CN111833099B - 一种生成创意广告的方法和系统 - Google Patents

一种生成创意广告的方法和系统 Download PDF

Info

Publication number
CN111833099B
CN111833099B CN202010588786.9A CN202010588786A CN111833099B CN 111833099 B CN111833099 B CN 111833099B CN 202010588786 A CN202010588786 A CN 202010588786A CN 111833099 B CN111833099 B CN 111833099B
Authority
CN
China
Prior art keywords
filled
creative
candidate
advertisement
materials
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
CN202010588786.9A
Other languages
English (en)
Other versions
CN111833099A (zh
Inventor
陈万锋
李韶辉
谢统玲
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.)
Guangzhou Kuaizi Information Technology Co ltd
Original Assignee
Guangzhou Kuaizi Information Technology 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 Guangzhou Kuaizi Information Technology Co ltd filed Critical Guangzhou Kuaizi Information Technology Co ltd
Priority to CN202010588786.9A priority Critical patent/CN111833099B/zh
Publication of CN111833099A publication Critical patent/CN111833099A/zh
Application granted granted Critical
Publication of CN111833099B publication Critical patent/CN111833099B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q30/0276—Advertisement creation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Strategic Management (AREA)
  • Biophysics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书实施例公开了一种生成创意广告的方法及系统。所述方法包括：获取广告模板；其中，所述广告模板包括至少一个待填充元件；获取所述至少一个待填充元件对应的至少一个元件标签；获取候选素材；所述候选素材包括素材标签；在所述待填充元件与所述候选素材之间确定至少一组元件素材对，并基于所述元件标签和所述素材标签确定所述元件素材对的匹配度；基于所述匹配度确定所述待填充元件对应的填充素材和/或与所述填充素材对应的创意广告；其中，所述元件标签用于表示所述待填充元件的一个或者多个特征，所述素材标签用于表示所述候选素材的一个或者多个特征。

