[发明专利]一种广告创意分类方法及系统

权利要求书

1.一种广告创意分类方法，其特征在于，包括：

获取待分类广告创意的创意文案和创意图片；

采用卷积神经网络，对所述创意文案进行特征抽取，确定对应的文本特征；采用卷积神经网络，对所述创意图片进行特征抽取，确定对应的图片特征；

将所述文本特征和图片特征拼接组合在一起，得到高级特征；

根据所述高级特征，确定所述待分类广告创意的行业类别；

所述采用卷积神经网络，对所述创意图片进行特征抽取，确定对应的图片特征，具体包括：

确定所述创意图片分别在红、绿、蓝三个通道的颜色值组，得到k×c维度的扩充图向量，k表示扩充图向量的像素，c表示扩充图向量的维度，其中维度为扩充图向量的长度和宽度；

采用卷积神经网络的卷积层，根据红、绿、蓝三个通道的颜色值组对所述创意图片进行特征抽取，得到a个二维数组，a表示卷积层内的卷积核个数；

采用卷积神经网络的池化层，对每个卷积核对应的二维数组进行处理，得到对应的a个数值，a个数值形成第一二维数值组；

重复采用卷积神经网络的卷积层和池化层对第一二维数值组进行处理，得到第二二维数值组，所述第二二维数值组包含a个数值，所述第二二维数值组的图片的长度和宽度分别小于原始创意图片的长度和宽度；

采用卷积神经网络的全连接层，并通过Dropout策略，对第二二维数值组进行变换处理，得到第二变换数组；所述第二变换数组为元素个数为Y的一维数组，用于表示抽取得到的图片特征，其中Y小于2a。

2.根据权利要求1所述的广告创意分类方法，其特征在于，所述采用卷积神经网络，对所述创意文案进行特征抽取，确定对应的文本特征，具体包括：

对所述创意文案的文本内容进行预处理，确定所述文本内容的各个词组及对应的类别，各个词组形成词向量；

对所述词向量进行词嵌入，得到n×d维度的扩充词向量，n表示创意文案的预设长度，d表示词向量的维度；

采用卷积神经网络的卷积层，对所述扩充词向量进行特征抽取，得到m个一维数组，m表示卷积层内的卷积核个数；

采用卷积神经网络的池化层，对每个卷积核对应的一维数组进行处理，得到对应的m个数值，m个数值形成第一一维数值组；

采用卷积神经网络的全连接层，并通过Dropout策略，对第一一维数值组进行变换处理，得到第一变换数组；所述第一变换数组为元素个数为X的一维数组，用于表示抽取得到的文本特征，其中X小于m。

3.根据权利要求2所述的广告创意分类方法，其特征在于，所述根据所述高级特征，确定所述待分类广告创意的行业类别，具体包括：

采用卷积神经网络的全连接层，对高级特征进行变换处理，得到多维度数组，多维度数组的维度与类别的数目相同，每一维度数组对应一个类别；

采用回归函数，根据各维度数组，计算对应类别的分布概率；

比较各个类别的分布概率的大小，确定所述待分类广告创意类别。