CN111581495B - 一种基于搜索引擎广告数据的关键词生成推荐方法及装置 - Google Patents

一种基于搜索引擎广告数据的关键词生成推荐方法及装置 Download PDF

Info

Publication number
CN111581495B
CN111581495B CN202010271206.3A CN202010271206A CN111581495B CN 111581495 B CN111581495 B CN 111581495B CN 202010271206 A CN202010271206 A CN 202010271206A CN 111581495 B CN111581495 B CN 111581495B
Authority
CN
China
Prior art keywords
keyword
keywords
modifier
subject
words
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
Application number
CN202010271206.3A
Other languages
English (en)
Other versions
CN111581495A (zh
Inventor
刘健
罗一恒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Westwin Technology Suzhou Co ltd
Original Assignee
Westwin Technology Suzhou Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Westwin Technology Suzhou Co ltd filed Critical Westwin Technology Suzhou Co ltd
Priority to CN202010271206.3A priority Critical patent/CN111581495B/zh
Publication of CN111581495A publication Critical patent/CN111581495A/zh
Application granted granted Critical
Publication of CN111581495B publication Critical patent/CN111581495B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种基于搜索引擎广告数据的关键词生成推荐方法及装置，其中方法包括以下步骤：获取关键词数据，通过API输入广告主信息，获取广告数据；对获取的数据进行扩展，增加CVR和ROI两个字段；将关键词进行分组，按落地页网址对关键词数据进行分组，得到多个子数据表；对每个所述子数据表中关键词计算综合收益值，并添加到子数据表中；提取主语和修饰语并赋予权重；采用主语和修饰语生成新的关键词，并预估收益。本发明扩大广告主推广的覆盖面，提升推荐关键词与广告主业务的相关性，和收益预测，避免广告费用的浪费。

