广告活动中人口属性确定方法、装置、电子设备及介质与流程

1.本技术涉及数据处理
技术领域：
：，具体而言，涉及一种广告活动中人口属性确定方法、装置、电子设备及介质。
背景技术：
：：2.随着互联网的发展，人们的生活已经越来越离不开手机、平板等智能设备，目前，服务商通过在手机、平板等智能设备上投放广告，来达到服务用于的效果；3.其中，在互联网广告投放过程中，为了评估广告的实际效果，广告主需要了解一个已投放广告的受众情况，包括受众的规模、参与和人口属性等。其中，广告受众的人口属性，是对实际看到和参与广告人群的特征刻画，它反映了广告实际接触人群与广告目标定位的吻合程度，是衡量广告效果的一个重要维度。4.通过获取智能设备的广告设备标识，对智能设备接收到的操作进行分析，能够获取广告受众的人口属性，然后，智能设备的生产商在生产智能设备后，将默认关闭获取广告客户标识符的权限(例如，苹果默认关闭获取idfa的权限)。与此同时，智能终端上的应用在请求用户授权数据时，智能设备的生产商使用了“跟踪”这样偏向负面的字眼，使大部分用户都望而却步，不愿意授权广告客户标识符给开发者使用。对于目前依赖广告客户标识符来标识设备唯一性的智能设备的广告流量而言，将难以测量智能设备上广告投放受众的人口属性，是广告行业不可或缺的一部分，因此，如何获取智能设备上广告投放受众的人口属性成为了亟需解决的问题。技术实现要素：5.本技术的实施例提供了一种广告活动中人口属性确定方法、装置、电子设备及存储介质，其中方法能够通过平行网络结构对广告活动数据进行处理，进而得到广告活动数据的人口属性，解决了相关技术中，无法获取智能设备上广告投放受众的人口属性的问题。6.本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本技术的实践而习得。7.根据本技术实施例的一个方面，提供了一种广告活动中人口属性确定方法，所述方法包括：确定广告活动数据，根据数据相关度对所述广告活动数据进行分类，得到多个分类特征；根据多个所述分类特征建立平行网络结构，所述平行网络结构包括多个子网络，每个所述子网络对应一个所述分类特征；基于每一所述分类特征对应的所述子网络对每一所述分类特征进行归一化处理，得到每一所述分类特征对应的归一化向量；根据每一所述分类特征对应的所述归一化向量确定所述广告活动数据对应的人口属性。8.在一些示例中，根据数据相关度将所述广告活动数据中的维度数据进行分类，得到多个分类特征，包括：获取所述广告活动数据的数据维度，根据所述数据相关度对所述数据维度进行分类，所述数据相关度包括：广告主相关度、第一种类设备的广告触达相关度、所有设备的广告触达相关度、第二种类设备的广告触达相关度以及第二种类设备的人口属性分布相关度；将所述广告主相关度对应的所述数据维度作为广告主特征，将所述第一种类设备的广告触达相关度对应的所述数据维度作为第一种类设备的广告触达特征，将所述所有设备的广告触达相关度对应的所述数据维度作为所有设备的广告触达特征，将所述第二种类设备的广告触达相关度作为第二种类设备的广告触达特征，将所述第二种类设备的人口属性分布相关度作为第二种类设备的人口属性分布特征。9.在一些示例中，根据多个所述分类特征建立平行网络结构，包括：确定每一所述分类特征的特点，所述特点用于表征所述分类特征对应的数据；根据每一所述分类特征的特点为每一所述分类特征设置对应的所述子网络。10.在一些示例中，基于每一所述分类特征对应的子网络对每一所述分类特征进行归一化处理，得到每一所述分类特征对应的归一化向量，包括：设定所述平行网络结构的目标维度；通过每一所述分类特征对应的子网络对每一所述分类特征进行归一化处理，使得每一所述分类特征对应的子网络输出的所述归一化向量均为所述目标维度。11.在一些示例中，基于每一所述分类特征对应的所述归一化向量确定所述广告活动数据对应的人口属性，包括：将多个所述归一化向量进行融合，得到多维融合矩阵数据；对所述多维融合矩阵数据进行卷积，得到所述广告活动数据对应的所述人口属性。12.在一些示例中，确定广告活动数据，包括：确定多个目标设备，所述目标设备为投放广告的设备；在预设时间段内对多个所述目标设备进行监测，获取每一个所述目标设备对应的监测数据；将所述监测数据进行汇总，得到所述广告活动数据。13.