CN106204165A - 一种广告投放方法及装置 - Google Patents

Abstract

本发明涉及互联网应用技术领域，尤其是涉及一种广告投放方法及装置。该方法包括：获取广告素材及对应的索引数据，和位于待投放网页中的参考图片；对参考图片进行图像语义分析，得到图像语义分析后的第一标签数据；从广告素材中查找目标素材；其中，目标素材的索引数据与第一标签数据是相匹配的；将查找得到的目标素材投放至所述待投放网页，其通过上述第一标签数据和索引数据的匹配进行广告信息投放的方式使得广告可以针对网页中的图片内容进行投放，不仅投放精准度较高，而且能够在提升网络用户体验度的同时降低商家的投入成本。

Description

一种广告投放方法及装置

技术领域

本发明涉及互联网应用技术领域，具体而言，涉及一种广告投放方法及装置。

背景技术

随着互联网的快速发展，网络平台为用户提供了越来越多的便利，如在网络上进行商品、服务交易等，而如何能够使得商品、服务被其他人广为知晓，通过在网页上投放广告是一个不错的推广方式。

目前常见的网络广告投放、推送方案，主要是基于广告媒介受众数据，即基于当前页面内容浏览者的浏览历史数据，进而模糊辨别、预测浏览者的兴趣偏好以及模糊匹配浏览者的人群分类属性等进行网络广告投放、推送。由于上述广告投放方法本身采用的是模糊的辨别、预测和匹配方式，其精准投放、推送的难度较大，又考虑到广告受众、页面浏览者的历史浏览数据的关键字/标签数据和当前浏览页面的内容(比如图片和文字)的关键字/标签数据可能并不相同，甚至毫无关联性，例如曾浏览过“专利申请”“云计算”等网页和内容的浏览者正在浏览“家居布置”或“旅游度假”等网页内容时，则也会看到“专利申请”代理服务或“云服务器”促销活动等关联性低、并非浏览者/受众当前感兴趣的网络广告，这将会造成浏览者对网络广告产生厌恶、排斥心理等不利影响，最终会对网络广告的推广效果产生不利影响。

发明人在研究中发现，现有技术中的广告投放方法利用广告与当前广告媒介受众的历史浏览数据的关键字/标签数据的关联匹配将广告投送至对应的广告媒介，由于其无法精准地辨别、预测和匹配广告受众，往往使得推送至广告目标受众的广告内容并非是目标受众当前浏览所感兴趣的，从而导致用户的体验度较差。

发明内容

有鉴于此，本发明的目的在于提供一种广告投放方法及装置，避免了基于广告和媒介受众浏览历史数据的关键字/标签数据匹配方式推送不相关的广告信息，其基于广告的索引数据与当前浏览网页中图片内容的标签数据之间的匹配进行广告投放，投放的精准度较高，用户的体验度较佳。

第一方面，本发明实施例提供了一种广告投放方法，所述方法包括：

获取广告素材及对应的索引数据，和位于待投放网页中的参考图片；

对所述参考图片进行图像语义分析，得到图像语义分析后的第一标签数据；

从所述广告素材中查找目标素材；其中，所述目标素材的索引数据与所述第一标签数据是相匹配的；

将所述查找得到的目标素材投放至所述待投放网页。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述对所述参考图片进行图像语义分析，得到图像语义分析后的第一标签数据，包括：

使用预先获取的语义模型对所述参考图片进行检测和识别，以得到所述参考图片的目标区域和/或目标场景和/或目标画面；

为所述目标区域和/或所述目标场景和/或所述目标画面添加对应的第一标签数据。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述语义模型通过如下步骤获取：

基于第一标签标记、第二标签标记和第三标签标记的监督学习方法，分别建立包含广告投放范围内目标区域的第一组标记图片、目标场景的第二组标记图片和目标画面的第三组标记图片；

利用第一深度卷积神经网络对所述第一组标记图片进行深度学习，得到对应于所述第一组标记图片的目标区域的第一语义模型；

利用第二深度卷积神经网络对所述第二组标记图片进行深度学习，得到对应于所述第二组标记图片的目标场景的第二语义模型；

利用第三深度卷积神经网络对所述第三组标记图片进行深度学习，得到对应于所述第三组标记图片的目标画面的第三语义模型。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述从所述广告素材中查找目标素材，包括：