Description

一种基于搜索引擎广告数据的关键词生成推荐方法及装置
技术领域
本发明涉及搜索引擎广告领域，具体而言，涉及一种基于搜索引擎广告数据的关键词生成推荐方法及装置。
背景技术
关键词是搜索引擎广告投放的必要要素。广告主在投放搜索广告时需要再广告平台设置关键词，来告知广告平台需要在哪些关键词的搜索结果中展现广告。广告主设置的关键词越多，广告展现的可能性越大。当广告主已知的关键词无法满足推广需求时，可以借助关键词推荐工具来生成新的关键词，从而提升推广效果。
当前的关键词推荐技术，是基于广告主提供的已知关键词，与搜索引擎中历史出现过的搜索词进行匹配，返回在字面上有单词重叠的历史搜索词作为推荐结果，并提供预估的搜索量数据和出价建议。
现有技术的不足：(1)只能推荐历史上已存在的搜索词，不会推荐理论上可出现的关键词以及同义词；(2)通过字面相关进行匹配，推荐的关键词会出现与广告主业务无关的情况；(3)只能预估关键词的搜索量和出价，不能评估关键词为广告主带来收益的可能性。
发明内容
本发明实施例提供一种基于搜索引擎广告数据的关键词生成推荐方法及装置，用以解决上述问题。
本发明实施例提供的具体技术方案如下：
第一方面，提供一种基于搜索引擎广告数据的关键词生成推荐方法，包括以下步骤：获取关键词数据，通过API输入广告主信息，获取广告数据；对获取的数据进行扩展，增加CVR和ROI两个字段；将关键词进行分组，按落地页网址对关键词数据进行分组，得到多个子数据表；对每个所述子数据表中关键词计算综合收益值，并添加到子数据表中；提取主语和修饰语并赋予权重；采用主语和修饰语生成新的关键词，并预估收益。
结合第一方面，在第一种可能的实现方式中，所述增加CVR和ROI两个字段，其中：CVR＝转化量/点击量；ROI＝收入/广告消费。
结合第一方面，在第二种可能的实现方式中，所述综合收益值的计算公式为：R＝(this.ROI/max(ROI))*100+this.CVR/max(CVR)，其中，R为[综合收益值]，this.ROI为当前选中的关键词的ROI，max(ROI)为当前子数据表中所有关键词ROI的最大值，this.ROI为当前选中的关键词的CVR，max(ROI)为当前子数据表中所有关键词CVR的最大值。
结合第一方面，在第三种可能的实现方式中，所述提取主语和修饰语并赋予权重，具体包括以下步骤：利用空格或者NLP分词算法将每一个关键词拆分成多个单词，每个单词继承其所属关键词的综合收益值；对于每个关键词，根据分出的单词的词性，自动提取出名词；对于其余的单词，去掉词性为介词和副词的单词，余下全部分到“修饰语”表格中；对“主语”和“修饰语”两个表中按单词进行聚合，当同一单词对应多个综合收益值时，则取这些值的总和；在“主语”和“修饰语”两个表中，分别计算收益权重值，用r表示r＝this.R/(maxR)。其中，this.R为当前选中的单词的R值，(maxR)为当前表格中R值的最大值。
结合第一方面，在第四种可能的实现方式中，所述根据分出的单词的词性，自动提取出名词，包括：当提取出的名词数量＝1时，将这个名词分到“主语”表格中；当提取出的名词数量>1时,交给人工识别，筛选出一个单词分到“主语”表格中；当提取出的名词数量<1时，则没有单词被分到“主语”表格中。
结合第一方面，在第五种可能的实现方式中，所述筛选出一个单词分到“主语”表格中，筛选的依据为单词所属关键词的词义单词和所属关键词的落地页内容。
结合第一方面，在第六种可能的实现方式中，所述采用主语和修饰语生成新的关键词，并预估收益，具体包括以下步骤：用“主语”和“修饰语”表格中的单词进行批量组合，生成新的关键词；对每个新生成的关键词，根据其中每个单词的r值，计算预估综合收益值，预估综合收益值＝主语.r*100+修饰语1.r+修饰语2.r+…+修饰语N.r，其中，主语.r为关键词中主语的收益权重值，修饰语n.r为关键词中每个修饰语的收益权重值，n为不同的修饰语；根据新生成关键词的[预估综合收益值]进行降序排序，排序越靠前的，预估产生收益的可能性越大。
结合第一方面，在第七种可能的实现方式中，所述用“主语”和“修饰语”表格中的单词进行批量组合，其中组合的规则为：每个组合只能有一个主语，可以有多个修饰语；同一个关键词中，不能重复出现同一个修饰语；按以上方式生成不重复的关键词，直到所有的组合方式都用完；如果生成的关键词与获取的广告数据中的关键词重复，则从生成的关键词列表中删除。
