CN107480124A - 广告投放方法和装置 - Google Patents

Abstract

本发明公开了一种广告投放方法和装置，其中，方法包括：从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理提取核心词，根据预设的广告用户分类模型对买词和核心词进行处理获取当前广告用户的类别，从广告库中选取与当前广告用户的类别相同的目标广告用户，并获取目标广告用户的广告投放质量评价指标和按照预设阈值筛选候选广告用户，获取候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。由此，通过提供给当前广告用户同行业优质广告用户的投放方式以及投放效果，指导当前广告用户对投放账户进行优化，即给当前广告用户提供广告优化建议以及策略提升以提高广告投放效率，降低成本。

Description

广告投放方法和装置

技术领域

本发明涉及广告技术领域，尤其涉及一种广告投放方法和装置。

背景技术

随着互联网技术的高速发展，互联网广告逐渐成为一种主流广告媒体。与传统的广告媒体相比，互联网广告具有覆盖范围广、主动性和积极性强、费用相对较低、性价比高以及具有强烈互动性等优势，因此，互联网广告也越来越受到各公司及商户的青睐。

目前，由于在投放时间、精力以及知识方面的限制，大量客户只是在初始投放阶段根据客服的建议及的一些理解设置自己的投放账户，对账户的优化频次非常低。不对账户进行合理的优化，自然得不到理想的投放效果。

相关技术中，通过使用广告点击率预估方法及神经网络方法推荐相关的广告。

发明内容

本发明的目的旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种广告投放方法，该方法通过提供给当前广告主同行业优质广告主的投放方式以及投放效果，指导当前广告主对投放账户进行优化，也就是给当前广告主提供广告优化建议以及策略提升以提高广告投放效率，降低成本。

本发明第二个目的提出一种广告投放装置。

本发明第三个目的提出一种计算机设备。

本发明第四个目的提出一种非临时性计算机可读存储介质。

本发明第五个目的提出一种计算机程序产品。

为达上述目的，本发明第一方面实施例提出了一种广告投放方法，该方法包括从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理，提取核心词；根据预设的广告用户分类模型对所述买词和所述核心词进行处理，获取所述当前广告用户的类别；从所述广告库中选取与当前广告用户的类别相同的目标广告用户，并获取所述目标广告用户的广告投放质量评价指标，并按照预设阈值筛选候选广告用户；获取所述候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。

本发明实施例的广告投放方法，通过从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理提取核心词，然后根据预设的广告用户分类模型对买词和核心词进行处理获取当前广告用户的类别，并从广告库中选取与当前广告用户的类别相同的目标广告用户以及获取目标广告用户的广告投放质量评价指标，并按照预设阈值筛选候选广告用户，最后获取候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。由此，通过提供给当前广告用户同行业优质广告用户的投放方式以及投放效果，指导当前广告用户对投放账户进行优化，即给当前广告用户提供广告优化建议以及策略提升以提高广告投放效率，降低成本。

另外，根据本发明上述实施例的广告投放方法还可以具有如下附加的技术特征：

可选地，所述广告投放质量评价指标包括：点击量、转化量、转化率中的一种或几种组合。

可选地，所述的方法，还包括：训练所述广告用户分类模型。

可选地，所述训练所述广告用户分类模型，包括：从样本空间中标注训练数据，并分析所述训练数据提取训练特征；通过SVM模型对所述训练特征进行训练获取支持向量，并基于所述支持向量求取判别函数；将待测试数据映射到特征空间，并使用所述判别函数对特征空间进行分类预测，获取所述广告用户分类模型。

可选地，所述广告投放数据包括：买词、投放广告位，预算、出价、投放方式中的一种数据或者多种数据组合。

为达上述目的，本发明第二方面实施例提出了一种广告投放装置，包括：提取模块，用于从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理，提取核心词；获取模块，用于根据预设的广告用户分类模型对所述买词和所述核心词进行处理，获取所述当前广告用户的类别；处理模块，用于从所述广告库中选取与当前广告用户的类别相同的目标广告用户，并获取所述目标广告用户的广告投放质量评价指标，并按照预设阈值筛选候选广告用户；提供模块，用于获取所述候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。

