CN113971599A - 广告投放选品方法及其装置、设备、介质、产品 - Google Patents
广告投放选品方法及其装置、设备、介质、产品 Download PDFInfo
- Publication number
- CN113971599A CN113971599A CN202111249044.4A CN202111249044A CN113971599A CN 113971599 A CN113971599 A CN 113971599A CN 202111249044 A CN202111249044 A CN 202111249044A CN 113971599 A CN113971599 A CN 113971599A
- Authority
- CN
- China
- Prior art keywords
- commodity
- score
- target
- information
- similar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000003993 interaction Effects 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000010187 selection method Methods 0.000 claims description 5
- 230000002860 competitive effect Effects 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000007717 exclusion Effects 0.000 abstract description 5
- 239000000047 product Substances 0.000 description 87
- 238000010606 normalization Methods 0.000 description 12
- 239000013598 vector Substances 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开一种广告投放选品方法及其装置、设备、介质、产品,所述方法包括:获取待投放广告的候选商品集中的目标商品对象;根据该目标商品对象的商品信息查询其相应的需求度评分,所述需求度评分包括趋势评分、畅销评分以及反馈评分;根据该目标商品对象的商品信息查询广告商品库中与该目标商品对象相似的商品对象的数量信息,以确定相应的互斥力系数;计算所述目标商品对象的推荐评分,所述推荐评分为所述需求度评分扣减所述互斥力系数得到的数据;根据所述推荐评分优选候选商品集中的部分目标商品对象构成广告投放商品列表。本申请精准匹配出迎合市场需求且具备竞争优势的商品用于广告投放。
Description
技术领域
本申请涉及电商信息技术领域,尤其涉及一种广告投放选品方法及其相应的装置、计算机设备、计算机可读存储介质,以及计算机程序产品。
背景技术
电商平台中常需推送商品广告,以便消费者用户更快了解到平台中的商品,有助于提升商品交易率,使得商家用户快速占领商品相应的市场份额,为此需要有针对性对的平台中的商品进行选择,筛选出适配当前市场需求且具备一定的销售竞争力的适用于广告投放的商品。
电商领域内,有过诸多关于针对广告投放的选品策略的技术探索,例如CN201810170587号专利申请公开一种广告选品的方法,该方法根据与商品相关联的外部数据量、情感得分、目标用户群占比等数据组成商品热度来选品。可见,该方法考虑到了量化商品热度侧面反映了商品适配市场需求,但缺少对商品的市场竞争力的考虑,在与众多热门商品竞争下可能难以获得预想中的良好成效。可见,现有技术中,对于竞价排行场景,未能定制出有效的方案,导致造成无效投放,成本高,效果差。
考虑到选择迎合市场需求且具备竞争力的商品用于广告投放会产生较好的收益,为此本申请人作出相应的探索。
发明内容
本申请的目的在于满足用户需求而提供一种广告投放选品方法及其相应的装置、计算机设备、非易失性存储介质以及计算机程序产品。
为满足本申请的各个目的,本申请采用如下技术方案:
使用本申请的目的而提供的一种广告投放选品方法,包括如下步骤:
获取待投放广告的候选商品集中的目标商品对象;
根据该目标商品对象的商品信息查询其相应的需求度评分,所述需求度评分包括趋势评分、畅销评分以及反馈评分,所述趋势评分反映该目标商品对象的产品关键词相对应的同类商品对象的访问热度信息,所述畅销评分反映该目标商品对象的属性关键词相对应的同类商品对象的销量排行信息,所述反馈评分反映该目标商品对象的图像相似的同类商品对象的广告互动信息;
根据该目标商品对象的商品信息查询广告商品库中与该目标商品对象图像相似的商品对象的数量信息确定相应的互斥力系数;
计算所述目标商品对象的推荐评分,所述推荐评分为所述需求度评分扣减其与所述互斥力系数匹配权重所得比例相乘的结果获得的数据;
根据所述推荐评分优选候选商品集中的部分目标商品对象构成广告投放商品列表。
进一步实施例中,其特征在于,根据该目标商品对象的商品信息查询其相应的需求度评分,包括如下获取需求度评分中的趋势评分的步骤:
获取目标商品对象的商品信息中的类别信息;
根据所述类别信息获取为相应类别预构造的第一词数据表,所述第一词数据表存储所述的类别与同类商品对象的多个产品关键词之间的映射关系数据;
根据目标商品对象的商品信息中的商品标题与所述第一词数据表之间关于产品关键词的交集,确定一个或多个目标产品关键词;
查询各个所述目标产品关键词相对应的访问热度值,选取其中最大的访问热度值作为该目标商品对象的趋势评分,其中,所述访问热度值表征特定时间和特定区域范围内,其相应的产品关键词被访问的量化热度数据。
进一步实施例中,其特征在于,根据该目标商品对象的商品信息查询其相应的需求度评分,包括如下获取需求度评分中的畅销评分的步骤:
获取目标商品对象的商品信息中的类别信息;
根据所述类别信息获取为相应类别预构造的第二词数据表,所述第二词数据表存储所述的类别与同类商品对象的属性词集之间的映射关系数据,每个属性词集包括多个属性关键词;
根据目标商品对象的商品信息中的商品标题和商品详情匹配所述第二词数据表中的属性关键词的交集,确定出一个或多个目标属性关键词;
查询各个所述的目标属性关键词相对应的词频量化评分进行加和作为该目标商品对象的畅销评分,其中,所述词频量化评分为其相应的类别中,拥有其相应的目标属性关键词的同类商品对象数量与所有同类商品对象总量之比。
进一步实施例中,其特征在于,根据该目标商品对象的商品信息查询其相应的需求度评分,包括如下获取需求度评分中的反馈评分的步骤:
获取目标商品对象的商品信息中的默认图片;
根据所述默认图片的深层语义信息查询并选定若干与其在图像上相似的同类商品对象;
将各个所述的同类商品对象的相似度数值与其广告互动量化值的乘积求加和均值作为该目标商品对象的反馈评分,其中,所述广告互动量化值基于所述同类商品对象的广告发帖的互动数量进行量化确定。
