广告拷贝质量检测及评分制造技术

提供了利用来自语言模型的输出来评估在线广告内的文本质量的方法、系统和计算机可读介质。来自语言模型的输出可以被机器学习算法用来生成对应于一则单独广告的质量分数。所述质量分数可以被用来在在线拍卖中滤除具有较差文本质量的广告或者对其进行征税或惩罚。广告质量分数还可以被用来对提交所述广告的广告商进行评级或评分。在一个实施例中，将广告商的质量分数与一则单独广告的质量分数组合，从而产生被用来评估所述广告的最终分数。广告商等级/分数和广告质量分数可以被传送到广告商以作为广告商反馈。

【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
在线广告交易使得广告商从出版商处购买在线广告空间。出版商（内容和财产所有者）可以在每次点击付费的基础上或者在其他基础上拍卖广告空间，其中出版商对于显示广告所得到的价格取决于观看者对于广告的正面响应。一些广告可能含有语法错误的文本或者其他文本错误，从而阻碍观看者点击广告。
技术实现思路
提供本概要是为了以简化形式介绍将在下面的详细描述部分中进一步描述的概念的选择。本概要不意图标识出所要求保护的主题内容的关键或本质特征，也不意图被单独用来帮助确定所要求保护的主题内容的范围。本专利技术的实施例利用来自语言模型的输出评估在线广告内的文本的质量。来自语言模型的输出可以被机器学习算法用来生成对应于一则单独广告的质量分数。可以在在线拍卖中过滤具有较差质量的文本的广告或者对其征税。广告质量分数还可以被用来对提交所述广告的广告商进行评级或评分。在一个实施例中，将广告商的质量分数与一则单独广告的质量分数组合，从而产生被用来评估所述广告的最终分数。广告商等级/分数和广告质量分数可以被传送到广告商以作为广告商反馈。附图说明下面将参照附图详细描述本专利技术的实施例，其中：图1是适于实施本专利技术的实施例的示例性计算环境的方框图；图2是根据本专利技术的一个实施例的适于检测广告内的文本质量的计算系统体系结构的图示；图3是示出了根据本专利技术的一个实施例的被用来生成最终模型的各个组件的图示，其中所述最终模型生成对应于广告的质量分数；图4是示出了根据本专利技术的一个实施例的针对广告生成质量分数的图示；图5是示出了根据本专利技术的一个实施例的如何能够使用语言模型内的n元语法的分布来检测较差质量的广告文本的曲线图；图6示出了根据本专利技术的一个实施例的文本性广告；图7是示出了根据本专利技术的一个实施例的基于在线广告的文本确定所述在线广告的质量的方法的流程图；图8是示出了根据本专利技术的一个实施例的基于在线广告的文本确定所述在线广告的质量的方法的流程图；以及图9是示出了根据本专利技术的一个实施例的基于在线广告的文本来确定所述在线广告的质量的方法的流程图。具体实施方式质量分数可以被用来滤除具有较差文本质量的广告。质量分数还可以被用来对在线拍卖内的广告进行征税或惩罚。与未被征税的广告相比，在线拍卖中的征税可以导致广告商支付更多来展示广告或赢得拍卖。在非拍卖广告情境中，对具有较差文本质量的广告的评级可以低于具有良好文本质量的其他广告，并因此不太可能被显示。在另一个实施例中，在通过广告交易进行显示之前，具有处于一定范围内的质量分数的广告可以被指定进行编辑评论。广告质量分数还可以被用来对提交广告的广告商进行评级或评分。在一个实施例中，将广告商的质量分数与一则单独广告的质量分数组合，从而产生被用来评估所述广告的最终分数。广告商等级/分数和广告质量分数可以被传送到广告商以作为广告商反馈。相应地，在一个实施例中，在一个或更多计算机可读介质上具体实现有计算机可执行指令（所述计算机可执行指令是针对具有计算机可执行指令的一个或更多计算机可读介质而具体实现的），当由计算设备执行时，所述计算机可执行指令施行一种基于在线广告的文本确定所述在线广告的质量的方法。所述方法包括：接收包含文本的广告，将所述文本解析成一个或更多n元语法（n-grams），以及至少部分地基于所述一个或更多n元语法在语言模型内的出现频率生成对应于所述广告的质量分数。在另一个实施例中涉及一种基于在线广告的文本来确定所述在线广告的质量的方法。所述方法包括：接收描述多则在线广告当中的每一则的质量的人类输入。所述方法还包括：利用来自多则广告的文本生成语言模型，其中所述语言模型允许确定n元语法在所述多则广告内的出现频率。所述方法包括：基于语言模型与人类输入的组合生成最终模型。所述方法还包括：利用最终模型计算对应于在线广告的质量分数。所述方法还包括：将质量分数与标识出所述质量分数被指派的在线广告的指示存储在一起。在一个实施例中，在一个或更多计算机可读介质上具体实现有计算机可执行指令，当由计算设备执行时，所述计算机可执行指令施行一种基于在线广告的文本确定所述在线广告的质量的方法。