一种广告投放方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种广告投放方法、装置、电子设备及存储介质，所述方法包括：获取目标广告的广告投放需求数据，所述广告投放需求数据包括目标广告投放主题，目标广告投放资金和目标广告投放地域；将所述目标广告投放主题输入画像抽取模型，由所述画像抽取模型输出所述目标广告投放主题对应的画像；根据所述画像和所述目标广告投放地域确定与所述目标广告投放主题相近的关联广告，调取所述关联广告的正向数据；根据所述关联广告的正向数据训练用户画像模型，根据所述用户画像模型确定目标用户画像；根据所述目标广告投放资金确定所述目标相似度；根据所述目标相似度确定目标用户，并向所述目标用户投放所述目标广告。本发明专利技术实现广告的定向投放。

【技术实现步骤摘要】
一种广告投放方法、装置、电子设备及存储介质
本申请涉及广告数据处理领域，尤其涉及一种广告投放方法、装置、电子设备及存储介质。
技术介绍
随着互联网技术的飞速发展，产生了越来越多的大数据，基于大数据进行广告投放也日益盛行。广告能够为人们的生活创造便利，并且具备巨大的商业价值，可以推动各个行业的进步，因此，本领域对于广告投放的研究也从未停止。如何高效，精准的进行广告投放，从而获得理想的点击率达到投放的效果是亟待解决的问题。
技术实现思路
为了进行高效，精准的进行广告投放，本专利技术实施例提供了一种广告投放方法、装置、电子设备及存储介质。一种广告投放方法，所述方法包括：获取目标广告的广告投放需求数据，所述广告投放需求数据包括目标广告投放主题，目标广告投放资金和目标广告投放地域；将所述目标广告投放主题输入画像抽取模型，由所述画像抽取模型输出所述目标广告投放主题对应的画像；根据所述画像和所述目标广告投放地域确定与所述目标广告投放主题相近的关联广告，调取所述关联广告的正向数据；根据所述关联广告的正向数据训练用户画像模型，根据所述用户画像模型确定目标用户画像；根据所述目标广告投放资金确定所述目标相似度；根据所述目标相似度确定目标用户，并向所述目标用户投放所述目标广告。优选的，所述画像抽取模型可以通过下述方法训练得到，包括：获取样本数据集，所述样本数据集包括多个已有主题和每个已有主题对应的已有画像；获取每个已有主题对应的联合向量序列，以每个所述已有主题对应的联合向量序列以及所述已有主题的已有画像作为训练元素，得到训练数据集；构建神经网络模型，基于所述神经网络模型预测各个已有主题对应的联合向量序列指向的预测画像；基于具有对应关系的预测画像和已有画像得到损失值，并基于所述损失值进行反向传播优化所述神经网络的参数直至所述神经网络模型达到预设的收敛条件。优选的，所述获取每个已有主题对应的联合向量序列，包括：对所述已有主题进行分词得到初始分词向量；将所述初始分词向量输入权重配比模型，得到所述初始分词向量中每一元素对应的权重向量；根据所述初始分词向量和所述初始分词向量中每一元素对应的权重向量得到联合向量序列。优选的，所述关联广告为这样一种广告，其对应的广告投放主题对应的画像与所述目标广告投放主题的画像的相似度小于预设阈值，并且所述关联广告的投放地域与所述目标广告投放地域存在交集；所述关联广告的正向数据包括点击所述关联广告的用户标识和所述用户标识对应的用户画像。优选的，基于双向样本训练所述用户画像模型。优选的，所述质负样本集合获取方法，包括：获取全部用户和所述关联广告的命中用户的差集；按照预设的正负样本的比值，根据所述正样本集合中正样本的数量，在所述差集中随机抽取用户作为负样本用户，提取负样本用户的用户标识和用户画像得到负样本，进而构建负样本集合。一种广告投放装置，所述装置包括：目标广告获取模块，用于获取目标广告的广告投放需求数据，所述广告投放需求数据包括目标广告投放主题，目标广告投放资金和目标广告投放地域；画像获取模块，用于将所述目标广告投放主题输入画像抽取模型，由所述画像抽取模型输出所述目标广告投放主题对应的画像；关联广告获取模块，用于根据所述画像和所述目标广告投放地域确定与所述目标广告投放主题相近的关联广告，调取所述关联广告的正向数据；目标用户画像获取模块，用于根据所述关联广告的正向数据训练用户画像模型，根据所述用户画像模型确定目标用户画像；目标相似度获取模块，用于根据所述目标广告投放资金确定所述目标相似度；投放模块，用于根据所述目标相似度确定目标用户，并向所述目标用户投放所述目标广告。优选的，还包括画像抽取模块训练模块，所述画像抽取模块训练模块，包括：样本数据集获取单元，用于获取样本数据集，所述样本数据集包括多个已有主题和每个已有主题对应的已有画像；训练数据集获取单元，用于获取每个已有主题对应的联合向量序列，以每个所述已有主题对应的联合向量序列以及所述已有主题的已有画像作为训练元素，得到训练数据集；神经网络预测单元，用于构建神经网络模型，基于所述神经网络模型预测各个已有主题对应的联合向量序列指向的预测画像；训练单元，用于基于具有对应关系的预测画像和已有画像得到损失值，并基于所述损失值进行反向传播优化所述神经网络的参数直至所述神经网络模型达到预设的收敛条件。一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现一种广告投放方法。一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现所述的一种广告投放方法。本专利技术实施例提供一种广告投放方法、装置、电子设备及存储介质，可以在有限的目标广告投放主题，目标广告投放资金和目标广告投放地域的约束下，获得精准的目标用户，从而实现广告的定向投放，获得较高的点击率，最大化广告的投放效果。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。图1是本申请实施例提供的一种广告投放方法流程图；图2是本申请实施例提供的画像抽取模型训练方法流程示意图；图3是本申请实施例提供的获取每个已有主题对应的联合向量序列流程示意图；图4是本申请实施例提供的一种负样本集合获取方法流程示意图；图5是本申请实施例提供的一种广告投放装置框图；图6是本申请实施例提供的画像抽取模块训练模块框图；图7本申请实施例提供的硬件结构框图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些本文档来自技高网...