进一步实施例中,其特征在于,根据该目标商品对象的商品信息查询广告商品库中与该目标商品对象图像相似的商品对象的数量信息确定相应的互斥力系数,包括如下步骤:
获取目标商品对象的商品信息中的默认图片;
根据所述默认图片的深层语义信息查询与其在图像上相似的同类商品对象,确定与各个同类商品对象相对应的相似度数值;
根据相似度数值超过预设的相似度阈值的同类商品对象的相似总量,将该相似总量归一化为具有占比性质的数值作为所述的互斥力系数。
较佳的实施例中,其特征在于,根据该目标商品对象的商品信息查询其相应的需求度评分的步骤中,包括如下步骤:
所述需求度评分为所述趋势评分、畅销评分以及反馈评分的归一化结果的加权求和所得到的数值。
适应本申请的目的而提出的一种广告投放选品装置,其包括:
商品对象获取模块,用于获取待投放广告的候选商品集中的目标商品对象;
需求度评分生成模块,用于根据该目标商品对象的商品信息查询其相应的需求度评分,所述需求度评分包括趋势评分、畅销评分以及反馈评分,所述趋势评分反映该目标商品对象的产品关键词相对应的同类商品对象的访问热度信息,所述畅销评分反映该目标商品对象的属性关键词相对应的同类商品对象的销量排行信息,所述反馈评分反映该目标商品对象的图像相似的同类商品对象的广告互动信息;
互斥力系数生成模块,用于根据该目标商品对象的商品信息查询广告商品库中与该目标商品对象图像相似的商品对象的数量信息确定相应的互斥力系数;
推荐评分计算模块,用于计算所述目标商品对象的推荐评分,所述推荐评分为所述需求度评分扣减其与所述互斥力系数匹配权重所得比例相乘的结果获得的数据;
商品列表生成模块,用于根据所述推荐评分优选候选商品集中的部分目标商品对象构成广告投放商品列表。
进一步实施例中,所述商品对象获取模块,包括:
类别获取子模块,用于获取目标商品对象的商品信息中的类别信息;
第一词数据表构造子模块,用于根据所述类别信息获取为相应类别预构造的第一词数据表,所述第一词数据表存储所述的类别与同类商品对象的多个产品关键词之间的映射关系数据;
目标产品关键词子模块,用于根据目标商品对象的商品信息中的商品标题与所述第一词数据表之间关于产品关键词的交集,确定一个或多个目标产品关键词;
趋势评分子模块,用于查询各个所述目标产品关键词相对应的访问热度值,选取其中最大的访问热度值作为该目标商品对象的趋势评分,其中,所述访问热度值表征特定时间和特定区域范围内,其相应的产品关键词被访问的量化热度数据。
进一步实施例中,所述需求度评分生成模块,包括:
类别获取子模块,用于获取目标商品对象的商品信息中的类别信息;
第二词数据表构造子模块,用于根据所述类别信息获取为相应类别预构造的第二词数据表,所述第二词数据表存储所述的类别与同类商品对象的属性词集之间的映射关系数据,每个属性词集包括多个属性关键词;
目标属性词子模块,用于根据目标商品对象的商品信息中的商品标题和商品详情匹配所述第二词数据表中的属性关键词的交集,确定出一个或多个目标属性关键词;
畅销评分计算子模块,用于查询各个所述的目标属性关键词相对应的词频量化评分进行加和作为该目标商品对象的畅销评分,其中,所述词频量化评分为其相应的类别中,拥有其相应的目标属性关键词的同类商品对象数量与所有同类商品对象总量之比。
进一步实施例中,所述需求度评分生成模块,包括:
图片获取子模块,用于获取目标商品对象的商品信息中的默认图片;
相似获取子模块,用于根据所述默认图片的深层语义信息查询并选定若干与其在图像上相似的同类商品对象;
反馈评分计算子模块,用于将各个所述的同类商品对象的相似度数值与其广告互动量化值的乘积求加和均值作为该目标商品对象的反馈评分,其中,所述广告互动量化值基于所述同类商品对象的广告发帖的互动数量进行量化确定。
进一步实施例中,所述互斥力系数生成模块,包括:
图片获取子模块,用于获取目标商品对象的商品信息中的默认图片;
相似度计算子模块,用于根据所述默认图片的深层语义信息查询与其在图像上相似的同类商品对象,确定与各个同类商品对象相对应的相似度数值;
互斥力计算子模块,用于根据相似度数值超过预设的相似度阈值的同类商品对象的相似总量,将该相似总量归一化为具有占比性质的数值作为所述的互斥力系数。
较佳的实施例中,所述需求度评分生成模块,包括如下步骤:
归一化子模块,用于根据该目标商品对象的商品信息查询其相应的需求度评分的步骤中,所述需求度评分为所述趋势评分、畅销评分以及反馈评分的归一化结果的加权求和所得到的数值。
适应本申请的目的之一而提供的一种计算机设备,包括中央处理器和存储器,所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本申请所述的广告投放选品方法的步骤。
适应本申请的另一目的而提供的一种计算机可读存储介质,其以计算机可读指令的形式存储有依据所述的广告投放选品方法所实现的计算机程序,该计算机程序被计算机调用运行时,执行该方法所包括的步骤。
适应本申请的另一目的而提供的一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现本申请任意一种实施例中所述广告投放选品方法的步骤。
相对于现有技术,本申请的优势如下:
本申请通过提取候选商品的商品标题、商品详情中的产品关键词和属性关键词,查询同样具备所述产品关键词的同类商品的访问热度信息并量化成趋势评分,查询同样具备所述属性关键词的畅销榜中的同类商品该属性词频并量化成畅销评分,然后根据候选商品的图片,检索出与所述图片相似且已投放广告的商品,量化其中广告互动信息确定反馈评分,将所述趋势评分、畅销评分、反馈评分被综合为需求度评分。在此基础上,根据商品对象预构建的广告商品库,分析候选商品对象的图片与广告商品库中的商品对象的图片之间的相似性,根据相似性确定互斥力系数,用于体现已经投放广告的商品对象与候选商品对象之间的相对竞争信息。最后,通过计算所述需求度评分扣减其与所述互斥力系数匹配权重所得比例相乘的结果获得推荐得分,筛选出所述推荐得分较高的候选商品进行广告投放。
所述需求度评分有效地反映了候选商品在市场需求方面的表现,得分越高受大众关注和认可的可能性越大,侧面体现候选商品越贴合市场需求。所述互斥力系数为最终选品依据的推荐评分把关,突出体现了候选商品的竞争环境,系数越小面临同类竞争的商品数就越少,相应体现候选商品具备竞争优势。因此根据所述推荐得分,能够可靠地预测候选商品的广告投放成效,具体表现为商品点击、购买率较高,具备良好的发展潜力,进而依据所述推荐得分更科学高效地选取用于广告投放的商品。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请的广告投放选品方法的典型实施例的流程示意图;
图2为本申请的实施例中构造趋势评分的流程示意图;
图3为本申请的实施例中构造畅销评分的流程示意图;
图4为本申请的实施例中构造反馈评分的流程示意图;
图5为本申请的实施例中构造互斥力系数的流程示意图;
