本发明涉及计算机，特别涉及一种广告投放调整系统及方法。
背景技术：
1、在现有技术中，广告投放系统通常依赖于单一平台的数据收集和分析，通过监测用户在该平台上的行为数据（如点击率、停留时间等）来评估广告的投放效果。这些系统通常利用基本的数据分析方法生成用户画像，并基于预设规则或简单的算法进行广告投放的调整。然而，这些现有系统的调控能力和精准度往往受到数据源和分析方法的局限，无法全面反映用户跨平台的行为和需求变化。
2、现有技术存在的主要问题是：1）缺乏跨平台的数据整合能力，难以全面获取用户的行为数据；2）生成的用户画像不够精确，无法充分反映用户的多维度特征和实时兴趣；3）广告投放调整缺乏智能化和实时性，无法根据用户行为的即时变化做出快速响应，从而影响广告投放的效果和用户体验。
3、因此，亟需研发一种新型的广告投放调整系统及方法。
技术实现思路
1、本申请提供一种广告投放调整系统及方法，以提升广告投放的精准度和用户体验。
2、本申请提供一种广告投放调整系统，包括：
3、用户行为监测模块，用于在多个媒体平台上实时监测和收集用户的行为数据，其中，所述行为数据包括用户的点击率、停留时间、互动频率、浏览路径和购买记录；
4、数据融合模块，用于将收集的行为数据与第三方数据源进行融合，生成用户画像；其中，所述第三方数据源包括社交媒体数据和地理位置数据；
5、广告效果评估模块，用于根据所述用户画像和行为数据，对广告投放效果进行情景感知预测评估，所述情景感知预测评估的评估结果包括广告点击率、转化率、用户留存率和情感反应评分；
6、动态调整模块，用于基于所述情景感知预测评估的评估结果，使用强化学习算法对广告投放进行调整，其中，所述调整包括更换广告素材、调整投放平台和优化投放时间段、个性化内容推荐和用户交互模式调整。
7、更进一步地，所述用户行为监测模块包括数据存储单元，用于存储实时监测和收集的用户行为数据。
8、更进一步地，所述数据融合模块包括数据清洗单元，用于对收集到的行为数据和第三方数据源的数据进行清洗，以去除噪声和冗余数据。
9、更进一步地，所述广告效果评估模块根据所述用户画像和行为数据，使用一个训练过的混合神经网络模型，对广告投放效果进行情景感知预测评估；所述混合神经网络模型包括输入层、条件生成对抗网络层、动态路由层、注意力机制层以及输出层；其中，所述输入层接受用户画像和行为数据作为输入，并对于输入数据进行标准化和归一化预处理，获得预处理后数据；所述生成对抗网络层包括生成器和判别器，所述生成器根据所述预处理后数据生成潜在特征表示；所述判别器对生成器的输出进行真假判别，并反馈误差给生成器进行改进；所述动态路由层使用胶囊网络实现，对于所述潜在特征表示进行处理，获得路由调整后特征向量；所述注意力机制层通过计算所述路由调整后特征向量的特征加权平均值，动态分配不同特征的重要性权重，生成加权后特征向量；所述输出层用于接收所述加权后特征向量，使用四个独立的神经元，输出广告点击率、转化率、用户留存率和情感反应评分的预测值。
10、本申请提供一种广告投放调整方法，包括：
11、实时监测和收集用户在多个媒体平台上的行为数据，其中，所述行为数据包括用户的点击率、停留时间、互动频率、浏览路径和购买记录；
12、将收集的行为数据与第三方数据源进行融合，生成用户画像；其中，所述第三方数据源包括社交媒体数据和地理位置数据；
13、根据所述用户画像和行为数据，对广告投放效果进行情景感知预测评估，所述情景感知预测评估的评估结果包括广告点击率、转化率、用户留存率和情感反应评分；
14、基于所述情景感知预测评估的评估结果，使用强化学习算法对广告投放进行调整，其中，所述调整包括更换广告素材、调整投放平台和优化投放时间段、个性化内容推荐和用户交互模式调整。