本发明实施例的广告投放装置，通过从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理提取核心词，然后根据预设的广告用户分类模型对买词和核心词进行处理获取当前广告用户的类别，并从广告库中选取与当前广告用户的类别相同的目标广告用户以及获取目标广告用户的广告投放质量评价指标，并按照预设阈值筛选候选广告用户，最后获取候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。由此，通过提供给当前广告用户同行业优质广告用户的投放方式以及投放效果，指导当前广告用户对投放账户进行优化，即给当前广告用户提供广告优化建议以及策略提升以提高广告投放效率，降低成本。

另外，根据本发明上述实施例的广告投放方法还可以具有如下附加的技术特征：

可选地，所述广告投放质量评价指标包括：点击量、转化量、转化率中的一种或几种组合。

可选地，所述的装置，还包括：训练模块，用于训练所述广告用户分类模型。

可选地，所述训练模块具体用于：从样本空间中标注训练数据，并分析所述训练数据提取训练特征；通过SVM模型对所述训练特征进行训练获取支持向量，并基于所述支持向量求取判别函数；将待测试数据映射到特征空间，并使用所述判别函数对特征空间进行分类预测，获取所述广告用户分类模型。

可选地，所述广告投放数据包括：买词、投放广告位，预算、出价、投放方式中的一种数据或者多种数据组合。

为达到上述目的，本发明第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现第一方面实施例所述的方法，所述方法包括：从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理，提取核心词；根据预设的广告用户分类模型对所述买词和所述核心词进行处理，获取所述当前广告用户的类别；从所述广告库中选取与当前广告用户的类别相同的目标广告用户，并获取所述目标广告用户的广告投放质量评价指标，并按照预设阈值筛选候选广告用户；获取所述候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。

为达到上述目的，本发明第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如第一方面实施例所述的方法，所述方法包括：从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理，提取核心词；根据预设的广告用户分类模型对所述买词和所述核心词进行处理，获取所述当前广告用户的类别；从所述广告库中选取与当前广告用户的类别相同的目标广告用户，并获取所述目标广告用户的广告投放质量评价指标，并按照预设阈值筛选候选广告用户；获取所述候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。

为达到上述目的，本发明第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行如第一方面实施例所述的方法，所述方法包括：从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理，提取核心词；根据预设的广告用户分类模型对所述买词和所述核心词进行处理，获取所述当前广告用户的类别；从所述广告库中选取与当前广告用户的类别相同的目标广告用户，并获取所述目标广告用户的广告投放质量评价指标，并按照预设阈值筛选候选广告用户；获取所述候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1是根据本发明一个实施例的广告投放方法的流程示意图；

图2是根据本发明一个实施例的训练广告用户分类模型的流程示意图；

图3是根据本发明一个实施例当前广告用户与同行业广告用户转化率对比图；

图4是根据本发明一个实施例不同广告位展现量及点击率对比图；

图5是根据本发明一个实施例的广告投放装置的结构示意图；

图6是根据本发明另一个实施例的广告投放装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面结合附图来描述本发明实施例的广告投放方法和装置。

本发明实施例的广告投放方法，通过分析同行业优质广告主的投放效果及投放策略，并提供给当前广告用户。从而可以刺激当前广告用户对投放账户进行优化，且给当前广告用户提供优化建议及策略，提升当前广告用户的转化效果，以及使得互联网广告环境中的优质流量得到合理的竞争，提升优质流量的价值。