图6为本申请的广告投放选品装置的典型实施例的原理框图;
图7为本申请所采用的一种计算机设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本申请的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,这里所使用的“客户端”、“终端”、“终端设备”既包括无线信号接收器的设备,其仅具备无发射能力的无线信号接收器的设备,又包括接收和发射硬件的设备,其具有能够在双向通信链路上,进行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他诸如个人计算机、平板电脑之类的通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备;PCS(PersonalCommunications Service,个人通信***),其可以组合语音、数据处理、传真和/或数据通信能力;PDA(Personal Digital Assistant,个人数字助理),其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global PositioningSystem,全球定位***)接收器;常规膝上型和/或掌上型计算机或其他设备,其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“客户端”、“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的,或者适合于和/或配置为在本地运行,和/或以分布形式,运行在地球和/或空间的任何其他位置运行。这里所使用的“客户端”、“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端,例如可以是PDA、MID(Mobile Internet Device,移动互联网设备)和/或具有音乐/视频播放功能的移动电话,也可以是智能电视、机顶盒等设备。
本申请所称的“服务器”、“客户端”、“服务节点”等名称所指向的硬件,本质上是具备个人计算机等效能力的电子设备,为具有中央处理器(包括运算器和控制器)、存储器、输入设备以及输出设备等冯诺依曼原理所揭示的必要构件的硬件装置,计算机程序存储于其存储器中,中央处理器将存储在外存中的程序调入内存中运行,执行程序中的指令,与输入输出设备交互,借此完成特定的功能。
需要指出的是,本申请所称的“服务器”这一概念,同理也可扩展到适用于服务器机群的情况。依据本领域技术人员所理解的网络部署原理,所述各服务器应是逻辑上的划分,在物理空间上,这些服务器既可以是互相独立但可通过接口调用的,也可以是集成到一台物理计算机或一套计算机机群的。本领域技术人员应当理解这一变通,而不应以此约束本申请的网络部署方式的实施方式。
本申请的一个或数个技术特征,除非明文指定,既可部署于服务器实施而由客户端远程调用获取服务器提供的在线服务接口来实施访问,也可直接部署并运行于客户端来实施访问。
本申请中所引用或可能引用到的神经网络模型,除非明文指定,既可部署于远程服务器且在客户端实施远程调用,也可部署于设备能力胜任的客户端直接调用。本领域技术人员应当理解,只要设备运行资源适格,均可用作所述神经网络模型相应的模型训练设备和模型运行设备。某些实施例中,当其运行于客户端时,其相应的智能可通过迁移学习来获得,以便降低对客户端硬件运行资源的要求,避免过度占用客户端硬件运行资源。
本申请所涉及的各种数据,除非明文指定,既可远程存储于服务器,也可存储于本地终端设备,只要其适于被本申请的技术方案所调用即可。
本领域技术人员对此应当知晓:本申请的各种方法,虽然基于相同的概念而进行描述而使其彼此间呈现共通性,但是,除非特别说明,否则这些方法都是可以独立执行的。同理,对于本申请所揭示的各个实施例而言,均基于同一发明构思而提出,因此,对于相同表述的概念,以及尽管概念表述不同但仅是为了方便而适当变换的概念,应被等同理解。
本申请即将揭示的各个实施例,除非明文指出彼此之间的相互排斥关系,否则,各个实施例所涉的相关技术特征可以交叉结合而灵活构造出新的实施例,只要这种结合不背离本申请的创造精神且可满足现有技术中的需求或解决现有技术中的某方面的不足即可。对此变通,本领域技术人员应当知晓。
本申请的一种广告投放选品方法,可被编程为计算机程序产品,部署于终端设备和/或服务器中运行而实现,藉此,客户端可以网页程序或应用程序的形式访问该计算机程序产品运行后开放的用户界面,实现人机交互。
请参阅图1,本申请揭示的一种广告投放选品方法,在其典型实施例中,包括步骤S1100至S1500,具体如下:
步骤S1100,获取待投放广告的候选商品集中的目标商品对象;
所述候选商品集为电商平台的商家实例选取上传的商品对象中刚上市的热门新款和/或具备销售潜力的旧款并提交,该选取亦可是所述平台提供的商品广告投放服务的负责人员进行选取并将选取结果反馈给客户,待客户修正或确认获得其最终同意后确认选取的候选商品对象,后续将选取的候选商品对象下发到所述平台服务器构建候选商品集存储至商品数据库中。
电商平台的商家实例选购了所述平台的商品广告投放服务后,所述平台服务器响应商品广告投放事件,获取商品数据库存储的候选商品集中的一个或多个商品对象作为目标商品对象,优选其中部分商品对象构成广告投放商品列表,并根据其调用所述平台内部商品广告投放推送接口配以相应的推送规则和样式推送给用户。
当需要进行本申请的广告选品时,可以从所述候选商品集中逐个调用其中每一个商品对象作为目标商品对象,逐个进行推荐评分的计算,以便最终根据候选商品集中各商品对象的推荐评分进行优选以确定所述广告投放商品列表。
步骤S1200,根据该目标商品对象的商品信息查询其相应的需求度评分,所述需求度评分包括趋势评分、畅销评分以及反馈评分,所述趋势评分反映该目标商品对象的产品关键词相对应的同类商品对象的访问热度信息,所述畅销评分反映该目标商品对象的属性关键词相对应的同类商品对象的销量排行信息,所述反馈评分反映该目标商品对象的图像相似的同类商品对象的广告互动信息;
所述商品信息一般为商品的商品标题、商品图片、商品详情等多模态信息,调用预设的分类神经网络模型,获得目标商品对象的类目标签,将所述类目标签关联商品对象存储至商品数据库中。
根据目标商品对象对应的类目标签获取预设第一词数据表中对应所述类目标签的产品词集,将其与所述商品对象的商品信息中的标题信息进行匹配,获得所述商品的产品关键词,查询所述产品关键词对应的访问热度值择选出其中得分最高的分值作为所述商品对象的趋势评分。所述访问热度值为调用第三方搜索引擎接口查询电商领域中某个词在最近的一段时间内对应的搜索次数或者由搜索次数转义后的评分。
根据目标商品对象对应的类目标签获取预设第二词数据表中对应所述类目标签的属性词集,将其与所述商品对象的商品信息中的商品标题、商品详情进行匹配,获得所述商品的属性关键词,计算每个属性关键词的词频并进行归一化处理最终所得数值作为所述商品对象畅销评分。
