[发明专利]信息流媒体广告创意推荐方法及装置

权利要求书

1.一种信息流媒体广告创意推荐方法，其特征在于，所述方法包括：

构建底层存储，所述底层存储对应的数据库内存储有广告投放数据；

从所述数据库内获取文案数据、素材数据、创意效果数据和用户人群数据；

对所述文案数据、素材数据、创意效果数据和用户人群数据进行数据预处理；

对预处理后的所述文案数据、素材数据、创意效果数据和用户人群数据进行数据挖掘和特征工程，获取用户向量、创意向量和One-Hot向量；

将所述用户向量、创意向量和One-Hot向量输入Wide&Deep模型，采取梯度下降算法更新模型权重数值，得到降低模型损失的效果，所述Wide&Deep模型输出创意推荐给对应用户人群的概率y，y∈【0，1】；

根据所述创意推荐给对应用户人群的概率进行效果评估。

2.根据权利要求1所述的信息流媒体广告创意推荐方法，其特征在于，数据预处理包括：数据归一化、缺失值处理、编码格式统一和无效特征处理。

3.根据权利要求2所述的信息流媒体广告创意推荐方法，其特征在于，通过下述转化函数进行数据归一化：

x₂＝(x₁-u)/σ

式中，x₂为归一化后的数据，x₁为原始数据，u为所有样本数据的均值，σ为所有样本数据的标准差。

4.根据权利要求2所述的信息流媒体广告创意推荐方法，其特征在于，所述缺失值处理包括：

数据中存在缺失值时，当缺失值数量在预设阈值以下时，若缺失值是数值型变量，缺失值取当前特征的平均值，若缺失值是类别型变量，缺失值取1，若缺失值数量超过预设阈值时，删除该特征。

5.根据权利要求2所述的信息流媒体广告创意推荐方法，其特征在于，所述无效特征处理包括：若该特征中的重复数值超过预设阈值时，删除该特征。

6.根据权利要求1或2所述的信息流媒体广告创意推荐方法，其特征在于，所述对预处理后的所述文案数据、素材数据、创意效果数据和用户人群数据进行数据挖掘和特征工程，获取用户向量、创意向量和One-Hot向量，包括：

从所述用户人群数据中获取用户基础属性、行为兴趣偏好和场景特征，进行特征向量化，作为用户向量；

从所述素材数据中获取风格标注，从所述文案数据中获取词性标注，通过One-Hot编码获取One-Hot向量，作为部分创意向量；

从所述素材数据中获取拆分后的素材元素和原始图片，转换成向量矩阵，作为GoogLeNet深度神经网络输入值后训练获得最后全连接层的输出权重矩阵，获取素材向量，作为部分创意创意向量；

从所述素材数据中提取图片文本，从所述文案数据中获取原始文本和提取关键词，利用Word2Vec网络生成词向量，获取文本向量，作为部分创意向量。

7.根据权利要求6所述的信息流媒体广告创意推荐方法，其特征在于，所述对预处理后的所述文案数据、素材数据、创意效果数据和用户人群数据进行数据挖掘和特征工程，获取用户向量、创意向量和One-Hot向量，还包括：对创意效果数据中包含曝光量、点击量和消耗的连续性变量利用等距划分方法进行离散化，计算当天曝光量、点击量和消耗对应CTR的标准差、平均值以及总和，并分时数据按天、6小时、12小时进行汇总；其次对创意效果数据中的文案、广告位、图片或视频类别进行类别编码，获取One-Hot向量。

8.根据权利要求7所述的信息流媒体广告创意推荐方法，其特征在于，所述方法还包括：创意暂无效果数据时，所述Wide&Deep模型根据用户行为兴趣偏好找到合适投放该创意的人群。