# java-ai-ad-rt-push

**Repository Path**: yyl2291/java-ai-ad-rt-push

## Basic Information

- **Project Name**: java-ai-ad-rt-push
- **Description**: AI驱动的实时广告推送系统

项目简介
这是一个基于Java Spring Boot开发的AI广告实时推送系统，集成了用户行为分析、广告召回、排序和智能推送等功能。系统采用微服务架构设计，支持多种召回策略和机器学习排序算法。
- **Primary Language**: Java
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-06
- **Last Updated**: 2026-03-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: 广告实时推送系统

## README



# java-ai-ad-rt-push

AI驱动的实时广告推送系统

## 项目简介

这是一个基于Java Spring Boot开发的AI广告实时推送系统，集成了用户行为分析、广告召回、排序和智能推送等功能。系统采用微服务架构设计，支持多种召回策略和机器学习排序算法。

## 技术栈

- **框架**: Spring Boot
- **语言**: Java
- **机器学习**: XGBoost
- **AI模型**: DeepSeek (用于广告文案生成和智能召回)
- **数据存储**: Redis (缓存)
- **时序数据**: TimescaleDB (用户行为时序数据)

## 模块说明

### 模型层 (com.ad.model)

- **Ad**: 广告实体，包含产品信息、卖点、类型、是否仅限会员等属性
- **UserProfile**: 用户画像，包含年龄、性别、兴趣、消费能力、活跃度等
- **UserEvent**: 用户行为事件，记录用户点击、浏览、购买等行为
- **FeatureVector**: 特征向量，用于广告排序的特征表示
- **ScoredAd**: 带评分的广告，实现 Comparable 接口用于排序

### 处理层 (com.ad.processor)

- **UserBehaviorProcessor**: 用户行为处理器，继承 Flink 的 ProcessFunction，用于：
  - 实时处理用户行为事件
  - 构建和更新用户画像
  - 基于时间衰减计算行为权重

### 排序层 (com.ad.ranker)

- **AdRanker**: 广告排序器，负责：
  - 构建广告和用户的特征向量
  - 使用 XGBoost 模型预测点击率
  - 应用业务规则进行加权
  - 识别新广告并进行适当加权

### 服务层 (com.ad.service)

- **AdRecallService**: 广告召回服务，提供多种召回策略：
  - **协同过滤召回**: 基于用户相似度推荐
  - **内容召回**: 基于广告内容相似度
  - **热门召回**: 推荐热门广告
  - **深度学习召回**: 使用 DeepSeek AI 模型智能召回
  - 去重处理

### 工具类 (com.ad.utils)

- **PushUtils**: 推送工具类，提供：
  - 预测用户最佳推送时间
  - AI 生成广告文案
  - 判断是否应该推送广告

## 核心功能

### 1. 用户行为分析
实时处理用户行为事件，构建用户画像，支持时间衰减算法。

### 2. 广告召回
支持多种召回策略的融合，为每个用户召回最相关的广告候选集。

### 3. 广告排序
结合机器学习模型（XGBoost）和业务规则，对广告进行精准排序。

### 4. 智能推送
- 预测最佳推送时间
- AI 生成个性化广告文案
- 频率控制，避免过度打扰

## 快速开始

### 环境要求

- JDK 8+
- Maven 3.0+
- Redis
- TimescaleDB (可选)

### 构建项目

```bash
mvn clean package
```

### 运行项目

```bash
java -jar target/*.jar
```

## 配置说明

项目使用 Spring Boot 标准配置方式，主要配置项包括：

- 数据库连接配置
- Redis 连接配置
- AI 模型服务配置
- 业务规则参数

## 扩展开发

### 添加新的召回策略

在 `AdRecallService` 中添加新的召回方法，并修改 `recallAds` 方法以集成新策略。

### 添加新的排序特征

在 `AdRanker` 的 `buildFeatureVectors` 方法中添加新的特征构建逻辑。

### 集成其他AI模型

修改 `DeepSeekClient` 类以适配其他AI服务提供商。

## 许可证

本项目仅供学习参考使用。