本发明涉及广告投放，具体为基于差异化分析位置的广告投放位置管理系统。
背景技术：
1、传统的广告投放系统往往面临诸多劣势。首先，在数据收集方面，传统系统可能缺乏对用户行为数据的准确分类和地理位置标注，导致后续分析所依据的数据质量不佳，难以准确把握用户的实际需求和行为趋势。
2、此外，传统系统在行为模式分析上常常采用简单的统计方法，缺乏针对性和精确度，无法有效识别出用户的特定行为模式，导致广告定向不精准，效果不佳。在广告模式识别方面，传统系统往往只能基于地理位置来简单判断广告类型，缺乏对用户行为的深度挖掘和理解，无法充分匹配广告内容和用户的实际兴趣，降低了广告的相关性和吸引力。
3、最后，在广告内容生成上，传统系统往往采用固定模板或简单规则，无法根据用户行为和地理位置等多维信息进行个性化定制，导致广告内容缺乏吸引力和针对性，影响了广告的转化率和用户满意度。
4、因此，传统系统在数据收集、行为模式分析、广告模式识别和广告内容生成等方面存在诸多不足，难以满足广告行业对于精准定向和个性化营销的需求，亟需通过基于差异化分析位置的广告投放位置管理系统来提升广告投放的精准度和效果。
技术实现思路
1、本发明的目的在于提供基于差异化分析位置的广告投放位置管理系统，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：基于差异化分析位置的广告投放位置管理系统，其特征在于，包括数据收集模块、行为模式识别模块、偏好分析模块、非地理广告模式模块和比对与决策模块，其中：
3、所述数据收集模块收集不同地理位置上的用户数据，其中用户数据根据地理位置的不同进行分类；
4、所述行为模式识别模块根据同一地理位置上的用户数据，利用聚类算法进行用户行为模式的识别；
5、所述偏好分析模块根据同一地理位置上的用户数据，利用支持向量机算法进行地理广告模式的识别；
6、所述非地理广告模式模块根据所述用户行为模式，利用随机森立算法预测用户行为模式所对应的广告模式，作为非地理广告模式；
7、所述比对与决策模块将所述地理广告模式与所述非地理广告模式进行比对，其中：
8、若一致，则以所述用户行为模式和所述非地理广告模式为基础，以及对应的地理位置，设置对应的广告内容；
9、若不一致，则对所述偏好分析模块中的支持向量机算法进行优化处理，并输出优化后的地理广告模式，将优化后的地理广告模式与地理广告模式进行比较，若仍不一致，则以用户行为模式和地理广告模式为基础，设置对应的广告内容。
10、作为本技术方案的进一步改进，所述行为模式识别模块选择同一地理位置上的用户数据，利用聚类算法进行用户行为模式的识别，通过将数据点分配到k个簇中，并将簇内的数据点相似度最大化来实现聚类，步骤如下：
11、输入用户特征向量和聚类簇的数量，用户特征向量表示为，其中是用户特征向量，聚类簇的数量为；
12、随机初始化个聚类中心，并将每个用户特征向量分配到与其最近的聚类中心所属的簇中，更新每个簇的聚类中心为该簇所有数据点的平均值，重复该过程，直到聚类中心不再改变,其中下标代表的是第个用户特征向量的索引，的范围从1到；
13、输出聚类结果，通过将用户分为个簇，每个簇代表一个用户行为模式；根据聚类结果，识别出不同的用户行为模式。
14、作为本技术方案的进一步改进，所述偏好分析模块根据同一地理位置上的用户数据，利用支持向量机算法进行地理广告模式的识别，具体包括：
15、选择径向基函数来处理非线性问题，并使用已标记的支持向量机训练数据，支持向量机训练数据包括用户特征向量和对应的广告模式标签，支持向量机模型包括正则化参数c，在训练过程中，根据支持向量机训练数据调整径向基函数和正则化参数c，最后确定决策边界，其中决策边界是一个决定数据点分类的边界，根据训练数据将不同类别的数据点分开；