Description

一种生成创意广告的方法和系统
技术领域
本说明书涉及互联网技术领域，特别涉及一种生成创意广告的方法和系统。
背景技术
横幅广告，是展示商家广告内容的图片，放置在广告商的网页上，是互联网广告中常见的网络广告形式，用户点击横幅广告即会跳转至广告主的网页，因此设计一张精美的横幅广告可获得更多点击，提升广告效果。
通常设计一个广告需要花费的时间较长，同时广告购买者希望可以尽快拿到满意的创意广告。
因此，期望一种生成创意广告的方法和系统，能更方便快捷的实现广告设计，满足不同客户的设计要求。
发明内容
本说明书实施例之一提供一种生成创意广告方法，所述方法包括：
获取广告模板；其中，所述广告模板包括至少一个待填充元件；获取所述至少一个待填充元件对应的至少一个元件标签；获取候选素材；所述候选素材包括素材标签；在所述待填充元件与所述候选素材之间确定至少一组元件素材对，并确定所述元件素材对的匹配度；基于所述匹配度确定所述待填充元件对应的填充素材和/或与所述填充素材对应的创意广告；其中，所述元件标签用于表示所述待填充元件的一个或者多个特征，所述素材标签用于表示所述候选素材的一个或者多个特征。
本说明书实施例之一提供一种生成创意广告的系统，所述系统包括：
第一获取模块，用于获取广告模板；其中，所述广告模板包括至少一个待填充元件；第二获取模块，用于获取所述至少一个待填充元件对应的至少一个元件标签；第三获取模块，用于获取候选素材；所述候选素材包括素材标签；第一确定模块，用于基于所述元件标签和所述素材标签在所述待填充元件与所述候选素材之间确定至少一组元件素材对及其匹配度；第二确定模块，用于基于所述匹配度确定所述待填充元件对应的填充素材和/或与所述填充素材对应的创意广告；其中，所述元件标签用于表示所述待填充元件的一个或者多个特征，所述素材标签用于表示所述候选素材的一个或者多个特征。
本说明书实施例之一提供一种生成创意广告装置，所述装置包括：
至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现生成创意广告的方法。
本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行生成创意广告的方法。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的生成创意广告系统100的应用场景示意图；
图2是根据本说明书一些实施例所示的生成创意广告方法的示例性流程图；
图3是根据本说明书一些实施例所示的基于元件素材对的匹配度生成创意广告的实现方式二的示例性流程图；
图4是根据本说明书一些实施例所示的广告模板的示例性示意图；
图5是根据本说明书一些实施例所示的使用二分图最大权算法匹配待填充元件和候选素材的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标签的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的生成创意广告系统100的应用场景示意图。
生成创意广告系统100可以包括服务器110、处理器120、存储设备130、用户终端140。
服务器110可以用于管理资源以及处理来自本系统至少一个组件或外部数据源(例如，云数据中心)的数据和/或信息。在一些实施例中，服务器110可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的(例如，服务器110可以是分布式系统)，可以是专用的也可以由其他设备或系统同时提供服务。在一些实施例中，服务器110可以是区域的或者远程的。在一些实施例中，服务器110可以在云平台上实施，或者以虚拟方式提供。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
处理器120可以处理从其他设备或系统组成部分中获得的数据和/或信息。处理器可以基于这些数据、信息和/或处理结果执行程序指令，以执行一个或多个本申请中描述的功能。在一些实施例中，处理器120可以包含一个或多个子处理设备(例如，单核处理设备或多核多芯处理设备)。仅作为示例，处理器120可以包括中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
存储设备130可以用于存储数据和/或指令。存储设备130可以包括一个或多个存储组件，每个存储组件可以是一个独立的设备，也可以是其他设备的一部分。在一些实施例中，存储设备130可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性的，大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中，所述存储设备130可在云平台上实现。
数据指对信息的数字化表示，可以包括各种类型，比如二进制数据、文本数据、图像数据、视频数据等。指令指可控制设备或器件执行特定功能的程序。
