[发明专利]文案处理方法、装置、电子设备、存储介质及程序产品

权利要求书

1.一种文案处理方法，其特征在于，包括：

获取多个历史文案以及每一历史文案发送给至少一个历史用户后对应的转化率；

针对每一历史用户，根据所述历史用户的用户基础特征、推荐目的和推荐渠道，确定所述历史用户所属的客群；

确定各个历史文案对应的要素，其中，所述历史文案对应的要素包括：所述历史文案中提取的至少一个词语、所述历史文案的推荐关键词、所述历史文案的长度；

根据确定的客群、要素以及转化率，训练机器学习模型，所述机器学习模型用于根据输入的客群和要素，预测对应的转化率；

针对待推荐文案的目标客群，根据所述机器学习模型确定转化率满足预设要求的文案，并将所述文案发送给所述目标客群对应的用户。

2.根据权利要求1所述的方法，其特征在于，根据确定的客群、要素以及转化率，训练机器学习模型，包括：

根据确定的客群、要素以及转化率，构建训练样本集，其中，训练样本集中的每一训练样本包括：客群、要素，所述训练样本对应的标签为所述要素面向所述客群时对应的转化率，该转化率通过所述要素所属的历史文案面向所述客群时对应的转化率确定；

根据构建的训练样本集，训练机器学习模型。

3.根据权利要求2所述的方法，其特征在于，针对待推荐文案的目标客群，根据所述机器学习模型确定转化率满足预设要求的文案，包括：

针对每一客群，通过训练好的机器学习模型，预测多个要素中各个要素面向该客群时对应的转化率，并根据机器学习模型预测的转化率，对所述多个要素进行排序，根据排序结果确定所述客群对应的正向要素和/或负向要素；

在确定待推荐文案的目标客群后，查找所述目标客群对应的正向要素和/或负向要素，并根据正向要素和/或负向要素确定对应的文案；

其中，所述正向要素或负向要素分别为对所述客群的转化率有正向影响或负向影响的要素。

4.根据权利要求2或3所述的方法，其特征在于，确定各个历史文案对应的要素，包括：

针对每一历史文案，通过TF-IDF模型确定所述历史文案的多个词语中各个词语的重要程度；

根据所述重要程度，从所述多个词语中筛选出所述历史文案对应的要素。

5.根据权利要求4所述的方法，其特征在于，

每一训练样本具体包括：客群、要素以及该要素对应的重要程度，所述训练样本对应的标签为具有该重要程度的该要素面向该客群时对应的转化率；

所述机器学习模型具体用于根据客群、要素以及要素对应的重要程度，确定对应的转化率。

6.根据权利要求1所述的方法，其特征在于，根据确定的客群、要素以及转化率，训练机器学习模型，包括：

根据确定的客群、历史文案中的要素以及转化率，构建训练样本集，其中，训练样本集中的每一训练样本包括：客群、历史文案对应的所有要素，所述训练样本对应的标签为所述历史文案面向所述客群时对应的转化率；

根据构建的训练样本集，训练机器学习模型；

相应的，针对待推荐文案的目标客群，根据所述机器学习模型确定转化率满足预设要求的文案，包括：

确定备选的至少一个文案，针对每一文案，根据所述文案对应的要素和目标客群，基于训练好的机器学习模型预测对应的转化率；

根据预测的转化率，从所述至少一个文案中选择满足预设要求的文案。