查找与所述第一标签数据相同的所述广告素材的索引数据；

若查找得到的相同的索引数据符合预设要求，则将符合预设要求的索引数据对应的广告素材作为目标素材。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述将符合预设要求的索引数据对应的广告素材作为目标素材，包括：

统计查找到的相同的索引数据的数量；

若所述统计得到的数量符合预设第一要求，则将符合预设第一要求的索引数据对应的广告素材作为目标素材。

结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述将符合预设第一要求的索引数据对应的广告素材作为目标素材，包括：

当所述统计得到的数量超过预设第一阈值时，将超过预设第一阈值的索引数据对应的广告素材作为目标素材；

或，

按照所述统计得到的数量由多至少的顺序对所述索引数据进行排名；

将排名超过预设第一名次的索引数据对应的广告素材作为目标素材。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，所述将符合预设要求的索引数据对应的广告素材作为目标素材，包括：

根据查找到的相同的索引数据的权重，计算对应的索引数据的权重总值；

若所述计算得到的权重总值符合预设第二要求，则将符合预设第二要求的索引数据对应的广告素材作为目标素材。

结合第一方面的第六种可能的实施方式，本发明实施例提供了第一方面的第七种可能的实施方式，其中，所述将符合预设第二要求的索引数据对应的广告素材作为目标素材，包括：

选择权重总值超过预设第二阈值的索引数据对应的广告素材作为目标素材；

或，

按照所述计算得到的权重总值由高至低的顺序对所述索引数据进行排名；

将排名超过预设第二名次的索引数据对应的广告素材作为目标素材。

结合第一方面，本发明实施例提供了第一方面的第八种可能的实施方式，其中，所述方法还包括：

按照预设过滤规则对所述参考图片的第二标签数据进行过滤；

将所述过滤得到的第二标签数据对应的参考图片作为目标参考图片；

将目标素材投放至所述目标参考图片对应的所述待投放网页上的预设位置。

第二方面，本发明实施例还提供了一种广告投放装置，所述装置包括：

获取模块，用于获取广告素材及对应的索引数据，和位于待投放网页中的参考图片；

分析模块，用于对所述参考图片进行图像语义分析，得到图像语义分析后的第一标签数据；

查找模块，用于从所述广告素材中查找目标素材；其中，所述目标素材的索引数据与所述第一标签数据是相匹配的；

投放模块，用于将所述查找得到的目标素材投放至所述待投放网页。

本发明实施例提供的广告投放方法及装置，与现有技术中基于广告的关键字/标签数据与当前广告媒介受众的历史浏览数据的关键字/标签数据的关联匹配的广告投放方法推送广告的精准度较低，导致用户的体验度较差相比，其首先获取广告素材及对应的索引数据和位于待投放网页中的参考图片，其次对参考图片进行图像语义分析以得到对应的第一标签数据，然后从上述广告素材中查找与第一标签数据相匹配的索引数据所对应的目标素材，最后将查找得到的目标素材投放至待投放网页，其通过上述第一标签数据和索引数据的匹配进行广告信息投放的方式使得广告可以针对网页中的图片内容进行投放，不仅投放精准度较高，而且能够在提升网络用户体验度的同时降低商家的投入成本。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例所提供的一种广告投放方法的流程图；

图2示出了本发明实施例所提供的另一种广告投放方法的流程图；

图3示出了本发明实施例所提供的另一种广告投放方法的流程图；

图4示出了本发明实施例所提供的另一种广告投放方法的流程图；

图5示出了本发明实施例所提供的另一种广告投放方法的流程图；

图6示出了本发明实施例所提供的另一种广告投放方法的流程图；

图7示出了本发明实施例所提供的另一种广告投放方法的流程图；

图8示出了本发明实施例所提供的一种广告投放装置的结构示意图；

图9示出了本发明实施例所提供的一种广告投放装置中分析模块的结构示意图；

图10示出了本发明实施例所提供的一种广告投放装置中查找模块的结构示意图。

主要元件符号说明：

11、获取模块；22、分析模块；33、查找模块；44、投放模块；221、检测单元；222、添加单元；331、查找单元；332、确定单元。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

考虑到现有技术中的广告投放方法利用广告与当前广告媒介受众的历史浏览数据的关键字/标签数据的关联匹配将广告投送至对应的广告媒介，由于其无法精准的投放和推送广告，往往使得推送至广告目标受众的广告内容并非是目标受众当前浏览所感兴趣的，从而导致用户的体验度较差。基于此，本发明实施例提供了一种广告投放方法及装置，其基于广告的索引数据与当前浏览网页中图片内容的标签数据之间的匹配进行广告信息投放的方式使得广告可以针对网页中的图片内容进行投放，不仅投放精准度较高，而且能够在提升网络用户体验度的同时降低商家的投入成本。