所述方法包括：接收具有文本性标题和文本性描述的在线广告。所述方法还包括：利用机器学习算法为在线广告指派质量分数，其中所述机器学习算法是利用来自语言模型的输出和人类注释作为基本事实数据来训练的。所述方法还包括：将质量分数与标识出所述质量分数被指派的在线广告的指示存储在一起。前面简要描述了本专利技术的实施例的总览，下面将详细描述适用于实施本专利技术的实施例的示例性操作环境。示例性操作环境总体上参照附图并且首先特别参照图1，用于实施本专利技术的实施例的示例性操作环境被示出并且总体上标记为计算设备100。计算设备100仅仅是适当的计算环境的一个例子，而不意图暗示关于本专利技术的使用或功能范围的任何限制。计算设备100也不应当被解释成关于所示出的任何组件或组件组合具有任何依赖性或要求。本专利技术可以在计算机代码或机器可用指令的一般情境中来描述，其中包括诸如程序组件之类的计算机可执行指令，其由计算机或者诸如个人数据助理或其他手持式设备之类的其他机器来执行。一般来说，包括例程、程序、对象、组件、数据结构等等的程序组件指的是施行特定任务或实施特定抽象数据类型的代码。可以在多种系统配置中实践本专利技术的实施例，其中包括手持式设备、消费电子装置、通用计算机、专用计算设备等等。还可以在分布式计算环境中实践本专利技术的实施例，其中各项任务由通过通信网络链接在一起的远程处理设备施行。继续参照图1，计算设备100包括总线110，其直接或间接地耦合以下设备：存储器112、一个或更多处理器114、一个或更多呈现组件116、输入/输出（I/O）端口118、I/O组件120以及说明性电源122。总线110可以表示一条或更多条总线（比如地址总线、数据总线或其组合）。虽然为了清楚起见用线条示出了图1的各个方框，但是在实际情况中对于各个组件的界定则没有这么明确，比方说所述线条更准确地将是灰色且模糊的。举例来说，可以把诸如显示设备之类的呈现组件视为I/O组件120。此外，处理器具有存储器。本专利技术的专利技术人认识到这正是本领域的特性，并且重申图1的图示仅仅是为了说明可以与本专利技术的一个或更多实施例相结合地使用的示例性计算设备。在诸如“工作站”、“服务器”、“膝上型计算机”、“手持式设备”等类别之间不做区分，因为所有这些类别都被设想到落在图1的范围内并且指的是“计算机”或“计算设备”。计算设备100通常包括多种计算机存储介质。作为举例而非限制，计算机存储介质可以包括：随机存取存储器（RAM）；只读存储器（ROM）；电可擦写可编程只读存储器（EEPROM）；闪存或其他存储器技术；紧致盘只读存储器（CDROM）、数字通用盘（DVD）或者其他光学或全息介质；磁盒、磁带、磁盘存储装置或其他磁性存储设备；或者能够被用来编码所期望的信息并且由计算设备100访问的任何其他介质。存储器112包括采取易失性和/或非易失性存储器的本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】2010.06.17 US 12/817,9281.其上具体实现有计算机可执行指令的一个或更多计算机可读介质，当由计算设备执行时，所述计算机可执行指令施行一种基于在线广告的文本确定所述在线广告的质量的方法，所述方法包括：
接收包含文本的广告；
将所述文本解析成一个或更多n元语法；以及
至少部分地基于所述一个或更多n元语法在语言模型内的出现频率生成对应于所述广告的质量分数。
2.权利要求1的介质，其中，所述质量分数是基于所述一个或更多n元语法当中的每一个在语言模型内的出现频率的总和。
3.权利要求1的介质，其中，所述方法还包括：利用机器学习算法生成质量分数，其中所述机器学习算法使用来自语言模型的输出。
4.权利要求1的介质，其中，所述方法还包括：利用机器学习算法生成质量分数，其中所述机器学习算法使用来自语言模型的输出以及与特定的n元语法或n元语法序列相关联的人类注释数据。
5.权利要求1的介质，其中，所述方法还包括：防止显示其质量分数低于一定阈值分数的广告。
6.一种基于在线广告的文本确定所述在线广告的质量的方法，所述方法包括：
接收描述多则在线广告当中的每一则的质量的人类输入；
利用来自多则广告的文本生成语言模型，其中所述语言模型允许确定n元语法在所述多则广告内的出现频率；
基于语言模型与人类输入的组合生成最终模型；
利用最终模型计算对应于在线广告的质量分数；以及
将所述质量分数与标识出该质量分数被指派的在线广告的指示一起存储。
7.权利要求6的方法，其中，所述人类输入描述广告的总体质量。
8.权利要求6的方法，其中，所述方法还包括：把针对显示在线广告的收费价格提高一定额外费用...

【专利技术属性】
技术研发人员：AY辛雅金，叶扬，王逸民，王冠三，
申请(专利权)人：微软公司，
类型：
国别省市：