(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210623028.5 (22)申请日 2022.06.01 (71)申请人 广州欢聚时代信息科技有限公司 地址 511442 广东省广州市番禺区南村镇 万博二路79 号万博商务区万达商业广 场北区B-1栋23层 (72)发明人 胡凌宇　 (74)专利代理 机构 广州利能知识产权代理事务 所(普通合伙) 44673 专利代理师 王增鑫 (51)Int.Cl. G06Q 30/02(2012.01) G06F 40/284(2020.01) G06F 40/30(2020.01) G06F 16/332(2019.01)G06F 16/35(2019.01) G06N 3/04(2006.01) (54)发明名称 广告文案推荐 方法及其装置、 设备、 介质、 产 品 (57)摘要 本申请公开一种广告文案推荐方法及其装 置、 设备、 介质、 产品， 所述方法包括： 获取目标商 品的商品信息中的商品类别及 文本信息， 所述文 本信息包括所述目标商品的商品描述信息； 根据 所述商品类别及文本信息粗粒度多通道召回商 品卖点库中的卖点文案构成候选文案集； 以所述 候选文案集中每个卖点文案匹配所述文本信息 为输入， 采用预先训练至收敛的神经网络模型计 算所述卖点文案与所述文本信息对应的语义相 似评分； 根据所述语义相似评分细粒度召回所述 候选文案集中的卖点文案， 获得细粒度召回的卖 点文案推送给第一类用户。 本申请能够快速精准 地召回用于推荐的广告所需的卖点文案， 方便用 户参考而自行创作卖点文案 。 权利要求书2页 说明书15页 附图5页 CN 114997921 A 2022.09.02 CN 114997921 A 1.一种广告 文案推荐方法， 其特 征在于， 包括如下步骤： 获取目标商 品的商品信息中的商品类别及文本信 息， 所述文本信 息包括所述目标商品 的商品描述信息； 根据所述商品类别及文本信息粗粒度多通道召回商品卖点库中的卖点文案构成候选 文案集； 以所述候选文案集中每个卖点文案匹配所述文本信 息为输入， 采用预先训练至收敛的 神经网络模型计算所述卖点文案与所述文本信息对应的语义相似评分； 根据所述语义相似评分细粒度召回所述候选文案集中的卖点文案， 获得细粒度召回的 卖点文案推送给第一类用户。 2.根据权利要求1所述的广告文案推荐方法， 其特征在于， 获取目标商品的商品信 息中 的商品类别及文本信息， 所述文本信息包括所述 目标商品的商品描述信息的步骤之前， 还 包括如下步骤： 根据预设比例选取电商平台 中各个商品类别对应的部分商品作为类别商品； 根据类别商品对应的关键词文本， 匹配出电商平台的广告文案库和/或第三方平台的 广告文案库中的卖点文案， 所述关键词文本从相应的类别商品的商品信息中预 先提取； 构建商品卖点库， 用于存储所述卖点文案、 关键词文本、 商品类别之间的映射关系数 据。 3.根据权利要求1所述的广告文案推荐方法， 其特征在于， 根据 所述商品类别及文本信 息粗粒度多通道召回商品卖点库中的卖点文案构成候选文案集的步骤中， 包括如下步骤： 通过粗粒度第一通道召回商品卖点库中与所述目标商品的商品类别相对应的卖点文 案； 通过粗粒度第二通道召回商品卖点库中与所述目标商品的文本信息相匹配的关键词 文本所对应的卖点文案； 通过粗粒度第三通道计算所述目标商品的文本信息与商品卖点库中的各个关键词文 本两者对应的向量之间的向量相似度， 召回商品卖点库中向量相似度满足预设条件的关键 词文本所对应的卖点文案 。 4.根据权利要求3所述的广告文案推荐方法， 其特征在于， 计算所述目标商 品的文本信 息与商品卖点库中的各个关键词文本两者对应的向量之 间的向量相似度， 召回商品卖点库 中向量相似度满足预设条件的关键词文本所对应的卖点文案的步骤中， 包括如下步骤： 通过预设的分词算法预处 理所述目标商品的文本信息， 获得相应的分词文本； 通过词向量算法对所述分词文本和商 品卖点库中的关键词文本进行向量编码， 获得相 应的目标编码向量和关键编码向量； 调用预设的相似度函数计算所述目标编码向量和关键编码向量之间的向量相似度； 确定满足预设条件的向量相似度的关键编码向量对应的关键词文本， 召回商品卖点库 中的该关键词文本对应的卖点文案 。 5.根据权利要求3所述的广告文案推荐方法， 其特征在于， 通过粗粒度第 三通道计算所 述目标商品的文本信息与商品卖点库中的各个关键词文本两者对应的向量之间的向量相 似度， 召回商品卖点库中向量相似度满足预设条件的关键词文本所对应的卖点文案的步骤 之后， 还包括如下步骤：权　利　要　求　书 1/2 页 2 CN 114997921 A 2根据所述向量相似度相应为所述召回的卖点文案进行排序， 构建粗 排序文本集； 选取粗排序文本集中排序靠前的卖点文案推送给第二类用户。 6.根据权利要求1所述的广告文案推荐方法， 其特征在于， 所述神经网络模型的训练过 程， 包括如下步骤： 从预设的数据集中调用单个训练样本对所述神经网络模型实施训练， 所述训练样本包 括预处理广告商品的文本信息及其对应的卖点文案； 提取所述训练样本的文本信息及其对应的卖点文案的深层语义特 征； 采用二分类函数计算所述深层语义特征的是否属于同一语句相对应的分类概率， 作为 表征所述卖点文案是否为所述文本信息的下一句 相对应的语义相似评分； 根据所述训练样本相对应的监督标签计算所述语义相似评分对应的交叉熵损失值， 依 据该交叉熵损失值对 模型实施梯度更新 直至该模型收敛。 7.根据权利要求1所述的广告文案推荐方法， 其特征在于， 根据 所述语义相似评分细粒 度召回所述候选文案集中的卖点文案， 获得细粒度召回的卖点文案推送给用户的步骤之 后， 还包括如下步骤： 根据所述语义相似度评分相应为所述候选文本集中的卖点文案进行排序， 构建第 一排 序文本集； 选取第一排序文本集中排序靠前的卖点文案作为细粒度召回的卖点文案， 将该些卖点 文案推送给第一类用户。 8.一种广告 文案推荐装置， 其特 征在于， 包括： 信息获取模块， 用于获取目标商品的商品信息中的商品类别及文本信息， 所述文本信 息包括所述目标商品的商品描述信息； 粗粒度召回模块， 用于根据 所述商品类别及文本信 息粗粒度多通道召回商 品卖点库中 的卖点文案构成候选文案集； 评分计算模块， 用于以所述候选文案集中每个卖点文案匹配所述文本信息为输入， 采 用预先训练至 收敛的神经网络模型计算所述卖点文案与所述文本信息对应的语义相似评 分； 细粒度召回模块， 用于根据 所述语义相似评分细粒度召回所述候选文案集中的卖点文 案， 获得细粒度召回的卖点文案推送给第一类用户。 9.一种计算机设备， 包括中央处理器和存储器， 其特征在于， 所述中央处理器用于调用 运行存储于所述存储器中的计算机程序以执行如权利要求1至7中任意一项所述的方法的 步骤。 10.一种计算机可读存储介质， 其特征在于， 其以计算机可读指令的形式存储有依据权 利要求1至7中任意一项 所述的方法所实现的计算机程序， 该计算机程序被计算机调用运行 时， 执行相应的方法所包括的步骤。权　利　要　求　书 2/2 页 3 CN 114997921 A 3