参见图1所示的本发明实施例提供的广告投放方法的流程图，所述方法具体包括如下步骤：

S101、获取广告素材及对应的索引数据，和位于待投放网页中的参考图片；

具体的，考虑到本发明实施例所提供的广告投放方法的具体应用场景，本发明实施例提供的广告投放方法不仅需要对参考图片进行获取，还需要对广告素材及对应的索引数据进行获取，其中，参考图片可以通过数据接口或者网络爬虫的方式进行获取，而对于广告素材而言，不仅可以通过数据接口进行获取，还可以获取人工上传或发布的广告素材。从数据接口层面来讲，获取参考图片和广告素材的数据接口并不相同，参考图片是从互联网网站(如腾讯)精确开放的可投放广告的数据接口进行获取，而广告素材则是从DSP(Demand-Side Platform，需求方平台)或者互联网网站(如天猫、亚马逊等)精确开放的数据接口进行获取，可见，数据接口获取时两者的载体并不相同。此外，参考图片也可以通过网络爬虫的方式进行获取，如python实现爬虫的功能，把想要获取的源代码中的图片爬取到本地，且上述图片是通过爬虫相关互联网网站上的图片数据而获取的。

其中，上述广告素材内容和形式包括文本、图片(如.jpeg格式或.png格式的静态图片和/或.gif格式的动态图片)、短片/视频、HTML5网页或FLASH动画等，还包括可以跳转至上述广告素材对应的详情页面的超链接，本发明实施例不做具体的限制。在获取广告素材的过程中，将得到对应于该广告素材的索引数据，该索引数据至少包括：关于广告素材的标签、关键字/关键词。

其中，上述广告素材的标签、关键字/关键词，可以是针对广告素材而预先添加的广告描述的标签和关键字，还可以是针对广告素材希望被投放至的广告媒介受众而预先设置的广告媒介受众描述的标签和关键字。另外，对与上述广告素材相关的标签和关键字而设置的权重信息也会同时被获取。

值得说明的是，在获取参考图片和广告素材及其对应的索引数据时，不仅可以通过PC电脑应用软件里面的页面/界面的相应数据接口或者对该页面/界面进行网络爬虫的方式进行图片或素材获取；还可以通过APP手机应用程序里面的页面/界面的相应数据接口或者对该页面/界面进行网络爬虫的方式进行图片或素材的获取，本发明实施例不做具体的限制。

S102、对参考图片进行图像语义分析，得到图像语义分析后的第一标签数据；

具体的，对获取的参考图片进行智能分析、挖掘，通过预先训练的语义模型检测、识别参考图片的目标区域和/或目标场景和/或目标画面，对识别出的目标区域和/或目标场景和/或目标画面赋予对应的第一标签数据。

S103、从广告素材中查找目标素材；其中，目标素材的索引数据与第一标签数据是相匹配的；

S104、将查找得到的目标素材投放至待投放网页。

具体的，查找与用户终端当前参考图片内所包含的关于人、人脸、物体、场景/情景、画面等内容对象的标签数据相匹配的索引数据，且将查找得到的索引数据对应的广告素材作为目标素材，然后将该目标素材投放至待投放网页。其中，上述画面不仅包括图片画面内容(比如打篮球、喝饮料、自然景观、教堂、汽车等)，还包括图片画面风格(比如色调、明暗度、动静态感觉、黑白风格或者移轴拍摄等)。

其中，上述投放可以是嵌入显示式，还可以是植入显示式，且考虑到用户的体验效果，本发明实施例优选的将上述广告素材显示在待投放网页的预设位置处，且上述投放是在接收到用户终端界面上的主动操作或者被动触发的控制指令下进行的。

其中，上述预设位置可以是待投放网页上的参考图片的显示区域，还可以是待投放网页上的参考图片的边缘旁边，本发明实施例不做具体的限制。

本发明实施例提供的广告投放方法，与现有技术中基于广告的关键字/标签数据与当前广告媒介受众的历史浏览数据的关键字/标签数据的关联匹配的广告投放方法推送广告的精准度较低，导致用户的体验度较差相比，其首先获取广告素材及对应的索引数据和位于待投放网页中的参考图片，其次对参考图片进行图像语义分析以得到对应的第一标签数据，然后从上述广告素材中查找与第一标签数据相匹配的索引数据所对应的目标素材，最后将查找得到的目标素材投放至待投放网页，其通过上述第一标签数据和索引数据的匹配进行广告信息投放的方式使得广告可以针对网页中的图片内容进行投放，不仅投放精准度较高，而且能够在提升网络用户体验度的同时降低商家的投入成本。