根据本技术实施例的一个方面，提供了一种广告活动中人口属性确定装置，所述装置包括：分类模块，所述分类模块用于确定广告活动数据，根据数据相关度对所述广告活动数据进行分类，得到多个分类特征；设置模块，所述设置模块用于根据每一所述分类特征的特点为每一所述分类特征设置对应的子网络，并基于每一所述分类特征对应的子网络对每一所述分类特征进行归一化处理，得到每一所述分类特征对应的归一化向量；确定模块，所述确定模块用于基于每一所述分类特征对应的所述归一化向量确定所述广告活动数据对应的人口属性。14.在一些示例中，所述分类模块还用于：获取所述广告活动数据的数据维度，根据所述数据相关度对所述数据维度进行分类，所述数据相关度包括：广告主相关度、第一种类设备的广告触达相关度、所有设备的广告触达相关度、第二种类设备的广告触达相关度以及第二种类设备的人口属性分布相关度；将所述广告主相关度对应的所述数据维度作为广告主特征，将所述第一种类设备的广告触达相关度对应的所述数据维度作为第一种类设备的广告触达特征，将所述所有设备的广告触达相关度对应的所述数据维度作为所有设备的广告触达特征，将所述第二种类设备的广告触达相关度作为第二种类设备的广告触达特征，将所述第二种类设备的人口属性分布相关度作为第二种类设备的人口属性分布特征。15.根据本技术实施例的一个方面，本技术实施例提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述电子设备实现如上所述的方法。16.根据本技术实施例的一个方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被电子设备的处理器执行时，使电子设备执行如上所述的方法。17.根据本技术实施例的一个方面，本技术实施例提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机程序，处理器执行该计算机程序，使得该电子设备执行上述各个实施例中提供如前所述的方法。18.本方案可以应用于在数据处理
技术领域：
：进行广告分析处理，在本技术的实施例所提供的技术方案中，广告活动中人口属性确定方法包括：确定广告活动数据，根据数据相关度对所述广告活动数据进行分类，得到多个分类特征；根据多个所述分类特征建立平行网络结构，所述平行网络结构包括多个子网络，每个所述子网络对应一个所述分类特征；基于每一所述分类特征对应的所述子网络对每一所述分类特征进行归一化处理，得到每一所述分类特征对应的归一化向量；根据每一所述分类特征对应的所述归一化向量确定所述广告活动数据对应的人口属性，其中，通过对广告活动数据进行分类，并根据分类结果建立包含多个子网络的平行网络结构，使得每一分类特征均能通过对应的子网络进行处理，得到更准确的归一化向量，最后在基于准确的归一化向量得到广告活动数据对应的人口属性，避免了广告活动数据通过一个网络进行处理，导致广告活动数据处理结果不准确，无法分析得到广告活动数据对应的人口属性的问题，进而提升了基于广告活动数据获取人口属性的准确性，提升了用户满意度。19.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。附图说明20.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术者来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。在附图中：21.图1是本技术实施例一的一示例性实施例示出的一种广告活动中人口属性确定方法的基本流程图；22.图2是本技术实施例二的一示例性实施例示出的一种广告活动中人口属性确定方法的基本流程图；23.图3是本技术实施例三的一示例性实施例示出的一种广告活动中人口属性确定装置的示意图；24.图4示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。具体实施方式25.这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。26.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。27.附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/，也不是必须按所描述的顺序执行。例如，有的操作/还可以分解，而有的操作/可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。28.