16、将同一地理位置的用户数据输入到训练好的支持向量机模型中，该模型将根据学习到的决策边界，将每个用户数据分类到具体的广告模式；
17、对分类结果进行统计，记录每种广告模式的用户数量，识别出数量最多的广告模式，作为地理广告模式。
18、作为本技术方案的进一步改进，所述非地理广告模式模块根据用户行为模式，利用随机森立算法预测用户行为模式所对应的广告模式，作为非地理广告模式，具体包括：
19、根据用户行为模式，提取对应的用户消费记录，随机森林算法将根据用户消费记录预测出对应的广告模式；
20、从公共数据库中收集用户消费记录以及对应的已知广告模式，并将其作为已标记的训练数据集；
21、随机森林模型的训练：初始化树的数量、树的深度等参数，以优化模型表现；随机森林通过构建多棵决策树来进行决策，并采用投票机制确定最终分类结果，将训练数据喂入随机森林模型进行训练，每棵决策树对一个观测值的分类结果为，其中每棵树的构建如下：
22、从训练数据中随机选择样本，在每个决策点随机选择一定数量的特征，每棵树独立构建，没有剪枝过程，最终分类结果由所有树的预测结果通过多数投票方式决定；
23、随机森林的预测结果为：，其中是众数函数，表示选择最多的广告模式作为最终结果，得到非地理广告模式。
24、作为本技术方案的进一步改进，所述比对与决策模块包括比对单元，所述比对单元将地理广告模式与非地理广告模式进行比对，比对过程如下：
25、特征向量的构建：将地理广告模式和非地理广告模式转换为特征向量和；
26、余弦相似度的计算：余弦相似度是通过计算两个向量的点积和它们的模的乘积的比值来定义的，对于两个特征向量和，余弦相似度表示为：
27、，其中点积表示向量的元素对应相乘后求和，和分别是向量的欧几里得范数；
28、相似度阈值设定：设定一个阈值，用于判定两种广告模式是否一致；
29、比对逻辑：若余弦相似度大于等于阈值，则认为两种广告模式比对一致；否则，比对不一致。
30、作为本技术方案的进一步改进，所述比对与决策模块包括决策单元，所述决策单元根据所述比对单元中比对结果进行决策，其中：
31、若比对结果为一致时，则以行为模式识别模块中的用户行为模式和非地理广告模式模块中的非地理广告模式为基础，以及行为模式识别模块选择的地理位置，设置对应的广告内容；
32、若比对结果若为不一致时，则对偏好分析模块中的支持向量机算法进行优化处理，通过交叉验证的方式对c参数进行调整。
33、作为本技术方案的进一步改进，所述决策单元以用户行为模式和非地理广告模式为基础，以及地理位置，设置对应的广告内容，具体包括：
34、将用户行为模式、非地理广告模式和地理位置融合为综合特征向量，公式如下：
35、，其中，和是权重参数，用以调整不同特征的影响力，是特征融合函数，是用户行为模式的特征向量，是非地理广告模式的特征向量，是地理位置的特征向量；
36、广告内容生成：使用函数来根据融合后的特征向量生成广告内容，公式如下：
37、，其中包括但不限于神经网络算法模型，用于根据输入的特征向量生成针对性的广告文案。
38、作为本技术方案的进一步改进，所述决策单元通过交叉验证的方式对c参数进行调整，具体包括：
39、划分支持向量机的训练数据集：将该数据集划分为m个互斥的子集，通常使用m折交叉验证，每个子集称为一个折叠，其中m-1个折叠用作训练集，剩下的一个折叠用作验证集；
40、模型训练与验证：对于每一个c的候选值，使用m-1个折叠的数据训练支持向量机模型，在剩下的一个折叠上进行验证，计算模型在验证集上的性能指标；
41、性能评估：对于每一个c，计算其在m折交叉验证中的平均性能指标；
