[發明專利]選擇圖片廣告素材的方法和裝置

有效

• 申請號: 201710400244.2
• 申請日: 2017-05-31
• 公開（公告）號: CN107330715B
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 張波;王玉;李滿天
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/08
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 姜勁;金潔

1.一種選擇圖片廣告素材的方法，其特征在于，包括：

基于離線狀態，保存多項訓練數據，每項訓練數據包括廣告的圖片廣告素材和該廣告被訪問一次時的評分，其中該評分的正負向根據該廣告被本次訪問之后是否轉化來確定；

使用卷積神經網絡對所述訓練數據進行訓練以得到模型，該卷積神經網絡的輸入層根據所述圖片廣告素材的像素值得出，卷積層中的卷積核預先設定，在訓練時根據模型輸出的得分與所述評分的差異來更新所述卷積神經網絡中各條邊的權重以及所述卷積核；

使用所述模型計算指定的圖片廣告素材的得分，根據該得分確定是否選擇該指定的圖片廣告素材；

基于在線狀態，接收多個圖片廣告素材，然后使用所述模型計算接收的各個圖片廣告素材的得分，根據該得分選擇一個或多個圖片廣告素材，再將選擇的圖片廣告素材投放到廣告庫中。

2.根據權利要求1所述的方法，其特征在于，所述卷積神經網絡還包括與所述卷積層連接的全連接層。

3.根據權利要求1或2所述的方法，其特征在于，更新所述卷積神經網絡中各條邊的權重以及所述卷積核的步驟包括：使用梯度下降法計算所述卷積神經網絡中各條邊的權重以及所述卷積核的調整幅度，然后按該調整幅度改變所述卷積神經網絡中各條邊的權重以及所述卷積核。

4.一種選擇圖片廣告素材的裝置，其特征在于，包括：

訓練數據模塊，用于基于離線狀態，保存多項訓練數據，每項訓練數據包括廣告的圖片廣告素材和該廣告被訪問一次時的評分，其中該評分的正負向根據該廣告被本次訪問之后是否轉化來確定；

模型訓練模塊，用于使用卷積神經網絡對所述訓練數據進行訓練以得到模型，該卷積神經網絡的輸入層根據所述圖片廣告素材的像素值得出，卷積層中的卷積核預先設定，在訓練時根據模型輸出的得分與所述評分的差異來更新所述卷積神經網絡中各條邊的權重以及所述卷積核；

素材選擇模塊，用于使用所述模型計算指定的圖片廣告素材的得分，根據該得分確定是否選擇該指定的圖片廣告素材；基于在線狀態，接收多個圖片廣告素材，然后使用所述模型計算接收的各個圖片廣告素材的得分，根據該得分選擇一個或多個圖片廣告素材，再將選擇的圖片廣告素材投放到廣告庫中。

5.根據權利要求4所述的選擇圖片廣告素材的裝置，其特征在于，所述卷積神經網絡還包括與所述卷積層連接的全連接層。

6.根據權利要求4所述的選擇圖片廣告素材的裝置，其特征在于，所述模型訓練模塊還用于使用梯度下降法計算所述卷積神經網絡中各條邊的權重以及所述卷積核的調整幅度，然后按該調整幅度改變所述卷積神經網絡中各條邊的權重以及所述卷積核。

7.一種選擇圖片廣告素材的裝置，其特征在于，包括離線模塊和在線模塊，其中：

所述離線模塊用于：保存多項訓練數據，每項訓練數據包括廣告的圖片廣告素材和該廣告被訪問一次時的評分，其中該評分的正負向根據該廣告被本次訪問之后是否轉化來確定；使用卷積神經網絡對所述訓練數據進行訓練以得到模型，該卷積神經網絡的輸入層根據所述圖片廣告素材的像素值得出，卷積層中的卷積核預先設定，在訓練時根據模型輸出的得分與所述評分的差異來更新所述卷積神經網絡中各條邊的權重以及所述卷積核；

所述在線模塊用于：接收多個圖片廣告素材，然后使用所述模型計算接收的各個圖片廣告素材的得分，根據該得分選擇一個或多個圖片廣告素材，再將選擇的圖片廣告素材投放到廣告庫中。

8.根據權利要求7所述的選擇圖片廣告素材的裝置，其特征在于，所述離線模塊還用于從廣告播放系統中獲取廣告的點擊/轉化歷史日志。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-3中任一所述的方法。

10.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-3中任一所述的方法。