根据目标商品对象的商品信息中的图片进行相似度检索,获得与目标商品对象的图片相似且外部数据中已投放商品广告的商品对象和对应的图片相似度,计算所述相似商品对象对应的各互动数据加权求和的值乘上所述相似度数值的乘积,将这些乘积的均值作为所述商品对象的反馈评分。所述外部数据为从外部软件App或网站上发布的关于商品广告的帖子、微博、公众号文章等获取其中的商品信息及互动数据,所述互动数据为点赞、评论、分享数据量。
所述第一、二词数据表为针对电商平台的类目树中对应的类目标签所建的对应的产品词集、属性词集,并将其映射关联对应的类目标签构建产品词数据表、属性词数据表。将所述产品词数据表和属性词数据表映射关联相应的类目标签存储至商品数据库。
所述类目树由多级类目逐层展开,每一级均包括多个类目标签,父级的类目标签包括多个子级的类目标签,由此构成“类目树”,类目树通常包括三级、四级,一般不超过五级。所述类目树中各层次分别对应多个类目标签,对于一个商品对象而言,多层次分类结构中的各个类目标签构成其分类路径,且该分类路径中的各类目标签之间具有层次隶属关系。
所述产品词集可调用预设的文本网络模型中的分词器框架对隶属于同一所述类目标签下的多个商品对象的标题文本进行语义特征提取构建文本特征向量进行分词过滤,获得产品关键词并以其构建产品词集,可对所述词集中的产品关键词进行适当的词性变化处理以扩展词集。
所述属性词集可以按照如下方式构建:根据所述目标商品对象的类目标签,从外部电商平台和/或当前平台内部的公开的畅销榜中获取隶属于所述类目标签的同类商品对象的属性关键词,所述属性关键词一般为同类商品对象的商品详情、商品标题中的产品参数对应的信息。根据所述属性关键词构建属性词集。
一种实施例中,所述需求度评分为将趋势评分、畅销评分以及反馈评分进行求和所得。进一步的实施例中,分别设定所述趋势评分、畅销评分、反馈评分相应的权重,将前述各评分乘上相应的权重加和作为所述需求度评分,示例性公式如下:
需求度评分=w1*趋势评分+w2*畅销评分+w3*反馈评分
其中:w1、w2、w3分别为趋势评分、畅销评分、反馈评分相应的权重。
所述w1、w2、w3可由本领域的技术人员可根据业务目标和实际各项评分结果进行设定。依照上述计算获得的需求度评分更科学。
步骤S1300,根据该目标商品对象的商品信息查询广告商品库中与该目标商品对象图像相似的商品对象的数量信息确定相应的互斥力系数;
所述广告商品库存储已投放广告的商品对象的商品信息,和所述商品对象对应的投放广告中的互动信息。所述互动信息为点赞、评论、分享信息。所述广告商品库数据来源可以是内部广告投放商品数据,也可以是获取外部软件或网站的广告投放商品数据。
调用预设的图片网络模型根据所述目标商品对象的图片和所述广告商品库中的各商品对象的图片分别进行图片特征信息提取构建图片特征向量,并根据其调用Faiss框架相应的相似度计算接口计算所述目标商品对象与各广告商品库中的商品对象之间对应的图片相似度数值,统计所述相似度数值超过人为设定的相似度阈值的个数,并将其进行归一化至值域为0-1的数,作为互斥力系数。
步骤S1400,计算所述目标商品对象的推荐评分,所述推荐评分为所述需求度评分扣减其与所述互斥力系数匹配权重所得比例相乘的结果获得的数据;
如前所述,所述需求度评分为综合所述趋势评分、畅销评分、反馈评分所得。
为了使计算所述推荐评分所需的各评分都处于相同的尺度,对所述所有评分进行归一化操作,即针对各评分的分布情况,选取适用的归一化处理如截尾、分箱、对数变换、min-max标准化、中心标准化等方式相应获得同一值域为0-1的数,具体实施方式本领域技术人员可灵活处理。进一步的,将所述归一化后的各个分值进行依照以下逻辑计算获得所述推荐评分,示范例公式如下:
推荐评分=需求度评分*(1-w4*互斥力系数)
其中:w4为互斥力系数。
所述w4可由本领域的技术人员可按需进行变通设置。依照上述所得的推荐评分颗粒度更高,减少推荐评分相同的情况,提高准确性。
所述趋势评分为分析最近的一段时间内的大数据搜索结果所获得,反映了目标商品对象在近期的热度表现;所述畅销评分为综合各个平台的畅销榜中的商品对象整理分析所获得,其通过销量排行信息反映了目标商品对象的畅销潜力;所述反馈评分为依据已投放广告的相似商品对象中的广告互动数据量匹配其对应的相似度所得,反映了目标商品对象的正面市场反馈表现;所述互斥力系数为与目标商品对象相似且已投放广告的商品个数,反映了目标商品对象的竞争难度。
步骤S1500,根据所述推荐评分优选候选商品集中的部分目标商品对象构成广告投放商品列表。
根据待投放广告的候选商品集中的各目标商品对象的推荐评分进行高到低的排序,择选出排序中得分较高的目标商品对象构建广告投放商品列表。具体优选实施方式,可由本领域的技术人员根据实际业务情况进行相应的变通。
根据所述广告投放商品列表调用预设的广告模块接口,获得商品广告弹窗、商品广告海报链接等多种形式的商品广告,将所述商品广告推送给平台用户或展示在平台的广告位上。
通过本典型实施例,可以知晓,本申请通过提取候选商品的商品标题、商品详情中的产品关键词和属性关键词,查询同样具备所述产品关键词的同类商品的访问热度信息并量化成趋势评分,查询同样具备所述属性关键词的畅销榜中的同类商品该属性词频并量化成畅销评分,然后根据候选商品的图片,检索出与所述图片相似且已投放广告的商品,量化其中广告互动信息确定反馈评分,将所述趋势评分、畅销评分、反馈评分被综合为需求度评分。在此基础上,根据商品对象预构建的广告商品库,分析候选商品对象的图片与广告商品库中的商品对象的图片之间的相似性,根据相似性确定互斥力系数,用于体现已经投放广告的商品对象与候选商品对象之间的相对竞争信息。最后,通过计算所述需求度评分扣减其与所述互斥力系数匹配权重所得比例相乘的结果获得推荐得分,筛选出所述推荐得分较高的候选商品进行广告投放。
所述需求度评分有效地反映了候选商品在市场需求方面的表现,得分越高受大众关注和认可的可能性越大,侧面体现候选商品越贴合市场需求。所述互斥力系数为最终选品依据的推荐评分把关,突出体现了候选商品的竞争环境,系数越小面临同类竞争的商品数就越少,相应体现候选商品具备竞争优势。因此根据所述推荐得分,能够可靠地预测候选商品的广告投放成效,具体表现为商品点击、购买率较高,具备良好的发展潜力,进而依据所述推荐得分更科学高效地选取用于广告投放的商品。
请参阅图2,进一步实施例中,其特征在于,根据该目标商品对象的商品信息查询其相应的需求度评分,包括如下获取需求度评分中的趋势评分的步骤:
步骤S1210,获取目标商品对象的商品信息中的类别信息;
所述商品信息一般为商品标题、商品详情、商品图片等多模态信息。
一种实施例中,由于一般商品标题和详情都会明确介绍是什么商品即商品属性,为此根据目标商品对象的商品标题和商品详情中的文本信息调用预设的Bert、TextRCNN之类的文本特征提取模型,提取其相应的深层语义特征构建文本特征向量,该文本特征向量具备表征商品属性的深层语义特征,故此可借助Softmax之类的多分类器对该文本特征向量进行分类,获得目标商品对象相应的类目标签作为类别信息。