还需要说明的是：在本技术中提及的“多个”是指两个或者两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。29.实施例一30.为了解决上述技术问题，本技术实施例提供了一种广告活动中人口属性确定方法，如图1所示，所述方法包括：31.s101、确定广告活动数据，根据数据相关度对所述广告活动数据进行分类，得到多个分类特征；32.s102、根据多个所述分类特征建立平行网络结构，所述平行网络结构包括多个子网络，每个所述子网络对应一个所述分类特征；33.s103、基于每一所述分类特征对应的所述子网络对每一所述分类特征进行归一化处理，得到每一所述分类特征对应的归一化向量；34.s104、根据每一所述分类特征对应的所述归一化向量确定所述广告活动数据对应的人口属性。35.能够理解的是，本实施例提供的广告活动中人口属性确定方法能够应用于终端和/或服务器，该终端可以以各种形式来实施。例如，本实施例中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(personaldigitalassistant，pda)、便捷式媒体播放器(portablemediaplayer，pmp)、导航装置、可穿戴设备、智能手环、计步器等移动终端，以及诸如数字tv、台式计算机、工作站等固定终端，下面实施例以上述广告活动中人口属性确定方法应用于服务器为例进行说明。36.能够理解的是，上述广告活动数据为同一个广告在不同时间、不同设备上的活动数据；具体的，上述确定广告活动数据可以扩展为以下步骤：37.确定多个目标设备，所述目标设备为投放同一广告的设备；38.在预设时间段内对多个所述目标设备进行监测，获取每一个所述目标设备对应的监测数据；39.将所述监测数据进行汇总，得到所述广告活动数据。40.其中，上述目标设备包括但不限于第一种类设备和第二种类设备，其中，第一种类设备和第二种类设备为不同类型的设备；例如，第一种类设备为ios设备，第二种类设备为安卓设备；其中，当ios设备或安卓设备被投放同一广告，此时，则可将该ios设备或该安卓设备作为该广告的目标设备，进而确定出多个目标设备；41.能够理解的是，预设时间段为相关人员根据实际需求所设置的一个时间段，其中，预设时间段可以为一星期、一个月等，以预设时间段为一个月为例，在一个月内，对多个目标设备进行监测，进而获取多个目标设备针对该广告的监测数据；42.最后对每个目标设备的监测数据进行汇总，得到同一广告活动的广告活动数据，能够理解的是，本示例还可以对多个广告的广告活动数据进行监测，然后在对每个广告的广告活动数据进行汇总，得到每一广告活动的广告活动数据。43.在本实施例的一些示例中，上述步骤根据数据相关度对所述广告活动数据进行分类，得到多个分类特征，可扩展为：44.获取所述广告活动数据的数据维度，根据所述数据相关度对所述数据维度进行分类，所述数据相关度包括：广告主相关度、第一种类设备的广告触达相关度、所有设备的广告触达相关度、第二种类设备的广告触达相关度以及第二种类设备的人口属性分布相关度；45.将所述广告主相关度对应的所述数据维度作为广告主特征，将所述第一种类设备的广告触达相关度对应的所述数据维度作为第一种类设备的广告触达特征，将所述所有设备的广告触达相关度对应的所述数据维度作为所有设备的广告触达特征，将所述第二种类设备的广告触达相关度作为第二种类设备的广告触达特征，将所述第二种类设备的人口属性分布相关度作为第二种类设备的人口属性分布特征。46.能够理解的是，本示例提供的广告活动数据具有多个维度，其中不同维度的数据对应不同的分类。例如，以广告活动数据包括138个维度为例，其中，1-6维度的广告活动数据对应上述广告相关度，7-42维度的广告活动数据对应上述第一种类设备的广告触达相关度，43-78维度的广告活动数据对应上述所有设备的广告触达相关度，79-114维度的广告活动数据对应上述第二种类设备的广告触达相关度，115-138维度的广告活动数据对应上述第二种类设备的人口属性分布相关度。47.承接上例，以广告活动数据包括138个维度，且不同维度不同数据相关度为例，此时，则将1-6维度的广告活动数据作为广告主特征；将7-42维度的广告活动数据作为第一种类设备的广告触达特征；将43-78维度的广告活动数据作为所有设备的广告触达特征；将79-114维度的广告活动数据作为第二种类设备的广告触达特征；将115-138维度的广告活动数据作为第二种类设备的人口属性分布特征。