图1是根据本发明一个实施例的广告投放方法的流程示意图。如图1所示，该带有虚拟现实交互的数据挖掘方法包括以下步骤：

步骤101，从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理，提取核心词。

具体地，在实际应用中，广告用户可以根据自身宣传和利益需要买词，比如华为荣耀厂商作为广告用户，为了新一代荣耀V9的宣传，向百度搜索引擎的买词可以为“荣耀”、“V9”等等。

还可以理解的是，广告用户具有自身的广告创意词，可以通过相关技术广告创意词做切词处理，提取核心词。

需要说明的是，广告库中有很多广告用户的买词，以及很多广告用户的广告创意词。

本实施例中，首先广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理，提取核心词。

步骤102，根据预设的广告用户分类模型对买词和核心词进行处理，获取当前广告用户的类别。

进一步地，通过预设的广告用户分类模型对买词和核心词进行处理可以得到当前广告用户的类别。

需要说明的是，预设的广告用户分类模型是预先训练好的，可以采用很多种方式训练预设的广告用户分类模型，作为一种示例，如图2所示，训练预设的广告用户分类模型具体包括：

步骤201，从样本空间中标注训练数据，并分析训练数据提取训练特征。

步骤202，通过SVM模型对训练特征进行训练获取支持向量，并基于支持向量求取判别函数。

步骤203，将待测试数据映射到特征空间，并使用判别函数对特征空间进行分类预测，获取广告用户分类模型。

具体地，将很多广告用户买词作为样本空间，并从样本空间中标注训练数据，比如买词A标注为手机、买词B标注为电器等等，并分析训练数据提取训练特征。

进一步地，通过SVM模型对训练特征进行训练获取支持向量，可以理解的是，支持向量表示某种类别，可以为多个，并基于支持向量求取判别函数。

进一步地，将待测试数据映射到特征空间并使用判别函数对特征空间进行分类预测，获取广告用户分类模型。

需要说明的是，判别函数能够对特征空间进行分类预测，比如特征空间1为手机类、特征空间2为鲜花类等等。

具体地，当前广告用户的类别是根据买词和核心词通过预设的广告用户分类模型确定，比如手机类别、电器类别等等。

步骤103，从广告库中选取与当前广告用户的类别相同的目标广告用户，并获取目标广告用户的广告投放质量评价指标，并按照预设阈值筛选候选广告用户。

具体地，广告库中有很多广告用户，在确定当前广告用户的类别后，在广告库中选取与其类别相同的一个或者多个目标广告用户。

可以理解的是，每个广告用户都有其对应的广告投放质量评价指标，这里主要是获取目标广告用户的广告投放质量评价指标。可以理解的是，广告投放质量评价指标有很多种，可以是点击量、转化量、转化率中的一种或几种组合。

其中，点击量是广告被点击的次数，转化量是点击以后购买、注册等行为的转化次数，转化率是转化量和点击量的比值。

进一步地，为了能够更好的指导当前广告用户，可以通过设置阈值，选取广告投放质量评价指标超过阈值的广告用户作为候选广告用户。

步骤104，获取候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。

具体地，在获取候选广告用户后，获取其广告投放数据，比如买词、投放广告位，预算、出价、投放方式中的一种数据或者多种数据组合提供给当前广告用户，以便当前广告用户参考进行广告投放。

具体地，首先确定当前广告用户的类别，接着选取同行业优质广告用户并统计同行业优质广告主的转化效果、购买的关键词及广告位的选择、投放方式的选择等等，提供给当前广告用户，为了进一步交互效果，下面结合图3和图4为例将各个统计纬度以合理的方式展示给客户，主要以曲线对比图的形式呈现。

图3是根据本发明一个实施例当前广告用户与同行业广告用户转化率对比图。具体地，如图3所示，可以直观清楚看到当前广告用户和同行业优质广告用户在30天内的转化率对比，对当前广告用户具有直观的建议。

由此，使当前广告用户了解目前同行业优质用户的投放效果，了解自身与优质客户的差距，促使当前广告用户有意愿去优化自身投放策略。从图3可以清楚确定当前广告用户与同行业优质广告用户在转化率方面的差异，可以促使当前广告用户期望达到行业优质用户的投放效果。

