[发明专利]文案推荐方法及装置、电子设备

说明书

本发明公开了一种文案推荐方法及装置、电子设备。其中，该方法包括：获取候选文案集合，其中，候选文案集合中包含有多个待推荐的候选文案；确定每个候选文案的文案特征，并获取当前操作用户的用户特征；将文案特征和用户特征输入至文案预估模型进行分析，得到目标文案，其中，文案预估模型是通过多组特征数据和文案预估结果训练得到的，文案预估模型计算每个候选文案的预估点击率，并推送预估点击率最高的目标文案；将目标文案作为推荐结果推送给目标终端。本发明解决了相关技术中制作的广告文案并未考虑不同用户特征，导致用户对投放的广告兴趣下降，影响广告投放的效果的技术问题。

技术领域

本发明涉及信息处理技术领域，具体而言，涉及一种文案推荐方法及装置、电子设备。

背景技术

相关技术中，在互联网广告投放中，广告文案的选择基本上是基于素材-文案或商品-文案的固定搭配，即通过文案素材库选取与文案主题对应的文案素材，然后制作出广告文案，或者通过待制作的文案所对应的商品确定出文案风格和文案内容。但是这种制作广告文案的方案方式，并未考虑到不同的人所感兴趣的语言风格或者词汇是不同的，影响了广告投放的效果。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种文案推荐方法及装置、电子设备，以至少解决相关技术中制作的广告文案并未考虑不同用户特征，导致用户对投放的广告兴趣下降，影响广告投放的效果的技术问题。

根据本发明实施例的一个方面，提供了一种文案推荐方法，包括：获取候选文案集合，其中，所述候选文案集合中包含有多个待推荐的候选文案；确定每个所述候选文案的文案特征，并获取当前操作用户的用户特征；将所述文案特征和所述用户特征输入至文案预估模型进行分析，得到目标文案，其中，所述文案预估模型是通过多组特征数据和文案预估结果训练得到的，所述文案预估模型计算每个所述候选文案的预估点击率，并推送预估点击率最高的目标文案；将所述目标文案作为推荐结果推送给目标终端。

可选地，在获取候选文案集合之前，所述文案推荐方法还包括：获取文案库中记载的历史文案；以所述文案库为语料库，利用词向量解析技术学习所述历史文案中的词向量，得到所述历史文案中的词到对应词向量的映射关系；确定词向量映射关系集合。

可选地，在获取候选文案集合之前，所述文案推荐方法还包括：提取历史广告投放数据和用户点击广告数据，并将所述历史广告投放数据作为训练样本数据，将所述用户点击广告数据作为样本结果数据；解析所述训练样本数据和所述样本结果数据，得到样本特征数据，并以所述样本特征数据训练所述文案预估模型。

可选地，所述样本特征数据至少包括：用户特征、文案特征，则解析所述训练样本数据和所述样本结果数据，得到样本特征数据的步骤，包括：分析用户注册信息、用户历史点击广告和用户历史访问行为，得到多个用户特征，所述用户特征包括下述至少之一：性别、年龄、常驻地、点击行为偏好、文案喜好类型；利用中文分词技术将所述训练样本数据中的历史广告投放数据的历史文案解析成词组；利用关键词提取技术提取所述词组中预设数量的关键词；基于词向量映射关系集合和提取的关键词，确定固定长度的文案特征。

可选地，所述样本特征数据还包括下述至少之一：流量上下文特征、素材特征、商品特征，则解析所述训练样本数据和所述样本结果数据，得到样本特征数据的步骤，包括：解析所述训练样本数据中每个历史文案的流量上下文特征，其中，所述流量上下文特征包括下述至少之一：媒体、广告位、时间、地理位置等；将素材标识作为非数值型特征，以确定素材特征；将商品标识作为非数值型特征，以确定商品特征。

可选地，以所述样本特征数据训练所述文案预估模型的步骤，包括：按照时间序列分割所述样本特征数据，确定训练数据集和验证数据集；利用预设训练算法训练所述文案预估模型，以使所述文案预估模型拟合所述训练数据集；使用验证数据集验证所述文案预估模型，直至所述文案预估模型满足预设模型条件。