48.能够理解的是，上述具体维度划分可以由相关人员灵活设置。49.在本实施例的一些示例中，根据多个所述分类特征建立平行网络结构，可扩展为一下步骤：50.确定每一所述分类特征的特点，所述特点用于表征所述分类特征对应的数据；51.根据每一所述分类特征的特点为每一所述分类特征设置对应的所述子网络。52.其中，以上述“将1-6维度的广告活动数据作为广告主特征；将7-42维度的广告活动数据作为第一种类设备的广告触达特征；将43-78维度的广告活动数据作为所有设备的广告触达特征；将79-114维度的广告活动数据作为第二种类设备的广告触达特征；将115-138维度的广告活动数据作为第二种类设备的人口属性分布特征”为例，其中，广告主特征的特点包括但不限于以下内容：53.(1)机型类型，其中该机型类型对应的数据占1维；54.(2)广告主，其中该广告主对应的数据占1维；55.(3)广告主所在的行业大类，其中该广告主所在的行业大类对应的数据占1维；56.(4)广告主所在的行业小类，其中该广告主所在的行业小类对应的数据占1维；57.(5)该广告活动的购买类型，其中该广告活动的购买类型对应的数据占1维；58.(6)该广告活动产生的总曝光数，其中该广告活动产生的总曝光数对应的数据占1维；59.承接上例，根据每一所述分类特征的特点为每一所述分类特征设置对应的所述子网络，包括：使用激活函数为softmax的全连接网络作为广告主特征对应的子网络。60.其中，第一种类设备的广告触达特征的特点包括但不限于以下内容：61.(1)该广告活动中的第一种类设备在不同类型媒体上产生的曝光数占比，共32维；62.(2)该广告活动中的第一种类设备在不同地域级别上产生的曝光数占比，共4维；63.承接上例，根据每一所述分类特征的特点为每一所述分类特征设置对应的所述子网络，包括：使用激活函数为relu，卷积核大小为2的一层卷积网络作为第一种类设备的广告触达特征对应的子网络，具体的，将第一种类设备的广告触达特征reshape后，使用激活函数为relu，卷积核大小为2的一层卷积网络进行归一化处理。64.其中，广告活动中所有设备的广告触达特征的特点包括但不限于以下内容：65.(1)该广告活动中的所有设备在不同类型媒体上产生的曝光数占比，共32维；66.(2)该广告活动中的所有设备在不同地域级别上产生的曝光数占比，共4维；67.承接上例，根据每一所述分类特征的特点为每一所述分类特征设置对应的所述子网络，包括：使用激活函数为relu，卷积核大小为2的一层卷积网络作为所有设备的广告触达特征对应的子网络，具体的，将所有设备的广告触达特征reshape后，使用激活函数为relu，卷积核大小为2的一层卷积网络进行归一化处理。68.其中，第二种类设备的广告触达特征的特点包括但不限于以下内容：：69.(1)该广告活动中的第二种类设备在不同类型媒体上产生的曝光数占比，共32维；70.(2)该广告活动中的第二种类设备在不同地域级别上产生的曝光数占比，共4维；71.承接上例，根据每一所述分类特征的特点为每一所述分类特征设置对应的所述子网络，包括：使用激活函数为relu，卷积核大小为2的一层卷积网络作为第二种类设备的广告触达特征对应的子网络，具体的，将第二种类设备的广告触达特征reshape后，使用激活函数为relu，卷积核大小为2的一层卷积网络进行归一化处理；72.其中，广告活动中第二种类设备的人口属性分布特征的特点包括但不限于以下内容：73.广告活动中第二种类设备的人口属性分布，占24维；74.承接上例，根据每一所述分类特征的特点为每一所述分类特征设置对应的所述子网络，包括：使用激活函数为relu，卷积核大小为2的一层卷积网络作为第二种类设备的人口属性分布特征对应的子网络，具体的，将第二种类设备的人口属性分布特征使用激活函数为relu，卷积核大小为2的一层卷积网络进行归一化处理；75.能够理解的是，上述多个子网络为平行网络，进而实现平行网络结构。76.在本实施例的一些示例中，基于每一所述分类特征对应的子网络对每一所述分类特征进行归一化处理，得到每一所述分类特征对应的归一化向量，可扩展为：77.设定所述平行网络结构目标维度；78.通过每一所述分类特征对应的子网络对每一所述分类特征进行归一化处理，使得每一所述分类特征对应的子网络输出的所述归一化向量均为所述目标维度。79.