用户终端140指用户所使用的一个或多个终端设备或软件。在一些实施例中，使用用户终端140的可以是一个或多个用户，可以包括直接使用服务的用户，也可以包括其他相关用户。在一些实施例中，用户终端140可以是移动设备140-1、平板计算机140-2、膝上型计算机140-3、台式计算机140-4等其他具有输入和/或输出功能的设备中的一种或其任意组合。
在一些实施例中，智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、手持终端(POS)等或其任意组合。
在一些应用场景中，使用用户终端140的用户可包括广告设计师，也可以包括其他可以操作用户终端140生成创意广告的人员。
上述示例仅用于说明所述用户终端140设备范围的广泛性而非对其范围的限制。
在一些实施例中，服务器110、用户终端140以及其他可能的系统组成部分中可以包括存储设备130。
在一些实施例中，服务器110、用户终端140以及其他可能的系统组成部分中可以包括处理器120。
在一些实施例中，可以通过用户终端140获取广告模板，经服务器110处理后生成创意广告，并通过用户终端140呈现给用户。在一些实施例中，存储设备130可以作为素材库存储生成创意广告需要的素材，服务器110在处理时可以获取存储设备130上存储的素材数据或将生成的创意广告保存到存储设备。在一些实施例中，部分生成创意广告的操作处理可以在用户终端140上进行。本说明书中的操作可以通过处理器120执行程序指令进行。上述方式仅为方便理解，本系统亦可以其他可行的操作方式实施本说明书中的方法。
在一些应用场景中，生成创意广告系统100可以被广泛应用于各种广告设计业务中，例如，网络广告设计、平面广告设计、户外广告设计等。生成创意广告系统100可以通过实施本申请中披露的方法和/或过程来用于提供诸如横幅广告设计、杂志广告设计、地铁广告设计等。
图2是根据本说明书一些实施例所示的生成创意广告方法的示例性流程图。
步骤210，获取广告模板。
在一些实施例中，广告模板可以理解为含有待填充内容的广告框架。待填充内容可以包括待填入广告框架中的广告元素，将对应的广告元素填充至所述广告框架后可形成一个创意广告。广告元素可以是组成广告的基本单位，可以包括但不限于：产品、标语(SLOGAN)、商标(LOGO)、背景等。广告元素的形式可以包括但不限于：图片、文字、网站链接、音视频等。有些广告元素是固定到广告模板上的，例如：图4所示广告模板中的LOGO图片、标语(up to 50％off)图片以及背景图片。有些广告元素是待填充的，例如：图4所示的广告模板中的正面放着的连衣裙图片以及反面放置的连衣裙图片。在本说明书中将广告模板上每一个广告元素当做一个元件来描述。
在一些实施例中，处理器120可以从用户终端140获取广告模板，用户终端140上的广告模板可以是设计师设计的。在一些实施例中，处理器120可以从存储设备130获取预先存储的广告模板。在一些实施例中，处理器120也可以通过其他方式获取广告模板，不受本说明书的表述所限。
在一些实施例中，广告模板包括至少一个待填充元件。待填充元件是指广告模板上需要被填充的元件。例如：图4所示的广告模板中，LOGO图片、标语(up to 50％off)图片、背景图片已经设计好不需要被替换，不属于待填充元件，而待填充元件1和待填充元件2均为产品类型的元件，分别需要使用连衣裙的正面图和反面图来填充，属于待填充元件。
在一些实施例中，广告模板上各个元件的位置是固定的。例如：图4所示的广告模板中位置1用于放置待填充元件1，位置2用于放置待填充元件2。每一个待填充元件在广告模板中具有固定的位置信息，元件的位置信息可以包括元件的中心在广告模板中的坐标、元件的左上角在广告模板中的坐标等，不受本说明书的表述所限。
步骤220，获取至少一个待填充元件对应的至少一个元件标签。
在一些实施例中，每一个待填充元件对应一个元件标签，元件标签用于表示待填充元件的一个或者多个特征。在一些实施例中，待填充元件的特征可以包括但不限于：元件的展示方向(例如，正面图、反面图)、元件的图片类型(例如，模特图、平铺图、细节图)等。
元件标签可以反映用户(例如，购买创意广告的人，或者广告设计师等)对于创意广告的不同需求。下面以图4所示的广告模板为例来说明。图4中广告模板的产品元件标签可以有至少两个特征，第一个特征为产品展示方向：“正面放置/反面放置”，第二个特征为图片类型：“模特图/平铺图/细节图”。如果用户希望待填充元件1为连衣裙的正面的平铺图，待填充元件2为连衣裙的反面的平铺图，则可以设置待填充元件1的元件标签为“正面放置、平铺图”，待填充元件2的元件标签为“反面放置、平铺图”。如果用户希望待填充元件1为连衣裙的正面的模特图，待填充元件2为连衣裙的正面的细节图，则可以设置待填充元件1的元件标签为“正面放置、模特图”，待填充元件2的元件标签为“正面放置、细节图”。
元件标签可以通过用户在用户终端140上的对元件标签的增加或修改操作获取，可以通过获取存储器130上存储的广告模板上的元件标签数据获取，也可以以其他方式获取。
步骤230，获取候选素材。
