CN108255881B - 一种生成投放关键词的方法及装置 - Google Patents
一种生成投放关键词的方法及装置 Download PDFInfo
- Publication number
- CN108255881B CN108255881B CN201611250189.5A CN201611250189A CN108255881B CN 108255881 B CN108255881 B CN 108255881B CN 201611250189 A CN201611250189 A CN 201611250189A CN 108255881 B CN108255881 B CN 108255881B
- Authority
- CN
- China
- Prior art keywords
- released
- root
- keywords
- label
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种生成投放关键词的方法和装置,该方法包括:获取多个已投放关键词及其投放效果数据,以及从网络中爬取到待分析数据;根据待分析数据提取出指定行业的词根库;分别将每个已投放关键词切分为由至少一个词根组合的标签词组,得到多个标签词组;根据标签词组所对应的投放效果数据,计算标签词组的投放效果评分;按照投放效果评分,从多个标签词组中选取出预设数量个目标标签词组;基于指定行业的待投放数据以及预数量个目标标签词组,生成多个待投放的关键词。本申请的方案可以降低拓展并生成所需投放的关键词的复杂度,减少生成所需投放的关键词的耗时,并能够合理生成具有更好信息传递效果的关键词。
Description
技术领域
本发明涉及信息投放技术领域,尤其涉及一种生成投放关键词的方法和装置。
背景技术
搜索引擎投放信息是互联网上最重要的信息投放方式。在利用搜索引擎投放信息之前,需要先确定所需投放的关键词。
目前,确定所需投放的关键词的过程一般是:先由人工先确定词根,并输入到搜索引擎的关键词拓展工具中,以对词根进行扩展,得到包含词根的搜索词,搜索词的检索量以及检索量的高低排名。然后,搜索引擎方的操作人员可以结合营销目标、预算等等需求,并根据经验从搜索词中筛选出一部分搜索词作为关键词,并将筛选出的关键词进行投放。
然而,人工将词根输入关键词拓展工具的复杂度较高,特别当词根数量较多时,耗费时间较多,且很容易出错;而且,在确定需要投放的关键词时,受人为主观因素影响较大,无法合理拓展出需要投放的关键词,进而在投放出关键词之后影响到信息传递效果。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的生成投放关键词的方法和装置,以降低拓展并生成所需投放的关键词的复杂度,降低生成所需投放的关键词的耗时,并能够合理生成具有更好信息传递效果的关键词。
一方面,本申请提供了一种生成投放关键词的方法,包括:
获取已投放关键词集合,所述已投放关键词集合中包括:多个已投放关键词以及每个所述已投放关键词对应的投放效果数据其中,所述已投放关键词为已投放至搜索引擎网站中的该指定行业的关键词;
获取从网络中爬取到指定行业相关的待分析数据,
根据所述待分析数据,提取出所述指定行业的词根库;
依据所述词根库中的词根,分别对每个所述已投放关键词进行切词,以将所述已投放关键词切分为由至少一个词根组合的标签词组,得到多个标签词组;
根据所述标签词组所对应的已投放关键词的投放效果数据,计算所述标签词组的投放效果评分;
按照标签词组的投放效果评分,从所述多个标签词组中选取出预设数量个目标标签词组;
基于所述指定行业的待投放数据以及所述预设数量个目标标签词组,生成多个待投放的关键词。
可选的,所述已投放关键词对应的投放效果数据包括:至少一种用于表征已投放关键词的投放效果的投放效果参数:
所述根据所述标签词组所对应的已投放关键词的投放效果数据,计算所述标签词组的投放效果评分,包括:
获取已投放关键词中每个投放效果参数的权重;
根据所述标签词组所对应的已投放关键词中各个投放效果参数的取值以及各个投放效果参数的权重,计算所述标签词组的投放效果评分。
可选的,所述已投放关键词的投放效果数据包括以下任意一种或几种投放效果参数:
已投放关键词的展现量,已投放关键词的点击量,已投放关键词的点击率和已投放关键词的转化量。
可选的,在所述确定出所述指定行业的词根库之后,还包括:
确定所述词根库中各个词根所属的词根类别;
所述每个所述标签词组的标签由所述标签词组所包括的至少一个词根各自对应的词根类别组成;
所述根据所述标签词组所对应的已投放关键词的投放效果数据,计算所述标签词组的投放效果评分,包括:
根据所述标签词组所对应的已投放关键词的投放效果数据,所述标签词组包括的各个词根所属的词根类别对应的预置评分,计算所述标签词组的投放效果评分。
可选的,在所述基于所述指定行业的待投放数据以及所述预设数量个目标标签词组,生成多个待投放的关键词之前,还包括:
按照预设的所述指定行业中词根之间的关联关系,将所述指定行业的词根库中的各个词根转换为树状结构中的各个节点;
依据待投放的所述指定行业的待投放数据,从所述树状结构中查询与所述待投放数据相关的各级节点;
所述基于所述指定行业的待投放数据以及所述预设数量个目标标签词组,生成多个待投放的关键词,包括:
利用所述指定行业的待投放数据,所述预设数量个目标标签词组以及查询出的各级节点上的词根,构建所需投放的关键词,得到多个待投放的关键词。
可选的,所述利用所述指定行业的待投放数据,所述目标标签词组以及查询出的各级节点上的词根,构建所需投放的关键词,得到多个待投放的关键词,包括:
将所述指定行业的待投放数据、所述目标标签词组以及查询出的各级节点上的词根进行笛卡尔乘积,构建出多个待投放的关键词。
另一方面,本申请实施例还提供了一种生成投放关键词的装置,包括:
第一数据获取单元,用于获取已投放关键词集合,所述已投放关键词集合中包括:多个已投放关键词以及每个所述已投放关键词对应的投放效果数据,其中,所述已投放关键词为已投放至搜索引擎网站中的该指定行业的关键词;
第二数据获取单元,用于获取从网络中爬取到指定行业相关的待分析数据;
词根提取单元,用于根据所述待分析数据,提取所述指定行业的词根库;
标签生成单元,用于依据所述词根库中的词根,分别对每个所述已投放关键词进行切词,以将所述已投放关键词切分为由至少一个词根组合的标签词组,得到多个标签词组;
效果评分单元,用于根据所述标签词组所对应的已投放关键词的投放效果数据,计算所述标签词组的投放效果评分;
标签提取单元,用于按照标签词组的投放效果评分,从所述多个标签词组中选取出预设数量个目标标签词组;
关键词构建单元,用于基于所述指定行业的待投放数据以及所述预设数量个目标标签词组,生成多个待投放的关键词。
优选的,所述数据获取单元获取到的所述已投放关键词对应的投放效果数据包括:至少一种用于表征已投放关键词的投放效果的投放效果参数:
所述效果评分单元,包括:
权重获取单元,用于获取已投放关键词中每个投放效果参数的权重;
评分计算子单元,用于根据所述标签词组所对应的已投放关键词中各个投放效果参数的取值以及各个投放效果参数的权重,计算所述标签词组的投放效果评分。
优选的,还包括:
类别确定单元,用于在所述词根提取单元确定出所述指定行业的词根库之后,确定所述词根库中各个词根所属的词根类别;
所述标签生成单元生成的每个所述标签词组的标签由所述标签词组所包括的至少一个词根各自对应的词根类别组成;
所述效果评分单元,具体为,用于根据所述标签词组所对应的已投放关键词的投放效果数据,所述标签词组包括的各个词根所属的词根类别对应的预置评分,计算所述标签词组的投放效果评分。
优选的,还包括:
树构建单元,用于在所述关键词构建单元生成多个待投放的关键词之前,按照预设的所述指定行业中词根之间的关联关系,将所述指定行业的词根库中的各个词根转换为树状结构中的各个节点;
节点查询单元,用于依据待投放的所述指定行业的待投放数据,从所述树状结构中查询与所述待投放数据相关的各级节点;
所述关键词构建单元,具体为,用于利用所述指定行业的待投放数据,所述预设数量个目标标签词组以及查询出的各级节点上的词根,构建所需投放的关键词,得到多个待投放的关键词。
借由上述技术方案,在本申请实施例中获取到的数据源不仅包括已投放关键词集合以及已投放关键词集合中每个已投放关键词的投放效果数据,还包括从网络中爬取到指定行业相关的待分析数据,这样可以直接从待分析数据中确定出的词根,有利于得到覆盖范围更为广泛的词根,也避免了用户单独手动输入词根,从而降低了生成投放关键词的复杂度以及所需的耗时。
而且,在依据分析出的这些词根对获取到的已投放关键词进行切词,得到由至少一个词根所组成的标签词组之后,会根据标签词组所对应的已投放关键词的投放效果数据,计算标签词组的投放效果评分,由于投放效果评分可以反映出投放该标签词组对应的投放关键词所产生的效果好坏程度,因此,按照标签词组的投放效果评分从高到底的排序,从该多个标签词组中选取出的排序靠前的预设数量个目标标签词组能够产生更为有效的信息传递效果,这样,基于指定行业的待投放数据以及该预设数量个目标标签词组,生成的待投放关键词也能产生较好的投放效果,有利于提高信息传递效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本申请一种生成投放关键词的方法一个实施例的流程示意图;
图2示出了本申请一种生成投放关键词的方法又一个实施例的流程示意图;
图3示出了本申请一种生成投放关键词的方法一个实施例的组成结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
参见图1,其示出了本申请一种生成投放关键词的方法一个实施例的流程示意图,可以应用于任意计算设备中。本实施例的方法可以包括:
S101,获取已投放关键词集合以及从网站中爬取到指定行业相关的待分析数据。
其中,已投放关键词集合中多个已投放关键词,每个已投放关键词的投放效果数据。