42、选择最佳参数：选择具有最佳性能指标的c作为最终的参数值。
43、与现有技术相比，本发明的有益效果是：
44、1、该基于差异化分析位置的广告投放位置管理系统通过收集不同地理位置上的用户数据并进行分类，这为后续的分析提供了准确和具体的用户行为信息，利用聚类算法对同一地理位置上的用户数据进行行为模式预测，从而识别出不同的用户行为模式，这使得广告商可以更好地了解用户的行为趋势，为其设计更加个性化的广告策略，通过支持向量机算法对用户数据进行分类，识别出地理广告模式，进一步提高了广告的相关性和吸引力，利用随机森林算法预测用户行为模式所对应的广告模式，不受地理位置的限制，从而为后续的验证处理提供了更多可能性，这样的精准广告定位确保了广告内容与用户的实际兴趣和需求相契合，提高了广告投放的有效性，同时也增加了用户的满意度和忠诚度。
45、2、该基于差异化分析位置的广告投放位置管理系统以用户行为模式为基础，预测用户行为模式所对应的广告模式，作为非地理广告模式，通过比较地理广告模式和非地理广告模式，辨识出两种模式之间的一致性，如果两种模式一致，说明广告内容与用户实际行为和地理位置的偏好高度匹配，从而可能提高广告的点击率和转化率；如果不一致，这种比对则揭示了需要进一步分析或调整的空间，以更准确地达到目标用户群。
46、3、该基于差异化分析位置的广告投放位置管理系统以用户行为模式和非地理广告模式为基础，以及对应的地理位置，设置对应的广告内容，通过将用户行为模式、非地理广告模式和地理位置融合为综合特征向量，根据融合后的特征向量生成针对性的广告文案，此步骤的主要优势在于能够创造出高度个性化的广告体验，基于用户的行为模式和非地理特征以及地理位置，广告内容可以被定制化，以符合用户的具体需求和偏好。
1.基于差异化分析位置的广告投放位置管理系统，其特征在于，包括数据收集模块（100）、行为模式识别模块（200）、偏好分析模块（300）、非地理广告模式模块（400）和比对与决策模块（500），其中：
2.根据权利要求1所述的基于差异化分析位置的广告投放位置管理系统，其特征在于，所述行为模式识别模块（200）选择同一地理位置上的用户数据，利用聚类算法进行用户行为模式的识别，通过将数据点分配到k个簇中，并将簇内的数据点相似度最大化来实现聚类，步骤如下：
3.根据权利要求2所述的基于差异化分析位置的广告投放位置管理系统，其特征在于，所述偏好分析模块（300）根据同一地理位置上的用户数据，利用支持向量机算法进行地理广告模式的识别，具体包括：
4.根据权利要求3所述的基于差异化分析位置的广告投放位置管理系统，其特征在于，所述非地理广告模式模块（400）根据用户行为模式，利用随机森立算法预测用户行为模式所对应的广告模式，作为非地理广告模式，具体包括：
5.根据权利要求4所述的基于差异化分析位置的广告投放位置管理系统，其特征在于，所述比对与决策模块（500）包括比对单元（501），所述比对单元（501）将地理广告模式与非地理广告模式进行比对，比对过程如下：
6.根据权利要求5所述的基于差异化分析位置的广告投放位置管理系统，其特征在于，所述比对与决策模块（500）包括决策单元（502），所述决策单元（502）根据所述比对单元（501）中比对结果进行决策，其中：
7.根据权利要求6所述的基于差异化分析位置的广告投放位置管理系统，其特征在于，所述决策单元（502）以用户行为模式和非地理广告模式为基础，以及地理位置，设置对应的广告内容，具体包括：
8.根据权利要求6所述的基于差异化分析位置的广告投放位置管理系统，其特征在于，所述决策单元（502）通过交叉验证的方式对c参数进行调整，具体包括：