一种基于搜索引擎广告数据的关键词生成推荐装置，包括
关键词获取模块，所述关键词获取模块通过API输入广告主信息，获取广告数据，包括关键词、广告点击量、广告消费、转化量、收入和落地页网址，并扩展CVR和ROI两个字段；
关键词分组模块，所述关键词分组模块用于将关键词进行分组，按落地页网址对关键词数据进行分组，得到多个子数据表；
关键词推荐单元，所述关键词推荐单元用于对每个所述子数据表中关键词计算综合收益值；提取关键词的主语和修饰语并赋予权重，生成新的关键词并预估收益。
进一步地，关键词推荐单元包括关键词提取模块，所述关键词提取模块利用空格或者NLP分词算法将每一个关键词拆分成多个单词，每个单词继承其所属关键词的综合收益值；对于每个关键词，根据分出的单词的词性，自动提取出名词，分配至“主语”表格中，对于其余的单词，去掉词性为介词和副词的单词，余下全部分到“修饰语”表格中。
进一步地，所述关键词推荐单元包括预估收益模块，用“主语”和“修饰语”表格中的单词进行批量组合，生成新的关键词；对每个新生成的关键词，根据其中每个单词的收益权重值，计算预估综合收益值。
基于上述技术方案，本发明实施例的基于搜索引擎广告数据的关键词生成推荐方法及装置，通过获取搜索引擎广告数据，提取关键词主语和修饰语，采用单词收益权重算法，进行关键词收益预估，扩大广告主推广的覆盖面，提升推荐关键词与广告主业务的相关性，和收益预测，避免广告费用的浪费。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。其中：
图1为本发明实施例中基于搜索引擎广告数据的关键词生成推荐方法的流程示意图；
图2为本发明实施例中关键词分组的流程图；
图3为本发明实施例中关键词提取主语和修饰语并赋予权重的流程图；
图4为本发明实施例中新关键词预估收益的流程图；
图5为本发明实施例中基于搜索引擎广告数据的关键词生成推荐装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应属于本发明保护的范围。
图1示出了根据本发明实施例基于搜索引擎广告数据的关键词生成推荐方法的流程示意图，包括以下步骤：
S10，获取关键词数据，通过API输入广告主信息，获取广告数据；
根据搜索引擎广告平台的规则，申请广告数据API的使用权限，通过API，输入广告主信息，包括广告主名称、广告主账户、广告系列、广告组、时段等信息获取广告数据，广告数据包括关键词、广告点击量、广告消费、转化量、收入、落地页网址等字段。
S20，对获取的广告数据进行扩展，增加转化率和投资回报率两个字段；
在第一种可能的实现方式中，增加转化率CVR和投资回报率ROI两个字段，其中：CVR＝转化量/点击量；ROI＝收入/广告消费。
S30，如图2所示，将关键词进行分组，按落地页网址对关键词数据进行分组，得到多个子数据表；
根据落地页网址分类若干个子数据表，相同的落地页网址被分到同一个子数据表中，如落地页网址为001.html的分到子数据表1中，落地页网址为002.html的分到子数据表2中，依此规则划分成若干个子数据表，每个子数据表中依然包括关键词、广告点击量、广告消费、转化量、收入、落地页网址等字段。
S40，对每个子数据表中关键词计算综合收益值R，并添加到子数据表中；
综合收益值的计算公式为：R＝(this.ROI/max(ROI))*100+this.CVR/max(CVR)，其中，R为[综合收益值]，this.ROI为当前选中的关键词的ROI，max(ROI)为当前子数据表中所有关键词ROI的最大值，this.ROI为当前选中的关键词的CVR，max(ROI)为当前子数据表中所有关键词CVR的最大值。
S50，如图3所示，提取主语和修饰语并赋予权重；采用主语和修饰语生成新的关键词，并预估收益。
提取主语和修饰语并赋予权重，具体包括以下步骤：
S501，利用空格或者NLP分词算法将每一个关键词拆分成多个单词，每个单词继承其所属关键词的综合收益值；
比如关键词red shirt的综合收益值为3，经拆分后，red的综合收益值为3，shirt的综合收益值也为3。
S502，对于每个关键词，根据分出的单词的词性划分至“主语”和“修饰语”两个表格中。