另一种实施例中,所述商品对象的商品图片直观反映产品外观,调用预设的Resnet之类的图片特征提取模型获得所述图片特征向量,该图片特征向量具备表征商品属性的深层语义特征,故此可借助Softmax之类的分类器对该图片特征向量进行分类,获得目标商品对象相应的类目标签作为类别信息。
具体实施方式本领域技术人员可根据实际情况进行灵活变通调整处理,只需最终获得目标商品对象对应的类别信息即可。
步骤S1211,根据所述类别信息获取为相应类别预构造的第一词数据表,所述第一词数据表存储所述的类别与同类商品对象的多个产品关键词之间的映射关系数据;
根据所述目标商品对象的类目标签,获取商品数据库中同一类目标签映射关联的产品词数据表作为第一词数据表,所述第一词数据表存储类目标签及其对应的产品词集,所述产品词集由多个产品关键词构成,即类目标签与所述产品关键词为一对多的映射关系。
步骤S1212,根据目标商品对象的商品信息中的商品标题与所述第一词数据表之间关于产品关键词的交集,确定一个或多个目标产品关键词;
调用预设的Bert文本特征提取模型,提取所述商品标题的深层语义特征构建文本特征向量进行分词过滤,获得所述标题的产品关键词并以此构建所述目标商品对象的产品词集。根据所述产品词集与所述第一词数据表对应的产品词集进行匹配,获取两两集合的交集对应的一个或多个目标产品关键词。
步骤S1213,查询各个所述目标产品关键词相对应的访问热度值,选取其中最大的访问热度值作为该目标商品对象的趋势评分,其中,所述访问热度值表征特定时间和特定区域范围内,其相应的产品关键词被访问的量化热度数据。
调用第三方搜索引擎接口如百度、Google、夸克等,查询电商领域中在特定区域中最近的一段时间内所述目标产品关键词对应的搜索次数作为访问热度值,所述一段时间以周为单位且为期N周(一般N建议选取3到8中的一个),所述特定区域可以是电商业务触及的区域。
所述访问热度值为最新的第三方搜索引擎统计的大数据搜索结果,具备时效性和准确性,反映了目标商品对象的热度趋势。
本实施例中,通过构造的第一词数据表与商品对象的标题进行匹配,精准获得商品对象的产品关键词。通过第三方搜索引擎快速获得大数据搜索结果中所述产品关键词对应的最大热度值作为趋势评分,所述候选商品对象的趋势评分越高代表其当前越受大众关注,当其作为广告投放时越容易吸引用户,增加商品点击率。
请参阅图3,进一步实施例中,其特征在于,根据该目标商品对象的商品信息查询其相应的需求度评分,包括如下获取需求度评分中的畅销评分的步骤:
步骤S1220,获取目标商品对象的商品信息中的类别信息;
同理获得目标商品对象对应的类目标签作为类别信息,具体实施参考步骤S1210。
步骤S1221,根据所述类别信息获取为相应类别预构造的第二词数据表,所述第二词数据表存储所述的类别与同类商品对象的属性词集之间的映射关系数据,每个属性词集包括多个属性关键词;
根据所述目标商品对象的类目标签,获取商品数据库中同一类目标签映射关联的属性词数据表作为第二词数据表,所述第二词数据表存储类目标签及其对应的属性词集,所述属性词集由多个属性关键词构成,即类目标签与所述属性关键词为一对多的映射关系。
步骤S1222,根据目标商品对象的商品信息中的商品标题和商品详情匹配所述第二词数据表中的属性关键词的交集,确定出一个或多个目标属性关键词;
根据目标商品对象的商品信息中商品标题和商品详情的产品参数与所述第二词数据表中的数据表中的属性关键词进行匹配,获得其交集中的属性关键词作为目标商品对象的目标属性关键词。
步骤S1223,查询各个所述的目标属性关键词相对应的词频量化评分进行加和作为该目标商品对象的畅销评分,其中,所述词频量化评分为其相应的类别中,拥有其相应的目标属性关键词的同类商品对象数量与所有同类商品对象总量之比。
所述同类商品对象与所述目标商品对象隶属于同一类目标签,其来源于外部电商平台和/或当前平台内部公开的畅销榜中对应所述类目标签的商品对象。
所述词频量化评分为根据同类商品对象构建第二词数据表过程中,在获得同类商品对象的属性关键词时计算所得,通过计算拥有所述属性关键词的同类商品对象数量与所有同类商品对象总量之比,作为所述属性关键词的词频量化评分,将所述词频量化评分一对一映射关联所述属性关键词进行存储。
所述查询各个所述目标属性关键词相对应的词频量化评分为,根据目标属性关键词查询存储中一对一映射关联的词频量化评分。
进一步的,利用Softmax算法对所述词频量化评分进行归一化获得归一化的词频量化评分结果,示范例公式如下:
其中
TFi为属性关键词对应的词频量化评分;
exp为自然指数函数;
n为属性关键词对应的属性词集中的属性关键词总数。
将所述目标商品对象的各目标属性关键词对应的归一化的词频量化评分结果进行加和获得目标商品对象的畅销评分。
本实施例中,通过量化在畅销榜中且与目标商品对象为同类的商品对象的属性关键词的词频,作为所述目标商品对象具备同样属性关键词的词频量化评分,并将所述目标商品对象的各个所述属性关键词的所述评分进行加和作为畅销评分。候选商品对象的畅销评分越高代表其出现在畅销榜的可能性越大,体现候选商品对象具备畅销潜力。
请参阅图4,进一步实施例中,其特征在于,根据该目标商品对象的商品信息查询其相应的需求度评分,包括如下获取需求度评分中的反馈评分的步骤:
步骤S1230,获取目标商品对象的商品信息中的默认图片;
电商平台中一般默认一张商品图片作为商品主图,获取商品数据库存储的目标商品对象的默认图片即其商品主图。
步骤S1231,根据所述默认图片的深层语义信息查询并选定若干与其在图像上相似的同类商品对象;
一种实施例中,调用预设的图片特征提取模型根据所述默认图片和代判断相似性的商品对象的图片,进行深层语义特征信息提取获得图片特征向量,调用Faiss框架提供的接口快速计算相似度数值,并以其为索引快速查找并获得与所述默认图片在图像上相似的商品对象作为同类商品对象。
另一种实施例中,调用一套高性能的图像检索***,输入所述默认图片检索出与其在图像上相似的同类商品对象,并获得其对应的相似度数值。
步骤S1232,将各个所述的同类商品对象的相似度数值与其广告互动量化值的乘积求加和均值作为该目标商品对象的反馈评分,其中,所述广告互动量化值基于所述同类商品对象的广告发帖的互动数量进行量化确定。
所述广告互动量化值为统计外部社交媒体网站及软件App上发布关于所述同类商品对象的广告的帖子、微博、公众号文章等获取其中的点赞、评论、分享数据量,然后,将所述点赞、评论、分享数据量分别乘以相应的权重并相加所得,一种实施例中所述点赞权重为0.4、所述评论权重为0.4、所述分享权重为0.2,具体权重数值可由本领域的技术人员按需进行灵活的调整处理。
对于一个目标商品对象而言,已经为其确定出一个或多个相似的同类商品对象,每个同类商品对象均具有表示其与该目标商品对象的相似程度的相似度数值,以及该同类商品对象自身的广告互动量化值,因此,对于一个同类商品对象而言,可将其相似度数值作为权重乘上其广告互动量化值作为其单项评分,然后将这些同类商品对象的单项评分加和求均值,即可作为所述的反馈评分。