其中,该已投放关键词为已投放至搜索引擎网站中的该指定行业的关键词。该已投放关键词可以是预先存储的为一个或多个企业投放的关键词;也可以是从搜索引擎网站中获取到的已投放出的关键词。
已投放关键词的投放效果数据可以为反映该已投放关键词投放之后,所产生的点击、展现等投放效果的数据。
可选的,该已投放关键词的投放效果数据可以反映出该已投放关键词被投放之后所产生的效果特征数据,如该已投放效果数据可以包括:已投放关键词的展现量,已投放关键词的点击量,已投放关键词的点击率,已投放关键词的转化量等投放效果参数中的一种或多种。
当然,该投放效果数据还可以包括其他用于评价已投放关键词的质量好坏的参数,其中,展现量、点击量、点击率以及转化量的含义与现有定义相同,如,已投放关键词的展现量可以理解为一段时间内,用户查询在网络中进行搜索查询时,已投放关键词所对应的网站被展现出来的次数;该已投放关键词的点击量可以为用户点击访问该已投放关键词所对应的网站的次数;点击率为点击量与展现量的比值。
其中,展现量可以保证已投放关键词的质量度以及创意的好坏,点击量和点击率可以反映出已投放关键词对应的吸引力,转化量可以反映出营销效果的好坏,总之,投放效果数据可以反映出该已投放关键词被投放后,所能产生的投放效果,投放效果较好,则会带来较高的营销效果,因此,投放效果数据可以确定投放关键词所能产生的投放效果的一个指标。
S102,根据该待分析数据,提取出该指定行业的词根库,并确定出词根库中各个词根所属的词根类别。
其中,根据所需投放信息的行业不同,该指定行业可以根据需求进行设定,如该指定行业可以为汽车行业,也可以是奢饰品行业等等。
在本申请实施例中,该词根类别可以根据需要设定,如,仍以汽车行业为例,词根类别可以品牌类别,燃油标号类别等等。
可选的,从待分析数据中确定出该指定行业的词根,可以根据语法规则,从该待分析数据中提取出包含指定行业的词根,并根据预制的指定行业的词根类别,将词根进行归类。需要说明的是,确定词根类别仅仅是一种优选的方式,其目的是为了后续能够结合词根类别对已投放关键词进行切词,得到标签词组;以及更为精准的确定出标签词组的效果评分。
在实际应用中,在得到该待分析数据之后,也可以由人工从该待分析数据中进行词根提取,以得到指定行业的词根库以及各个词根的词根类别。
可选的,在确定词根之前,还可以对该待分析数据进行预处理,如,将一些对拓展投放关键词无用的字段和特殊符号进行删除,或者,将车型等字段按空格切分。
S103,依据该词根库中的词根以及词根所属的词根类别,分别对每个已投放关键词进行切词,以将已投放关键词切分为由至少一个词根所组成的标签词组,得到多个标签词组。
其中,切分出的每个标签词组可以包括一个或多个词根。
可选的,标签词组中所包括的各个词根各自所对应的词根类别可以构成该标签词组的标签,以便区分切分得到的多个词组(每个词组由多个词根)所属的类别。具体的,按照该指定行业的词根库中包含的词根,可以将已投放关键词看成是由多个词根组成,同时,根据词根所述的词根类别,可以将该已投放关键词进行切分为由一个词根或者由属于不同词根类别的多个词根所构成的组合词,由于该组合词中各个词根具有词根类别,每一个组合词同样可以归类为属于某一类标签的组合词,因此,在本申请实施例,将从已投放关键词切分出的组合词成为标签词组。
需要说明的是,在对已投放关键词进行切词时,可以仅仅以该指定行业内的词根为依据即可,而结合该词根所属的词根类别的目的是为了确定切分出的标签词组所属的标签,以便后续结合标签词组所属的标签更为精准的对标签词组进行评分,以及更为精准的选取所需的标签词组。
如,仍以汽车行业为例,将已投放关键词拆分得到标签词组的过程可以如下:
已投放关键词:02年某车系某车型可以拆分为:02,某车系,某车型,则该标签词组中各个词根所属的词根类别构成一个标签,该标签为:[['年代'],['品牌'],['车系']];
已投放关键词:0利息0月供轿车可以拆分为标签为:[['免息免税'],['免息免税'],['用途']]的标签词组:0利息,0月供,轿车。
可选的,在进行切词时,可以依据词根库中的词根以及词根所属的词根类别,并基于结巴分词算法,分别对每个已投放关键词进行切词。
可以理解的是,为了提高切词效果,则将已投放关键词切词之后,还可以利用切分出的标签词组更新该词根库,如,将汽车行业已投关键词切词之后,还可以人工将切词结果中未归属为词根的词整理后更新该词根库,并利用更新后的词根库重新对已投关键词进行切词,如此反复迭代目标次数,以得到较好的切词结果。
S104,根据该标签词组所对应的已投放关键词的投放效果数据,计算该标签词组的投放效果评分。
具体的,可以按照预设评分计算规则,并结合该标签词组对应的投放效果数据,计算该标签词组的投放效果评分。
可选的,在投放效果数据包括多个投放效果参数的前提下,可以获取已投放关键词中各个投放效果参数的权重,并根据该标签词组所对应的已投放关键词中各个投放效果参数的取值以及各个投放效果参数的权重,计算该类别组合的投放效果评分。