其中，设定该平行网络结构目标维度，该平行网络结构下的子网络输出的向量的维度均为该目标维度；例如设定该目标维度为24，则每一子网络输出的向量均为24。80.承接上例，具体的，以目标维度为为例，使用激活函数为softmax的全连接网络作为广告主特征对应的子网络，将广告主特征输入对应的子网络后，该子网络输出为24维的归一化向量；将第一种类设备的广告触达特征reshape后，使用激活函数为relu，卷积核大小为2的一层卷积网络进行归一化处理，输出为24维的归一化向量；将所有设备的广告触达特征reshape后，使用激活函数为relu，卷积核大小为2的一层卷积网络进行归一化处理，输出为24维的归一化向量；将第二种类设备的广告触达特征reshape后，使用激活函数为relu，卷积核大小为2的一层卷积网络进行归一化处理，输出为24维的归一化向量；将第二种类设备的人口属性分布特征使用激活函数为relu，卷积核大小为2的一层卷积网络进行归一化处理，输出为24维的归一化向量。81.在本实施例的一些示例中，基于每一所述分类特征对应的所述归一化向量确定所述广告活动数据对应的人口属性，可扩展为：82.将多个所述归一化向量进行融合，得到多维融合矩阵数据；83.对所述多维融合矩阵数据进行卷积，得到所述广告活动数据对应的所述人口属性；84.其中，对所述多维融合矩阵数据进行卷积，实现对多维融合矩阵数据的归一化处理，最后输出归一化向量，并将该归一化向量作为该广告活动数据对应的所述人口属性。85.具体的，以包含五类分类特征为例，每一分类特征分别对应一子网络，且每一子网络输出的为24维的归一化向量，此时，融合五个24维的归一化向量，得到5x24的多维融合矩阵数据，对5x24的多维融合矩阵数据进行两次卷积，激活函数为relu，卷积核大小为2，输出为24维的归一化向量，将输出的归一化向量作为该广告活动数据对应的所述人口属性；86.本示例提供的广告活动中人口属性确定方法包括：确定广告活动数据，根据数据相关度对所述广告活动数据进行分类，得到多个分类特征；根据多个所述分类特征建立平行网络结构，所述平行网络结构包括多个子网络，每个所述子网络对应一个所述分类特征；基于每一所述分类特征对应的所述子网络对每一所述分类特征进行归一化处理，得到每一所述分类特征对应的归一化向量；根据每一所述分类特征对应的所述归一化向量确定所述广告活动数据对应的人口属性，其中，通过对广告活动数据进行分类，并根据分类结果建立包含多个子网络的平行网络结构，使得每一分类特征均能通过对应的子网络进行处理，得到更准确的归一化向量，最后在基于准确的归一化向量得到广告活动数据对应的人口属性，避免了广告活动数据通过一个网络进行处理，导致广告活动数据处理结果不准确，无法分析得到广告活动数据对应的人口属性的问题，进而提升了基于广告活动数据获取人口属性的准确性，提升了用户满意度。87.实施例二88.为了更好的理解本发明，本示例提供一种更为具体的示例进行说明：89.本示例提供的广告活动中人口属性确定方法采用平行网络结构，其中广告活动中人口属性确定方法的基本流程如图2所示，对广告活动中可以获取的138维特征信息分类为5大类，对于每一类分别训练一个子网络，并将5个子网络融合在一起，再进行2次卷积，可以得到较好的预测效果，具体如下：90.0、将广告监测中一个月的流量按照广告主、广告活动、广告触达特征等维度合并汇总，数据中的每一行表示一个活动和该活动对应的138个维度，将一个活动的138个维度按照数据的相关度分为5类；91.1、第一类特征1-6维‑‑广告主特征网络：92.(1)机型类型；93.(2)广告主；94.(3)广告主所在的行业大类；95.(4)广告主所在的行业小类；96.(5)该广告活动的购买类型；97.(6)该广告活动产生的总曝光数；98.使用激活函数为softmax的全连接网络，输出为24维的归一化向量；99.2、第二类特征7-42维‑‑ios设备的广告触达特征网络：100.(1)该广告活动中的ios设备在不同类型媒体上产生的曝光数占比，共32维；101.(2)该广告活动中的ios设备在不同地域级别上产生的曝光数占比，共4维；102.将该类特征reshape后使用激活函数为relu，卷积核大小为2的一层卷积网络，输出为24维的归一化向量；103.3、第三类特征43-78维‑‑该广告活动中所有设备的广告触达特征网络：104.(1)该广告活动中的所有设备在不同类型媒体上产生的曝光数占比，共32维；105.(2)该广告活动中的所有设备在不同地域级别上产生的曝光数占比，共4维；106.