广告创意智能化推送方法、系统、设备与存储介质技术方案

本发明专利技术公开了一种广告创意智能化推送方法、系统、设备与存储介质，通过建立用户特征和广告创意之间的相关关系，在稀疏反馈下预估用户对不用广告创意的点击率，进而通过模型梯度预估参数的分布实现汤普森采样方法；并且采用种端到端形式的学习方法，为大量制作出的广告创意实现高效的个性化投放。创意实现高效的个性化投放。创意实现高效的个性化投放。

【技术实现步骤摘要】
广告创意智能化推送方法、系统、设备与存储介质


[0001]本专利技术涉及信息推荐
，尤其涉及一种广告创意智能化推送方法、系统、设备与存储介质。

技术介绍

[0002]广告创意作为一种最为常见的载体，常常以图片的形式将丰富的产品信息展示给用户。现今一些公司搭建了智能的广告创意制作平台，根据商家提供的图片、文字描述等基本素材实现实时创意制作，大大降低了商家创意设计、制作的成本。制作平台通常设定了各种投放模板，确定了广告创意的布局，搭配了不同的背景元素，根据商家提供的原始照片以及文案，组合搭配可自动生成不同的广告创意。通过制作平台可以生成大批量的广告创意，这些广告创意再推送给用户。但是，以往的创意制作依赖于设计师的模板设计，并不能为不同的商品、不同的用户选择不同的商品进行推送，即创意的设计、投放不能通过用户反馈进行调整。但是由于广告创意数量庞大，推送流量十分有限，每个广告创意的推送次数极少，导致了很难预估每个广告创意的点击率，点击率表示着千次推送用户的点击数的比例，点击率越高表示用户点击的可能性越大，用户更有可能喜欢该广告，因此，点击率的高低可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种广告创意智能化推送方法，其特征在于，包括：获取广告创意集合与用户特征，并对每一广告创意以及每一用户的用户特征分别进行编码，获得每一广告创意的编码向量与用户特征表示向量；构建创意点击率模型，每个时刻，利用上一次训练获得的模型参数、广告创意的编码向量与用户特征表示向量计算各广告创意推送奖励，进而选出推送给用户的广告创意推，并结合用户的反馈数据进行模型训练，直至达到设定的最大时刻。2.根据权利要求1所述的一种广告创意智能化推送方法，其特征在于，所述广告创意集合记为每个广告创意包含M种元素，每种元素包含若干个可选对象，单个广告创意编码向量表示为其中，为图片编码向量，通过卷积神经网络抽取给定的图片素材得到，为第i个元素的编码向量，根据查询词表E
c
得到，查询词表E
c
共有行，n
i
表示第i个元素的可选对象的数目，查询词表每一行对应一个元素的一个可选对象的向量，每一个向量的长度是d维；所述每一用户的用户特征包含N个，每个用户特征先通过独热码进行编码，再通过查询词表E
u
得到对应的特征表示向量，表示为其中的每一项都是一个用户特征对应的特征表示向量。3.根据权利要求1所述的一种广告创意智能化推送方法，其特征在于，所述每个时刻，利用上一次训练获得的模型参数、广告创意的编码向量与用户特征表示向量计算各广告创意推送奖励，进而选出推送给用户的广告创意推，并结合用户的反馈数据进行模型训练，直至达到设定的最大时刻包括：当前时刻，利用创意点击率模型对每一个广告创意进行遍历，使用上一时刻的模型参数，结合每一用户的用户特征表示向量与广告创意的编码向量预测相应的广告创意点击率，并确定广告创意推送奖励；选出广告创意推送奖励最大的广告创意，推送给对应用户，结合对应用户的反馈生成曝光数据并更新历史曝光数据，使用历史曝光数据更新当前时刻的模型参数；当达到设定的最大时刻时，获得的最大时刻的模型参数。4.根据权利要求3所述的一种广告创意智能化推送方法，其特征在于，广告创意点击率的计算公式为：其中，u表示用户，c表示广告创意，θ表示模型参数，σ表示Sigmoid函数，w
k
指的是模型参数中权重参数w的第k维，e
lk
表示在M+N+1个编码向量中的第l个编码向量的第k维，e
jk
表示在M+N+1个编码向量中的第j个编码向量的第k维；M为每一个广告创意中元素数目，d为编码向量中单个向量的维度，N为用户特征数目。5.根据权利要求3或4所述的一种广告创意智能化推送方法，其特征在于，所述当前时刻，利用创意点击率模型对每一个广告创意进行遍历，使用上一时刻的模型参数，结合每一用户的用户特征表示向量与广告创意的编码向量预测相应的广告创意点击率，并确定广告
创意推送奖励包括：将当前时刻记为T时刻，T＝1，...，T
max
，T
max
为设定的最大时刻；单个广告创意对应的广告创意推送奖励表示为：其中，σ为Sigmoid函数；从正态分布中通过采样得到，λ为超参数，T为转置...

【专利技术属性】
技术研发人员：陈恩红，葛铁铮，连德富，陈矜，王诗瑶，姜宇宁，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：