[發明專利]廣告投放推薦方法及其裝置、設備、介質、產品

在審

• 申請號: 202210307120.0
• 申請日: 2022-03-25
• 公開（公告）號: CN114638646A
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 郭志偉;胡凌宇
• 申請（專利權）人: 廣州華多網絡科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F16/33;G06F16/35;G06F40/30
• 代理公司: 廣州利能知識產權代理事務所(普通合伙) 44673
• 代理人: 王增鑫

1.一種廣告投放推薦方法，其特征在于，包括如下步驟：

獲取待投放廣告商品的商品信息，識別出該待投放廣告商品對應的品類和商家店鋪；

檢索歷史成效數據庫中所述品類和商家店鋪是否存在，若兩者都存在，則計算待投放廣告商品的商品標題的特征向量與預設特征數據庫中興趣標簽的特征向量之間的相似度；

獲取相似度超過預設閾值的所述興趣標簽的特征向量對應的興趣標簽構建第一廣告投放標簽集；

根據第一廣告投放標簽集為所述待投放廣告商品匹配廣告受眾用戶，向廣告受眾用戶推送該待投放廣告商品相對應的廣告信息。

2.根據權利要求1所述的廣告投放推薦方法，其特征在于，獲取待投放廣告商品的商品信息，識別出該待投放廣告商品對應的品類和商家店鋪的步驟之前，包括如下步驟：

獲取已投放廣告商品對應的品類、商家店鋪，并且建立兩者與該已投放廣告商品之間的第一映射關系；

獲取已投放廣告商品對應的興趣標簽及其對應的歷史成效數據，并且建立兩者與該已投放廣告商品之間的第二映射關系；

篩選出滿足預設條件的歷史成效數據相對應的興趣標簽，根據第一映射關系和第二映射關系建立所述品類、商家店鋪與篩選出的興趣標簽及其對應的歷史成效數據之間的第三映射關系，獲得歷史成效數據庫；

調用預先訓練至收斂狀態的相似度計算模型提取所述歷史成效數據庫中的興趣標簽對應的深層語義特征，構建所述興趣標簽的特征向量存儲于預設特征數據庫。

3.根據權利要求2所述的廣告投放推薦方法，其特征在于，計算所述商品標題的特征向量與預設特征數據庫中興趣標簽的特征向量之間的相似度的步驟中，采用所述相似度計算模型實施計算。

4.根據權利要求2或3所述的廣告投放推薦方法，其特征在于，所述相似度計算模型的訓練過程，包括如下步驟：

從數據集中調用一個訓練樣本，所述訓練樣本包括商品標題與興趣標簽，每個訓練樣本對應提供有表征商品標題與興趣標簽是否構成相似的監督標簽；

將所述訓練樣本中的商品標題和興趣標簽輸入所述相似度計算模型分別提取出其各自的特征向量；

在所述相似度計算模型中計算所述商品標題的特征向量與所述興趣標簽的特征向量之間的相似度；

采用分類器判定所述商品標題與所述興趣標簽是否相似，獲得判斷結果；

應用預設的損失函數，基于所述監督標簽計算所述判斷結果的交叉熵損失，獲得損失值；

判斷所述損失值是否達到預設閾值，當其達到預設閾值時，終止訓練；否則，根據所述損失值對模型實施梯度更新，調用所述數據集中的下一訓練樣本繼續對該模型實施迭代訓練。

5.根據權利要求1所述的廣告投放推薦方法，其特征在于，檢索歷史成效數據庫中所述品類和商家店鋪是否存在的步驟中，若兩者中任意一者不存在或兩者皆不存在，包括如下步驟：

獲取第三方運營平臺提供的興趣標簽數據庫，其中包含第三方運營平臺的興趣標簽體系下的全量興趣標簽；

調用預先訓練至收斂狀態的文本特征提取模型分別提取所述商品標題和所述興趣標簽數據庫中的興趣標簽相對應的深層語義特征，獲得所述商品標題的特征向量和該興趣標簽數據庫中的興趣標簽的特征向量；

計算所述商品標題的特征向量與該興趣標簽數據庫中的興趣標簽的特征向量之間的相似度；

獲取相似度超過預設閾值的所述興趣標簽數據庫中的興趣標簽的特征向量對應的興趣標簽構建第二廣告投放標簽集；

根據第二廣告投放標簽集為所述待投放廣告商品匹配廣告受眾用戶，向廣告受眾用戶推送該待投放廣告商品相對應的廣告信息。

6.根據權利要求1所述的廣告投放推薦方法，其特征在于，檢索歷史成效數據庫中所述品類和商家店鋪是否存在的步驟中，若兩者中任意一者不存在或兩者皆不存在，包括如下步驟：

獲取已投放廣告商品的商品標題，并且調用預訓練至收斂的文本特征模型分別提取已投放廣告商品的商品標題和待投放廣告商品的商品標題相對應的深層語義特征，獲得兩者對應的特征向量；

計算已投放廣告商品的商品標題的特征向量和待投放廣告商品的商品標題的特征向量之間的相似度，并且確定出相似度滿足預設條件的已投放廣告商品，獲取其在待投放廣告時采用的第一廣告投放標簽集。