图4是根据本发明一个实施例不同广告位展现量及点击率对比图。具体地，如图4所示，不同的展现量对应的点击率差别很大，可以让当前广告用户快速了解哪种展现量可以获得很好的转化率。

由此，提供当前广告用户适合投放的策略。当当前广告用户有了优化账户的需求后，系统需要给当前广告用户提供一些优化的建议，同行业优质广告用户的投放策略会有很强的说服力。从图4可以让当前广告用户针对点击率高的广告位做投放。

需要说明的是，还可以提供同行业优质广告用户的买词展现量及点击率、转化情况、同行业优质广告用户的日均预算和同行业优质广告用户的投放方式等等。

由此，提供的同行业广告用户的投放效果及同行业广告用户投放广告所选择的受众人群、预算出价及投放方式，刺激当前广告用户期望优化自己账户并且有可依据的方法进行账户的优化，达到提升当前广告用户投放效果、提升互联网广告环境优质流量价值的目的。

需要说明的是，单个用户的投放策略是受保护的。可以提供的仅仅是同行业优质用户的平均投放效果，而不会提供单个用户的投放效果。

综上所述，本发明实施例的广告投放方法，通过从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理提取核心词，然后根据预设的广告用户分类模型对买词和核心词进行处理获取当前广告用户的类别，并从广告库中选取与当前广告用户的类别相同的目标广告用户以及获取目标广告用户的广告投放质量评价指标，并按照预设阈值筛选候选广告用户，最后获取候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。由此，通过提供给当前广告用户同行业优质广告用户的投放方式以及投放效果，指导当前广告用户对投放账户进行优化，即给当前广告用户提供广告优化建议以及策略提升以提高广告投放效率，降低成本。

与上述几种实施例提供的广告投放方法相对应，本发明的一种实施例还提供一种广告投放装置，由于本发明实施例提供的广告投放装置与上述几种实施例提供的广告投放方法相对应，因此在前述广告投放方法的实施方式也适用于本实施例提供的广告投放装置，在本实施例中不再详细描述。

图5是根据本发明一个实施例的广告投放装置的结构示意图。如图5所示，该广告投放装置包括：提取模块11、获取模块12、处理模块13和提供模块14。

其中，提取模块11，用于从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理，提取核心词。

获取模块12，用于根据预设的广告用户分类模型对买词和核心词进行处理，获取当前广告用户的类别。

处理模块13，用于从广告库中选取与当前广告用户的类别相同的目标广告用户，并获取目标广告用户的广告投放质量评价指标，并按照预设阈值筛选候选广告用户、

提供模块14，用于获取候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。

其中，在本发明的一个实施例中，广告投放质量评价指标包括：点击量、转化量、转化率中的一种或几种组合。

进一步地，在本发明的一个实施例中，如图6所示，在图5的基础上，该装置还包括训练模块15。

其中，训练模块15，用于训练广告用户分类模型。具体地，训练模块15具体用于：从样本空间中标注训练数据，并分析训练数据提取训练特征；通过SVM模型对训练特征进行训练获取支持向量，并基于支持向量求取判别函数；将待测试数据映射到特征空间，并使用判别函数对特征空间进行分类预测，获取广告用户分类模型。

其中，在本发明的一个实施例中，广告投放数据包括：买词、投放广告位，预算、出价、投放方式中的一种数据或者多种数据组合。

综上所述，本发明实施例的带有虚拟现实交互的数据挖掘系统，通过采集用户的指令信号并解析指令信号获取用户的操作意图，然后根据操作意图挖掘相关数据，并对相关数据进行加工处理生成数据关系网络，最后将数据关系网络以虚拟现实的方式展示在空间中提供给用户，从而丰富了数据的展示方式，改善了人与系统的交互方式，提高了操作的便利性。