本实施例中,通过量化与目标商品对象相似的商品对象的广告投放数据中的点赞、评论、分享数据,并据其乘上对应的相似度数值来确定反馈评分。可见,候选商品对象的反馈评分越高,当其作为广告投放时越容易被大众认可,提高用户购买商品意愿。
请参阅图5,进一步实施例中,其特征在于,根据该目标商品对象的商品信息查询广告商品库中与该目标商品对象图像相似的商品对象的数量信息确定相应的互斥力系数,包括如下步骤:
步骤S1310,获取目标商品对象的商品信息中的默认图片;
同理获得所述默认图片,具体实施参考步骤S1230。
步骤S1320,根据所述默认图片的深层语义信息查询与其在图像上相似的同类商品对象,确定与各个同类商品对象相对应的相似度数值;
所述广告商品库中商品对象,来源于外部电商平台或当前平台内部的已投放广告的商品对象。
同理获得所述同类商品对象及相应的相似度,具体实施参考步骤S1231。根据所述目标商品对象与各个同类商品对象相对应的相似度数值,关联所述各同类商品对象建立一对一的映射关系。
步骤S1330,根据相似度数值超过预设的相似度阈值的同类商品对象的相似总量,将该相似总量归一化为具有占比性质的数值作为所述的互斥力系数。
根据所述相似度数值和同类商品对象的一对一映射关系,统计所述相似度超过预设相似度阈值(所述相似度阈值,本领域技术人员可以进行灵活变通设置)的同类商品对象的数量,作为所述目标商品对象的竞争力评分。同理依照前述逻辑,获得候选商品集中各商品对象的竞争力评分,并选出其中得分最高的分值作为分母,所述各商品对象自身的竞争力评分分值作为分子,再计算所述分子和分母的比值作为所述的互斥力系数。所述互斥力系数值域为0-1,实现归一化。
本实施例中,所述目标商品对象的互斥力系数越大,则与目标商品对象相似且已投放广告的商品对象越多,意味着面临的竞争越大,想要获得预期良好的成效需要投入的成本越高,用户也可能因选择过多容易忽视目标商品对象。为了减少一定程度的竞争压力相对的提升所述目标商品对象的竞争力,所述互斥力系数越小越好。
较佳的实施例中,其特征在于,根据该目标商品对象的商品信息查询其相应的需求度评分的步骤中,包括如下步骤:
步骤S1240,所述需求度评分为所述趋势评分、畅销评分以及反馈评分的归一化结果的加权求和所得到的数值。
一种实施例中,所述归一化为分别选出候选商品集中各目标商品对象对应的所述趋势评分、畅销评分以及反馈评分中得分最高的分值作为分母,并将所述各商品对象自身的对应的各评分分值作为分子,再相应计算所述分子和分母的比值作为各商品对象对应归一化的结果,所述结果值域统一为0-1。
本实施例中,通过对所述趋势评分、畅销评分以及反馈评分进行归一化,使据其分别处于同一尺度下计算出的需求度评分颗粒度更细,更科学准确。
进一步,可以通过将上述各实施例所揭示的方法中的各个步骤进行功能化,构造出本申请的一种广告投放选品装置,按照这一思路,请参阅图6,其中的一个典型实施例中,该装置包括:商品对象获取模块1100,用于获取待投放广告的候选商品集中的目标商品对象;需求度评分生成模块1200,用于根据该目标商品对象的商品信息查询其相应的需求度评分,所述需求度评分包括趋势评分、畅销评分以及反馈评分,所述趋势评分反映该目标商品对象的产品关键词相对应的同类商品对象的访问热度信息,所述畅销评分反映该目标商品对象的属性关键词相对应的同类商品对象的销量排行信息,所述反馈评分反映该目标商品对象的图像相似的同类商品对象的广告互动信息;互斥力系数生成模块1300,用于根据该目标商品对象的商品信息查询广告商品库中与该目标商品对象图像相似的商品对象的数量信息确定相应的互斥力系数;推荐评分计算模块1400,用于计算所述目标商品对象的推荐评分,所述推荐评分为所述需求度评分扣减其与所述互斥力系数匹配权重所得比例相乘的结果获得的数据;商品列表生成模块1500,用于根据所述推荐评分优选候选商品集中的部分目标商品对象构成广告投放商品列表。
进一步实施例中,所述商品对象获取模块1100,包括:
类别获取子模块,用于获取目标商品对象的商品信息中的类别信息;第一词数据表构造子模块,用于根据所述类别信息获取为相应类别预构造的第一词数据表,所述第一词数据表存储所述的类别与同类商品对象的多个产品关键词之间的映射关系数据;目标产品关键词子模块,用于根据目标商品对象的商品信息中的商品标题与所述第一词数据表之间关于产品关键词的交集,确定一个或多个目标产品关键词;趋势评分子模块,用于查询各个所述目标产品关键词相对应的访问热度值,选取其中最大的访问热度值作为该目标商品对象的趋势评分,其中,所述访问热度值表征特定时间和特定区域范围内,其相应的产品关键词被访问的量化热度数据。
进一步实施例中,所述需求度评分生成模块1200,包括:
类别获取子模块,用于获取目标商品对象的商品信息中的类别信息;第二词数据表构造子模块,用于根据所述类别信息获取为相应类别预构造的第二词数据表,所述第二词数据表存储所述的类别与同类商品对象的属性词集之间的映射关系数据,每个属性词集包括多个属性关键词;目标属性词子模块,用于根据目标商品对象的商品信息中的商品标题和商品详情匹配所述第二词数据表中的属性关键词的交集,确定出一个或多个目标属性关键词;畅销评分计算子模块,用于查询各个所述的目标属性关键词相对应的词频量化评分进行加和作为该目标商品对象的畅销评分,其中,所述词频量化评分为其相应的类别中,拥有其相应的目标属性关键词的同类商品对象数量与所有同类商品对象总量之比。
进一步实施例中,所述需求度评分生成模块1200,包括:
图片获取子模块,用于获取目标商品对象的商品信息中的默认图片;相似获取子模块,用于根据所述默认图片的深层语义信息查询并选定若干与其在图像上相似的同类商品对象;反馈评分计算子模块,用于将各个所述的同类商品对象的相似度数值与其广告互动量化值的乘积求加和均值作为该目标商品对象的反馈评分,其中,所述广告互动量化值基于所述同类商品对象的广告发帖的互动数量进行量化确定。
进一步实施例中,所述互斥力系数生成模块1300,包括:
图片获取子模块,用于获取目标商品对象的商品信息中的默认图片;相似度计算子模块,用于根据所述默认图片的深层语义信息查询与其在图像上相似的同类商品对象,确定与各个同类商品对象相对应的相似度数值;互斥力计算子模块,用于根据相似度数值超过预设的相似度阈值的同类商品对象的相似总量,将该相似总量归一化为具有占比性质的数值作为所述的互斥力系数。
较佳的实施例中,所述需求度评分生成模块1200,包括如下步骤:
归一化子模块,用于根据该目标商品对象的商品信息查询其相应的需求度评分的步骤中,所述需求度评分为所述趋势评分、畅销评分以及反馈评分的归一化结果的加权求和所得到的数值。
为解决上述技术问题,本申请实施例还提供一种计算机设备,用于运行根据所述广告投放选品方法所实现的计算机程序。具体请参阅图7,图7为本实施例计算机设备基本结构框图。