进一步的,除了利用标签词组所对应的投放效果数据之外,还可以综合标签词组中各个词根的词根类别来综合确定该投放效果评分。如,可以预先设定不同词根类别的权重和/或预置评分,这样,在确定出该标签词组包括的各个词根所属的词根类别之后,可以根据标签词组所对应的已投放关键词的各个投放效果参数的取值、各个投放效果参数的权重以及标签词组包括的各个词根所属的词根类别的权重和/或预置评分,计算该标签词组的投放效果评分。
S105,根据标签词组的投放效果评分,从该多个标签词组中选取出预设数量个目标标签词组。
其中,该预设数量可以根据需要设定的。
可选的,可以按照标签词组的投放效果评分从高到低的顺序,选取出排序靠前的预设数量个目标标签词组;或者是,可以按照标签词组的投放效果评分从低到高的顺序,选取出排序靠后的预设数量个目标标签词组,
当然,选取出评分较高的预设数量个目标标签词组仅仅是一种优选的实施方式,本领域技术人员可以理解的是,还可以有其他方式类选取目标标签词组,如,选取投放效果评分达到预设值的预设数量各目标标签词组等等。
S106,基于该指定行业的待投放数据以及该预设数量个目标标签词组,生成待投放关键词。
如,利用该指定行业的待投放数据中的品牌以及产品等相关信息替换该目标标签词组中相关的品牌以及产品等信息,以得到待投放关键词。
可见,在本申请实施例中,获取到的数据源不仅包括已投放关键词集合以及已投放关键词集合中每个已投放关键词的投放效果数据,还包括从网络中爬取到指定行业相关的待分析数据,这样可以直接从待分析数据中确定出的词根,有利于得到覆盖范围更为广泛的词根,也避免了用户单独手动输入词根,从而降低了生成投放关键词的复杂度以及耗时。
而且,在依据分析出的这些词根以及词根所属的词根类别,对获取到的已投放关键词进行切词,得到由至少一个词根所组成的标签词组之后,会根据标签词组所对应的已投放关键词的投放效果数据,计算标签词组的投放效果评分,由于投放效果评分可以反映出投放该标签词组对应的投放关键词所产生的效果好坏程度,因此,按照标签词组的投放效果评分从高到底的排序,从该多个标签词组中选取出的排序靠前的预设数量个目标标签词组能够产生更为有效的信息传递效果,这样,基于指定行业的待投放数据以及该预设数量个目标标签词组,生成的待投放关键词也能产生较好的投放效果,有利于提高信息传递效果。
参见图2,其示出了本申请一种生成投放关键词的方法一个实施例的流程示意图,可以应用于任意计算设备中。本实施例的方法可以包括:
S201,获取已投放关键词集合以及从网站中爬取到指定行业相关的待分析数据,已投放关键词集合中多个已投放关键词,每个已投放关键词对应的投放效果数据。
该已投放关键词集合中包括多个已投放关键词。
S202,根据该待分析数据,提取出该指定行业的词根库以及词根库中各个词根所属的词根类别。
S203,依据该词根库中的词根以及词根所属的词根类别,分别对每个已投放关键词进行切词,以将已投放关键词切分为由至少一个属于不同词根类别的词根所组成的标签词组,得到多个标签词组。
其中,每个所述标签词组的标签由所述标签词组所包括的至少一个词根各自对应的词根类别组成。
S204,根据该标签词组所对应的已投放关键词的投放效果数据以及该标签词组包括的词根所属的词根类别的权重,计算该标签词组的投放效果评分。
当然,也可以是根据该标签词组所对应的已投放关键词的投放效果数据以及该标签词组包括的词根所属的词根类别对应的预置评分,计算该标签词组的投放效果评分。
S205,根据标签词组的投放效果评分,选取出投放效果评分较高的预设数量个目标标签词组。
以上步骤S201至S205可以参见前面实施例的相关介绍,在此不再赘述。
S206,按照预设的所述指定行业中词根之间关联规则,将该指定行业的词根库中的各个词根转换为树状结构中的各个节点。
其中,该关联规则可以包括各个词根之间的附属关系,或者上下级关系等等。如,以汽车行业为例,表征品牌的词根可以包括表征不同车系的词根,而表征车系的词根又可以包括车系的参数,如排量等。
S207,获取待投放的该指定行业的待投放数据。
S208,依据该指定行业的待投放数据,从该树状结构中查询与该待投放数据相关的各级节点。
其中,待投放数据中可以为该指定行业下需要投放的商品品牌、商品名称、商品型号等等信息中的一种或多种。
相应的,根据该待投放数据,对树状结构进行遍历,具体可以为,根据该待投放数据所包含的该指定行业下的特征信息,从该树状结构中,查询与涉及该特征信息的起始节点,并遍历该起始节点下的各级节点,最终得到遍历到该树状结构中所有与该待投放数据相关的各个节点。如,待投放数据中包含有品牌等特征信息,则先从树状结构中查询出所有词根为品牌的节点,然后再依次遍历每个节点下的各级节点,最终得到多个节点链,每个节点链中包括多个相关的节点。
将词根库中的词根转换为树状结构有利于理顺各个词根之间的关联关系,且能够更为准确的从树状结构中确定出与待投放数据相关的词根,以便后续更为合理的生成关键词。
