[發明專利]一種互聯網推廣信息的智能配圖方法及裝置

有效

• 申請號: 201710374160.6
• 申請日: 2017-05-24
• 公開（公告）號: CN107193962B
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 楊汝濤;李枚芳
• 申請（專利權）人: 百度在線網絡技術(北京)有限公司
• 主分類號: G06F16/58
• 分類號: G06F16/58;G06F16/583;G06T11/60
• 代理公司: 北京鴻德海業知識產權代理有限公司 11412
• 代理人: 袁媛

1.一種互聯網推廣信息的智能配圖方法，其特征在于，包括：

獲取通用文本的通用配圖集；

將所述通用文本擴展到創意文本；

根據所述通用配圖集中通用配圖與所述創意文本的相關性，從所述通用配圖集中獲取一幅或多幅通用配圖與所述創意文本進行組合，生成互聯網推廣信息；

其中，所述獲取通用文本的通用配圖集，包括：

對全網用戶的搜索日志進行分析和挖掘，得到全網用戶的興趣主體和/或高頻查詢詞，進行聚類及去重處理，得到候選文本；將所述候選文本在預先建立的圖片文本信息的索引中進行搜索，獲得與所述候選文本匹配的索引對應的圖片；將所述候選文本作為通用文本，將匹配得到的所有圖片組合為所述通用文本的通用配圖集；

所述將所述通用文本擴展到創意文本，包括：

在預先訓練得到的生成觸發模型中輸入待擴展的通用文本，生成所述待擴展的通用文本對應的創意文本。

2.根據權利要求1所述的方法，其特征在于，所述獲取通用文本的通用配圖集，包括：

經過人工/自動審核過濾其中不符合廣告法以及涉黃、賭博、含有水印的圖片。

3.根據權利要求1所述的方法，其特征在于，所述生成觸發模型采用以下方式預先訓練得到：

選取訓練樣本，所述訓練樣本包括通用文本與通用文本的正負創意文本；

獲取訓練樣本輸入至原始深層神經網絡中，并根據所述原始深層神經網絡基于所述訓練樣本的輸出結果，沿著最小化損失函數的方向，反向逐層更新所述原始深層網絡中各層的加權參數，以使得損失函數最小。

4.根據權利要求1所述的方法，其特征在于，所述根據所述通用配圖集中通用配圖與所述創意文本的相關性，從所述通用配圖集中選擇一幅或多幅通用配圖與所述創意文本進行組合，生成互聯網推廣信息，包括：

對所述通用配圖進行語義提取，得到所述通用配圖的圖片特征；

對通用文本與所述通用配圖的圖片特征進行圖文特征提取；

根據所述圖文特征獲取所述通用配圖與創意文本的相關性并根據相關性進行排序；

將排序靠前的一幅或多幅通用配圖與所述創意文本進行組合，生成互聯網推廣信息。

5.一種互聯網推廣信息的智能配圖裝置，包括獲取單元、擴展單元和生成單元，其中，

所述獲取單元，用于獲取通用文本的通用配圖集，具體用于對全網用戶的搜索日志進行分析和挖掘，得到全網用戶的興趣主體和/或高頻查詢詞，進行聚類及去重處理，得到候選文本；將所述候選文本在預先建立的圖片文本信息的索引中進行搜索，獲得與所述候選文本匹配的索引對應的圖片；將所述候選文本作為通用文本，將匹配得到的所有圖片組合為所述通用文本的通用配圖集；

所述擴展單元，用于將通用文本擴展到創意文本；

所述生成單元，用于根據所述通用配圖集中通用配圖與所述創意文本的相關性，從所述通用配圖集中選擇一幅或多幅通用配圖與所述創意文本進行組合，生成互聯網推廣信息；

所述擴展單元包括創意文本擴展子單元，用于在預先訓練得到的生成觸發模型中輸入待擴展的通用文本，生成所述待擴展的通用文本對應的創意文本。

6.根據權利要求5所述的裝置，其特征在于，所述獲取單元還包括審核子單元，

用于對通用配圖集中的圖片進行人工/自動審核，過濾其中不符合廣告法以及涉黃、賭博、含有水印的圖片。

7.根據權利要求5所述的裝置，其特征在于，所述擴展單元還包括生成式觸發模型訓練子單元，用于，

選取訓練樣本，所述訓練樣本包括通用文本與通用文本的正負創意文本；

獲取訓練樣本輸入至原始深層神經網絡中，并根據所述原始深層神經網絡基于所述訓練樣本的輸出結果，沿著最小化損失函數的方向，反向逐層更新所述原始深層網絡中各層的加權參數，以使得損失函數最小。