在一些实施例中，处理器120可以根据产品的品类属性(例如裙装、家具或者化妆品等)从素材库筛选出多个候选素材。具体的，素材库中的素材可以按照品类属性来存储，例如，连衣裙图片可以存放到素材库的某一个目录下，如果需要生成关于连衣裙的创意广告，可以在素材库中存放连衣裙素材的目录中获取候选素材。在一些实施例中，候选素材可以包括素材标签。素材标签可以反映素材的一个或者多个特征，与元件标签对应，候选素材的素材标签可以包括但不限于：素材的展示方向(例如，正面图、反面图)、素材的图片类型(例如，模特图、平铺图、细节图)等。
步骤240，在待填充元件与候选素材之间确定至少一组元件素材对，并基于元件标签和素材标签确定元件素材对的匹配度。
在一些实施例中，可以在待填充元件与候选素材之间确定至少一组元件素材对。具体的，可以由每个待填充元件分别和候选素材中的每一个组成元件素材对。例如，如果有N个待填充元件，M个候选素材，则共计有N*M个元件素材对。在一些实施例中，可以基于元件标签和素材标签确定元件素材对的匹配度。具体的，可以计算元件素材对中待填充元件的元件标签和候选素材的素材标签的匹配分数，用于表示元件素材对的匹配度。匹配分数的计算主要基于元件标签的不同特征，由算法自动评分并且计算得到。例如对于上述示例中的元件标签，评分规则可以为：
产品方向是否匹配，是则计1分，不是则计0分；
图片类型是否匹配，是则计1分，不是则计0分。
在一些实施例中，元件标签还可以包括元件的尺寸比例，因此，评分规则还可以包括：
尺寸比例是否一致，按元件标签中的尺寸比例和候选素材中的尺寸比例之间的比值计0～1分。其中，对候选素材来说，尺寸比例可以为产品图主要信息(去掉白边)的尺寸比例。
在一些实施例中，还可以使用其他评分规则对元件标签和素材标签进行评分，不受本说明书的表述所限。
处理器120可以通过多种方式对上述得到的多个特征的评分进行运算，得到匹配分数。在一些实施例中，可以根据经验或者其他规则对于元件标签的不同特征定义不同的权重，将各个评分乘以对应的权重后求平均值，得到匹配分数。在一些实施例中，也可以使用其他运算得到匹配分数，例如，求加权和的运算，不受本说明书的表述所限。
为了后续可以自动匹配待填充元件和候选素材，需要预先给素材打上素材标签。在一些实施例中，处理器120可以从素材库获取多个素材，使用素材分类模型对素材进行分类，从而得到各个素材的素材标签。素材分类模型可以基于机器学习模型构造，包括但不限于深度神经网络模型(Deep Networks，DNN)、卷积神经网络(Convolutional NeuralNetworks，CNN)模型等。优先的，可以使用卷积神经网络模型。卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)，是深度学习(deep learning)的代表算法之一。卷积神经网络具有表征学习(representationlearning)能力，能够按其阶层结构对输入信息进行平移不变分类(shift-invariantclassification)。素材分类模型可以是基于卷积神经网络模型构建的二分类模型，将素材(例如，图片数据)输入模型进行处理，模型输出一个分数，该分数表示素材属于某一个类别的概率，如果分数大于0.5，则表示素材属于该类别。例如：利用素材分类模型区分素材的方向特征(正面/反面)，如果模型输出一个大于0.5的分数，则表示素材为正面放置，否则为反面放置。素材分类模型也可以是基于卷积神经网络模型构建的多分类模型，将素材输入模型，模型输出至少两个分数(各个分数之和为1)，每个分数表示素材属于某一个类别的概率，将最大概率对应的类别作为素材所属的类别。例如：利用素材分类模型区分素材的图片特征(模特图/平铺图/细节图)，如果模型输出分数0.5、0.2、0.3，则表示素材为模特图。素材分类模型还可以是其他类型的分类模型，不受本说明书的表述所限。在一些实施例中，可以获取素材和素材标签组成的训练样本集，将素材作为模型的输入，素材标签作为样本的标签，使用有监督的学习方式进行模型训练，得到训练好的素材分类模型。
本说明书的实施例使用素材分类模型对素材库中的素材进行分类，得到素材的素材标签，有效的节约了人工成本。
步骤250，基于匹配度确定待填充元件对应的填充素材和/或与填充素材对应的创意广告。
在一些实施例中，可以基于步骤240中获得的匹配度确定待填充元件对应的填充素材。填充素材可以为从候选素材中选择出来的用于放置到广告模板上生成创意广告的素材。在一些实施例中，广告模板上只有一个待填充元件，因此可以直接将最高匹配度对应的候选素材作为填充素材。在一些实施例中，一个广告模板上存在两个或者两个以上的待填充元件，可以使用二分图最大权匹配算法来得到待填充元件对应的填充素材。二分图是图论中的一种特殊模型，设G＝(V，E)是一个无向图，如果顶点集V可分割为两个互不相交的子集X和Y，并且图中每条边连接的两个顶点一个在X中，另一个在Y中，则称图G为二分图。给定一个二分图G，在G的一个子图M中，M的边集{E}中的任意两条边都不依附于同一个顶点，则称M是一个匹配，选择边数最大的子图称为图的最大匹配问题。二分图的最大权匹配就是求出一个最大匹配集合，使得集合中边的权值之和最大。
在一些实施例中，如图5所示，可以构造一个二分图。二分图中的第一顶点子集510与待填充元件对应，二分图中的第二顶点子集520与候选素材对应，将步骤220中得到的匹配度作为二分图的边(例如：顶点11和顶点22之间的连线)的权重。