如图7所示,计算机设备的内部结构示意图。该计算机设备包括通过***总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作***、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种广告投放选品方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种广告投放选品方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本实施方式中处理器用于执行本发明的广告投放选品装置中的商品对象获取模块1100、需求度评分生成模块1200、互斥力系数生成模块1300、推荐评分计算模块1400、商品列表生成模块1500的具体功能,存储器存储有执行上述模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有广告投放选品装置中执行所有模块/子模块所需的程序代码及数据,服务器能够调用服务器的程序代码及数据执行所有子模块的功能。
本申请还提供一种非易失性存储介质,所述的广告投放选品方法被编写成计算机程序,以计算机可读指令的形式存储于该存储介质中,计算机可读指令被一个或多个处理器执行时,意味着该程序在计算机中的运行,由此使得一个或多个处理器执行上述任一实施例广告投放选品方法的步骤。
本申请还提供一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现本申请任意一种实施例中所述广告投放选品方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
综上所述,本申请能够科学可靠地选出广告投放中将获得较好成效的商品。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本技术领域技术人员可以理解,本申请中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地,具有本申请中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地,现有技术中的具有与本申请中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种广告投放选品方法,其特征在于,包括如下步骤:
获取待投放广告的候选商品集中的目标商品对象;
根据该目标商品对象的商品信息查询其相应的需求度评分,所述需求度评分包括趋势评分、畅销评分以及反馈评分,所述趋势评分反映该目标商品对象的产品关键词相对应的同类商品对象的访问热度信息,所述畅销评分反映该目标商品对象的属性关键词相对应的同类商品对象的销量排行信息,所述反馈评分反映该目标商品对象的图像相似的同类商品对象的广告互动信息;
根据该目标商品对象的商品信息查询广告商品库中与该目标商品对象图像相似的商品对象的数量信息确定相应的互斥力系数;
计算所述目标商品对象的推荐评分,所述推荐评分为所述需求度评分扣减所述互斥力系数后得到的数据;
根据所述推荐评分优选候选商品集中的部分目标商品对象构成广告投放商品列表。
2.根据权利要求1所述的广告投放选品方法,其特征在于,根据该目标商品对象的商品信息查询其相应的需求度评分,包括如下获取需求度评分中的趋势评分的步骤:
获取目标商品对象的商品信息中的类别信息;
根据所述类别信息获取为相应类别预构造的第一词数据表,所述第一词数据表存储所述的类别与同类商品对象的多个产品关键词之间的映射关系数据;
根据目标商品对象的商品信息中的商品标题与所述第一词数据表之间关于产品关键词的交集,确定一个或多个目标产品关键词;
查询各个所述目标产品关键词相对应的访问热度值,选取其中最大的访问热度值作为该目标商品对象的趋势评分,其中,所述访问热度值表征特定时间和特定区域范围内,其相应的产品关键词被访问的量化热度数据。
3.根据权利要求1所述的广告投放选品方法,其特征在于,根据该目标商品对象的商品信息查询其相应的需求度评分,包括如下获取需求度评分中的畅销评分的步骤:
获取目标商品对象的商品信息中的类别信息;
根据所述类别信息获取为相应类别预构造的第二词数据表,所述第二词数据表存储所述的类别与同类商品对象的属性词集之间的映射关系数据,每个属性词集包括多个属性关键词;
根据目标商品对象的商品信息中的商品标题和商品详情匹配所述第二词数据表中的属性关键词的交集,确定出一个或多个目标属性关键词;
查询各个所述的目标属性关键词相对应的词频量化评分进行加和作为该目标商品对象的畅销评分,其中,所述词频量化评分为其相应的类别中,拥有其相应的目标属性关键词的同类商品对象数量与所有同类商品对象总量之比。
4.根据权利要求1所述的广告投放选品方法,其特征在于,根据该目标商品对象的商品信息查询其相应的需求度评分,包括如下获取需求度评分中的反馈评分的步骤:
获取目标商品对象的商品信息中的默认图片;
根据所述默认图片的深层语义信息查询并选定若干与其在图像上相似的同类商品对象;
将各个所述的同类商品对象的相似度数值与其广告互动量化值的相乘后求均值作为该目标商品对象的反馈评分,其中,所述广告互动量化值基于所述同类商品对象的广告发帖的互动数量进行量化确定。
5.根据权利要求1所述的广告投放选品方法,其特征在于,根据该目标商品对象的商品信息查询广告商品库中与该目标商品对象图像相似的商品对象的数量信息确定相应的互斥力系数,包括如下步骤:
获取目标商品对象的商品信息中的默认图片;
根据所述默认图片的深层语义信息查询与其在图像上相似的同类商品对象,确定与各个同类商品对象相对应的相似度数值;
根据相似度数值超过预设的相似度阈值的同类商品对象的相似总量,将该相似总量归一化为具有占比性质的数值作为所述的互斥力系数。
6.根据权利要求1至5中任意一项所述的广告投放选品方法,其特征在于,根据该目标商品对象的商品信息查询其相应的需求度评分的步骤中,包括如下步骤:
所述需求度评分为所述趋势评分、畅销评分以及反馈评分的归一化结果的加权求和所得到的数值。
7.一种广告投放选品装置,其特征在于,其包括:
商品对象获取模块,用于获取待投放广告的候选商品集中的目标商品对象;
需求度评分生成模块,用于根据该目标商品对象的商品信息查询其相应的需求度评分,所述需求度评分包括趋势评分、畅销评分以及反馈评分,所述趋势评分反映该目标商品对象的产品关键词相对应的同类商品对象的访问热度信息,所述畅销评分反映该目标商品对象的属性关键词相对应的同类商品对象的销量排行信息,所述反馈评分反映该目标商品对象的图像相似的同类商品对象的广告互动信息;
互斥力生成模块,用于根据该目标商品对象的商品信息查询广告商品库中与该目标商品对象图像相似的商品对象的数量信息确定相应的互斥力系数;
推荐评分计算模块,用于计算所述目标商品对象的推荐评分,所述推荐评分为所述需求度评分扣减其与所述互斥力系数匹配权重所得比例相乘的结果获得的数据;
商品列表生成模块,用于根据所述推荐评分优选候选商品集中的部分目标商品对象构成广告投放商品列表。