15、本申请有益的效果主要包括：（1）通过用户行为监测模块，可以在多个媒体平台上实时监测和收集用户的行为数据，包括点击率、停留时间、互动频率、浏览路径和购买记录，从而获取全面的用户行为信息。这种跨平台的监测能力能够提供更完整和准确的用户行为数据，有助于全面了解用户的兴趣和需求。（2）数据融合模块将收集的行为数据与第三方数据源（如社交媒体数据和地理位置数据）进行融合，生成更为精确的用户画像。这种多源数据融合可以提高用户画像的准确性和丰富度，反映用户的多维度特征，为广告投放提供更精准的基础数据。
1.一种广告投放调整系统，其特征在于，包括：
2.根据权利要求1所述的广告投放调整系统，其特征在于，所述用户行为监测模块包括数据存储单元，用于存储实时监测和收集的用户行为数据。
3.根据权利要求1所述的广告投放调整系统，其特征在于，所述数据融合模块包括数据清洗单元，用于对收集到的行为数据和第三方数据源的数据进行清洗，以去除噪声和冗余数据。
4.根据权利要求1所述的广告投放调整系统，其特征在于，所述广告效果评估模块根据所述用户画像和行为数据，使用一个训练过的混合神经网络模型，对广告投放效果进行情景感知预测评估；所述混合神经网络模型包括输入层、条件生成对抗网络层、动态路由层、注意力机制层以及输出层；其中，所述输入层接受用户画像和行为数据作为输入，并对于输入数据进行标准化和归一化预处理，获得预处理后数据；所述生成对抗网络层包括生成器和判别器，所述生成器根据所述预处理后数据生成潜在特征表示；所述判别器对生成器的输出进行真假判别，并反馈误差给生成器进行改进；所述动态路由层使用胶囊网络实现，对于所述潜在特征表示进行处理，获得路由调整后特征向量；所述注意力机制层通过计算所述路由调整后特征向量的特征加权平均值，动态分配不同特征的重要性权重，生成加权后特征向量；所述输出层用于接收所述加权后特征向量，使用四个独立的神经元，输出广告点击率、转化率、用户留存率和情感反应评分的预测值。
5.根据权利要求4所述的广告投放调整系统，其特征在于，所述生成器采用深度卷积生成器网络，包括第一输入层、第一卷积层、第一反卷积层和第一输出层；所述第一输入层用于接受所述预处理后数据；所述第一卷积层采用多个堆叠的卷积层实现，用于对所述第一输入层的输出进行处理，获得高阶特征图；所述第一反卷积层包括多个反卷积层，用于将卷积层提取的高阶特征图上采样至原始输入数据的尺寸，获得反卷积特征表示；所述第一输出层用于根据所述反卷积特征表示，生成潜在特征表示。
6.根据权利要求4所述的广告投放调整系统，其特征在于，所述判别器采用多层感知器结构实现，所述多层感知器结构包括第二输入层、第二隐藏层、第二输出层；其中，所述第二输入层用于接受生成器生成的潜在特征表示和真实数据；所述第二隐藏层包括多个神经元，用于对所述第二输入层的数据进行处理；所述输出层用于对所述第二隐藏层的输出进行处理，输出真假判别结果。
7.根据权利要求4所述的广告投放调整系统，其特征在于，所述动态路由层使用胶囊网络实现，所述胶囊网络包括初始胶囊层、胶囊变换层和动态路由层；所述初始胶囊层用于接收条件生成对抗网络层生成的潜在特征表示，并将其分解为多个初始胶囊，每个胶囊包含一个向量；所述胶囊变换层用于对初始胶囊应用变换矩阵，获得变换后到的胶囊向量；所述动态路由层使用动态路由算法在胶囊之间进行信息传递，生成路由调整后的胶囊向量。
8.根据权利要求4所述的广告投放调整系统，其特征在于，所述注意力机制层通过以下步骤实现：
9.根据权利要求1所述的广告投放调整系统，其特征在于，所述动态调整模块中使用的强化学习算法采用深度q网络算法实现；状态空间包括广告点击率、转化率、用户留存率和情感反应评分；动作空间包括更换广告素材、调整投放平台和优化投放时间段、个性化内容推荐和用户交互模式调整；奖励函数采用如下的公式1实现：
10.一种广告投放调整方法，其特征在于，包括：