处理器120可以使用二分图最大权匹配算法(即KM算法)求出二分图中边的权值之和最大的最大匹配，例如，图5中所示的一个示例性匹配(边用加粗的直线表示)。从而得到每一个待填充元件对应的候选素材，可将其作为待填充元件对应的填充素材。
本说明书的实施例通过使用二分图最大权匹配算法可以简洁高效的从多个待填充元件和多个候选素材中获得元件素材对的最优匹配。
在一些实施例中，可以基于填充素材以及广告模板中与填充素材对应的待填充元件生成创意广告。具体的，可以根据待填充元件的位置信息，使用与待填充元件对应的填充素材基于广告模板生成创意广告。例如，可以按照待填充元件的位置信息(例如，待填充元件的中心在广告模板上的坐标或者待填充元件的左上角在广告模板上的坐标等)，将与该待填充元件对应的填充素材放置到广告模板上，生成创意广告。
本说明书的实施例在生成创意广告的过程中，使用算法基于元件标签和素材标签匹配待填充元件和候选素材，自动完成根据广告模板生成创意广告的过程，可以快速生成满足客户设计要求的创意广告。
在一些实施例中，可以使用其他方式基于元件素材对的匹配度生成创意广告，例如图3中所示的实现方式二，不受本说明书的表述所限。
应当注意的是，上述有关流程200的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。例如，步骤250可以拆分为两个步骤250-1和250-2，在步骤250-1中确定填充素材，在步骤250-2中生成创意广告。
图3是根据本说明书一些实施例所示的基于元件素材对的匹配度生成创意广告的实现方式二的示例性流程图。
步骤310，根据元件素材对的不同搭配组合，生成多个候选创意广告。
在一些实施例中，可以基于匹配度以及预设条件从元件素材对中筛选出多个候选元件素材对的组合。在一些实施例中，预设条件可以为：预设一个分数阈值，元件素材对(一个待填充元件和一个候选素材)对应的匹配度大于该分数阈值。匹配度的确定方法可以参见步骤250的说明。
在一些实施例中，对于待填充元件中的任一个元件Ei，可以从候选素材中筛选出符合预设条件的多个素材组成的集合Mi。如果有m个待填充元件，那么最终生成m个上述集合M1～Mm。在一些实施例中，可以从所有集合M1～Mm中分别选取(可以随机选取，也可以按照匹配分数由高到低的顺序来选取，或者其他方式选取)一个素材，每个被选取的素材与对应的待填充元件Ei组成一个元件素材对，从而生成一个候选元件素材对的组合(包含m个元件素材对)。每一个候选元件素材对的组合对应一个候选创意广告。在一些实施例中，如果上述生成的候选元件素材对的组合较多，可以对各个候选元件素材对的组合中的元件素材对的匹配分数进行累加，将总分低于预设阈值的候选元件素材对的组合过滤掉，或者以其他条件过滤部分候选元件素材对的组合。
在一些实施例中，对于任意一个候选元件素材对的组合，可以将该组合中的各个素材按照与其对应的待填充元件的位置信息(例如，待填充元件的中心在广告模板上的坐标、待填充元件的左上角在广告模板上的坐标或者其他坐标)放置到广告模板上，生成对应的候选创意广告。
步骤320，通过效果打分模型，确定创意广告。
在一些实施例中，可以基于步骤310中生成的候选创意广告，通过效果打分模型确定创意广告。例如，可以将候选创意广告输入打分模型，打分模型输出一个(0，1)之间的分数，用于表示该候选创意广告的整体效果。可以将各个候选创意广告对应的分数进行排序，选择前N个候选创意广告作为创意广告。N可以为1，即只生成一个创意广告，N也可以为多个，例如2、3或者4等，即生成多个创意广告。在一些实施例中，效果打分模型可以基于机器学习模型构建，包括但不限于：深度神经网络模型(Deep Networks，DNN)、卷积神经网络(Convolutional Neural Networks，CNN)模型等。优先地，可以使用卷积神经网络模型。
本说明书的实施例基于待填充元件与候选素材的不同组合生成多个候选创意广告，然后使用效果打分模型从多个候选创意广告中确定创意广告，既可以节约人工成本，同时也可以得到总体效果最佳的创意广告。
在一些实施例中，可以获取训练数据集，训练数据集包括多个已发布创意广告以及已发布创意广告的评分。如果人工对已发布创意广告进行评分，较难避免将评分者的偏好体现在评分标准中，因此，已发布创意广告的评分可以根据已发布创意广告的点击率获得。在一些实施例中，可以使用训练数据集训练效果打分模型，将已发布创意广告作为模型的输入，通过不断调整模型的参数，使得模型输出的分数逐渐接近已发布创意广告的评分，最终得到训练好的效果打分模型。
本说明书的实施例在效果打分模型的训练过程中，使用已发布广告的点击率作为评分标准进行评分，相对人工评分，可以更加准确的选择出可以获得高点击率的创意广告。
应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。例如，步骤310可以拆分为两个步骤310-1和310-2，在步骤310-1中对元件和素材进行不同的搭配组合，在步骤310-2中生成多个候选创意广告。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (7)

