本发明涉及互联网广告投放，具体来说，涉及一种互联网广告精准投放方法及系统。

　　1、移动互联网广告主要采用广告横幅、文本链接、多媒体等方式，通过网络广告平台在移动智能终端上投放广告。随着移动互联网技术的迅速发展，与传统媒体广告如报纸、杂志、电视、广播以及户外广告相比，移动互联网广告具有得天独厚的优势。然而，目前很多广告都是随机投放的，即每次用户来了，随机选择一个广告投放给他，投放效率很低。同时，随意投放的广告干扰了用户正常的生活，普遍引起用户的反感。面对这种情况，移动互联网广告的个性化精准投放受到了研究者的广泛关注。

　　2、在互联网广告投放平台方面，百度联盟推出了“按效果付费”的cpa(cost peraction)广告平台。微软公司开发了microsoft adcenter广告销售平台，在微软的资源平台上进行广告投放。谷歌公司研发了google adsense网络广告投放平台，页面上的广告会随着页面内容的不同而有所不同，提高了广告投放的精准度。相比谷歌的个性化广告推荐系统，facebook利用海量的用户数据和社交网络关系建立的广告投放系统，可以深入挖掘用户兴趣，通过朋友的推荐，帮助用户找到相关性更高和更准确的广告信息。除此之外，学术界和工业界在广告的个性化精准投放方面上也取得了一些研究成果，例如：在考虑内容定向和地理位置的基础上，采用贝叶斯技术进行移动广告的高效、精准投放；通过对广告日志数据的统计分析，使用hadoop平台挖掘广告特征与广告间的联系，进而改善广告的投放效果；研究表明，用户更喜欢来自朋友的推荐而不是被系统“算出来的推荐”，社会影响力被认为比历史行为的相似性更加重要，通过社会关系的分析，可以大幅度提高推荐的精确度；根据用户的喜好进行广告的推荐更有利于提高广告的浏览率，并且更加容易让用户接受广告推销的产品；同时，用户的兴趣随着时间的推移会逐渐发生变化，而用户的活动呈现出明显的本地化特征，如果推荐附近用户喜欢的广告，将有利于提高广告的转化率。

　　1、针对相关技术中的问题，本发明提出一种互联网广告精准投放方法及系统，以克服现有相关技术所存在的上述技术问题。

　　6、步骤s2，若当前互联网广告位处于呈现状态，则启动前置摄像头，拍摄用户第一人脸图像；

　　7、步骤s3，进行分析用户第一人脸图像的表情，根据表情与互联网广告喜欢程度的对应关系，确定当前表情对应的当前互联网广告是否为用户满意广告；

　　8、步骤s4，若当前表情对应的当前互联网广告为用户满意广告，则获取当前互联网广告的行业类别，并根据行业类别，按预设时间阈值切换当前行业类别的互联网广告中的任意一条进行呈现；

　　9、步骤s5，若当前表情对应的当前互联网广告不是用户满意广告，则获取当前互联网广告的行业类别，并根据行业类别，切换不同行业类别的互联网广告进行呈现。

　　12、步骤s402，采用卷积神经网络，对广告文案进行特征抽取，确定对应的文本特征；

　　13、步骤s403，采用卷积神经网络，对广告产品进行特征抽取，确定对应的产品特征；

　　15、步骤s405，根据广告识别特征，确定待投放的互联网广告的行业类别。

　　16、其中，步骤所述采用卷积神经网络，对广告文案进行特征抽取，确定对应的文本特征，包括以下步骤：

　　17、对广告文案的文本内容进行预处理，确定文本内容的各个词组及对应的类别，其中，各个词组形成词向量；

　　18、对词向量进行词嵌入，得到n×d维度的扩充词向量，n表示广告文案的预设长度，d表示词向量的维度；

　　19、采用卷积神经网络的卷积层，对扩充词向量进行特征抽取，得到m个一维数组，m表示卷积层内的卷积核个数；

　　20、采用卷积神经网络的池化层，对每个卷积核对应的一维数组进行处理，得到对应的m个数值，m个数值形成第一一维数值组；

　　21、采用卷积神经网络的全连接层，并通过dropout策略，对第一一维数值组进行变换处理，得到第一变换数组；

　　22、第一变换数组为元素个数为x的一维数组，用于表示抽取得到的文本特征，其中x＜m。

　　23、其中，步骤所述采用卷积神经网络，对广告产品进行特征抽取，确定对应的产品特征，包括以下步骤：

　　25、确定产品图像分别在红、绿、蓝三个通道的颜色值组，得到k×c维度的扩充图向量，其中，k表示扩充图向量的像素，c表示扩充图向量的维度，且维度为扩充图向量的长度和宽度；

