[发明专利]广告文案生成方法、装置、设备以及可读存储介质

权利要求书

1.一种广告文案生成方法，其特征在于，所述广告文案生成方法包括以下步骤：

获取显示终端中的历史广告文案及广告素材库，并获取所述历史广告文案的源风格，其中，所述源风格包括历史广告文案的行文风格和排版布局；

获取所述广告素材库中的各备用风格，并基于所述源风格建立各源深度神经网络模型；

获取所述显示终端中的点击率预估模型和Critic模型，所述Critic模型基于给定部分文案估计完整文案的期望奖励；

基于所述各源深度神经网络模型和所述历史广告文案生成部分文案，将所述部分文案输入至所述点击率预估模型，得到所述部分文案的预估点击率；

在所述Critic模型中，基于所述预估点击率及所述部分文案得到所述部分文案对应的完整文案的期望奖励；

基于所述预估点击率及所述期望奖励指导所述源深度神经网络模型对各所述部分文案布局进行排版优化，以得到各深度神经网络模型；

基于所述历史广告文案和各所述深度神经网络模型生成各所述备用风格对应的高级广告文案。

2.如权利要求1所述的广告文案生成方法，其特征在于，所述基于所述历史广告文案和各所述深度神经网络模型生成各所述备用风格对应的高级广告文案的步骤，包括：

在各所述深度神经网络模型中，对所述历史广告文案进行编码，以获取所述历史广告文案对应的向量数值编码；

基于各所述备用风格对各所述向量数值编码进行解码，以生成各所述备用风格对应的高级广告文案。

3.如权利要求2所述的广告文案生成方法，其特征在于，所述基于各所述备用风格对各所述向量数值编码进行解码，以生成各所述备用风格对应的高级广告文案的步骤包括：

获取各所述备用风格对应的各初级数值编码；

获取所述向量数值编码和各所述初级数值编码之间的各最小化相对熵，并基于各所述最小化相对熵确定各模型参数；

基于各所述模型参数对各所述向量数值编码进行解码，以生成各所述备用风格对应的高级广告文案。

4.如权利要求3所述的广告文案生成方法，其特征在于，所述基于各所述模型参数对各所述向量数值编码进行解码，以生成各所述备用风格对应的高级广告文案的步骤，包括：

基于各所述模型参数，在各所述深度神经网络模型中，获取所述向量数值编码中的目标文案词典概率分布；

基于所述目标文案词典概率分布，对各所述深度神经网络模型中的目标文案词典进行解码，以生成各所述备用风格对应的高级广告文案。

5.如权利要求1所述的广告文案生成方法，其特征在于，所述获取所述广告素材库中的各备用风格的步骤，包括：

判断所述广告素材库中是否存在备用风格；

若在所述广告素材库中不存在备用风格，则自动构建所述备用风格，并自动获取所述备用风格；

若在所述广告素材库中存在备用风格，则自动获取所述备用风格。

6.一种广告文案生成装置，其特征在于，所述广告文案生成装置包括：

获取模块，获取显示终端中的历史广告文案及广告素材库，并获取所述历史广告文案的源风格，其中，所述源风格包括历史广告文案的行文风格和排版布局；

建立模块，获取所述广告素材库中的各备用风格，并基于源风格建立各源深度神经网络模型；

优化模块，获取所述显示终端中的点击率预估模型和Critic模型，所述Critic模型基于给定部分文案估计完整文案的期望奖励；基于所述各源深度神经网络模型和所述历史广告文案生成部分文案，将所述部分文案输入至所述点击率预估模型，得到所述部分文案的预估点击率；在所述Critic模型中，基于所述预估点击率及所述部分文案得到所述部分文案对应的完整文案的期望奖励；基于所述预估点击率及所述期望奖励指导所述源深度神经网络模型对各所述部分文案布局进行排版优化，以得到各深度神经网络模型；

生成模块，基于所述历史广告文案和各所述深度神经网络模型生成各所述备用风格对应的高级广告文案。