1.一种生成创意广告的方法，所述方法包括：
获取广告模板；其中，所述广告模板包括至少一个待填充元件；
获取所述至少一个待填充元件对应的至少一个元件标签；
获取候选素材；所述候选素材包括素材标签；
在所述待填充元件与所述候选素材之间确定至少一组元件素材对，并基于所述元件标签和所述素材标签确定所述元件素材对的匹配度；
基于所述匹配度确定所述待填充元件对应的填充素材和/或与所述填充素材对应的创意广告；
其中，所述元件标签用于表示所述待填充元件的多个特征，以及所述元件标签反映用户对于创意广告的不同需求，所述元件标签至少包括：元件的展示方向、元件的图片类型、元件的尺寸比例中的一种；
所述素材标签用于表示所述候选素材的多个特征，所述素材标签至少包括：素材的展示方向、素材的图片类型、素材的尺寸中的一种，所述素材标签是基于素材分类模型对所述填充素材进行分类得到；
其中，所述元件素材对的匹配度基于对所述候选素材和所述元件素材的多个特征的评分进行加权平均得到；
所述基于所述匹配度确定所述待填充元件对应的填充素材和/或与所述填充素材对应的创意广告包括：
基于所述匹配度以及预设条件从所述元件素材对中筛选出候选元件素材对的组合，生成对应的候选创意广告；
基于所述候选创意广告，通过效果打分模型确定所述创意广告；所述效果打分模型为机器学习模型；
所述效果打分模型可以通过训练获取，所述训练过程包括：
获取训练数据集，训练数据集包括多个已发布创意广告以及已发布创意广告的评分，所述训练数据集的标签根据已发布创意广告的点击率获得；
基于所述训练数据集训练初始效果打分模型，得到所述效果打分模型；
所述广告模板上存在两个或者两个以上的所述待填充元件，确定所述待填充元件对应的填充素材包括：
构造二分图，所述二分图中的第一顶点子集与所述待填充元件对应，所述二分图中的第二顶点子集与所述候选素材对应，将所述匹配度作为所述二分图的边的权重；
使用二分图最大权匹配算法处理确定所述待填充元件对应的填充素。
2.根据权利要求1所述的方法，其中，所述素材标签依照以下方式生成：
获取多个素材；
分别将所述多个素材输入素材分类模型，得到所述素材的素材标签；所述素材分类模型为机器学习模型。
3.根据权利要求1所述的方法，其中，所述效果打分模型依照以下方式获得：
获取训练数据集，所述训练数据集包括多个已发布创意广告以及所述已发布创意广告的评分；所述评分根据所述已发布创意广告的点击率获得；
所述已发布创意广告包括所述填充素材的信息；
使用所述训练数据集训练机器学习模型，得到效果打分模型。
4.根据权利要求1所述的方法，其特征在于，当基于所述匹配度确定所述待填充元件对应的填充素材时，所述方法还包括：
基于所述填充素材以及所述广告模板中与所述填充素材对应的待填充元件生成创意广告。
5.一种生成创意广告的系统，所述系统包括：
第一获取模块，用于获取广告模板；其中，所述广告模板包括至少一个待填充元件；
第二获取模块，用于获取所述至少一个待填充元件对应的至少一个元件标签；
第三获取模块，用于获取候选素材；所述候选素材包括素材标签；
第一确定模块，用于在所述待填充元件与所述候选素材之间确定至少一组元件素材对，并确定所述元件素材对的匹配度；
第二确定模块，用于基于所述匹配度确定所述待填充元件对应的填充素材和/或与所述填充素材对应的创意广告；
其中，所述元件标签用于表示所述待填充元件的多个特征，以及所述元件标签反映用户对于创意广告的不同需求，所述元件标签至少包括：元件的展示方向、元件的图片类型、元件的尺寸比例中的一种；
所述素材标签用于表示所述候选素材的多个特征，所述素材标签至少包括：素材的展示方向、素材的图片类型、素材的尺寸中的一种，所述素材标签是基于素材分类模型对所述填充素材进行分类得到；
其中，所述元件素材对的匹配度基于对所述候选素材和所述元件素材的多个特征的评分进行加权平均得到；
所述第二确定模块还用于：
基于所述匹配度以及预设条件从所述元件素材对中筛选出候选元件素材对的组合，生成对应的候选创意广告；
基于所述候选创意广告，通过效果打分模型确定所述创意广告；所述效果打分模型为机器学习模型；
所述打分模型可以通过训练获取，所述训练过程包括：
获取训练数据集，训练数据集包括多个已发布创意广告以及已发布创意广告的评分，所述训练数据集的标签根据已发布创意广告的点击率获得；
基于所述训练数据集训练效果打分模型，得到训练好的效果打分模型；
所述广告模板上存在两个或者两个以上的所述待填充元件，所述第二确定模块还用于：
构造二分图，所述二分图中的第一顶点子集与所述待填充元件对应，所述二分图中的第二顶点子集与所述候选素材对应，将所述匹配度作为所述二分图的边的权重；
使用二分图最大权匹配算法处理确定所述待填充元件对应的填充素。
6.一种生成创意广告的装置，其中，所述装置包括至少一个处理器以及至少一个存储器；
所述至少一个存储器用于存储计算机指令；
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1～4中任一项所述的方法。
7.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1～4中任一项所述的方法。
CN202010588786.9A 2020-06-24 2020-06-24 一种生成创意广告的方法和系统 Active CN111833099B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010588786.9A CN111833099B (zh) 2020-06-24 2020-06-24 一种生成创意广告的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010588786.9A CN111833099B (zh) 2020-06-24 2020-06-24 一种生成创意广告的方法和系统

