(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210348720.1 (22)申请日 2022.04.01 (71)申请人 广州华多网络科技有限公司 地址 511442 广东省广州市番禺区南村镇 万达广场B1栋24层 (72)发明人 郭志伟　 (74)专利代理 机构 广州利能知识产权代理事务 所(普通合伙) 44673 专利代理师 王增鑫 (51)Int.Cl. G06Q 30/02(2012.01) G06F 40/289(2020.01) G06F 40/30(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 广告投放选品方法及其装置、 设备、 介质、 产 品 (57)摘要 本申请公开一种广告投放选品方法及其装 置、 设备、 介质、 产品， 所述方法包括： 获取独立站 点的商品数据库中各个商品相对应的广告预测 数据， 所述广告预测数据包含采纳率、 成 效数据， 所述采纳率表征该商品被投放广告的预测概率， 所述成效数据包含表征该商品被投放广告后可 能收获的转化概率； 根据所述商品的采纳率和成 效数据， 计算出各个商品相对应的推荐评分； 根 据所述推荐评分选择所述商品数据库中的商品 作为广告投放选品构建出广告投放选品推荐列 表。 本申请可精准匹配出符合用户喜好的广告投 放选品， 并且可 取得良好的广告投放成效。 权利要求书2页 说明书17页 附图4页 CN 114663155 A 2022.06.24 CN 114663155 A 1.一种广告投放选品方法， 其特 征在于， 包括如下步骤： 获取独立站点的商 品数据库中各个商 品相对应的广告预测数据， 所述广告预测数据包 含采纳率、 成效数据， 所述采纳率表征该商品被投放广告的预测概率， 所述 成效数据包含表 征该商品被投放广告后可能收获的转 化概率； 根据所述商品的采纳率和成效数据， 计算出 各个商品相对应的推荐评分； 根据所述推荐评分选择所述商品数据库中的商品作为广告投放选品构建出广告投放 选品推荐列表。 2.根据权利要求1所述的广告投放选品方法， 其特征在于， 获取独立站点的商品数据库 中各个商品相对应的广告预测数据的步骤之前， 包括如下步骤： 采用预先训练至收敛状态的采纳率预测模型确定独立站点的商品数据库中每个商品 的采纳率； 采用预先训练至收敛状态的点击率预测模型确定独立站点的商品数据库中每个商品 的点击率； 采用预先训练至收敛状态的转化率预测模型确定独立站点的商品数据库中每个商品 的转化率； 将每个商 品的采纳率与成效数据对应各个商 品存储于所述商 品数据库中， 所述成效数 据为关联于同一商品的所述 点击率与所述 转化率的乘积。 3.根据权利要求2所述的广告投放选品方法， 其特征在于， 采用预先训练至收敛状态的 采纳率预测模型确定独立站 点的商品数据库中每个商品的采纳率的步骤中， 所述采纳率预 测模型的训练过程， 包括如下步骤： 从数据集中调用一个训练样本， 所述训练样本包含正样本和负样本， 每个训练样本对 应提供有表征商品是否被投放广告的监督标签， 所述正样本包含电商平台的商品数据库中 的已投放广告商品的商品信息和统计信息， 所述负样本包含电商平台的商品数据库中的未 投放广告商品的商品信息和统计信息， 所述商品信息包含商品上架时间、 商品品类、 商品价 格， 所述统计信息包 含点击率、 购买率、 复购率； 将所述训练样本输入所述采纳率预测模型获得与该训练样本中的商品信息和 统计信 息相对应的商品特 征向量和统计特 征向量； 拼接所述商 品特征向量和所述统计特征向量获得特征融合向量， 将其输入全连接层映 射至预设的分类空间获得 预测采纳率； 根据所述监督标签计算出所述预测采纳率的交叉熵损失对应的损失值， 判断该损失值 是否达到预设阈值， 当其达到预设阈值时， 终止训练； 否则， 根据该损失值对该模型实施梯 度更新， 调用所述数据集中的下一训练样本继续对该模型实施迭代训练。 4.根据权利要求2所述的广告投放选品方法， 其特征在于， 采用预先训练至收敛状态的 点击率预测模型确定独立站 点的商品数据库中每个商品的点击率的步骤中， 所述点击率预 测模型的训练过程， 包括如下迭代执 行的步骤： 获取数据集中的训练样本， 所述训练样本包括电商平台的商 品数据库中已投放广告且 被用户点击的商品的商品信息， 以及表征该商品的投放广告 是否被用户点击相对应的监督 标签； 将所述训练样本 输入所述 点击率预测模型提取相应的深层语义特 征， 获得特征向量；权　利　要　求　书 1/2 页 2 CN 114663155 A 2采用分类 器对所述特 征向量进行分类映射， 预测出相对应的点击率； 根据所述监督标签计算出所述分类器预测的点击率对应的交叉熵损失值， 根据 该交叉 熵损失值对 模型实施梯度更新 直至该模型收敛。 5.根据权利要求2所述的广告投放选品方法， 其特征在于， 采用预先训练至收敛状态的 转化率预测模型确定独立站 点的商品数据库中每个商品的转化率的步骤中， 所述转化率预 测模型的训练过程， 包括如下迭代执 行的步骤： 获取数据集中的训练样本， 所述训练样本包括电商平台的商 品数据库中已投放广告且 被用户点击后产生相关用户行为的商品的商品信息， 以及表征该商品的投放广告被用户点 击后是否产生相关用户行为相对应的监 督标签； 将所述训练样本 输入所述 转化率预测模型提取相应的深层语义特 征， 获得特征向量； 采用分类 器对所述特 征向量进行分类映射， 以预测出相对应的转 化率； 根据所述监督标签计算出所述分类器预测的转化率对应的交叉熵损失值， 根据 该交叉 熵损失值对 模型实施梯度更新 直至该模型收敛。 6.根据权利要求1所述的广告投放选品方法， 其特征在于， 根据 所述推荐评分选择所述 商品数据库中的商品作为广告投放选品构建出广告投放选品推荐列表， 包括如下步骤： 根据所述商品数据库中的商品对应的推荐评分进行排序， 构建广告投放选品推荐列 表； 响应线上店铺的广告推荐请求， 将所述广告投放选品推荐列表推送给所述独立站点的 管理用户。 7.一种文本翻译装置， 其特 征在于， 包括： 数据获取模块， 用于获取独立站点的商品数据库中各个商品相对应的广告预测数据， 所述广告 预测数据包含采纳率、 成效数据， 所述采纳率表征该商品被投放广告的预测概率， 所述成效数据包 含表征该商品被投放广告后可能收获的转 化概率； 评分计算模块， 用于根据所述商品的采纳率和成效数据， 计算出各个商品相对应的推 荐评分； 列表构建模块， 用于根据所述推荐评分选择所述商 品数据库中的商 品作为广告投放选 品构建出广告投放选品推荐列表。 8.一种计算机设备， 包括中央处理器和存储器， 其特征在于， 所述中央处理器用于调用 运行存储于所述存储器中的计算机程序以执行如权利要求1至6中任意一项所述的方法的 步骤。 9.一种计算机可读存储介质， 其特征在于， 其以计算机可读指令的形式存储有依据权 利要求1至6中任意一项 所述的方法所实现的计算机程序， 该计算机程序被计算机调用运行 时， 执行相应的方法所包括的步骤。 10.一种计算机程序产品， 包括计算机程序/指令， 其特征在于， 该计算机程序/指令被 处理器执行时实现权利要求1至 6任意一项中所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114663155 A 3