S209,利用该指定行业的待投放数据,预设数量个目标标签词组、以及查询出的各级节点上的词根,构建所需投放的关键词组合,得到多个待投放的关键词。
可选的,可以将指定行业的待投放数据、目标标签词组以及查询出的各级节点上的词根进行笛卡尔乘积,构架出多个待投放的关键词。
如,待投放数据中包括最新品牌M的排量分别为1.6L,1.61升,而目标标签词组中包括:品牌A的排量小这一已投放关键词所拆分出的多个词根,而查询出的各级节点可以包括品牌L,车系A、排量、五座,则构建出的关键词可以包括五座品牌M、五座品牌M的排量小、品牌M的排量1.6L等等。
另一方面,对应本申请的一种生成投放关键词的方法,本申请实施例还提供了一种生成投放关键词的装置。
参见图3,其示出了本申请一种生成投放关键词的装置一个实施例的组成结构示意图,本实施例的装置可以包括:
第二数据获取单元301,用于获取已投放关键词集合,所述已投放关键词集合中包括:多个已投放关键词以及每个所述已投放关键词对应的投放效果数据,以及从网络中爬取到指定行业相关的待分析数据,其中,所述已投放关键词为已投放至搜索引擎网站中的该指定行业的关键词;
第二数据获取单元302,用于获取从网络中爬取到指定行业相关的待分析数据;
词根提取单元303,用于根据所述待分析数据,提取出出所述指定行业的词根库;
标签生成单元304,用于依据所述词根库中的词根,分别对每个所述已投放关键词进行切词,以将所述已投放关键词切分为由至少一个词根组合的标签词组,得到多个标签词组;
效果评分单元305,用于根据所述标签词组所对应的已投放关键词的投放效果数据,计算所述标签词组的投放效果评分;
标签提取单元306,用于按照标签词组的投放效果评分,从所述多个标签词组中选取出预设数量个目标标签词组;
关键词构建单元307,用于基于所述指定行业的待投放数据以及所述预设数量个目标标签词组,生成多个待投放的关键词。
可选的,所述数据获取单元获取到的所述已投放关键词的投放效果数据包括:至少一种用于表征已投放关键词的投放效果的投放效果参数:
所述效果评分单元,包括:
权重获取单元,用于获取已投放关键词中每个投放效果参数的权重;
评分计算子单元,用于根据所述标签词组所对应的已投放关键词中各个投放效果参数的取值以及各个投放效果参数的权重,计算所述标签词组的投放效果评分。
进一步的,所述已投放关键词的投放效果数据包括以下任意一种或几种投放效果参数:
已投放关键词的展现量,已投放关键词的点击量,已投放关键词的点击率和已投放关键词的转化量。
可选的,所述装置还可以包括:
类别确定单元308,用于在所述词根提取单元确定出所述指定行业的词根库之后,确定所述词根库中各个词根所属的词根类别;
相应的,所述标签生成单元生成的每个所述标签词组的标签为所述标签词组所包括的至少一个词根各自对应的词根类别组成;
所述效果评分单元305,具体为,用于根据所述标签词组所对应的已投放关键词的投放效果数据,所述标签词组包括的各个词根所属的词根类别对应的预置评分,计算所述标签词组的投放效果评分。
可选的,所述装置还可以包括:
树构建单元,用于在所述关键词构建单元生成多个待投放的关键词之前,按照预设的所述指定行业中词根之间的关联关系,将所述指定行业的词根库中的各个词根转换为树状结构中的各个节点;
节点查询单元,用于依据待投放的所述指定行业的待投放数据,从所述树状结构中查询与所述待投放数据相关的各级节点;
所述关键词构建单元,具体为,用于利用所述指定行业的待投放数据,所述预设数量个目标标签词组以及查询出的各级节点上的词根,构建所需投放的关键词,得到多个待投放的关键词。
进一步的,所述关键词构建单元具体为,用于将所述指定行业的待投放数据、所述目标标签词组以及查询出的各级节点上的词根进行笛卡尔乘积,构建出多个待投放的关键词。
所述生成投放关键词的装置包括处理器和存储器,上述数据获取单元、词根提取单元、标签生成单元、效果评分单元、标签提取单元以及关键词构建单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来提高生成的热力图的精准度。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本申请实施例的装置中,数据获取单元获取到的数据源不仅包括已投放关键词集合以及已投放关键词集合中每个已投放关键词的投放效果数据,还包括从网络中爬取到指定行业相关的待分析数据,这样可以直接词根提取单元可以从待分析数据中确定出的词根以及词根所属的词根类别,有利于得到覆盖范围更为广泛的词根,也避免了用户单独手动输入词根,从而降低了生成投放关键词的复杂度以及耗时。而且,在标签生成单元依据分析出的这些词根以及词根所属的词根类别,对获取到的已投放关键词进行切词,得到由至少一个词根所组成的标签词组之后,效果评分单元会根据标签词组所对应的已投放关键词的投放效果数据,计算标签词组的投放效果评分,由于投放效果评分可以反映出投放该标签词组对应的投放关键词所产生的效果好坏程度,因此,标签提取单元按照标签词组的投放效果评分从高到底的排序,从该多个标签词组中选取出的排序靠前的预设数量个目标标签词组能够产生更为有效的信息传递效果,这样,基于指定行业的待投放数据以及该预设数量个目标标签词组,生成的待投放关键词也能产生较好的投放效果,有利于提高信息传递效果。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序代码:
