System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及广告数据处理,尤其涉及一种ai驱动的广告创意优化方法及系统。
技术介绍
1、广告创意优化是指通过改进广告内容、设计或呈现方式,以提高广告效果的过程,如包括广告文案的修改、视觉元素的调整、目标受众的定位、广告平台的选择等等。广告创意优化需要大量的时间和资源,包括设计、测试和分析,这对一些广告主来说不切实际,特别是小型企业或资源有限的广告活动。人工智能(artificial intelligence,简称ai)是一门计算机科学领域,致力于开发能够模仿人类智能行为的系统和程序。人工智能的核心目标是使计算机系统具备类似于人类思维、学习、问题解决和决策制定等方面的能力。如何将人工智能以及广告创意优化结合起来便成为了一个问题。
技术实现思路
1、本专利技术为解决上述技术问题,提出了一种ai驱动的广告创意优化方法及系统,以解决至少一个上述技术问题。
2、本申请提供了一种ai驱动的广告创意优化方法,所述方法包括:
3、s1、获取广告创意描述数据;
4、s2、基于所述广告创意描述数据进行广告文案生成以及广告图像生成,得到广告文案数据以及广告图像数据;
5、s3、对所述广告文案数据以及所述广告图像数据进行结构内容处理,得到结构内容数据;
6、s4、对所述广告图像数据进行内容对象提取,得到内容对象数据;
7、s5、获取广告归因数据,并基于所述广告归因数据、所述结构内容数据以及所述内容对象数据进行广告落地页生成,从而生成
8、本专利技术中通过自动生成广告文案和图像,可以优化广告创意,使其更吸引人和具有吸引力,从而提高广告的点击率和转化率。通过结构内容处理和内容对象提取,可以确保广告文案和图像与品牌的一致性和主题一致性,提高广告的专业度和品质。自动生成广告创意可以减少广告制作的时间和人力成本,特别是当需要大量广告时,这种方法可以显著降低制作成本。通过广告归因数据和结构内容数据,可以更好地了解广告的目标受众和他们的需求,从而更精准地定位广告内容。生成的广告落地页可以根据广告归因数据和内容对象数据进行个性化定制,从而提高用户体验和转化率。自动生成广告创意和广告落地页可以大大加速广告内容的制作过程,使广告更快地上线。
9、可选地,所述获取广告创意描述数据,包括:
10、s11、通过预设的网络爬虫引擎对在线广告平台或社交媒体平台进行广告描述需求数据采集,得到广告描述需求数据;
11、s12、对所述广告描述需求数据进行数据清洗,得到需求清洗数据;
12、s13、对所述需求清洗数据进行关键数据提取以及情感偏向提取,得到需求关键数据以及需求情感偏向数据;
13、s14、对所述需求关键数据以及所述需求情感偏向数据进行词嵌入处理,得到词嵌入数据;
14、s15、对所述词嵌入数据进行深度广告描述生成,得到深度广告描述数据,其中所述深度广告描述数据包括目标受众数据以及产品特点数据;
15、s16、对所述深度广告描述数据进行数据标签映射,得到广告创意描述数据。
16、本专利技术中通过从广告平台和社交媒体采集广告描述需求数据,可以更好地了解目标受众的需求和偏好,从而生成更具针对性的广告创意。情感偏向提取可以确保广告创意在情感上与目标受众一致,使广告更具吸引力和共鸣。词嵌入处理和深度广告描述生成使生成的广告文案更具质量和创造力,能够更好地吸引受众。生成的广告创意将更好地满足目标受众的需求,从而提高广告点击率、转化率和用户参与度。自动化的数据采集、清洗和广告文案生成过程可以节省广告制作的时间和人力成本。通过网络爬虫引擎采集数据,可以实时获取最新的需求数据,使广告创意能够更快地适应市场变化。通过目标受众数据和产品特点数据,生成的广告创意可以更好地个性化定制,满足不同受众的需求。
17、可选地,所述对所述需求清洗数据进行关键数据提取以及情感偏向提取,得到需求关键数据以及需求情感偏向数据,包括:
18、s131、对所述需求清洗数据进行文本分词处理,得到文本分词数据;
19、s132、对所述文本分词数据进行停用词过滤,得到分词过滤数据;
20、s133、对所述分词过滤数据进行词频特征提取,得到词频特征数据;
21、s134、对所述词频特征数据进行关键数据提取,得到需求关键数据;
22、s135、利用预设的情感分析模型对所述需求关键数据进行情感识别,得到需求情感偏向数据,其中所述预设的情感分析模型为通过机器学习算法进行构建生成,或通过预设的规则引擎进行规则映射生成。