将该类特征reshape后使用激活函数为relu，卷积核大小为2的一层卷积网络，输出为24维的归一化向量；107.4、第四类特征79-114维该广告活动中安卓设备的广告触达特征网络：108.(1)该广告活动中的安卓设备在不同类型媒体上产生的曝光数占比，共32维；109.(2)该广告活动中的安卓设备在不同地域级别上产生的曝光数占比，共4维；110.将该类特征reshape后使用激活函数为relu，卷积核大小为2的一层卷积网络，输出为24维的归一化向量；111.5、第五类特征115-138维‑‑该广告活动中安卓设备的人口属性分布特征网络：将该类特征reshape后使用激活函数为relu，卷积核大小为2的卷积网络进行两次卷积，输出为24维的归一化向量；112.6、融合上述5个子网络的输出，成为一个大小为5x24的数据，再进行2次卷积，激活函数为relu，卷积核大小为2，输出为24维的归一化向量。113.实施例三114.基于相同的技术构思，本实施例还提供一种广告活动中人口属性确定装置，如图3所示，所述装置包括：115.分类模块1，所述分类模块1用于确定广告活动数据，根据数据相关度对所述广告活动数据进行分类，得到多个分类特征；设置模块2，所述设置模块2用于根据每一所述分类特征的特点为每一所述分类特征设置对应的子网络，并基于每一所述分类特征对应的子网络对每一所述分类特征进行归一化处理，得到每一所述分类特征对应的归一化向量；确定模块3，所述确定模块3用于基于每一所述分类特征对应的所述归一化向量确定所述广告活动数据对应的人口属性。116.在一些示例中，所述分类模块1还用于：获取所述广告活动数据的数据维度，根据所述数据相关度对所述数据维度进行分类，所述数据相关度包括：广告主相关度、第一种类设备的广告触达相关度、所有设备的广告触达相关度、第二种类设备的广告触达相关度以及第二种类设备的人口属性分布相关度；将所述广告主相关度对应的所述数据维度作为广告主特征，将所述第一种类设备的广告触达相关度对应的所述数据维度作为第一种类设备的广告触达特征，将所述所有设备的广告触达相关度对应的所述数据维度作为所有设备的广告触达特征，将所述第二种类设备的广告触达相关度作为第二种类设备的广告触达特征，将所述第二种类设备的人口属性分布相关度作为第二种类设备的人口属性分布特征。117.在一些示例中，根据多个所述分类特征建立平行网络结构，包括：确定每一所述分类特征的特点，所述特点用于表征所述分类特征对应的数据；根据每一所述分类特征的特点为每一所述分类特征设置对应的所述子网络。118.在一些示例中，基于每一所述分类特征对应的子网络对每一所述分类特征进行归一化处理，得到每一所述分类特征对应的归一化向量，包括：设定所述平行网络结构的目标维度；通过每一所述分类特征对应的子网络对每一所述分类特征进行归一化处理，使得每一所述分类特征对应的子网络输出的所述归一化向量均为所述目标维度。119.在一些示例中，基于每一所述分类特征对应的所述归一化向量确定所述广告活动数据对应的人口属性，包括：将多个所述归一化向量进行融合，得到多维融合矩阵数据；对所述多维融合矩阵数据进行卷积，得到所述广告活动数据对应的所述人口属性。120.在一些示例中，确定广告活动数据，包括：确定多个目标设备，所述目标设备为投放广告的设备；在预设时间段内对多个所述目标设备进行监测，获取每一个所述目标设备对应的监测数据；将所述监测数据进行汇总，得到所述广告活动数据。121.实施例四122.本技术的实施例还提供了一种电子设备，包括一个或多个处理器，以及存储装置，其中，存储装置，用于存储一个或多个计算机程序，当一个或多个计算机程序被一个或多个处理器执行时，使得电子设备实现如上的广告活动中人口属性确定方法。123.图4示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。124.需要说明的是，图4示出的电子设备的计算机系统1800仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。125.如图4所示，计算机系统1800包括处理器(centralprocessingunit，cpu)1801，其可以根据存储在只读存储器(read-onlymemory，rom)1802中的程序或者从储存部分1808加载到随机访问存储器(randomaccessmemory，ram)1803中的程序而执行各种适当的动作和处理，例如执行上述实施例中的方法。