[发明专利]自动生成广告标题的方法、装置及计算机可读存储介质

说明书

本公开提供了一种自动生成广告标题的方法、装置及计算机可读存储介质，涉及人工智能技术领域。其中自动生成广告标题的方法包括：获取目标商品的细分类目词语；将目标商品的细分类目词语输入预先训练的神经网络进行处理，得到目标商品的广告标题。本公开能够根据目标商品的细分类目，自动为目标商品生成广告标题。

技术领域

本公开涉及人工智能技术领域，特别涉及一种自动生成广告标题的方法、装置及计算机可读存储介质。

背景技术

广告可以作为电商重要的流量入口。生成有创意的广告标题，对于提高广告点击率具有重要意义。

传统的生成广告标题的方法是由运营人员或者产品经理编写广告标题，或者在广告模板中填写相关信息生成广告标题。例如，广告模板可以为：(品牌)在(年份)出的这款(细分类目)，已经不少人买了。其中，括号内的词语为需要填写的相关信息。在为目标商品iPhone生成广告标题时，可以根据品牌“苹果”、年份“2017年”以及三级类目“手机”生成广告标题：苹果在2017年出的这款手机，已经不少人买了。

发明内容

本公开解决的一个技术问题是，如何根据目标商品的细分类目，自动为目标商品生成广告标题。

根据本公开实施例的一个方面，提供了一种自动生成广告标题的方法，包括：获取目标商品的细分类目词语；将目标商品的细分类目词语输入预先训练的神经网络进行处理，得到目标商品的广告标题。

在一些实施例中，该方法还包括：获取样本商品的细分类目词语以及样本商品的广告标题；利用样本商品的细分类目词语以及样本商品的广告标题，对神经网络进行训练，使得训练后的神经网络能够对输入的目标商品的细分类目词语进行处理，得到目标商品的广告标题。

在一些实施例中，该方法还包括：对样本商品的描述语句和评论语句进行切词，得到样本商品的各个切词语料；利用词到向量模型，确定样本商品的切词语料对应的词向量；将词向量作为切词语料在神经网络中的初始化词向量。

在一些实施例中，该方法还包括：采用序列到序列模型作为神经网络；训练时在序列到序列模型的输出层定义如下损失函数，以便序列到序列模型调整权重使得损失函数值H_y'(y)最小；

H_y'(y)＝-∑_i{∑_xy_i'(x)log[y_i(x)]}

其中，i表示序列到序列模型根据样本商品的细分类目词语得到的广告标题中各个词语的序号，x表示各个切词语料的序号，y_i(x)表示序列到序列模型根据样本商品的细分类目词语得到的广告标题中第i个词语为切词语料x的概率，y_i’(x)表示样本商品的广告标题中第i个词语为切词语料x的概率。

在一些实施例中，该方法还包括：利用目标商品的描述语句和评论语句训练Ngram语言模型；利用Ngram语言模型对目标商品的广告标题进行通顺度评分；按照通顺度评分由大到小的顺序，对目标商品的广告标题进行排序，并获取序号小于预设值的目标商品的广告标题。

在一些实施例中，利用Ngram语言模型对目标商品的广告标题进行通顺度评分包括：利用如下公式计算目标商品的广告标题的通顺度score：

其中，j表示目标商品的广告标题中各个词语的序号，w_j表示目标商品的广告标题中第j个词语，P(w_j|w₁..w_j-1)表示连续词语w₁..w_j-1之后出现词语w_j的概率，n表示连续词语的数量，Weight_n表示连续n个词语出现的概率所对应的Ngram语言模型权重。