为了实现上述实施例，本发明还提出计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，使得能够执行一种广告投放方法，所述方法包括：从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理提取核心词，根据预设的广告用户分类模型对买词和核心词进行处理获取当前广告用户的类别，从广告库中选取与当前广告用户的类别相同的目标广告用户，并获取目标广告用户的广告投放质量评价指标和按照预设阈值筛选候选广告用户，获取候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。

为了实现上述实施例，本发明还提出一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器被执行时，使得能够执行一种广告投放方法，所述方法包括：从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理提取核心词，根据预设的广告用户分类模型对买词和核心词进行处理获取当前广告用户的类别，从广告库中选取与当前广告用户的类别相同的目标广告用户，并获取目标广告用户的广告投放质量评价指标和按照预设阈值筛选候选广告用户，获取候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。

为了实现上述实施例，本发明还提出一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，使得能够执行一种广告投放方法，所述方法包括：从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理提取核心词，根据预设的广告用户分类模型对买词和核心词进行处理获取当前广告用户的类别，从广告库中选取与当前广告用户的类别相同的目标广告用户，并获取目标广告用户的广告投放质量评价指标和按照预设阈值筛选候选广告用户，获取候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种广告投放方法，其特征在于，包括以下步骤：

从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理，提取核心词；

根据预设的广告用户分类模型对所述买词和所述核心词进行处理，获取所述当前广告用户的类别；

从所述广告库中选取与当前广告用户的类别相同的目标广告用户，并获取所述目标广告用户的广告投放质量评价指标，并按照预设阈值筛选候选广告用户；

获取所述候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。

2.如权利要求1所述的方法，其特征在于，所述广告投放质量评价指标包括：

点击量、转化量、转化率中的一种或几种组合。

3.如权利要求1所述的方法，其特征在于，还包括：

训练所述广告用户分类模型。

4.如权利要求3所述的方法，其特征在于，所述训练所述广告用户分类模型，包括：

从样本空间中标注训练数据，并分析所述训练数据提取训练特征；

通过SVM模型对所述训练特征进行训练获取支持向量，并基于所述支持向量求取判别函数；

将待测试数据映射到特征空间，并使用所述判别函数对特征空间进行分类预测，获取所述广告用户分类模型。

5.如权利要求1所述的方法，其特征在于，所述广告投放数据包括：

买词、投放广告位，预算、出价、投放方式中的一种数据或者多种数据组合。

6.一种广告投放装置，其特征在于，包括：

提取模块，用于从广告库中提取当前广告用户的买词，并对当前广告用户的广告创意词做切词处理，提取核心词；

获取模块，用于根据预设的广告用户分类模型对所述买词和所述核心词进行处理，获取所述当前广告用户的类别；

处理模块，用于从所述广告库中选取与当前广告用户的类别相同的目标广告用户，并获取所述目标广告用户的广告投放质量评价指标，并按照预设阈值筛选候选广告用户；

提供模块，用于获取所述候选广告用户的广告投放数据提供给当前广告用户，以便当前广告用户参考进行广告投放。

7.如权利要求6所述的装置，其特征在于，所述广告投放质量评价指标包括：

点击量、转化量、转化率中的一种或几种组合。

8.如权利要求1所述的装置，其特征在于，还包括：

训练模块，用于训练所述广告用户分类模型。

9.如权利要求8所述的方法，其特征在于，所述训练模块具体用于：

从样本空间中标注训练数据，并分析所述训练数据提取训练特征；

通过SVM模型对所述训练特征进行训练获取支持向量，并基于所述支持向量求取判别函数；

将待测试数据映射到特征空间，并使用所述判别函数对特征空间进行分类预测，获取所述广告用户分类模型。

10.如权利要求6所述的装置，其特征在于，所述广告投放数据包括：

买词、投放广告位，预算、出价、投放方式中的一种数据或者多种数据组合。