在ram1803中，还存储有系统操作所需的各种程序和数据。cpu1801、rom1802以及ram1803通过总线1804彼此相连。输入/输出(input/output，i/o)接口1805也连接至总线1804。126.在一些实施例中，以下部件连接至i/o接口1805：包括键盘、鼠标等的输入部分1806；包括诸如阴极射线管(cathoderaytube，crt)、液晶显示器(liquidcrystaldisplay，lcd)等以及扬声器等的输出部分1807；包括硬盘等的储存部分1808；以及包括诸如lan(localareanetwork，局域网)卡、调制解调器等的网络接口卡的通信部分1809。通信部分1809经由诸如因特网的网络执行通信处理。驱动器1810也根据需要连接至i/o接口1805。可拆卸介质1811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1810上，以便于从其上读出的计算机程序根据需要被安装入储存部分1808。127.特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分1809从网络上被下载和安装，和/或从可拆卸介质1811被安装。在该计算机程序被处理器(cpu)1801执行时，执行本技术的系统中限定的各种功能。128.需要说明的是，本技术实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(erasableprogrammablereadonlymemory)、闪存、光纤、便携式紧凑磁盘只读存储器(compactdiscread-onlymemory，cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。129.附图中的流程图和框图，图示了按照本技术各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机程序的组合来实现。130.描述于本技术实施例中所涉及到的单元或者模块可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元或者模块也可以设置在处理器中。其中，这些单元或者模块的名称在某种情况下并不构成对该单元或者模块本身的限定。131.本技术的另一方面还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前的目广告活动中人口属性确定方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的，也可以是单独存在，而未装配入该电子设备中。132.本技术的另一方面还提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机程序，处理器执行该计算机程序，使得该电子设备执行上述各个实施例中提供如前所述的广告活动中人口属性确定方法。133.应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本技术的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。134.本领域技术者在考虑说明书及实践这里公开的实施方式后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本
技术领域：
：中的公知常识或惯用技术手段。135.上述内容，仅为本技术的较佳示例性实施例，并非用于限制本技术的实施方案，本领域普通技术者根据本技术的主要构思和精神，可以十分方便地进行相应的变通或修改，故本技术的保护范围应以权利要求书所要求的保护范围为准。当前第1页12当前第1页12
技术特征：