【技术保护点】
1.一种广告投放方法，其特征在于，所述方法包括：/n获取目标广告的广告投放需求数据，所述广告投放需求数据包括目标广告投放主题，目标广告投放资金和目标广告投放地域；/n将所述目标广告投放主题输入画像抽取模型，由所述画像抽取模型输出所述目标广告投放主题对应的画像；/n根据所述画像和所述目标广告投放地域确定与所述目标广告投放主题相近的关联广告，调取所述关联广告的正向数据；/n根据所述关联广告的正向数据训练用户画像模型，根据所述用户画像模型确定目标用户画像；/n根据所述目标广告投放资金确定所述目标相似度；/n根据所述目标相似度确定目标用户，并向所述目标用户投放所述目标广告。/n

【技术特征摘要】
1.一种广告投放方法，其特征在于，所述方法包括：
获取目标广告的广告投放需求数据，所述广告投放需求数据包括目标广告投放主题，目标广告投放资金和目标广告投放地域；
将所述目标广告投放主题输入画像抽取模型，由所述画像抽取模型输出所述目标广告投放主题对应的画像；
根据所述画像和所述目标广告投放地域确定与所述目标广告投放主题相近的关联广告，调取所述关联广告的正向数据；
根据所述关联广告的正向数据训练用户画像模型，根据所述用户画像模型确定目标用户画像；
根据所述目标广告投放资金确定所述目标相似度；
根据所述目标相似度确定目标用户，并向所述目标用户投放所述目标广告。


2.根据权利要求1所述的方法，其特征在于，所述画像抽取模型可以通过下述方法训练得到，包括：
获取样本数据集，所述样本数据集包括多个已有主题和每个已有主题对应的已有画像；
获取每个已有主题对应的联合向量序列，以每个所述已有主题对应的联合向量序列以及所述已有主题的已有画像作为训练元素，得到训练数据集；
构建神经网络模型，基于所述神经网络模型预测各个已有主题对应的联合向量序列指向的预测画像；
基于具有对应关系的预测画像和已有画像得到损失值，并基于所述损失值进行反向传播优化所述神经网络的参数直至所述神经网络模型达到预设的收敛条件。


3.根据权利要求2所述的方法，其特征在于，所述获取每个已有主题对应的联合向量序列，包括：
对所述已有主题进行分词得到初始分词向量；
将所述初始分词向量输入权重配比模型，得到所述初始分词向量中每一元素对应的权重向量；
根据所述初始分词向量和所述初始分词向量中每一元素对应的权重向量得到联合向量序列。


4.根据权利要求3所述的方法，其特征在于：
所述关联广告为这样一种广告，其对应的广告投放主题对应的画像与所述目标广告投放主题的画像的相似度小于预设阈值，并且所述关联广告的投放地域与所述目标广告投放地域存在交集；
所述关联广告的正向数据包括点击所述关联广告的用户标识和所述用户标识对应的用户画像。


5.根据权利要求1所述的方法，其特征在于，基于双向样本训练所述用户画像模型。


6.根据权利要求5所述的方法，其特征在于，所述质负样本集合获取方法，包括：
获取全部用户和所述关联广告的命中用户的差集；
按照预...

【专利技术属性】
技术研发人员：陈方之，
申请(专利权)人：浙江致梦大数据有限公司，
类型：发明
国别省市：浙江;33