[發明專利]信息流媒體廣告創意推薦方法及裝置

在審

• 申請號: 201910962318.0
• 申請日: 2019-10-11
• 公開（公告）號: CN110728541A
• 公開（公告）日: 2020-01-24
• 發明（設計）人: 羅毅;羅文輝;招偉錦;楊忠軒;呂子鋒
• 申請（專利權）人: 廣州市豐申網絡科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F16/9535
• 代理公司: 11534 北京奧文知識產權代理事務所(普通合伙)
• 代理人: 張文;苗麗娟

1.一種信息流媒體廣告創意推薦方法，其特征在于，所述方法包括：

構建底層存儲，所述底層存儲對應的數據庫內存儲有廣告投放數據；

從所述數據庫內獲取文案數據、素材數據、創意效果數據和用戶人群數據；

對所述文案數據、素材數據、創意效果數據和用戶人群數據進行數據預處理；

對預處理后的所述文案數據、素材數據、創意效果數據和用戶人群數據進行數據挖掘和特征工程，獲取用戶向量、創意向量和One-Hot向量；

將所述用戶向量、創意向量和One-Hot向量輸入Wide&Deep模型，采取梯度下降算法更新模型權重數值，得到降低模型損失的效果，所述Wide&Deep模型輸出創意推薦給對應用戶人群的概率y，y∈【0，1】；

根據所述創意推薦給對應用戶人群的概率進行效果評估。

2.根據權利要求1所述的信息流媒體廣告創意推薦方法，其特征在于，數據預處理包括：數據歸一化、缺失值處理、編碼格式統一和無效特征處理。

3.根據權利要求2所述的信息流媒體廣告創意推薦方法，其特征在于，通過下述轉化函數進行數據歸一化：

x₂＝(x₁-u)/σ

式中，x₂為歸一化后的數據，x₁為原始數據，u為所有樣本數據的均值，σ為所有樣本數據的標準差。

4.根據權利要求2所述的信息流媒體廣告創意推薦方法，其特征在于，所述缺失值處理包括：

數據中存在缺失值時，當缺失值數量在預設閾值以下時，若缺失值是數值型變量，缺失值取當前特征的平均值，若缺失值是類別型變量，缺失值取1，若缺失值數量超過預設閾值時，刪除該特征。

5.根據權利要求2所述的信息流媒體廣告創意推薦方法，其特征在于，所述無效特征處理包括：若該特征中的重復數值超過預設閾值時，刪除該特征。

6.根據權利要求1或2所述的信息流媒體廣告創意推薦方法，其特征在于，所述對預處理后的所述文案數據、素材數據、創意效果數據和用戶人群數據進行數據挖掘和特征工程，獲取用戶向量、創意向量和One-Hot向量，包括：

從所述用戶人群數據中獲取用戶基礎屬性、行為興趣偏好和場景特征，進行特征向量化，作為用戶向量；

從所述素材數據中獲取風格標注，從所述文案數據中獲取詞性標注，通過One-Hot編碼獲取One-Hot向量，作為部分創意向量；

從所述素材數據中獲取拆分后的素材元素和原始圖片，轉換成向量矩陣，作為GoogLeNet深度神經網絡輸入值后訓練獲得最后全連接層的輸出權重矩陣，獲取素材向量，作為部分創意創意向量；

從所述素材數據中提取圖片文本，從所述文案數據中獲取原始文本和提取關鍵詞，利用Word2Vec網絡生成詞向量，獲取文本向量，作為部分創意向量。

7.根據權利要求6所述的信息流媒體廣告創意推薦方法，其特征在于，所述對預處理后的所述文案數據、素材數據、創意效果數據和用戶人群數據進行數據挖掘和特征工程，獲取用戶向量、創意向量和One-Hot向量，還包括：對創意效果數據中包含曝光量、點擊量和消耗的連續性變量利用等距劃分方法進行離散化，計算當天曝光量、點擊量和消耗對應CTR的標準差、平均值以及總和，并分時數據按天、6小時、12小時進行匯總；其次對創意效果數據中的文案、廣告位、圖片或視頻類別進行類別編碼，獲取One-Hot向量。

8.根據權利要求7所述的信息流媒體廣告創意推薦方法，其特征在于，所述方法還包括：創意暫無效果數據時，所述Wide&Deep模型根據用戶行為興趣偏好找到合適投放該創意的人群。