获取已投放关键词集合,所述已投放关键词集合中包括:多个已投放关键词以及每个已投放关键词对应的投放效果数据,其中,所述已投放关键词为已投放至搜索引擎网站中的该指定行业的关键词;
获取从网络中爬取到指定行业相关的待分析数据
从所述待分析数据中,确定出所述指定行业的词根库;
依据所述词根库中的词根,分别对每个所述已投放关键词进行切词,以将所述已投放关键词切分为由至少一个词根组合的标签词组,得到多个标签词组;
根据所述标签词组所对应的已投放关键词的投放效果数据,计算所述标签词组的投放效果评分;
按照标签词组的投放效果评分从高到底的排序,从所述多个标签词组中选取出排序靠前的预设数量个目标标签词组;
基于所述指定行业的待投放数据以及所述预设数量个目标标签词组,生成多个待投放的关键词。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (7)
1.一种生成投放关键词的方法,其特征在于,包括:
获取已投放关键词集合,所述已投放关键词集合中包括:多个已投放关键词以及每个所述已投放关键词对应的投放效果数据其中,所述已投放关键词为已投放至搜索引擎网站中的该指定行业的关键词;
获取从网络中爬取到指定行业相关的待分析数据;
根据所述待分析数据,提取出所述指定行业的词根库;
依据所述词根库中的词根,分别对每个所述已投放关键词进行切词,以将所述已投放关键词切分为由至少一个词根组合的标签词组,得到多个标签词组;
根据所述标签词组所对应的已投放关键词的投放效果数据,计算所述标签词组的投放效果评分;
按照标签词组的投放效果评分,从所述多个标签词组中选取出预设数量个目标标签词组;
按照预设的所述指定行业中词根之间的关联关系,将所述指定行业的词根库中的各个词根转换为树状结构中的各个节点;
依据待投放的所述指定行业的待投放数据,从所述树状结构中查询与所述待投放数据相关的各级节点;
利用所述指定行业的待投放数据,所述预设数量个目标标签词组以及查询出的各级节点上的词根,构建所需投放的关键词,得到多个待投放的关键词,包括:将所述指定行业的待投放数据、所述预设数量个目标标签词组以及所述查询出的各级节点上的词根进行笛卡尔乘积,构建出多个待投放的关键词。
2.根据权利要求1所述的方法,其特征在于,所述已投放关键词对应的投放效果数据包括:至少一种用于表征已投放关键词的投放效果的投放效果参数:
所述根据所述标签词组所对应的已投放关键词的投放效果数据,计算所述标签词组的投放效果评分,包括:
获取已投放关键词中每个投放效果参数的权重;
根据所述标签词组所对应的已投放关键词中各个投放效果参数的取值以及各个投放效果参数的权重,计算所述标签词组的投放效果评分。
3.根据权利要求2所述的方法,其特征在于,所述已投放关键词的投放效果数据包括以下任意一种或几种投放效果参数:
已投放关键词的展现量,已投放关键词的点击量,已投放关键词的点击率和已投放关键词的转化量。
4.根据权利要求1所述的方法,其特征在于,在所述确定出所述指定行业的词根库之后,还包括:
确定所述词根库中各个词根所属的词根类别;
所述每个所述标签词组的标签由所述标签词组所包括的至少一个词根各自对应的词根类别组成;
所述根据所述标签词组所对应的已投放关键词的投放效果数据,计算所述标签词组的投放效果评分,包括:
根据所述标签词组所对应的已投放关键词的投放效果数据,所述标签词组包括的各个词根所属的词根类别对应的预置评分,计算所述标签词组的投放效果评分。
5.一种生成投放关键词的装置,其特征在于,包括:
第一数据获取单元,用于获取已投放关键词集合,所述已投放关键词集合中包括:多个已投放关键词以及每个所述已投放关键词对应的投放效果数据,其中,所述已投放关键词为已投放至搜索引擎网站中的该指定行业的关键词;
第二数据获取单元,用于获取从网络中爬取到指定行业相关的待分析数据;
词根提取单元,用于根据所述待分析数据,提取所述指定行业的词根库;
标签生成单元,用于依据所述词根库中的词根,分别对每个所述已投放关键词进行切词,以将所述已投放关键词切分为由至少一个词根组合的标签词组,得到多个标签词组;
效果评分单元,用于根据所述标签词组所对应的已投放关键词的投放效果数据,计算所述标签词组的投放效果评分;
标签提取单元,用于按照标签词组的投放效果评分,从所述多个标签词组中选取出预设数量个目标标签词组;
树构建单元,用于按照预设的所述指定行业中词根之间的关联关系,将所述指定行业的词根库中的各个词根转换为树状结构中的各个节点;
节点查询单元,用于依据待投放的所述指定行业的待投放数据,从所述树状结构中查询与所述待投放数据相关的各级节点;