其中名词的提取规则为；当提取出的名词数量等于1时，将这个名词分到“主语”表格中；当提取出的名词数量大于1时,交给人工识别筛选出一个名词分到“主语”表格中，筛选的依据为单词所属关键词的词义或单词所属关键词的落地页内容；当提取出的名词数量小于1时，则没有名词被分到“主语”表格中。
对于其余的单词，去掉词性为介词和副词的单词，余下全部分到“修饰语”表格中。
例如，原关键词为red shirt和cheap basketball tees，自动筛选出名称为shirt、basketball、tees，非名词为red、cheap，进一步人工筛选，当同一关键词包含不止一个名词时，依据为单词所属关键词的词义或单词所属关键词的落地页内容，将名词tees划分至“主语”表格中，名词basketball划分至“修饰语”表格中。
进一步，对“主语”和“修饰语”两个表中按单词进行聚合，当同一单词对应多个综合收益值时，则取这些值的总和；
S503，在“主语”和“修饰语”两个表中，分别计算收益权重值r，用r表示r＝this.R/(maxR)，其中，this.R为当前选中的单词的R值，(maxR)为当前表格中R值的最大值。
例如，主语表格中，shirt的综合收益值为3，tees的综合收益值为10，则shirt的收益权重值r为当前shirt的综合收益值3除以主语表格当前综合收益最大值10，得到shirt的收益权重值r为0.3，同理，tees的收益权重值r为1；修饰语表格中采用同样的计算方法分别计算每个单词的收益权重值。
S504，如图4所示，采用主语和修饰语生成新的关键词，并预估收益，具体包括以下步骤：用“主语”和“修饰语”表格中的单词进行批量组合，生成新的关键词；对每个新生成的关键词，根据其中每个单词的r值，计算预估综合收益值，预估综合收益值＝主语.r*100+修饰语1.r+修饰语2.r+…+修饰语N.r，其中，主语.r为关键词中主语的收益权重值，修饰语n.r为关键词中每个修饰语的收益权重值，n为不同的修饰语；根据新生成关键词的[预估综合收益值]进行降序排序，排序越靠前的，预估产生收益的可能性越大。
采用“主语”和“修饰语”表格中的单词进行批量组合，其中组合的规则为：每个组合只能有一个主语，可以有多个修饰语；同一个关键词中，不能重复出现同一个修饰语；按以上方式生成不重复的关键词，直到所有的组合方式都用完；如果生成的关键词与获取的广告数据中的关键词重复，则从生成的关键词列表中删除。
图5示出了根据本发明实施例基于搜索引擎广告数据的关键词生成推荐装置的结构示意图，包括
关键词获取模块，所述关键词获取模块通过API输入广告主信息，获取广告数据，包括关键词、广告点击量、广告消费、转化量、收入和落地页网址，并扩展CVR和ROI两个字段；
关键词分组模块，所述关键词分组模块用于将关键词进行分组，按落地页网址对关键词数据进行分组，得到多个子数据表；
关键词推荐单元，所述关键词推荐单元用于对每个所述子数据表中关键词计算综合收益值；提取关键词的主语和修饰语并赋予权重，生成新的关键词并预估收益。
具体的，关键词推荐单元包括关键词提取模块，利用空格或者NLP分词算法将每一个关键词拆分成多个单词，每个单词继承其所属关键词的综合收益值；对于每个关键词，根据分出的单词的词性，自动提取出名词，分配至“主语”表格中，对于其余的单词，去掉词性为介词和副词的单词，余下全部分到“修饰语”表格中。
关键词推荐单元还包括预估收益模块，采用“主语”和“修饰语”表格中的单词进行批量组合，生成新的关键词；对每个新生成的关键词，根据其中每个单词的收益权重值，计算预估综合收益值。
基于上述技术方案，本发明实施例的基于搜索引擎广告数据的关键词生成推荐方法及装置，通过获取搜索引擎广告数据，提取关键词主语和修饰语，采用单词收益权重算法，进行关键词收益预估，扩大广告主推广的覆盖面，提升推荐关键词与广告主业务的相关性，和收益预测，避免广告费用的浪费。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，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，可轻易想到各种等效的修改或替换，这些修改或替换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以权利要求的保护范围为准。