考虑到在获取第一标签数据时，首先需要对参考图片进行语义分析，然后通过语义分析的结果对参考图片的目标区域、目标场景和目标画面进行标签提取添加，参见图2，上述语义分析的具体过程包括：

S201、使用预先获取的语义模型对参考图片进行检测和识别，以得到参考图片的目标区域和/或目标场景和/或目标画面；

S202、为目标区域和/或目标场景和/或目标画面添加对应的第一标签数据。

具体的，随着大数据时代的到来，只有比较复杂的模型，或者说表达能力强的模型，才能充分发掘海量数据中蕴藏的丰富信息，所以，本发明实施例中的语义模型采用的是更强大的深度模型，以使得我们能够从大数据挖掘出更多有价值的信息和知识，且该语义模型作为一个分类器，可以对输入的图片进行分类。首先对参考图片进行语义分析，即根据预先训练获取的语义模型检测、识别图片中所包含的物体、场景/情景或画面内容、风格，得到参考图片的目标区域、目标场景和目标画面，并根据预先训练获取的语义模型定义的第一标签数据，对目标区域、目标场景和目标画面赋予对应的第一标签数据。

其中，上述物体、场景/情景、画面的检测所对应的语义模型并不相同，本发明实施例所提供的广告投放方法对三者建立单独的语义模型以提高图片内容检测识别的精确度。

其中，在对参考图片进行语义分析时，首先需要获取预先训练好的语义模型以实现对上述参考图片的标签添加，参见图3，上述语义模型的获取过程具体包括：

S301、基于第一标签标记、第二标签标记和第三标签标记的监督学习方法，分别建立包含广告投放范围内目标区域的第一组标记图片、目标场景的第二组标记图片和目标画面的第三组标记图片；

S302、利用第一深度卷积神经网络对第一组标记图片进行深度学习，得到对应于第一组标记图片的目标区域的第一语义模型；

S303、利用第二深度卷积神经网络对第二组标记图片进行深度学习，得到对应于第二组标记图片的目标场景的第二语义模型；

S304、利用第三深度卷积神经网络对第三组标记图片进行深度学习，得到对应于第三组标记图片的目标画面的第三语义模型。

具体的，考虑到本发明实施例所提供的广告投放方法将采用至少三个单独的语义模型对物体、场景/情景和画面分别进行识别，因此，对于不同的语义模型将采用对应的训练样本。即是，基于包括可能出现的场景，情景，人物，物体以及额外噪声图片大规模标记的分类样本，建立包含广告投放范围内上述目标区域的第一组标记图片、目标场景的第二组标记图片和目标画面的第三组标记图片；其中，上述第一组标记图片、第二组标记图片和第三组标记图片均可以基于图片或像素级别或者限定框级别的标记图片中的一种或多种。本发明实施例所提供的广告投放方法能够利用第一深度卷积神经网络(如FNN,Faster-RCNN或R-FCN)对第一组标记图片进行深度学习，得到对应于第一组标记图片的目标区域的第一特征信息(物体种类，颜色，特征等)，并对该第一特征信息进行训练，得到对应的第一语义模型；还能够利用第二深度卷积神经网络(如AlexNet,VGG或ResNet)对第二组标记图片进行深度学习，得到对应于第二组标记图片的目标场景的第二特征信息(如出现的环境，情景)，并对该第二特征信息进行训练，得到对应的第二语义模型；还能够利用第三深度卷积神经网络(如AlexNet,VGG或ResNet)对第三组标记图片进行深度学习，得到对应于第三组标记图片的目标画面的第三特征信息(如图片色调，明暗，色彩风格)，并对该第三特征信息进行训练，得到对应的第三语义模型。其中，上述第一语义模型、第二语义模型和第三语义模型表示能够识别第一标签标记、第二标签标记和第三标签标记的深度学习模型。

另外，对于第一组标记图片，当图片内包含多个或多种待检测目标，使用物体检测卷积神经网络，多任务地同时训练物体位置和种类模型，在线上使用获得每个物体的独立限定框。或使用语义分割网络，将特征图升采样后获得像素级别的预测能力。当图片内仅包含一个待检测物体且为图片主体，使用分类网络，将深度特征与多分类部分全连接，获得图片整体识别结果。

其中，对于第一组标记图片中的人脸，首先用方向梯度直方图作为特征检测人脸，然后利用多回归树在每个检测到的人脸中找到五官的关键点，以获得眉毛，眼，嘴的位置以及脸型。再利用预训练的二分类深度神经网络区分该张面孔的性别。用相同的深度神经网络区分多个年龄段，进行年龄多分类。

对于第三组标记图片，可以首先抽象图片风格识别标注图片级信息，建立风格识别数据库，使用分类网络，根据不同标记有效识别图片色调，风格，场景，感受等抽象特征，并提取标签。以动感感、静态感为例，人工标注有足够覆盖程度的动感图，静态图样本，输入卷积神经网络，训练后模型可对陌生图片作出此类风格的识别。对于第三组标记图片，还可以首先图片色调识别构造图片RGB分布直方图，根据预先设定的颜色标签对应范围，给出图片总体颜色标签。或使用主体检测Saliency Detection算法，获得主体后，再获取图片的主体部分RGB直方图特征作为颜色标签。

另外，本发明实施例所提供的广告投放方法还可以并行的进行第一组标记图片、第二组标记图片和第三组标记图片的建立，以及同时利用不同的神经网络训练不同的语义模型以识别对应的标签标记。

为了更好的从广告素材中查找目标素材，上述S103的查找过程，具体通过如下步骤实现，参见图4所示的流程图，所述方法还包括：

S401、查找与第一标签数据相同的广告素材的索引数据；

S402、若查找得到的相同的索引数据符合预设要求，则将符合预设要求的索引数据对应的广告素材作为目标素材。

具体的，本发明实施例所提供的广告投放方法是在查找得到的与参考图片的第一标签数据相同的广告素材的索引数据符合预设要求时，将符合预设要求的索引数据对应的广告素材作为目标素材。

考虑到本发明实施例所提供的广告投放方法的具体应用环境，上述参考图片的标签数据可以为一个，还可以为多个，同样的，上述广告素材的索引数据也可以为一个或多个。对于目标素材的索引数据与标签数据相匹配而言，本发明实施例不仅适用于一对一、多对多的数据内容完全相同的匹配，还适用于一对多、多对一、多对多的数据内容部分相同的匹配。但是，上述匹配的基础是能够从广告素材的索引数据中查找到至少一个与第一标签数据相同的索引数据，另外，对于查找到的相同的索引数据而言，可以通过数量统计的方式进行预设要求的限定，还可以通过权重总值计算的方式进行预设要求的限定，还可以通过同时考虑数量统计和权重总值计算的方式进行预设要求的限定，以得到对应的目标素材。

考虑到不同用户的不同需求，参见图5，上述目标素材的确定可以通过如下步骤具体实现：

S501、统计查找到的相同的索引数据的数量；

S502、若统计得到的数量符合预设第一要求，则将符合预设第一要求的索引数据对应的广告素材作为目标素材。

具体的，首先对查找到的与第一标签数据相同的索引数据进行数量的统计，然后判断统计结果是否符合预设第一要求，并在符合预设第一要求时，将查找得到的相同的索引数据对应的广告素材作为目标素材。

其中，本发明实施例所提供的广告投放方法，优选的通过如下两种方式对统计结果进行分析，以确定目标素材。

其一，本发明实施例可以根据预设第一阈值对统计得到的相同的索引数据的数量进行判断，将统计数量超过上述第一阈值的索引数据对应的广告素材作为目标素材；其二，本发明实施例还可以按照统计得到的数量由多至少的顺序对索引数据进行排名，并将排名超过预设第一名次的索引数据对应的广告素材作为目标素材。

另外，参见图6，上述目标素材的确定还可以通过如下步骤具体实现：

S601、根据查找到的相同的索引数据的权重，计算对应的索引数据的权重总值；

S602、若计算得到的权重总值符合预设第二要求，则将符合预设第二要求的索引数据对应的广告素材作为目标素材。

具体的，对于查找到的相同的索引数据而言，还可以通过权重计算的方式进行相应的目标素材的确定。首先根据相同的索引数据的预设权重，计算所有的相同的索引数据对应的权重总值，然后判断权重总值是否符合预设第二要求，并在符合预设第二要求时，将查找得到的相同的索引数据对应的广告素材作为目标素材。

其中，本发明实施例所提供的广告投放方法，优选的通过如下两种方式对权重总值进行分析，以确定目标素材。

其一，本发明实施例可以根据预设第二阈值对计算得到的相同的索引数据的权重总值进行判断，将权重总值超过上述第二阈值的索引数据对应的广告素材作为目标素材；其二，本发明实施例还可以按照计算得到的权重总值由高至低的顺序对索引数据进行排名，并将排名超过预设第二名次的索引数据对应的广告素材作为目标素材。

值得提出的是，本发明实施例所提供的广告投放方法可以单独通过数量统计的方式确定目标素材，可以单独通过权重计算的方式确定目标素材，还可以结合数量统计和权重计算的方式进行目标素材的确定，本发明实施例对此不做具体的限制，以满足不同用户的不同需求。

为了节省商家的投入成本，本发明实施例所提供的广告投放方法还可以对待投放网页上的参考图片进行筛选处理，以实现目标广告信息的有的放矢，从而进一步降低商家的投入成本。参见图7，上述目标素材至筛选后的参考图片上的投放过程，通过如下步骤具体实现：

S701、按照预设过滤规则对参考图片的第二标签数据进行过滤；

S702、将过滤得到的第二标签数据对应的参考图片作为目标参考图片；

S703、将目标素材投放至目标参考图片对应的待投放网页上的预设位置。

具体的，首先通过预设过滤规则对参考图片中的第二标签数据进行挑选、标记和确定，然后将过滤后的标签数据对应的参考图片作为目标参考图片，最后是将目标素材投放至目标参考图片对应的待投放网页上的预设位置，根据不同广告商的不同需求，以对过滤后的部分参考图片对应的待投放网页进行广告的推送，从而节省了成本。

其中，上述第二标签数据不仅包括参考图片语义分析后的第一标签数据，还可以包括参考图片的浏览者/受众的“地理位置标签”、“性别标签”和“职业类型标签”等等。

另外，上述过滤规则可以是对参考图片所覆盖的广告受众所在的地理区域属性和/或年龄性别属性的过滤，可以是广告受众cookies/浏览历史等常见过滤、选择方式，还可以是其他有关参考图片或广告受众的特征属性的过滤。其中，上述挑选、标记和确定既可以通过人工操作实现，还可以通过相应的计算机程序自动的得到实现。

本发明实施例提供的广告投放方法，与现有技术中基于广告的关键字/标签数据与当前广告媒介受众的历史浏览数据的关键字/标签数据的关联匹配的广告投放方法推送广告的精准度较低，导致用户的体验度较差相比，其首先获取广告素材及对应的索引数据和位于待投放网页中的参考图片，其次对参考图片进行图像语义分析以得到对应的第一标签数据，然后从上述广告素材中查找与第一标签数据相匹配的索引数据所对应的目标素材，最后将查找得到的目标素材投放至待投放网页，其通过上述第一标签数据和索引数据的匹配进行广告信息投放的方式使得广告可以针对网页中的图片内容进行投放，不仅投放精准度较高，而且能够在提升网络用户体验度的同时降低商家的投入成本。

本发明实施例还提供了一种广告投放装置，所述装置用于执行上述广告投放方法，参见图8，所述装置包括：

获取模块11，用于获取广告素材及对应的索引数据，和位于待投放网页中的参考图片；

分析模块22，用于对参考图片进行图像语义分析，得到图像语义分析后的第一标签数据；

查找模块33，用于从广告素材中查找目标素材；其中，目标素材的索引数据与第一标签数据是相匹配；

投放模块44，用于将查找得到的目标素材投放至待投放网页。

考虑到在获取第一标签数据时，首先需要对参考图片进行语义分析，然后通过语义分析的结果对参考图片的目标区域、目标场景和目标画面进行标签提取添加，参见图9，上述分析模块22包括：检测单元221和添加单元222，其中：

检测单元221，用于使用预先获取的语义模型对参考图片进行检测和识别，以得到参考图片的目标区域和/或目标场景和/或目标画面；；

添加单元222，用于为目标区域和/或目标场景和/或目标画面添加对应的第一标签数据。

其中，在对参考图片进行语义分析时，首先需要获取预先训练好的语义模型以实现对上述参考图片的语义分割和标签提取、添加，本发明实施例所提供的广告投放装置还包括模型生成模块，该模型生成模块包括：建立单元、第一学习单元、第二学习单元和第三学习单元，其中：

建立单元，用于基于第一标签标记、第二标签标记和第三标签标记的监督学习方法，分别建立包含广告投放范围内目标区域的第一组标记图片、目标场景的第二组标记图片和目标画面的第三组标记图片；

第一学习单元，用于利用第一深度卷积神经网络对第一组标记图片进行深度学习，得到对应于第一组标记图片的目标区域的第一语义模型；

第二学习单元，用于利用第二深度卷积神经网络对第二组标记图片进行深度学习，得到对应于第二组标记图片的目标场景的第二语义模型；

第三学习单元，用于利用第三深度卷积神经网络对第三组标记图片进行深度学习，得到对应于第三组标记图片的目标画面的第三语义模型。

为了更好的从广告素材中查找目标素材，参见图10，本发明实施例所提供的广告投放装置中的查找模块33包括：查找单元331和确定单元332，其中：

查找单元331，用于查找与第一标签数据相同的广告素材的索引数据；

确定单元332，用于在查找得到的相同的索引数据符合预设要求时，将符合预设要求的索引数据对应的广告素材作为目标素材。

本发明实施例所提供的广告投放装置考虑到不同用户的不同需求，上述确定单元332包括：统计子单元和第一确定子单元，其中：

统计子单元，用于统计查找到的相同的索引数据的数量；

第一确定子单元，用于在统计得到的数量符合预设第一要求时，将符合预设第一要求的索引数据对应的广告素材作为目标素材。

其中，本发明实施例所提供的广告投放装置，优选的通过如下两种方式对统计结果进行分析，以确定目标素材。

其一，本发明实施例中的第一确定子单元可以根据预设第一阈值对统计得到的相同的索引数据的数量进行判断，并将统计数量超过上述第一阈值的索引数据对应的广告素材作为目标素材；其二，本发明实施例中的第一确定子单元还可以按照统计得到的数量由多至少的顺序对索引数据进行排名，并将排名超过预设第一名次的索引数据对应的广告素材作为目标素材。

考虑到不同用户的不同需求，上述确定单元332还包括计算子单元和第二确定子单元，其中，

计算子单元，用于根据查找到的相同的索引数据的权重，计算对应的索引数据的权重总值；

第二确定子单元，用于在计算得到的权重总值符合预设第二要求时，将符合预设第二要求的索引数据对应的广告素材作为目标素材。

其中，本发明实施例所提供的广告投放装置，优选的通过如下两种方式对权重总值进行分析，以确定目标素材。

其一，本发明实施例中的第二确定子单元可以根据预设第二阈值对计算得到的相同的索引数据的权重总值进行判断，将权重总值超过上述第二阈值的索引数据对应的广告素材作为目标素材；其二，本发明实施例中的第二确定子单元还可以按照计算得到的权重总值由高至低的顺序对索引数据进行排名，并将排名超过预设第二名次的索引数据对应的广告素材作为目标素材。

值得提出的是，本发明实施例所提供的广告投放装置可以单独通过数量统计的方式确定目标素材，可以单独通过权重计算的方式确定目标素材，还可以结合数量统计和权重计算的方式进行目标素材的确定，本发明实施例对此不做具体的限制，以满足不同用户的不同需求。

为了节省商家的投入成本，本发明实施例所提供的广告投放装置还可以对待投放网页上的参考图片进行筛选处理，以实现目标广告信息的有的放矢，从而进一步降低商家的投入成本。本发明实施例所提供的广告投放装置还包括过滤模块、确定模块，其中：

过滤模块，用于按照预设过滤规则对参考图片的第二标签数据进行过滤；

确定模块，用于将过滤得到的第二标签数据对应的参考图片作为目标参考图片；

投放模块44还用于，将目标素材投放至目标参考图片对应的待投放网页。

本发明实施例提供的广告投放装置，与现有技术中基于广告的关键字/标签数据与当前广告媒介受众的历史浏览数据的关键字/标签数据的关联匹配的广告投放方法推送广告的精准度较低，导致用户的体验度较差相比，其首先获取广告素材及对应的索引数据和位于待投放网页中的参考图片，其次对参考图片进行图像语义分析以得到对应的第一标签数据，然后从上述广告素材中查找与第一标签数据相匹配的索引数据所对应的目标素材，最后将查找得到的目标素材投放至待投放网页，其通过上述第一标签数据和索引数据的匹配进行广告信息投放的方式使得广告可以针对网页中的图片内容进行投放，不仅投放精准度较高，而且能够在提升网络用户体验度的同时降低商家的投入成本。

本发明实施例所提供的进行广告投放的方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

本发明实施例所提供的广告投放的装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种广告投放方法，其特征在于，包括：

获取广告素材及对应的索引数据，和位于待投放网页中的参考图片；

对所述参考图片进行图像语义分析，得到图像语义分析后的第一标签数据；

从所述广告素材中查找目标素材；其中，所述目标素材的索引数据与所述第一标签数据是相匹配的；

将所述查找得到的目标素材投放至所述待投放网页。

2.根据权利要求1所述的广告投放方法，其特征在于，所述对所述参考图片进行图像语义分析，得到图像语义分析后的第一标签数据，包括：

使用预先获取的语义模型对所述参考图片进行检测和识别，以得到所述参考图片的目标区域和/或目标场景和/或目标画面；

为所述目标区域和/或所述目标场景和/或所述目标画面添加对应的第一标签数据。

3.根据权利要求2所述的广告投放方法，其特征在于，所述语义模型通过如下步骤获取：

基于第一标签标记、第二标签标记和第三标签标记的监督学习方法，分别建立包含广告投放范围内目标区域的第一组标记图片、目标场景的第二组标记图片和目标画面的第三组标记图片；

利用第一深度卷积神经网络对所述第一组标记图片进行深度学习，得到对应于所述第一组标记图片的目标区域的第一语义模型；

利用第二深度卷积神经网络对所述第二组标记图片进行深度学习，得到对应于所述第二组标记图片的目标场景的第二语义模型；

利用第三深度卷积神经网络对所述第三组标记图片进行深度学习，得到对应于所述第三组标记图片的目标画面的第三语义模型。

4.根据权利要求1所述的广告投放方法，其特征在于，所述从所述广告素材中查找目标素材，包括：

查找与所述第一标签数据相同的所述广告素材的索引数据；

若查找得到的相同的索引数据符合预设要求，则将符合预设要求的索引数据对应的广告素材作为目标素材。

5.根据权利要求4所述的广告投放方法，其特征在于，所述将符合预设要求的索引数据对应的广告素材作为目标素材，包括：

统计查找到的相同的索引数据的数量；

若所述统计得到的数量符合预设第一要求，则将符合预设第一要求的索引数据对应的广告素材作为目标素材。

6.根据权利要求5所述的广告投放方法，其特征在于，所述将符合预设第一要求的索引数据对应的广告素材作为目标素材，包括：

当所述统计得到的数量超过预设第一阈值时，将超过预设第一阈值的索引数据对应的广告素材作为目标素材；

或，

按照所述统计得到的数量由多至少的顺序对所述索引数据进行排名；

将排名超过预设第一名次的索引数据对应的广告素材作为目标素材。

7.根据权利要求4所述的广告投放方法，其特征在于，所述将符合预设要求的索引数据对应的广告素材作为目标素材，包括：

根据查找到的相同的索引数据的权重，计算对应的索引数据的权重总值；

若所述计算得到的权重总值符合预设第二要求，则将符合预设第二要求的索引数据对应的广告素材作为目标素材。

8.根据权利要求7所述的广告投放方法，其特征在于，所述将符合预设第二要求的索引数据对应的广告素材作为目标素材，包括：

选择权重总值超过预设第二阈值的索引数据对应的广告素材作为目标素材；

或，

按照所述计算得到的权重总值由高至低的顺序对所述索引数据进行排名；

将排名超过预设第二名次的索引数据对应的广告素材作为目标素材。

9.根据权利要求1所述的广告投放方法，其特征在于，所述方法还包括：

按照预设过滤规则对所述参考图片的第二标签数据进行过滤；

将所述过滤得到的第二标签数据对应的参考图片作为目标参考图片；

将目标素材投放至所述目标参考图片对应的所述待投放网页。

10.一种广告投放装置，其特征在于，包括：

获取模块，用于获取广告素材及对应的索引数据，和位于待投放网页中的参考图片；

分析模块，用于对所述参考图片进行图像语义分析，得到图像语义分析后的第一标签数据；

查找模块，用于从所述广告素材中查找目标素材；其中，所述目标素材的索引数据与所述第一标签数据是相匹配的；

投放模块，用于将所述查找得到的目标素材投放至所述待投放网页。