110427569a的专利申请文件以及现有公开文献《密度峰值聚类算法改进研究及其在复杂网络社区发现上的应用》均偏重应用于利用数据的网络结构来检测社区。而公布号为cn111241414a的专利文件中，利用本体知识库构建的用户层次兴趣模型来检测重叠社区。

7、上述现有方案未考虑节点的空间位置，导致识别出的社区内的节点在空间上分布不集中，不适合需要地理位置考虑的应用场景。同时，前述现有技术未整合网络结构与位置信息，难以有效地识别结构紧密且空间上邻近的社区，无法直接应用于需要地理位置考虑的具体应用场景，在特定应用场景下的商家广告投放效果仍有待提高。

8、综上，现有技术存在潜在顾客群体发掘困难、社区结构凝聚性及空间凝聚性较差的技术问题。

技术实现思路

1、本发明所要解决的技术问题在于：如何解决现有技术中潜在顾客群体发掘困难、社区结构凝聚性及空间凝聚性较差的技术问题。

2、本发明是采用以下技术方案解决上述技术问题的：线下商家广告投放方法包括：

3、s1、对商家v0,从位置社交网络g＝<v，e>中获得节点v0所在的多个社区的种子节点集合vs；

4、s2、根据种子节点集合vs初始化社区ci，扩展社区ci，更新种子节点集合vs，以利用naive ocs算法获得社区集合ocset；

5、s3、从重叠社区集合ocset中取出社区ci，以计算截断距离dc，计算社区ci中每个节点vi的局部密度ρi，根据局部密度ρi计算社区ci中，每个节点vi的相对距离δi；计算节点的决策值，据以处理得到空间感知社区集合；

6、s4、明确线上广告的目标用户；

7、s5、针对目标用户，对于空间感知社区集合clset＝[cl1，cl2，…，cln]中的每个社区cli，计算cli节点的中心位置ceni，以确定cen1，…，cenn作为线下广告的投放点。

8、本发明使用naive ocs算法来查找在结构上重叠社区，以此保证所得的社区在结构上凝聚，并使用密度峰值聚类算法(dpc)来保证空间上的凝聚性。

9、本发明整合了网络结构与位置信息，能够有效地识别结构紧密且空间上邻近的社区，适用于需要地理位置考虑的应用场景。本发明更加符合商家广告投放的实际应用场景。

10、在更具体的技术方案中，s1包括：

11、s11、获得社区的种子节点；

12、s12、获得种子节点vs的集合。重复s11，直至检测出位置社交网络g＝<v，e>中的所有包含节点v0的k-团，以得到种子节点集合vs。

13、在更具体的技术方案中，s11中，从位置社交网络g＝<v,e>中检测包含节点v0的k-团；若该k-团未被加入种子节点集合vs，则将该k-团加入种子节点集合vs。

14、在更具体的技术方案中，s2中，从种子节点集合vs中取出种子节点集seed，将种子节点集seed中的节点加入种子节点集合ci；检测图g＝<v,e>中，社区ci的所有相邻k_团，将相邻k-团的节点加入社区ci；重复执行界定加入操作，直至不存在相邻k-团；通过循环操作，将社区ci加入重叠社区集合ocset中，直至种子节点集合vs为空，得到重叠社区集合：

15、ocset＝[c1，c2，…，cn]。

16、在更具体的技术方案中，s3包括：

17、s31、从重叠社区集合ocset中取出社区ci；

18、s32、根据社区ci计算截断距离dc；

19、s33、计算社区ci中每个节点vi的局部密度ρi以及局部密度ρi顺序；

20、s34、计算社区ci中，每个节点vi的相对距离δi；

21、s35、取局部密度ρi最高的节点，以作为簇中心，计算决策值，据以获得空间感知社区cli；

22、s36、对所有满足ci∈ocset的社区，执行步骤s31至步骤s35，将空间感知社区加入空间感知社区集合clset中，得到：

23、clset＝[cl1，cl2，…，cln]。

24、本发明利用局部空间感知重叠社区发现方法挖掘潜在顾客群体，并基于顾客群体的位置和社交关系，设计线上线下广告投放方法。

25、在更具体的技术方案中，s32包括：

26、s321、计算社区ci中任意两个节点之间的距离，并对所有节点对的距离排序，形成距离序列；

27、s322、从距离序列中，选取截断距离dc。

28、在更具体的技术方案中，s33包括：

29、s331、利用下述逻辑，计算局部密度ρi：

30、

31、其中：

32、

33、式中，dij表示节点vi与节点vj之间的距离，ρi为与节点vi之间距离小于dc的节点的数目；

34、s332、将得到的局部密度ρi按大小进行排序，以得到局部密度ρi顺序。

35、在更具体的技术方案中，s34还包括：

36、s341、根据局部密度ρi顺序，对密度最高的节点，利用下述逻辑计算相对距离δi：

37、δi＝max(dij)(i≠j)

38、s342、对其余节点，利用下述逻辑计算相对距离δi：

39、δi＝min(dij)(j：ρj＞ρi)。

40、在更具体的技术方案中，s35中，对于局部密度ρi最高的节点之外的节点，利用下述逻辑计算决策值γi：

41、γi＝ρi×δi。

42、在更具体的技术方案中，线下商家广告投放系统包括：

43、种子节点集合获取模块，用以对商家v0，从位置社交网络g＝<v，e>中获得节点v0所在的多个社区的种子节点集合vs；

44、社区集合获取模块，用以根据种子节点集合vs初始化社区ci，扩展社区ci，更新种子节点集合vs，以利用naive ocs算法获得社区集合ocset，社区集合获取模块与种子节点集合获取模块连接；

45、空间感知社区集合获取模块，用以从重叠社区集合ocset中取出社区ci，以计算截断距离dc，计算社区ci中每个节点vi的局部密度ρi，根据局部密度ρi计算社区ci中，每个节点vi的相对距离δi；计算节点的决策值，据以处理得到空间感知社区集合，空间感知社区集合获取模块与社区集合获取模块连接；

46、目标用户确定模块，用以明确线上广告的目标用户；

47、广告投放点获取模块，用以针对目标用户，对于空间感知社区集合clset＝[cl1，cl2，…，cln]中的每个社区cli，计算cli节点的中心位置ceni，以确定cen1，…，cenn作为线下广告的投放点，广告投放点获取模块与目标用户确定模块及空间感知社区集合获取模块连接。

48、本发明相比现有技术具有以下优点：

49、本发明使用naive ocs算法来查找在结构上重叠社区，以此保证所得的社区在结构上凝聚，并使用密度峰值聚类算法(dpc)来保证空间上的凝聚性。

50、本发明利用局部空间感知重叠社区发现方法挖掘潜在顾客群体，并基于顾客群体的位置和社交关系，设计线上线下广告投放方法。

51、本发明解决了现有技术中存在的潜在顾客群体发掘困难、社区结构凝聚性及空间凝聚性较差的技术问题。