　　26、采用卷积神经网络的卷积层，根据红、绿、蓝三个通道的颜色值组对产品图像进行特征抽取，得到a个二维数组，a表示卷积层内的卷积核个数；

　　27、采用卷积神经网络的池化层，对每个卷积核对应的二维数组进行处理，得到对应的a个数值，a个数值形成第一二维数值组；

　　28、重复采用卷积神经网络的卷积层和池化层对第一二维数值组进行处理，得到第二二维数值组，第二二维数值组包含a个数值，第二二维数值组的图片的长度和宽度分别＜原始创意图片的长度和宽度；

　　29、采用卷积神经网络的全连接层，并通过dropout策略，对第二二维数值组进行变换处理，得到第二变换数组；所述第二变换数组为元素个数为y的一维数组，用于表示抽取得到的图片特征，其中y＜2a。

　　30、其中，步骤所述根据广告识别特征，确定待投放的互联网广告的行业类别，包括以下步骤：

　　31、采用卷积神经网络的全连接层，对广告识别特征进行变换处理，得到多维PG电子官方网站度数组，多维度数组的维度与类别的数目相同，每一维度数组对应一个类别；

　　32、采用回归函数，根据各维度数组，计算对应类别的分布概率，比较各个类别的分布概率的大小，确定待投放的互联网广告的行业类别。

　　33、其中，步骤所述切换不同行业类别的互联网广告进行呈现，包括以下步骤：

　　36、进行分析用户第二人脸图像的表情，确定当前表情对应的当前行业类别的互联网广告是否为用户满意广告。

　　41、表情识别单元，用于分析用户第一人脸图像的表情，根据表情与互联网广告喜欢程度的对应关系，确定当前表情对应的当前互联网广告是否为用户满意广告；

　　42、广告推荐模块，用于根据所述表情识别单元的识别表情进行对当前互联网广告的呈现切换。

　　43、进一步的，所述广告推荐模块，包括：广告循环模块和广告切换模块，其中；

　　44、所述广告循环模块，用于当前表情对应的当前互联网广告为用户满意广告，则获取当前互联网广告的行业类别，并根据行业类别，按预设时间阈值切换当前行业类别的互联网广告中的任意一条进行呈现；

　　45、所述广告切换模块，用于当前表情对应的当前互联网广告不是用户满意广告，则获取当前互联网广告的行业类别，并根据行业类别，切换不同行业类别的互联网广告进行呈现。

　　46、进一步的，还包括：广告识别模块，用于获取待投放的互联网广告的广告文案和广告产品，采用卷积神经网络，对广告文案进行特征抽取，确定对应的文本特征，采用卷积神经网络，对广告产品进行特征抽取，确定对应的产品特征，将文本特征和产品特征拼接组合，获取广告识别特征，根据广告识别特征，确定待投放的互联网广告的行业类别。

　　48、本发明互联网广告精准投放方法及系统，通过获取当前移动终端是否处于互联网广告位呈现状态，若当前互联网广告位处于呈现状态，则启动前置摄像头，拍摄用户第一人脸图像，进行分析用户第一人脸图像的表情，根据表情与互联网广告喜欢程度的对应关系，确定当前表情对应的当前互联网广告是否为用户满意广告，若当前表情对应的当前互联网广告为用户满意广告，则获取当前互联网广告的行业类别，并根据行业类别，按预设时间阈值切换当前行业类别的互联网广告中的任意一条进行呈现，若当前表情对应的当前互联网广告不是用户满意广告，则获取当前互联网广告的行业类别，并根据行业类别，切换不同行业类别的互联网广告进行呈现，实现互联网广告精准投放，不仅生成能够适应用户兴趣变化的互联网广告，而且推荐准确，以及提高了广告的转化率和提升用户体验。