[发明专利]搜索引擎关键词优化方法

权利要求书

1.一种搜索引擎关键词优化方法，其特征在于，包括：

根据搜索引擎平台每日报告以及产品每日日志，生成原始训练数据的第一步骤；

利用所述原始训练数据，从多个回归预测模型中确定最佳回归预测模型的第二步骤；

将把实际数据轻微扰动后获得的人工样本数据输入所述最佳回归预测模型，根据所述最佳回归预测模型输出的目标预测值以及从所述人工样本数据中选择出的多个关键词，为每个关键词训练各自的局部线性回归模型的第三步骤；以及

比较与多个关键词相对应的多个局部线性回归模型，根据比较结果筛选并停用由至少一个负面关键词构成的负面词集合的第四步骤。

2.根据权利要求1所述的搜索引擎关键词优化方法，其特征在于，所述第一步骤还包括：

从所述搜索引擎平台获得每天的关键词消费数，将多天的关键词消费数进行合并，得到消费特征集合；

从每日产品日志提取每日业务特征，将多天的业务特征进行合并，得到业务特征集合；

合并所述消费特征集合和所述业务特征集合，获得初步原始训练数据；

从所述业务特征集合中选取目标特征集合，作为对回归预测模型进行机器学习训练优化的目标；以及

对所述初步原始训练数据进行预处理，获得最终原始训练数据。

3.根据权利要求1所述的搜索引擎关键词优化方法，其特征在于，所述第二步骤还包括：

基于所述原始训练数据构筑训练测试集和训练验证集；

利用所述训练测试集，通过参数网格搜索和回归模型随机组合训练多个回归模型；

筛选最佳训练结果的模型作为最佳回归预测模型；以及

利用所述训练验证集，对所述最佳回归预测模型进行验证。

4.根据权利要求1所述的搜索引擎关键词优化方法，其特征在于，所述第三步骤还包括：

获取最近多天的实际数据，分别对每天的实际数据进行轻微扰动生成一个人工样本数据集，从而获得多个人工样本数据集；

使用所述最佳回归预测模型，以所述多个人工样本数据集作为输入，预测得到多个相应的目标预测值；以及

利用从所述人工样本数据集中选择的关键词特征和所述目标预测值，训练多个局部线性回归模型。

5.根据权利要求1所述的搜索引擎关键词优化方法，其特征在于，所述第四步骤还包括：

为每个关键词计算与其对应的多个局部线性回归模型各自的决定系数，并求出平均值；

根据各关键词的决定系数的所述平均值，确定所述至少一个负面关键词，在搜索引擎平台停用所述至少一个负面关键词。