[发明专利]一种搜索推荐方法及装置

权利要求书

1.一种搜索推荐方法，其特征在于，包括：

根据预设的主题对多个搜索词进行聚合，生成每个主题对应的搜索词包；

确定每个搜索词包的特征信息，所述特征信息至少包括搜索词包的主题；

获取待投放广告的广告内容、以及与所述待投放广告对应的广告主的用户画像；

根据所述待投放广告的广告内容、所述广告主的用户画像、以及每个搜索词包的特征信息，向所述广告主推荐至少一个搜索词包。

2.根据权利要求1所述的方法，其特征在于，所述的根据预设的主题对多个搜索词进行聚合，生成每个主题对应的搜索词包，具体包括：

使用主题分析的方法和启发式的方法确定待生成的搜索词包的主题；

使用基于长短期记忆网络LSTM的深度学习语言模型将搜索词转换成向量；

通过逻辑回归分类算法将搜索词分配到不同主题的搜索词包中。

3.根据权利要求1或2所述的方法，其特征在于，所述搜索词包的特征信息还包括如下至少一项：

搜索词包中的核心搜索词，所述核心搜索词是指搜索词包中与主题之间的相关度高于设定相关度阈值的搜索词；

搜索词包的历史投放效果；

搜索词包的搜索流量；

搜索词包的等级信息；

搜索词包的相关搜索词包的主题；

所述广告主的用户画像包括如下至少一项：所述广告主的昵称、认证信息、认证理由、自我描述、对搜索词包的历史购买信息、对搜索词包的最近购买信息、历史发布的社交平台内容信息。

4.根据权利要求3所述的方法，其特征在于，所述根据所述待投放广告的广告内容、所述广告主的用户画像、以及每个搜索词包的特征信息，向所述广告主推荐至少一个搜索词包，具体包括：

对待投放广告的广告内容进行文本分析，提取文本特征；

将所述文本特征与各搜索词包的主题进行匹配，根据匹配结果得到备选推荐词包列表；

根据所述备选推荐词包列表中各搜索词包的特征信息，结合待投放广告的广告内容和/或所述广告主的用户画像，对所述备选推荐词包列表中各搜索词包进行打分；

计算搜索词包之间的相关度信息，根据搜索词包的等级信息、以及搜索词包之间的相关度信息对所述备选推荐词包列表中各搜索词包的得分进行修正；

根据修正后的得分对备选推荐词包列表中各搜索词包进行降序排序，并且将排序靠前的设定数量的搜索词包推荐给所述广告主。

5.根据权利要求4所述的方法，其特征在于，所述计算搜索词包之间的相关度信息，包括：

通过文本训练生成word2vec词向量模型，所述word2vec词向量模型用于将词汇转换成固定长度的实数向量；

根据所述word2vec词向量模型，将搜索词包中的每个搜索词转换成向量；

将所述搜索词包中的各搜索词对应的向量进行加权平均处理，得到所述搜索词包对应的词包向量；

将待计算的两个搜索词包分别对应的词包向量之间的相关度，作为该两个搜索词包之间的相关度信息。

6.根据权利要求2所述的方法，其特征在于，所述的根据预设的主题对搜索词进行聚合，生成每个主题对应的搜索词包之后，还包括：

根据搜索引擎中当前各搜索词的流量变化情况，实时地生成搜索词包。

7.根据权利要求4所述的方法，其特征在于，所述的根据所述备选推荐词包列表中各搜索词包的特征信息，结合待投放广告的广告内容和/或所述广告主的用户画像，对所述备选推荐词包列表中各搜索词包进行打分，具体包括：

对于每一个搜索词包，执行如下至少两项分析：

所述搜索词包的主题与所述广告内容的相关度；

所述广告主对所述搜索词包的历史购买信息；

所述搜索词包的相关搜索词包的主题与所述广告内容的相关度；

所述搜索词包的相关搜索词包的历史购买信息；

所述搜索词包的历史投放效果；

所述搜索词包当前的搜索流量预估值；

对所述至少两项的分析结果进行加权计算，得到所述搜索词包的得分。