8.一种计算机设备,包括中央处理器和存储器,其特征在于,所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行如权利要求1至6中任意一项所述的方法的步骤。
9.一种计算机可读存储介质,其特征在于,其以计算机可读指令的形式存储有依据权利要求1至6中任意一项所述的方法所实现的计算机程序,该计算机程序被计算机调用运行时,执行相应的方法所包括的步骤。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1至6任意一项中所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111249044.4A CN113971599A (zh) | 2021-10-26 | 2021-10-26 | 广告投放选品方法及其装置、设备、介质、产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111249044.4A CN113971599A (zh) | 2021-10-26 | 2021-10-26 | 广告投放选品方法及其装置、设备、介质、产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113971599A true CN113971599A (zh) | 2022-01-25 |
Family
ID=79588446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111249044.4A Pending CN113971599A (zh) | 2021-10-26 | 2021-10-26 | 广告投放选品方法及其装置、设备、介质、产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113971599A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114663155A (zh) * | 2022-04-01 | 2022-06-24 | 广州华多网络科技有限公司 | 广告投放选品方法及其装置、设备、介质、产品 |
CN117135417A (zh) * | 2023-10-26 | 2023-11-28 | 环球数科集团有限公司 | 一种基于多模态大模型的景区智能营销及虚拟直播*** |
-
2021
- 2021-10-26 CN CN202111249044.4A patent/CN113971599A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114663155A (zh) * | 2022-04-01 | 2022-06-24 | 广州华多网络科技有限公司 | 广告投放选品方法及其装置、设备、介质、产品 |
CN117135417A (zh) * | 2023-10-26 | 2023-11-28 | 环球数科集团有限公司 | 一种基于多模态大模型的景区智能营销及虚拟直播*** |
CN117135417B (zh) * | 2023-10-26 | 2023-12-22 | 环球数科集团有限公司 | 一种基于多模态大模型的景区智能营销及虚拟直播*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107209762B (zh) | 视觉交互式搜索 | |
KR101778679B1 (ko) | 딥러닝을 이용하여 텍스트 단어 및 기호 시퀀스를 값으로 하는 복수 개의 인자들로 표현된 데이터를 자동으로 분류하는 방법 및 시스템 | |
CN109189904A (zh) | 个性化搜索方法及*** | |
CN108885624B (zh) | 信息推荐***及方法 | |
US20120209751A1 (en) | Systems and methods of generating use-based product searching | |
US20090248682A1 (en) | System and method for personalized search | |
CN106651544B (zh) | 最少用户交互的会话式推荐*** | |
US20170371965A1 (en) | Method and system for dynamically personalizing profiles in a social network | |
US20230342833A1 (en) | Recommendation method, recommendation network, and related device | |
US9767417B1 (en) | Category predictions for user behavior | |
US9767204B1 (en) | Category predictions identifying a search frequency | |
CN114663197A (zh) | 商品推荐方法及其装置、设备、介质、产品 | |
CN113761393B (zh) | 商品协同推荐方法及其装置、设备、介质、产品 | |
CN116521906B (zh) | 元描述生成方法及其装置、设备、介质 | |
CN113971599A (zh) | 广告投放选品方法及其装置、设备、介质、产品 | |
CN113627995A (zh) | 商品推荐列表更新方法及其装置、设备、介质、产品 | |
CN112488781A (zh) | 搜索推荐方法、装置、电子设备及可读存储介质 | |
US10474670B1 (en) | Category predictions with browse node probabilities | |
WO2024041483A1 (zh) | 一种推荐方法及相关装置 | |
CN116108267A (zh) | 一种推荐方法及相关设备 | |
CN111429214B (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
CN116976920A (zh) | 商品导购方法及其装置、设备、介质 | |
CN114862480A (zh) | 广告投放定向方法及其装置、设备、介质、产品 | |
US10387934B1 (en) | Method medium and system for category prediction for a changed shopping mission | |
CN117350816A (zh) | 独立站商品推荐方法及其装置、设备、介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |