CN107133315B - 一种基于语义分析的智能媒介推荐方法 - Google Patents

Abstract

本发明公开了一种基于语义分析的智能媒介推荐方法，包含以下步骤：抓取媒体号的文章内容并进行预处理；训练词向量模型；计算每个词的逆文档频率；计算媒体号语义向量；媒体号初筛；计算关键词列表语义向量；计算关键词列表语义向量A与初筛之后的媒体号语义向量S_j的余弦相似度；基于语义的媒体号细筛选。本发明据广告主的关键词和预算，利用语义分析技术自动筛选出适合投放的媒体号，精准触达用户群。

Description

一种基于语义分析的智能媒介推荐方法

技术领域

本发明涉及广告领域，特别涉及一种基于语义分析的智能媒介推荐方法。

背景技术

数字营销市场发生了巨变，程序化购买飞速发展，在这样的环境下，实现广告的精准投放成为越来越多品牌主的首要需求。在稳中求进的经济环境下，广告投放必然更需要深思熟虑，力求达到更高的投入产出比。

例如权威数据营销技术公司AdMaster推出的《2017年数字营销趋势报告》，为广告主和市场从业人员提供了投放建议。在该报告中，2017年数字营销花费预计平均增长17％，投放进一步倾斜移动端：根据AdMaster数据显示，80％以上的广告主表示将在2017年继续增加数字营销领域的预算，平均预算的增长量为17％，其中预算增长量预计达到10％以上的品牌达59％，发展态势积极，仅有3％的广告主表示将缩减预算。在营销预算分配上，广告主一致同意向移动端倾斜将是2017年的一大趋势，87％的广告主表示明年将进一步增加移动营销预算。相反，PC端的投放趋势则逐年走低，约六成品牌主选择减少投放甚至不投放。

目前媒介环境越来越碎片化，消费者可选择的平台、消费行为都越来越多元化。品牌主在投放广告时，需要通过不同渠道、终端、区域和平台之间进行组合，以此实现投放收益最大化。

而无论是投放在移动端还是PC端，常常都会采用以下两种方法之一：

(1)人工选号。平台明码实价的标明媒体号的价格，提供媒体号的相关信息，如粉丝数、阅读数、媒体类别、价格等信息，任广告主自主在平台进行挑选。

(2)公开竞价。广告主将投放的广告素材、关键词、投放时间、投放价格等公开放在广告平台上，由媒体号来竞标。

对于人工选号，尽管广告平台提供了专业运营人员辅助选号，但由于媒体号众多，分布较散，往往很多广告主都无法挑选到合适的媒体号；对于公开竞价，需要媒体号主动竞标，效率不高。

同时社媒广告平台提供在微信公众号、微博大V等社交媒体账号上进行广告投放的服务。在社媒平台投放广告中重要的步骤是选择合适的账号(选号)作为投放媒体。目前市场上绝大多数平台都是明码实价的标明媒体号的价格，提供媒体号的相关信息，如粉丝数、阅读数、媒体类别、价格等信息，任广告主自主在平台进行挑选，尽管广告平台提供了人工辅助选号的功能，但往往很多广告主都无法挑选到合适的媒体号。

因此有必要提供一种新的媒介推荐方法来解决上述问题。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于语义分析的智能媒介推荐方法，其根据广告主的关键词和预算，利用语义分析技术自动筛选出适合投放的媒体号，精准触达用户群。

本发明的目的通过以下的技术方案实现：

一种基于语义分析的智能媒介推荐方法，包含以下步骤：

S1、抓取媒体号的文章内容并进行预处理；所述预处理是对每个媒体号，利用自然语言处理工具将其每篇文章分句、分词，最终将这个媒体号的所有文章合并成一个大文章，文章中的每句是分完词的句子；

S2、使用gensim工具训练词向量模型；

采用基于Negative Sampling的CBOW模型训练词向量，给定语料库C，词w的上下文是Context(w)，词w为正样本，其他词则为负样本；负样本子集NEG(w)包含若干负样本，对于(即对于任意属于语料库C的词)，定义损失函数：

整体的目标函数Obj定义为：

其中σ(·)为sigmoid函数，T为转置运算符号，x_w表示Context(w)中各词的词向量之和，即其中表示词的词向量；θ^u表示词u对应的一个辅助向量，为待训练参数；词向量和辅助向量都是长度为m的实数向量；利用梯度上升方法对上述目标函数进行优化，从而训练出语料库中每个词的词向量；

S3、计算每个词的逆文档频率IDF，对于词w来说，

其中N代表媒体号的总数，N(w)表示文章内容中含有词w的媒体号总数；

S4、计算媒体号语义向量：对于媒体号M_j,利用TF‐IDF模型对其词向量加权，得到媒体号的语义向量S_j；计算方法如下：

其中v^w为词w的词向量，count(w,M_j)代表词w在媒体号M_j的文章中出现的次数，|M_j|表示媒体号M_j文章的总词数；

S5、媒体号初筛：通过人工设定的筛选条件，初筛出一批待挑选的媒体号；

S6、计算关键词列表语义向量：对于长度为k的广告关键词列表L＝[w₁,w₂,…,w_k]，其语义向量A计算方式为：

其中v^w是词w的词向量；

S7、计算关键词列表语义向量A与初筛之后的媒体号语义向量S_j的相似度：

其中A·S_j表示两个向量的内积，为向量A的L²范数，为向量S_j的L²范数；

S8、基于语义的媒体号细筛选：综合步骤S7算出的相似度以及设定的筛选条件，利用预先设定的每个筛选条件的权重，算出最终的媒体匹配值，从高到低取前K个形成待选媒体号列表。

步骤S1中，所述媒体号的文章内容是通过网络爬虫和官方API爬取的。

所述步骤S1、S2、S3、S4是离线计算，定期更新即可；所述步骤S5、S6、S7、S8是在线计算，对每个新的广告推广实时自动推荐出待选媒体号列表。

步骤S5、S8中，所述筛选条件包括媒体号价位、档期、广告类别。

步骤S1中，所述自然语言处理工具包括OpenNLP、LTP。

本发明与现有技术相比，具有如下优点和有益效果：

将本发明应用在微信公众号投放的选号上，测试了5个广告。首先人工为每个广告选择了10个待选的公众号，然后应用该技术为每个广告自动选出前20个公众号。对比结果发现，人工选出的公众号80％被自动选出的前20个公众号覆盖，证明了该技术的有效性。

相比人工选号，本发明在5秒之内即可提供前20个待选公众号，速度大幅提升。

附图说明

图1为本发明所述一种基于语义分析的智能媒介推荐方法的流程图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

如图1，一种基于语义分析的智能媒介推荐方法的流程图，包含以下顺序的步骤：

(1)利用网络爬虫爬取微信10万个媒体号发布的文章内容。

(2)对每个媒体号，利用LTP‐Cloud工具包将其每篇文章分段、分句、分词。最终将这个媒体号的所有文章合并成一个大文章，文章中的每句是分完词的句子。

(3)使用gensim工具训练词向量模型，选取隐藏层大小为100，词的上下文窗口为5，负例样本数为5。

(4)计算每个词的逆文档频率(IDF)，将上一步的词向量模型以及此步的IDF模型保存。

(5)计算媒体号文章语义向量。

(6)媒体号初筛。通过对媒体号价位、档期、广告类别等条件的选择，初筛出前50个待挑选的媒体号。

(7)计算关键词列表语义向量，与前50个媒体号的文章语义向量计算余弦相似度。

(8)给语义相似度、媒体号价位匹配度、档期匹配度设定权重，分别是0.6,0.2,0.2，算出最终的加权媒体匹配值，从高到低取前20个形成待选媒体号列表。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (4)

1.一种基于语义分析的智能媒介推荐方法，其特征在于，包含以下步骤：

S1、抓取媒体号的文章内容并进行预处理；所述预处理是对每个媒体号，利用自然语言处理工具将其每篇文章分句、分词，最终将这个媒体号的所有文章合并成一个大文章，文章中的每句是分完词的句子；

S2、使用gensim工具训练词向量模型；

采用基于Negative Sampling的CBOW模型训练词向量，给定语料库C，词w的上下文是Context(w)，词w为正样本，其他词则为负样本；负样本子集NEG(w)包含若干负样本，对于定义损失函数

整体的目标函数Obj定义为：

其中σ(·)为sigmoid函数，T为转置运算符号，x_w表示Context(w)中各词的词向量之和，即其中表示词的词向量；θ^u表示词u对应的一个辅助向量，为待训练参数；词向量和辅助向量都是长度为m的实数向量；利用梯度上升方法对上述目标函数进行优化，从而训练出语料库中每个词的词向量；

S3、计算每个词的逆文档频率IDF，对于词w来说，

其中N代表媒体号的总数，N(w)表示文章内容中含有词w的媒体号总数；

S4、计算媒体号语义向量：对于媒体号M_j，利用TF-IDF模型对其词向量加权，得到媒体号的语义向量S_j；计算方法如下：

其中v^w为词w的词向量，count(w，M_j)代表词w在媒体号M_j的文章中出现的次数，|M_j|表示媒体号M_j文章的总词数；

S5、媒体号初筛：通过人工设定的筛选条件，初筛出一批待挑选的媒体号；所述筛选条件包括媒体号价位、档期、广告类别；

S6、计算关键词列表语义向量：对于长度为k的广告关键词列表L＝[w₁，w₂，...，w_k]，其语义向量A计算方式为：

其中v^w是词w的词向量；

S7、计算关键词列表语义向量A与初筛之后的媒体号语义向量S_j的相似度：

其中A·S_j表示两个向量的内积，为向量A的L²范数，为向量S_j的L²范数；

S8、基于语义的媒体号细筛选：综合步骤S7算出的相似度以及设定的筛选条件，利用预先设定的每个筛选条件的权重，算出最终的媒体匹配值，从高到低取前K个形成待选媒体号列表；

所述筛选条件包括媒体号价位、档期、广告类别。

2.根据权利要求1所述基于语义分析的智能媒介推荐方法，其特征在于，步骤S1中，所述媒体号的文章内容是通过网络爬虫和官方API爬取的。

3.根据权利要求1所述基于语义分析的智能媒介推荐方法，其特征在于，所述步骤S1、S2、S3、S4是离线计算，定期更新即可；所述步骤S5、S6、S7、S8是在线计算，对每个新的广告推广实时自动推荐出待选媒体号列表。

4.根据权利要求1所述基于语义分析的智能媒介推荐方法，其特征在于，步骤S1中，所述自然语言处理工具包括OpenNLP、LTP。