本发明专利技术提供一种广告分类方法，方法包括以下步骤：步骤1，通过广告业务数据进行分类得到广告分类数据；步骤2，把广告业务数据通过字词进行拆分生成广告业务词库，通过广告分类数据生成广告分类字典；步骤3，通过广告业务词库与广告分类字典生成广告训练样本数据集；步骤4，建立神经网络模型，并且通过广告训练样本数据集进行训练；步骤5，把待分类的广告内容输入到训练完成的神经网络模型中进行判断分类。本发明专利技术的一种广告分类方法，通过巧妙的设计，建立神经网络模型，对广告业务内容有很好的识别分类能力，大大提高了广告业务内容分类效率，也降低了人工设置审核的出错率，从而在提高工作效率的同时也降低了人工成本。效率的同时也降低了人工成本。效率的同时也降低了人工成本。
【技术实现步骤摘要】
一种广告分类方法
[0001]本专利技术涉及互联网广告
，特别是涉及一种广告分类方法。
技术介绍
[0002]目前互联网广告越来越普及，在网站对广告业务内容的分类方法目前主要是广告宣传者自己设置，或者审核人员人工审核。根据上述情况，对广告业务内容分类会存在一些问题，如广告宣传者无法正确设置自己的广告分类，会造成提供误判。另外，人工审核广告业务内容效率低，现在广告中动态素材越来越多，每天可能接收到上百万的素材，人工方式无法完成。
技术实现思路
[0003]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种广告分类方法，用于解决现有技术中人工设置或者审核广告分类效率低容易出错的问题。
[0004]为解决上述技术问题，本专利技术是按如下方式实现的：一种广告分类方法，所述方法包括以下步骤：
[0005]步骤1，通过广告业务数据进行分类得到广告分类数据；
[0006]步骤2，把所述广告业务数据通过字词进行拆分并生成广告业务词库，通过所述广告分类数据生成广告分类字典；
[0007]步骤3，通过所述广告业务词库与广告分类字典生成广告训练样本数据集；
[0008]步骤4，建立神经网络模型，并且通过所述广告训练样本数据集进行训练；
[0009]步骤5，把待分类的广告内容输入到训练完成的神经网络模型中进行判断分类。
[0010]进一步地，所述广告业务词库设有一个补位词。
[0011]进一步地，所述步骤3中，当所述广告业务词库中的每组数据没有达到设定的长度时用所述补位词进行补位。
[0012]进一步地，所述步骤4中，建立神经网络模型包括以下步骤：
[0013]步骤4.1，通过所述广告业务词库与广告分类字典生成embedding层；
[0014]步骤4.2，将embedding层做为卷积层并且池化；
[0015]步骤4.3，建立全连接层，建立激活层；
[0016]步骤4.4，使用softmax算法作为分类的输出层，同时使用adma算法作为优化器。
[0017]进一步地，所述步骤4.3中，所述激活层的激活函数为relu函数。
[0018]进一步地，所述步骤4.3中，在建立全连接层后建立dropout层，用于防止数据过拟合。
[0019]进一步地，所述步骤4.3中，在建立激活层后使用loss算法，用于提高训练精度。
[0020]如上所述，本专利技术的一种广告分类方法，通过巧妙的设计，建立神经网络模型，对广告业务内容有很好的识别分类能力，大大提高了广告业务内容分类效率，也降低了人工设置审核的出错率，从而在提高工作效率的同时也降低了人工成本。
附图说明
[0021]图1显示为本专利技术实施例中一种广告分类方法的流程图。
具体实施方式
[0022]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0023]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0024]请参阅图1，本专利技术提供一种广告分类方法，方法包括以下步骤：
[0025]步骤1，通过广告业务数据进行分类得到广告分类数据。例如，广告分类数据可以为IT，体育，健康美容，商务，宠物，家居家电，房产，教育，旅游摄影，时尚，服务，服务，汽车，游戏，社交媒体，社交媒体，金融，食品。
[0026]步骤2，把广告业务数据通过字词进行拆分并生成广告业务词库，生成字库类似如下：
‘’
：1，
‘
_
’
：2，
‘
a
’
：3，
‘
e
’
：4，
‘‑’
：5，
‘
家
’
：6，
‘
品
’
：7，
‘
i
’
：8，
‘
o
’
：9，
‘
京
’
：10，
‘
p
’
：11，
‘
东
’
：12，
‘
美
’
：13，'1'：14。广告业务词库设有一个补位词，当广告业务词库中的每组数据没有达到设定的长度时用补位词进行补位，例如：设置补位为
‘0’
，广告业务词库中的每组数据的长度设置为10，被训练的文字是“京东美家”，对应的就是10 12 13 5 000000。通过广告分类数据生成广告分类字典，生成广告分类字典如下：
‘
IT
’
：0，
‘
体育
’
：1，
‘
健康美容
’
：2，
‘
商务
’
：3，
‘
宠物
’
：4，
‘
家居家电
’
：5，
‘
房产
’
：6，
‘
教育
’
：7，
‘
旅游摄影
’
：8，
‘
时尚
’
：9，
‘
服务
’
：10，
‘
母婴
’
：11，
‘
汽车
’
：12，
‘
游戏
’
：13，
‘
社交媒体
’
：14，
‘
购物
’
：15，
‘
金融
’
：16，
‘
食品
’
：17。
[0027]步骤3，通过广告业务词库与广告分类字典生成广告训练样本数据集。
[0028]步骤4，建立神经网络模型，并且通过广告训练样本数据集进行训练。建立神经网络模型包括以下步骤：
[0029]步骤4.1，通过广告业务词库与广告分类字典生成embedding层，将广告业务词库与广告分类字典中的数据从离散变量转为连续向量表示。
[0030]步骤4.2，将embedding层做为卷积层并且池化，起到了提取局部均值与最大值的作用。
[0031]步骤4.3，建立全连接层，全连接层的每一个结点都与上一层的所有结点相连，用来把前边提本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种广告分类方法，其特征在于：所述方法包括以下步骤：步骤1，通过广告业务数据进行分类得到广告分类数据；步骤2，把所述广告业务数据通过字词进行拆分生成广告业务词库，通过所述广告分类数据生成广告分类字典；步骤3，通过所述广告业务词库与广告分类字典生成广告训练样本数据集；步骤4，建立神经网络模型，并且通过所述广告训练样本数据集进行训练；步骤5，把待分类的广告内容输入到训练完成的神经网络模型中进行判断分类。2.根据权利要求1所述的一种广告分类方法，其特征在于：所述广告业务词库设有一个补位词。3.根据权利要求2所述的一种广告分类方法，其特征在于：所述步骤3中，当所述广告业务词库中的每组数据没有达到设定的长度时用所述补位词进行补位。4.根据权利要求1所述的一种广告分类方法，其...
【专利技术属性】
技术研发人员：林叶，张富，
申请(专利权)人：上海佳投互联网技术集团有限公司，
类型：发明
国别省市：
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。