1.一种广告活动中人口属性确定方法，其特征在于，所述方法包括：确定广告活动数据，根据数据相关度对所述广告活动数据进行分类，得到多个分类特征；根据多个所述分类特征建立平行网络结构，所述平行网络结构包括多个子网络，每个所述子网络对应一个所述分类特征；基于每一所述分类特征对应的所述子网络对每一所述分类特征进行归一化处理，得到每一所述分类特征对应的归一化向量；根据每一所述分类特征对应的所述归一化向量确定所述广告活动数据对应的人口属性。2.根据权利要求1所述的方法，其特征在于，根据数据相关度将所述广告活动数据中的维度数据进行分类，得到多个分类特征，包括：获取所述广告活动数据的数据维度，根据所述数据相关度对所述数据维度进行分类，所述数据相关度包括：广告主相关度、第一种类设备的广告触达相关度、所有设备的广告触达相关度、第二种类设备的广告触达相关度以及第二种类设备的人口属性分布相关度；将所述广告主相关度对应的所述数据维度作为广告主特征，将所述第一种类设备的广告触达相关度对应的所述数据维度作为第一种类设备的广告触达特征，将所述所有设备的广告触达相关度对应的所述数据维度作为所有设备的广告触达特征，将所述第二种类设备的广告触达相关度作为第二种类设备的广告触达特征，将所述第二种类设备的人口属性分布相关度作为第二种类设备的人口属性分布特征。3.根据权利要求2所述的方法，其特征在于，根据多个所述分类特征建立平行网络结构，包括：确定每一所述分类特征的特点，所述特点用于表征所述分类特征对应的数据；根据每一所述分类特征的特点为每一所述分类特征设置对应的所述子网络。4.根据权利要求1所述的方法，其特征在于，基于每一所述分类特征对应的子网络对每一所述分类特征进行归一化处理，得到每一所述分类特征对应的归一化向量，包括：设定所述平行网络结构的目标维度；通过每一所述分类特征对应的子网络对每一所述分类特征进行归一化处理，使得每一所述分类特征对应的子网络输出的所述归一化向量均为所述目标维度。5.根据权利要求1所述的方法，其特征在于，基于每一所述分类特征对应的所述归一化向量确定所述广告活动数据对应的人口属性，包括：将多个所述归一化向量进行融合，得到多维融合矩阵数据；对所述多维融合矩阵数据进行卷积，得到所述广告活动数据对应的所述人口属性。6.根据权利要求1所述的方法，其特征在于，确定广告活动数据，包括：确定多个目标设备，所述目标设备为投放广告的设备；在预设时间段内对多个所述目标设备进行监测，获取每一个所述目标设备对应的监测数据；将所述监测数据进行汇总，得到所述广告活动数据。7.一种广告活动中人口属性确定装置，其特征在于，所述装置包括：分类模块，所述分类模块用于确定广告活动数据，根据数据相关度对所述广告活动数
据进行分类，得到多个分类特征；设置模块，所述设置模块用于根据每一所述分类特征的特点为每一所述分类特征设置对应的子网络，并基于每一所述分类特征对应的子网络对每一所述分类特征进行归一化处理，得到每一所述分类特征对应的归一化向量；确定模块，所述确定模块用于基于每一所述分类特征对应的所述归一化向量确定所述广告活动数据对应的人口属性。8.根据权利要求7所述的装置，其特征在于，所述分类模块还用于：获取所述广告活动数据的数据维度，根据所述数据相关度对所述数据维度进行分类，所述数据相关度包括：广告主相关度、第一种类设备的广告触达相关度、所有设备的广告触达相关度、第二种类设备的广告触达相关度以及第二种类设备的人口属性分布相关度；将所述广告主相关度对应的所述数据维度作为广告主特征，将所述第一种类设备的广告触达相关度对应的所述数据维度作为第一种类设备的广告触达特征，将所述所有设备的广告触达相关度对应的所述数据维度作为所有设备的广告触达特征，将所述第二种类设备的广告触达相关度作为第二种类设备的广告触达特征，将所述第二种类设备的人口属性分布相关度作为第二种类设备的人口属性分布特征。9.一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备执行权利要求1至6中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序被电子设备的处理器执行时，使电子设备执行权利要求1至6中任一项所述的方法。

技术总结
本申请的实施例公开了一种广告活动中人口属性确定方法、装置、电子设备及存储介质，其中方法通过对广告活动数据进行分类，并根据分类结果建立包含多个子网络的平行网络结构，使得每一分类特征均能通过对应的子网络进行处理，得到更准确的归一化向量，最后在基于准确的归一化向量得到广告活动数据对应的人口属性，避免了广告活动数据通过一个网络进行处理，导致广告活动数据处理结果不准确，无法分析得到广告活动数据对应的人口属性的问题，进而提升了基于广告活动数据获取人口属性的准确性，提升了用户满意度。提升了用户满意度。提升了用户满意度。


技术研发人员：韩丰泽
受保护的技术使用者：上海秒针网络科技有限公司
技术研发日：2023.05.15
技术公布日：2023/9/14