Publications (2)

Publication Number Publication Date
CN111833099A CN111833099A (zh) 2020-10-27
CN111833099B true CN111833099B (zh) 2021-08-31

Family

ID=72898091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010588786.9A Active CN111833099B (zh) 2020-06-24 2020-06-24 一种生成创意广告的方法和系统

Country Status (1)

Country Link
CN (1) CN111833099B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508284A (zh) * 2020-12-10 2021-03-16 网易（杭州）网络有限公司 展示物料预处理方法、投放方法、系统、装置与设备
CN112669090A (zh) * 2021-01-06 2021-04-16 广东创意热店互联网科技有限公司 一种智能生成广告海报的方法、电子设备、计算机可读存储介质
CN112837332B (zh) * 2021-01-13 2024-01-19 杭州水母智能科技有限公司 创意设计的生成方法、装置、终端、存储介质
CN112862516B (zh) * 2021-01-14 2024-03-12 北京达佳互联信息技术有限公司 资源投放方法、装置、电子设备及存储介质
CN113256338B (zh) * 2021-05-31 2021-11-09 天津车之家数据信息技术有限公司 一种创意生成方法、系统及计算设备
CN115914496A (zh) * 2021-08-12 2023-04-04 北京字跳网络技术有限公司 一种视频处理方法、装置、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105868298A (zh) * 2016-03-23 2016-08-17 华南理工大学 一种基于二叉决策树的手机游戏推荐方法
CN106096995A (zh) * 2016-05-31 2016-11-09 腾讯科技（深圳）有限公司 广告创意处理方法及广告创意处理装置
CN108428159A (zh) * 2018-05-08 2018-08-21 多盟睿达科技（中国）有限公司 一种基于模板制作广告的方法及系统
CN108733764A (zh) * 2018-04-16 2018-11-02 优视科技有限公司 基于机器学习的广告过滤规则生成方法和广告过滤系统
CN109493116A (zh) * 2018-10-15 2019-03-19 上海基分文化传播有限公司 一种广告自动生成的方法和系统
CN111210258A (zh) * 2019-12-23 2020-05-29 北京三快在线科技有限公司 广告投放方法、装置、电子设备及可读存储介质
CN111242654A (zh) * 2018-11-28 2020-06-05 北京沃东天骏信息技术有限公司 生成广告图片的方法和系统
CN111242691A (zh) * 2020-01-14 2020-06-05 广东博智林机器人有限公司 广告海报的生成方法、装置、存储介质及终端设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080256056A1 (en) * 2007-04-10 2008-10-16 Yahoo! Inc. System for building a data structure representing a network of users and advertisers
CN105654348B (zh) * 2015-12-31 2021-03-12 腾讯科技（深圳）有限公司 广告处理方法及投放端
CN109993567A (zh) * 2018-01-03 2019-07-09 北京奇虎科技有限公司 广告的生成方法、装置和计算机可读存储介质
US10592747B2 (en) * 2018-04-26 2020-03-17 Fyusion, Inc. Method and apparatus for 3-D auto tagging
CN109903076A (zh) * 2019-01-16 2019-06-18 北京三快在线科技有限公司 一种广告数据生成方法、系统、电子设备及存储介质
CN110232131B (zh) * 2019-04-26 2021-04-27 特赞（上海）信息科技有限公司 基于创意标签的创意素材搜索方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105868298A (zh) * 2016-03-23 2016-08-17 华南理工大学 一种基于二叉决策树的手机游戏推荐方法
CN106096995A (zh) * 2016-05-31 2016-11-09 腾讯科技（深圳）有限公司 广告创意处理方法及广告创意处理装置
CN108733764A (zh) * 2018-04-16 2018-11-02 优视科技有限公司 基于机器学习的广告过滤规则生成方法和广告过滤系统
CN108428159A (zh) * 2018-05-08 2018-08-21 多盟睿达科技（中国）有限公司 一种基于模板制作广告的方法及系统
CN109493116A (zh) * 2018-10-15 2019-03-19 上海基分文化传播有限公司 一种广告自动生成的方法和系统
CN111242654A (zh) * 2018-11-28 2020-06-05 北京沃东天骏信息技术有限公司 生成广告图片的方法和系统
CN111210258A (zh) * 2019-12-23 2020-05-29 北京三快在线科技有限公司 广告投放方法、装置、电子设备及可读存储介质
CN111242691A (zh) * 2020-01-14 2020-06-05 广东博智林机器人有限公司 广告海报的生成方法、装置、存储介质及终端设备

