关键词识别方法及装置制造方法及图纸

本发明专利技术公开了一种关键词识别方法及装置，涉及信息技术领域，可以减轻系统和人工维护低效词的负担，所述方法包括：首先对待上线关键词进行预处理，得到与卷积神经网络模型对应的输入格式数据；然后将所述输入格式数据通过所述卷积神经网络模型进行计算，得到所述待上线关键词对应的展现概率值；再通过检测所述展现概率值，确定预设阈值范围内的展现概率值；对与所述预设阈值范围内的展现概率值所对应的待上线关键词执行处理。本发明专利技术适用于待上线关键词的识别。

【技术实现步骤摘要】
关键词识别方法及装置
本专利技术涉及信息
，尤其涉及一种关键词识别方法及装置。
技术介绍
近些年来，随着互联网的快速发展，搜索引擎被越来越广泛的使用，因此搜索引擎营销业务也被更多的商家重视。搜索引擎营销业务是指在搜索引擎平台上投放关键词，在用户检索信息的时候将相关的关键词信息传递给目标用户，让用户发现信息并通过点击进入网站或网页，达成流量或转化的目的。目前，搜索引擎平台上投放的关键词、广告创意等由搜索引擎业务人员准备，并由业务人员将准备的关键词、广告创意等上传至用户账户并配置账户结构，因此为了吸收更多的点击搜索，通常向账户内上传大量的关键词以供展现给用户。然而，上传的大量关键词中，有很多生僻关键词，与用户搜索内容无关，导致这部分关键词在长时间内不会被展现，因此这部分关键词不能带来相应的搜索效应，反而给账户维护带来巨大的人力负担和系统负担。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的关键词识别方法及装置。为了达到上述目的，本专利技术主要提供如下技术方案：一方面，本专利技术提供了一种关键词识别方法，该方法包括：对待上线关键词进行预处本文档来自技高网...

【技术保护点】
一种关键词识别方法，其特征在于，包括：对待上线关键词进行预处理，得到与卷积神经网络模型对应的输入格式数据；将所述输入格式数据通过所述卷积神经网络模型进行计算，得到所述待上线关键词对应的展现概率值；通过检测所述展现概率值，确定预设阈值范围内的展现概率值；对与所述预设阈值范围内的展现概率值所对应的待上线关键词执行处理。

【技术特征摘要】
1.一种关键词识别方法，其特征在于，包括：对待上线关键词进行预处理，得到与卷积神经网络模型对应的输入格式数据；将所述输入格式数据通过所述卷积神经网络模型进行计算，得到所述待上线关键词对应的展现概率值；通过检测所述展现概率值，确定预设阈值范围内的展现概率值；对与所述预设阈值范围内的展现概率值所对应的待上线关键词执行处理。2.根据权利要求1所述的关键词识别方法，其特征在于，所述对待上线关键词进行预处理，得到与卷积神经网络模型对应的输入格式数据，具体包括：对待上线关键词进行分词，得到一个或多个关键词分词；根据预设词向量模型，对所述关键词分词进行序列化，得到与所述待上线关键词对应的向量映射表，所述向量映射表中保存有所述关键词分词对应的标识信息以及与所述标识信息对应的实数值向量；根据所述关键词分词对应的标识信息以及与所述标识信息对应的实数值向量，将所述待上线关键词映射成关键词矩阵，作为与所述卷积神经网络模型对应的输入格式数据。3.根据权利要求1或2所述的关键词识别方法，其特征在于，所述对待上线关键词进行预处理，得到与卷积神经网络模型对应的输入格式数据之前，所述方法还包括：从关键词样本数据库中获取第一样本关键词集合和第二样本关键词集合，所述第一样本关键词集合为没有被搜索引擎展现过的样本关键词的集合，所述第二样本关键词集合为在预设时间段内被搜索引擎展现过的样本关键词的集合；对所述第一样本关键词集合和所述第二样本关键词集合中的每个关键词进行分词，得到关键词分词集合；根据预设词向量模型，对所述关键词分词集合中的每个关键词分词进行序列化，得到向量映射表；根据所述向量映射表，创建卷积神经网络模型。4.根据权利要求3所述的关键词识别方法，其特征在于，所述对待上线关键词进行预处理，得到与卷积神经网络模型对应的输入格式数据，具体包括：对待上线关键词进行预处理，得到与创建得到的卷积神经网络模型对应的输入格式数据。5.根据权利要求3所述的关键词识别方法，其特征在于，所述向量映射表中保存有所述每个关键词分词对应的标识信息以及与所述标识信息对应的实数值向量，所述根据所述向量映射表，创建卷积神经网络模型，具体包括：根据所述每个关键词分词对应的标识信息以及与所述标识信息对应的实数值向量，将所述第一样本关键词集合和所述第二样本关键词集合中的每个关键词映射成关键词矩阵；将所述每个关键词映射成的关键词矩阵通过卷积神经网络训练，创建得到所述卷积神经网络模型。6...

【专利技术属性】
技术研发人员：王天祎，
申请(专利权)人：北京国双科技有限公司，
类型：发明
国别省市：北京,11