[发明专利]一种视频匹配广告的方法及装置

说明书

本发明实施例提供的一种视频匹配广告的方法及装置，方法包括：获得待匹配广告的视频的视频描述，从广告库中获得候选广告的广告描述；对所述视频描述和所述广告描述进行分词处理；将所述视频描述分词和广告描述分词输入至预先建立的视频广告匹配度预测模型；获得视频描述分词和广告描述分词的分布式特征向量；将所述视频描述分词和所述广告描述分词的分布式特征向量输入至模型中的多层卷积神经网络，得到所述待匹配广告的视频与候选广告的匹配值；若所述匹配值大于预设的匹配度阈值，则所述待匹配广告的视频与候选广告相匹配。应用本发明实施例，避免了无法为视频匹配相关广告的缺陷，提高了视频匹配广告的召回率。

技术领域

本发明涉及互联网、模式识别技术领域，特别是涉及一种视频匹配广告的方法及装置。

背景技术

目前，在线广告作为互联网最具利润的商业模式随之迅猛发展，在广告投放过程中，需要针对不同的视频向用户投放与之相匹配的广告，也就是说，针对不同的视频向用户进行个性化的广告投放，这样能够明显提高商家的经济效益。

在现有的技术中，为视频匹配广告采用的方式是：利用广告和视频描述中的词语重合进行语义匹配。

但是，由于视频网站编辑视频时通常仅添加对视频的节目内容的描述，而对于广告的描述多数是关注广告中所代言的产品信息，当视频描述与相关的广告描述中没有词语重合时，就不会为该视频投放该广告。例如：视频A的视频描述中有“苹果手机”，广告a的描述中没有“苹果手机”而有“iphone”的情况下，就不会将视频A与广告a匹配。因此，会使得非常多的视频无法匹配相关的广告，导致视频匹配广告的召回率(或查全率)不高。

发明内容

本发明实施例的目的在于提供一种视频匹配广告的方法及装置，以提高视频匹配广告的召回率。

为达到上述目的，本发明实施例公开了一种视频匹配广告的方法，该方法包括：

获得待匹配广告的视频的视频描述，从广告库中获得候选广告的广告描述；

按照预设规则，对所述视频描述和所述广告描述进行分词处理，得到视频描述分词和广告描述分词；

将所述视频描述分词和广告描述分词输入至预先建立的视频广告匹配度预测模型；

所述的视频广告匹配度预测模型，根据分词与分布式特征向量的对应关系，获得视频描述分词和广告描述分词的分布式特征向量；所述分词与分布式特征向量的对应关系，是通过对视频描述、广告描述以及外部语料进行训练获得的；

所述的视频广告匹配度预测模型，将所述视频描述分词和所述广告描述分词的分布式特征向量输入至模型中的多层卷积神经网络，得到所述待匹配广告的视频与候选广告的匹配值；所述多层卷积神经网络，是依据广告点击率的提升度进行训练获得的；

若所述匹配值大于预设的匹配度阈值，则所述待匹配广告的视频与候选广告相匹配。

较佳的，所述将所述视频描述分词和所述广告描述分词的分布式特征向量输入至模型中的多层卷积神经网络，得到所述待匹配广告的视频与候选广告的匹配值的步骤，包括：

I1、所述多层卷积神经网络中的一维卷积神经网络层，对输入的所述视频描述分词和广告描述分词的分布式特征向量进行一维卷积运算，得到视频描述分词和广告描述分词的分布式特征一维扩展向量，输出至第一最大池化层；

I2、所述第一最大池化层，对输入的分布式特征一维扩展向量，通过下采样算法进行数据压缩，得到第一最大池化层二维向量，输出至第一二维卷积神经网络层；

I3、所述第一二维卷积神经网络层，对输入的第一最大池化层二维向量，通过二维卷积运算，得到与输入向量维度相同的多个二维卷积神经网络层二维向量；用激活函数对所述多个二维卷积神经网络层二维向量中每个元素进行计算，获得相同数量的多个计算后的二维向量，输出至与其相连的下一中间最大池化层；