[发明专利]一种广告投放方法、装置、电子设备及存储介质

说明书

本申请公开了一种广告投放方法、装置、电子设备及存储介质，所述方法包括：获取目标广告的广告投放需求数据，所述广告投放需求数据包括目标广告投放主题，目标广告投放资金和目标广告投放地域；将所述目标广告投放主题输入画像抽取模型，由所述画像抽取模型输出所述目标广告投放主题对应的画像；根据所述画像和所述目标广告投放地域确定与所述目标广告投放主题相近的关联广告，调取所述关联广告的正向数据；根据所述关联广告的正向数据训练用户画像模型，根据所述用户画像模型确定目标用户画像；根据所述目标广告投放资金确定所述目标相似度；根据所述目标相似度确定目标用户，并向所述目标用户投放所述目标广告。本发明实现广告的定向投放。

技术领域

本申请涉及广告数据处理领域，尤其涉及一种广告投放方法、装置、电子设备及存储介质。

背景技术

随着互联网技术的飞速发展，产生了越来越多的大数据，基于大数据进行广告投放也日益盛行。广告能够为人们的生活创造便利，并且具备巨大的商业价值，可以推动各个行业的进步，因此，本领域对于广告投放的研究也从未停止。如何高效，精准的进行广告投放，从而获得理想的点击率达到投放的效果是亟待解决的问题。

发明内容

为了进行高效，精准的进行广告投放，本发明实施例提供了一种广告投放方法、装置、电子设备及存储介质。

一种广告投放方法，所述方法包括：

获取目标广告的广告投放需求数据，所述广告投放需求数据包括目标广告投放主题，目标广告投放资金和目标广告投放地域；

将所述目标广告投放主题输入画像抽取模型，由所述画像抽取模型输出所述目标广告投放主题对应的画像；

根据所述画像和所述目标广告投放地域确定与所述目标广告投放主题相近的关联广告，调取所述关联广告的正向数据；

根据所述关联广告的正向数据训练用户画像模型，根据所述用户画像模型确定目标用户画像；

根据所述目标广告投放资金确定所述目标相似度；

根据所述目标相似度确定目标用户，并向所述目标用户投放所述目标广告。

优选的，所述画像抽取模型可以通过下述方法训练得到，包括：

获取样本数据集，所述样本数据集包括多个已有主题和每个已有主题对应的已有画像；

获取每个已有主题对应的联合向量序列，以每个所述已有主题对应的联合向量序列以及所述已有主题的已有画像作为训练元素，得到训练数据集；

构建神经网络模型，基于所述神经网络模型预测各个已有主题对应的联合向量序列指向的预测画像；

基于具有对应关系的预测画像和已有画像得到损失值，并基于所述损失值进行反向传播优化所述神经网络的参数直至所述神经网络模型达到预设的收敛条件。

优选的，所述获取每个已有主题对应的联合向量序列，包括：

对所述已有主题进行分词得到初始分词向量；

将所述初始分词向量输入权重配比模型，得到所述初始分词向量中每一元素对应的权重向量；

根据所述初始分词向量和所述初始分词向量中每一元素对应的权重向量得到联合向量序列。

优选的，所述关联广告为这样一种广告，其对应的广告投放主题对应的画像与所述目标广告投放主题的画像的相似度小于预设阈值，并且所述关联广告的投放地域与所述目标广告投放地域存在交集；

所述关联广告的正向数据包括点击所述关联广告的用户标识和所述用户标识对应的用户画像。

优选的，基于双向样本训练所述用户画像模型。