Claims (4)

1.一种基于搜索引擎广告数据的关键词生成推荐方法，其特征在于，包括以下步骤：
获取关键词数据，通过API输入广告主信息，获取广告数据；
对获取的数据进行扩展，增加CVR和ROI两个字段；
将关键词进行分组，按落地页网址对关键词数据进行分组，得到多个子数据表；
对每个所述子数据表中关键词计算综合收益值，并添加到子数据表中；
提取主语和修饰语并赋予权重；
采用主语和修饰语生成新的关键词，并预估收益；
所述提取主语和修饰语并赋予权重，具体包括以下步骤：
a)利用空格或者NLP分词算法将每一个关键词拆分成多个单词，每个单词继承其所属关键词的综合收益值；
b)对于每个关键词，根据分出的单词的词性，自动提取出名词，分配至“主语”表格中；
c)对于其余的单词，去掉词性为介词和副词的单词，余下全部分到“修饰语”表格中；
d)对“主语”和“修饰语”两个表中按单词进行聚合，当同一单词对应多个综合收益值时，取其总和；
e)在“主语”和“修饰语”两个表中，分别计算收益权重值，用r表示，r＝this.R/(maxR)，其中，this.R为当前选中的单词的R值，(maxR)为当前表格中R值的最大值；
所述根据分出的单词的词性，自动提取出名词，分配至“主语”表格中，包括：当提取出的名词数量＝1时，则将此名词分到“主语”表格中；当提取出的名词数量>1时，人工筛选出一个名词分到“主语”表格中；当提取出的名词数量<1时，则没有名词被分到“主语”表格中；
所述采用主语和修饰语生成新的关键词，并预估收益，具体包括以下步骤：
a)用“主语”和“修饰语”表格中的单词进行批量组合，生成新的关键词；
b)对每个新生成的关键词，根据其中每个单词的r值，计算预估综合收益值，
预估综合收益值＝主语.r*100+修饰语1.r+修饰语2.r+…+修饰语N.r
其中，主语.r为关键词中主语的收益权重值，修饰语n.r为关键词中每个修饰语的收益权重值，n为不同的修饰语；
c)根据新生成关键词的预估综合收益值进行降序排序，排序越靠前的，预估产生收益的可能性越大；
所述用“主语”和“修饰语”表格中的单词进行批量组合，其中组合的规则为：每个组合只能有一个主语，可以有多个修饰语；同一个关键词中，不能重复出现同一个修饰语；按以上方式生成不重复的关键词，直到所有的组合方式都用完；如果生成的关键词与获取的广告数据中的关键词重复，则从生成的关键词列表中删除。
2.根据权利要求1所述的基于搜索引擎广告数据的关键词生成推荐方法，其特征在于，所述综合收益值的计算公式为：
R＝(this.ROI/max(ROI))*100+this.CVR/max(CVR)
其中，R为综合收益值，this.ROI为当前选中的关键词的ROI，max(ROI)为当前子数据表中所有关键词ROI的最大值，this.CVR为当前选中的关键词的CVR，max(CVR)为当前子数据表中所有关键词CVR的最大值。
3.根据权利要求1所述的基于搜索引擎广告数据的关键词生成推荐方法，其特征在于，所述筛选出一个名词分到“主语”表格中，筛选的依据为单词所属关键词的词义单词和所属关键词的落地页内容。
4.一种基于搜索引擎广告数据的关键词生成推荐装置，其特征在于，包括：
关键词获取模块，所述关键词获取模块通过API输入广告主信息，获取广告数据，包括关键词、广告点击量、广告消费、转化量、收入和落地页网址，并扩展CVR和ROI两个字段；
关键词分组模块，所述关键词分组模块用于将关键词进行分组，按落地页网址对关键词数据进行分组，得到多个子数据表；
关键词推荐单元，所述关键词推荐单元用于对每个所述子数据表中关键词计算综合收益值；提取关键词的主语和修饰语并赋予权重，生成新的关键词并预估收益；其中，
所述关键词推荐单元包括关键词提取模块和预估收益模块；
所述关键词提取模块利用空格或者NLP分词算法将每一个关键词拆分成多个单词，每个单词继承其所属关键词的综合收益值；对于每个关键词，根据分出的单词的词性，自动提取出名词，分配至“主语”表格中，对于其余的单词，去掉词性为介词和副词的单词，余下全部分到“修饰语”表格中；
对“主语”和“修饰语”两个表中按单词进行聚合，当同一单词对应多个综合收益值 时，取其总和；
在“主语”和“修饰语”两个表中，分别计算收益权重值，用r表示，r＝this .R/(maxR)，其中，this .R为当前选中的单词的R值，(maxR)为当前表格中R值的最大值；
所述根据分出的单词的词性，自动提取出名词，分配至“主语”表格中，包括：当提取出的名词数量＝1时，则将此名词分到“主语”表格中；当提取出的名词数量>1时，人工筛选出一个名词分到“主语”表格中；当提取出的名词数量<1时，则没有名词被分到“主语”表格中；
所述预估收益模块，用“主语”和“修饰语”表格中的单词进行批量组合，生成新的关键词；对每个新生成的关键词，根据其中每个单词的收益权重值，计算预估综合收益值，
预估综合收益值＝主语 .r*100+修饰语1 .r+修饰语2 .r+…+修饰语N .r
其中，主语 .r为关键词中主语的收益权重值，修饰语n .r为关键词中每个修饰语的收益权重值，n为不同的修饰语；
根据新生成关键词的预估综合收益值进行降序排序，排序越靠前的，预估产生收益的可能性越大；
所述用“主语”和“修饰语”表格中的单词进行批量组合，其中组合的规则为：每个组合只能有一个主语，可以有多个修饰语； 同一个关键词中，不能重复出现同一个修饰语；按以上方式生成不重复的关键词，直到所有的组合方式都用完； 如果生成的关键词与获取的广告数据中的关键词重复，则从生成的关键词列表中删除。
CN202010271206.3A 2020-04-08 2020-04-08 一种基于搜索引擎广告数据的关键词生成推荐方法及装置 Active CN111581495B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010271206.3A CN111581495B (zh) 2020-04-08 2020-04-08 一种基于搜索引擎广告数据的关键词生成推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010271206.3A CN111581495B (zh) 2020-04-08 2020-04-08 一种基于搜索引擎广告数据的关键词生成推荐方法及装置