23、本专利技术中文本分词处理和停用词过滤可以清洗和精炼需求数据,去除无关信息,从而提高了数据的质量。词频特征提取和关键词提取可以帮助确定需求数据中的关键信息和关键词汇,使得后续处理更加针对性和有效。通过情感分析,可以了解需求数据中的情感倾向,例如正面、负面或中性情感,对于广告创意的情感调性选择具有实际意义。情感偏向数据有助于个性化广告创意的生成,根据情感分析结果,广告可以更好地与目标受众的情感状态匹配。该方法的自动化处理过程可以大大节省时间和人力成本,尤其在大规模需求数据处理时效果显著。通过提取关键信息和情感分析,可以生成更具吸引力和情感一致性的广告创意,从而提高广告效果。
24、可选地,所述预设的情感分析模型通过机器学习算法进行构建包括以下步骤:
25、s1351、获取历史需求关键数据以及历史需求情感偏向数据,其中所述历史需求情感偏向数据包括积极情感偏向数据、中立情感偏向数据以及消极情感偏向数据;
26、s1352、对所述历史需求关键数据进行卷积层处理,得到历史需求卷积层特征数据;
27、s1353、对所述历史需求卷积层特征数据进行自注意力计算处理,得到历史需求自注意力特征数据;
28、s1354、将所述历史需求自注意力特征数据以及所述历史需求卷积层特征数据进行特征拼接,得到历史需求特征拼接数据;
29、s1355、对所述历史需求特征拼接数据进行池化层处理,得到历史需求池化层数据;
30、s1356、对所述历史需求池化层数据进行全连接层处理,得到历史需求全连接层数据;
31、s1357、对所述历史需求全连接层数据进行权重计算,得到历史需求指数数据;
32、s1358、根据所述历史需求情感偏向数据对所述历史需求指数数据进行标记并模型迭代,得到情感分析模型。
33、本专利技术中通过构建卷积层、自注意力计算、全连接层等处理步骤,以及使用历史需求关键数据和情感偏向数据,可以建立更复杂、更准确的情感分析模型,能够更好地理解文本数据的情感内容。考虑到积极情感、中立情感和消极情感,该模型可以分析文本数据中不同情感维度的倾向,使情感分析更细致化和多本文档来自技高网...
【技术保护点】
1.一种AI驱动的广告创意优化方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述获取广告创意描述数据,包括:
3.根据权利要求2所述的方法,其特征在于,所述对所述需求清洗数据进行关键数据提取以及情感偏向提取,得到需求关键数据以及需求情感偏向数据,包括:
4.根据权利要求3所述的方法,其特征在于,所述预设的情感分析模型通过机器学习算法进行构建包括以下步骤:
5.根据权利要求4所述的方法,其特征在于,其中所述历史需求自注意力特征数据包括第一历史需求自注意力特征数据以及第二历史需求自注意力特征数据,所述对所述历史需求卷积层特征数据进行自注意力计算处理,得到历史需求自注意力特征数据,包括:
6.根据权利要求5所述的方法,其特征在于,所述对所述历史需求卷积层特征数据进行局部点积计算,得到历史需求点积数据,包括:
7.根据权利要求1所述的方法,其特征在于,所述对所述广告文案数据以及所述广告图像数据进行结构内容处理,得到结构内容数据,包括:
8.根据权利要求1所述的方法,其特征在于
9.根据权利要求1所述的方法,其特征在于,所述获取广告归因数据,并基于所述广告归因数据、所述结构内容数据以及所述内容对象数据进行广告落地页生成,从而生成广告落地页数据,包括:
10.一种AI驱动的广告创意优化系统,其特征在于,用于执行如权利要求1所述的AI驱动的广告创意优化方法,所述AI驱动的广告创意优化系统包括:
...【技术特征摘要】
1.一种ai驱动的广告创意优化方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述获取广告创意描述数据,包括:
3.根据权利要求2所述的方法,其特征在于,所述对所述需求清洗数据进行关键数据提取以及情感偏向提取,得到需求关键数据以及需求情感偏向数据,包括:
4.根据权利要求3所述的方法,其特征在于,所述预设的情感分析模型通过机器学习算法进行构建包括以下步骤:
5.根据权利要求4所述的方法,其特征在于,其中所述历史需求自注意力特征数据包括第一历史需求自注意力特征数据以及第二历史需求自注意力特征数据,所述对所述历史需求卷积层特征数据进行自注意力计算处理,得到历史需求自注意力特征数据,包括:
6.根据权利要求5所述...
【专利技术属性】
技术研发人员:谢剑波,
申请(专利权)人:湖南创研科技股份有限公司,
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。