关键词构建单元,用于利用所述指定行业的待投放数据,所述预设数量个目标标签词组以及查询出的各级节点上的词根,构建所需投放的关键词,得到多个待投放的关键词,包括:将所述指定行业的待投放数据、所述预设数量个目标标签词组以及所述查询出的各级节点上的词根进行笛卡尔乘积,构建出多个待投放的关键词。
6.根据权利要求5所述的装置,其特征在于,所述数据获取单元获取到的所述已投放关键词对应的投放效果数据包括:至少一种用于表征已投放关键词的投放效果的投放效果参数:
所述效果评分单元,包括:
权重获取单元,用于获取已投放关键词中每个投放效果参数的权重;
评分计算子单元,用于根据所述标签词组所对应的已投放关键词中各个投放效果参数的取值以及各个投放效果参数的权重,计算所述标签词组的投放效果评分。
7.根据权利要求5所述的装置,其特征在于,还包括:
类别确定单元,用于在所述词根提取单元确定出所述指定行业的词根库之后,确定所述词根库中各个词根所属的词根类别;
所述标签生成单元生成的每个所述标签词组的标签由所述标签词组所包括的至少一个词根各自对应的词根类别组成;
所述效果评分单元,具体为,用于根据所述标签词组所对应的已投放关键词的投放效果数据,所述标签词组包括的各个词根所属的词根类别对应的预置评分,计算所述标签词组的投放效果评分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611250189.5A CN108255881B (zh) | 2016-12-29 | 2016-12-29 | 一种生成投放关键词的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611250189.5A CN108255881B (zh) | 2016-12-29 | 2016-12-29 | 一种生成投放关键词的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108255881A CN108255881A (zh) | 2018-07-06 |
CN108255881B true CN108255881B (zh) | 2022-02-11 |
Family
ID=62721578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611250189.5A Active CN108255881B (zh) | 2016-12-29 | 2016-12-29 | 一种生成投放关键词的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108255881B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064221B (zh) * | 2018-07-20 | 2021-04-27 | 广州市丰申网络科技有限公司 | 基于大数据技术的关键词广告智能投放方法及设备 |
CN110807083A (zh) * | 2018-08-02 | 2020-02-18 | 北京京东尚科信息技术有限公司 | 关键词评估方法和装置 |
CN110717104B (zh) * | 2019-10-11 | 2022-05-20 | 广州市丰申网络科技有限公司 | 关键词广告投放自动化否定关键词方法及装置 |
CN111160001B (zh) * | 2019-12-23 | 2022-09-23 | 联想(北京)有限公司 | 一种数据处理方法及装置 |
CN112183069A (zh) * | 2020-10-10 | 2021-01-05 | 上海明略人工智能(集团)有限公司 | 一种基于历史关键词投放数据的关键词构建方法及系统 |
CN112307758B (zh) * | 2020-11-06 | 2024-02-06 | 上海明略人工智能(集团)有限公司 | 通过词根推荐关键词的方法、装置、电子设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823847A (zh) * | 2014-01-28 | 2014-05-28 | 亿赞普(北京)科技有限公司 | 一种关键词的扩充方法及装置 |
CN105354265A (zh) * | 2015-10-23 | 2016-02-24 | 北京京东尚科信息技术有限公司 | 一种自动构建投放关键词关联结构的方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060080292A1 (en) * | 2004-10-08 | 2006-04-13 | Alanzi Faisal Saud M | Enhanced interface utility for web-based searching |
