【技术实现步骤摘要】
一种文案生成方法及装置
本申请涉及数据处理
,特别涉及一种文案生成方法及装置。
技术介绍
当前互联网广告市场发展迅速,尤其以社交媒体、精选媒体和新闻APP等信息流广告市场份额的增长极为突出,预计今后的市场份额将持续增长。随之而来的广告制作量也将不断增加。为了向目标受众有效传递符合受众需求的广告信息,需要人工大量制作快速且多样化的文案创意内容。这样导致文案和创意人员的工作量不断增加,因此,文字广告领域的人工智能化和自动化已然成为当下不可回避的紧迫课题。因此,现有技术中亟需一种智能化的文案生成方法,在保证文案与对象之间的匹配度的前提下,降低制作广告文案的成本。
技术实现思路
本申请实施例的目的在于提供一种文案生成方法及装置,可以快速生成目标产品的广告文案。本申请实施例提供的文案生成方法及装置具体是这样实现的:一种文案生成方法,所述方法包括:获取产品描述信息;利用深度神经网络模型组件选择与所述产品描述信息相匹配的文案描述词,其中,所述深度神经网络模型组件根据多个历史产品描述信息以及所述历史产品描述信息的历史广告文案训练得到;基于所选的文案描述词,构建生成所述产品描述信息的广告文案。一种文案生成方法,所述方法包括:获取产品描述信息;利用深度神经网络模型组件选择与所述产品描述信息相匹配的文案描述词,其中,所述深度神经网络模型组件根据多个历史产品描述信息以及所述历史产品描述信息的历史广告文案训练得到;基于所选的文案描述词,构建生成所述产品描述信息的多个广告文案。一种文案生成装置,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现:获取产品描 ...
【技术保护点】
1.一种文案生成方法,其特征在于,所述方法包括:获取产品描述信息;利用深度神经网络模型组件选择与所述产品描述信息相匹配的文案描述词,其中,所述深度神经网络模型组件根据多个历史产品描述信息以及所述历史产品描述信息的历史广告文案训练得到;基于所选的文案描述词,构建生成所述产品描述信息的广告文案。
【技术特征摘要】
1.一种文案生成方法,其特征在于,所述方法包括:获取产品描述信息;利用深度神经网络模型组件选择与所述产品描述信息相匹配的文案描述词,其中,所述深度神经网络模型组件根据多个历史产品描述信息以及所述历史产品描述信息的历史广告文案训练得到;基于所选的文案描述词,构建生成所述产品描述信息的广告文案。2.根据权利要求1所述的方法,其特征在于,所述深度神经网络模型组件被设置为按照下述方式训练得到:获取多个历史产品描述信息以及所述历史产品描述信息的历史广告文案;构建深度神经网络模型组件,所述深度神经网络模型组件中设置有训练参数;分别利用所述多个历史产品描述信息以及所述历史广告文案之间的对应关系对所述深度神经网络模型组件进行训练,调整所述训练参数,直至所述深度神经网络模型组件达到预设要求。3.根据权利要求2所述的方法,其特征在于,所述分别利用所述多个历史产品描述信息以及所述历史广告文案之间的对应关系对所述深度神经网络模型组件进行训练包括:从所述历史产品描述信息中提取至少一个产品描述词,构成历史产品描述词序列;从所述历史广告文案中提取至少一个文案描述词,构成历史文案描述词序列;将所述历史产品描述词序列作为所述深度神经网络模型组件的输入数据、所述历史文案描述词序列为输出数据,调整所述训练参数,直至所述深度神经网络模型组件达到预设要求。4.根据权利要求2所述的方法,其特征在于,所述深度神经网络模型组件包括下述中的一种:序列对序列(SequencetoSequence,seq2seq)模型组件、序列对序列及注意机制(seq2seq及Attention机制)模型组件。5.根据权利要求2所述的方法,其特征在于,所述利用深度神经网络模型组件选择与所述产品描述信息相匹配的文案描述词包括:从所述产品描述信息中提取出至少一个产品描述词,将所述产品描述词转换成产品描述词词向量,并构成所述产品描述信息对应的产品描述词词向量序列;将所述产品描述词词向量序列输入至深度神经网络模型组件中,通过将所述产品描述词词向量序列与所述训练参数进行计算,得到至少一个文案描述词。6.根据权利要求5所述的方法,其特征在于,所述将所述产品描述词词向量序列输入至深度神经网络模型组件中,通过将所述产品描述词词向量序列与所述训练参数进行计算,得到至少一个文案描述词包括:将所述产品描述词词向量序列与所述训练参数进行计算,生成单个文案描述词词向量;分别计算所述文案描述词词向量与所述产品描述词词向量之间的关联程度值;根据所述关联程度值分别设置所述产品描述词词向量的权重值,所述权重值用于计算下一个文案描述词词向量。7.根据权利要求4所述的方法,其特征在于,所述seq2seq及Attention机制模型组件包括编码器和解码器,所述分别利用所述多个历史产品描述信息以及所述历史广告文案之间的对应关系对所述深度神经网络模型组件进行训练包括:获取所述解码器生成的输出描述词以及与所述输出描述词相匹配的历史产品描述词;计算所述输出描述词的复用概率和生成概率;当所述复用概率大于所述生成概率时,将所述历史产品描述词的下一个描述词作为所述解码器的下一个输出描述词。8.根据权利要求1所述的方法,其特征在于,所述基于所选的文案描述词,构建生成所述产品描述信息的广告文案包括:将所选的文案描述词输入至语言模型中进行处理,生成符合预设语言规则的广告文案。9.根据权利要求1所述的方法,其特征在于,在所述构建生成所述产品描述信息的广告文案之后,所述方法还包括:展示所述广告文案。10.一种文案生成方法,其特征在于,所述方法包括:获取产品描述信息;利用深度神经网络模型组件选择与所述产品描述信息相匹配的文案描述词,其中,所述深度神经网络模型组件根据多个历史产品描述信息以及所述历史产品描述信息的历史广告文案训练得到;基于所选的文案描述词,构建生成所述产品描述信息的多个广告文案。11.根据权利要求10所述的方法,其特征在于,在所述构建生成所述产品描述信息的多个广告文案之后,所述方法还包括:展示所述多个广告文案;获取用户对所述多个广告文案的操作行为;将所述操作行为反馈至所述深度神经网络模型组件中进行深度学习。12.一种文案生成装置,其特征在于,包括处理器以及用于存储处理器...
【专利技术属性】
技术研发人员:郑群萌,萧健兴,张志强,王永亮,李穆,陈养剑,陈雨琪,
申请(专利权)人:阿里巴巴集团控股有限公司,
类型:发明
国别省市:开曼群岛,KY
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。