Publications (2)

Publication Number Publication Date
CN111581495A CN111581495A (zh) 2020-08-25
CN111581495B true CN111581495B (zh) 2023-09-15

Family

ID=72111743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010271206.3A Active CN111581495B (zh) 2020-04-08 2020-04-08 一种基于搜索引擎广告数据的关键词生成推荐方法及装置

Country Status (1)

Country Link
CN (1) CN111581495B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140195506A1 (en) * 2013-01-07 2014-07-10 Fotofad, Inc. System and method for generating suggestions by a search engine in response to search queries
CN104636334A (zh) * 2013-11-06 2015-05-20 阿里巴巴集团控股有限公司 一种关键词推荐方法和装置
CN108121754A (zh) * 2016-11-30 2018-06-05 北京国双科技有限公司 一种获取关键词属性组合的方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140195506A1 (en) * 2013-01-07 2014-07-10 Fotofad, Inc. System and method for generating suggestions by a search engine in response to search queries
CN104636334A (zh) * 2013-11-06 2015-05-20 阿里巴巴集团控股有限公司 一种关键词推荐方法和装置
CN108121754A (zh) * 2016-11-30 2018-06-05 北京国双科技有限公司 一种获取关键词属性组合的方法及装置

Also Published As

Publication number Publication date
CN111581495A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
Hillard et al. Improving ad relevance in sponsored search
US8504564B2 (en) Semantic analysis of documents to rank terms
US7707127B2 (en) Method and apparatus using a classifier to determine semantically relevant terms
CN102262647B (zh) 信息处理装置、信息处理方法和程序
CN105095187A (zh) 一种搜索意图识别方法及装置
US20070112840A1 (en) System and method for generating functions to predict the clickability of advertisements
US20100125531A1 (en) System and method for the automated filtering of reviews for marketability
CN109819015B (zh) 基于用户画像的信息推送方法、装置、设备及存储介质
KR20080048149A (ko) 카테고리 광고 시스템 및 방법
CN106447387A (zh) 基于共享账户乘客预测的机票个性化推荐方法
US20100057559A1 (en) method of choosing advertisements to be shown to a search engine user
JP2010102385A (ja) ユーザ分類装置、広告配信装置、ユーザ分類方法、広告配信方法、およびプログラム
CN105654198B (zh) 具有最优阈值筛选的品牌广告效果优化的方法
CN106202294A (zh) 基于关键词和主题模型融合的相关新闻计算方法及装置
CN104077417A (zh) 社交网络中的人物标签推荐方法和系统
JP2013171500A (ja) 分析装置、分析方法及び分析プログラム
CN111105269A (zh) 广告投放处理方法、装置、设备和存储介质
CN115905489B (zh) 一种提供招投标信息搜索服务的方法
CN110196941B (zh) 一种资讯推荐方法、装置、服务器与存储介质
CN106777282A (zh) 相关搜索的排序方法和装置
JP2015164008A (ja) 解析装置及び解析方法
US11941073B2 (en) Generating and implementing keyword clusters
CN111581495B (zh) 一种基于搜索引擎广告数据的关键词生成推荐方法及装置
US20140257966A1 (en) Method , computer readable medium and system for determining weights for attributes and attribute values for a plurality of touchpoint encounters
TW201415263A (zh) 取證系統、取證方法及取證程式

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
GR01 Patent grant
GR01 Patent grant