US8290975B2 (en) * | 2008-03-12 | 2012-10-16 | Microsoft Corporation | Graph-based keyword expansion |
-
2016
- 2016-12-29 CN CN201611250189.5A patent/CN108255881B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823847A (zh) * | 2014-01-28 | 2014-05-28 | 亿赞普(北京)科技有限公司 | 一种关键词的扩充方法及装置 |
CN105354265A (zh) * | 2015-10-23 | 2016-02-24 | 北京京东尚科信息技术有限公司 | 一种自动构建投放关键词关联结构的方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于数据挖掘的SEM投放模型研究;邹佳君;《中国优秀博硕士学位论文全文数据库(硕士)》;20111215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108255881A (zh) | 2018-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108255881B (zh) | 一种生成投放关键词的方法及装置 | |
CN102479191B (zh) | 提供多粒度分词结果的方法及其装置 | |
CN107239497B (zh) | 热门内容搜索方法和系统 | |
US20150356072A1 (en) | Method and Apparatus of Matching Text Information and Pushing a Business Object | |
CN104978356B (zh) | 一种同义词的识别方法及装置 | |
CN106033416A (zh) | 一种字符串处理方法及装置 | |
CN111125086B (zh) | 获取数据资源的方法、装置、存储介质及处理器 | |
Stottler et al. | Rapid Retrieval Algorithms for Case-Based Reasoning. | |
CN102279843A (zh) | 处理短语数据的方法以及装置 | |
CN108399213B (zh) | 一种面向用户个人文件的聚类方法及系统 | |
CN109960815B (zh) | 一种神经机器翻译nmt模型的创建方法及系统 | |
CN110019669B (zh) | 一种文本检索方法及装置 | |
CN103823900A (zh) | 信息点重要性确定方法和装置 | |
CN106649605B (zh) | 一种推广关键词的触发方法及装置 | |
JP2020512651A (ja) | 検索方法、装置及び非一時的コンピュータ読取可能記憶媒体 | |
CN106528648A (zh) | 结合Redis内存数据库的分布式RDF关键词近似搜索方法 | |
CN107590119B (zh) | 人物属性信息抽取方法及装置 | |
CN109783801A (zh) | 一种电子装置、多标签分类方法及存储介质 | |
CN109101512B (zh) | 法律数据库的构建方法、法律数据查询方法及装置 | |
CN104834719B (zh) | 应用于实时大数据场景下的数据库系统 | |
CN112907358A (zh) | 贷款用户信用评分方法、装置、计算机设备和存储介质 | |
CN106776782B (zh) | 基于人工智能的语义相似度获取方法及装置 | |
CN107798410B (zh) | 一种品类规划方法、装置及电子设备 | |
CN116414872B (zh) | 基于自然语言识别及知识图谱的数据搜索方法和系统 | |
CN104572904A (zh) | 一种标签关联程度的确定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100080 No. 401, 4th Floor, Haitai Building, 229 North Fourth Ring Road, Haidian District, Beijing Applicant after: Beijing Guoshuang Technology Co.,Ltd. Address before: 100086 Cuigong Hotel, 76 Zhichun Road, Shuangyushu District, Haidian District, Beijing Applicant before: Beijing Guoshuang Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |