【技术实现步骤摘要】
本专利技术涉及人工智能，具体涉及一种广告数据分类方法和系统。
技术介绍
1、在数字广告行业中，精准广告投放依赖于对广告数据的有效分类。然而，现有广告分类方法仍存在诸多挑战。首先，广告数据来源复杂，涉及社交媒体、搜索引擎、网站广告系统等多个渠道，数据真实性难以保障，容易受到数据篡改或虚假广告的影响。其次，广告内容多样，包含文本、图像、视频等多种格式，传统机器学习方法在特征提取和语义理解方面存在局限，难以准确捕捉广告文案中的隐含信息。尤其是在高维稀疏数据的处理上，传统降维方法如主成分分析（pca）、对称自编码神经网络等在特征压缩与信息保留之间难以取得平衡，导致分类效果受限。此外，当前的广告分类模型普遍采用固定学习率或传统梯度下降优化策略，面对高维广告数据的复杂分布，模型训练易陷入局部最优，且收敛速度较慢。
2、例如，公开号为cn111191445a的中国专利技术专利提出一种广告文本分类方法，包括：获取待分类文本；利用已训练的词向量模型计算所述待分类文本词向量；根据所述待分类文本的词向量计算与给定类目对应相似词的相似度，以获取所述...
【技术保护点】
1.一种广告数据分类方法，其特征在于，包括如下步骤：
2.如权利要求1所述的广告数据分类方法，其特征在于，所述的对采集到的广告数据进行预处理包括：
3.如权利要求1所述的广告数据分类方法，其特征在于，所述的使用生成式人工智能大模型对预处理后的广告数据进行解析，并将解析后的文本数据转换为高维向量包括：
4.如权利要求1所述的广告数据分类方法，其特征在于，所述的非对称自编码神经网络采用可学习的隐变量强化对复杂模式的表达，具体计算方式表示为：
5.如权利要求4所述的广告数据分类方法，其特征在于，结合重构误差与稀疏性正则化项构建...
【技术特征摘要】
1.一种广告数据分类方法，其特征在于，包括如下步骤：
2.如权利要求1所述的广告数据分类方法，其特征在于，所述的对采集到的广告数据进行预处理包括：
3.如权利要求1所述的广告数据分类方法，其特征在于，所述的使用生成式人工智能大模型对预处理后的广告数据进行解析，并将解析后的文本数据转换为高维向量包括：
4.如权利要求1所述的广告数据分类方法，其特征在于，所述的非对称自编码神经网络采用可学习的隐变量强化对复杂模式的表达，具体计算方式表示为：
5.如权利要求4所述的广告数据分类方法，其特征在于，结合重构误差与稀疏性正则化项构建损失函数对所述非对称自编码神经网络进行训练，构建的损失函数表达式如下：
6.如权利要求5所述的广告数据分类方法，其特征在于，对所述非对称自编码神经网络进行训练包括：
7.如权利要求6所述的广告数据分类方法，其特征在于，所述的进行参数初始化操作采用如下方式：
8.如权利要求6所述的广告数据...
【专利技术属性】
技术研发人员：韦阳阳，杨慧慧，何婧，王宝咪，
申请(专利权)人：杭州归一智能科技有限公司，
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。