Also Published As

Publication number Publication date
CN111833099A (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN111833099B (zh) 一种生成创意广告的方法和系统
US10699166B2 (en) Font attributes for font recognition and similarity
US10235425B2 (en) Entity fingerprints
CN114155543B (zh) 神经网络训练方法、文档图像理解方法、装置和设备
US10997560B2 (en) Systems and methods to improve job posting structure and presentation
US9483520B1 (en) Analytic data focus representations for visualization generation in an information processing system
WO2008005796A2 (en) System and method for generating a display of tags
US20200257762A1 (en) Text classification and sentimentization with visualization
US9235875B2 (en) Image enhancement using learned non-photorealistic effects
CN110647696A (zh) 一种业务对象的排序方法及装置
CN106776716A (zh) 一种智能匹配销售顾问和用户的方法及设备
US20150379906A1 (en) Systems and methods for rule-based animated content optimization
CN111243061A (zh) 一种商品图片的生成方法、装置、系统
AU2021370623B2 (en) System and method to automatically create, assemble and optimize content into personalized experiences
WO2022001349A1 (zh) 用于分析信息的方法和装置
CN113065069A (zh) 一种基于数据画像的双向就业推荐方法和装置
US20210312502A1 (en) System and method for generating customized advertisement
CN111158647B (zh) 基于结构化理论的创意素材自适应生成方法及装置
US20140365876A1 (en) Systems and methods for rule-based content generation
CN110347934A (zh) 一种文本数据过滤方法、装置及介质
Powell et al. The construction of action rules to raise artwork prices
CN113554457A (zh) 适用于电商平台的智能海报生成方法、装置及存储介质
US11537262B1 (en) Using attributes for font recommendations
US11810157B1 (en) Method and system for exemplary campaign message management
CN110929175A (zh) 对用户评价进行评估的方法、装置、系统及介质

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A method and system for generating creative advertisements

Effective date of registration: 20220826

Granted publication date: 20210831

Pledgee: Guangzhou Ti Dong Technology Co.,Ltd.

Pledgor: GUANGZHOU KUAIZI INFORMATION TECHNOLOGY Co.,Ltd.

Registration number: Y2022440000222

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Granted publication date: 20210831

Pledgee: Guangzhou Ti Dong Technology Co.,Ltd.

Pledgor: GUANGZHOU KUAIZI INFORMATION TECHNOLOGY Co.,Ltd.

Registration number: Y2022440000222