[发明专利]选择图片广告素材的方法和装置

权利要求书

1.一种选择图片广告素材的方法，其特征在于，包括：

基于离线状态，保存多项训练数据，每项训练数据包括广告的图片广告素材和该广告被访问一次时的评分，其中该评分的正负向根据该广告被本次访问之后是否转化来确定；

使用卷积神经网络对所述训练数据进行训练以得到模型，该卷积神经网络的输入层根据所述图片广告素材的像素值得出，卷积层中的卷积核预先设定，在训练时根据模型输出的得分与所述评分的差异来更新所述卷积神经网络中各条边的权重以及所述卷积核；

使用所述模型计算指定的图片广告素材的得分，根据该得分确定是否选择该指定的图片广告素材；

基于在线状态，接收多个图片广告素材，然后使用所述模型计算接收的各个图片广告素材的得分，根据该得分选择一个或多个图片广告素材，再将选择的图片广告素材投放到广告库中。

2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络还包括与所述卷积层连接的全连接层。

3.根据权利要求1或2所述的方法，其特征在于，更新所述卷积神经网络中各条边的权重以及所述卷积核的步骤包括：使用梯度下降法计算所述卷积神经网络中各条边的权重以及所述卷积核的调整幅度，然后按该调整幅度改变所述卷积神经网络中各条边的权重以及所述卷积核。

4.一种选择图片广告素材的装置，其特征在于，包括：

训练数据模块，用于基于离线状态，保存多项训练数据，每项训练数据包括广告的图片广告素材和该广告被访问一次时的评分，其中该评分的正负向根据该广告被本次访问之后是否转化来确定；

模型训练模块，用于使用卷积神经网络对所述训练数据进行训练以得到模型，该卷积神经网络的输入层根据所述图片广告素材的像素值得出，卷积层中的卷积核预先设定，在训练时根据模型输出的得分与所述评分的差异来更新所述卷积神经网络中各条边的权重以及所述卷积核；

素材选择模块，用于使用所述模型计算指定的图片广告素材的得分，根据该得分确定是否选择该指定的图片广告素材；基于在线状态，接收多个图片广告素材，然后使用所述模型计算接收的各个图片广告素材的得分，根据该得分选择一个或多个图片广告素材，再将选择的图片广告素材投放到广告库中。

5.根据权利要求4所述的选择图片广告素材的装置，其特征在于，所述卷积神经网络还包括与所述卷积层连接的全连接层。

6.根据权利要求4所述的选择图片广告素材的装置，其特征在于，所述模型训练模块还用于使用梯度下降法计算所述卷积神经网络中各条边的权重以及所述卷积核的调整幅度，然后按该调整幅度改变所述卷积神经网络中各条边的权重以及所述卷积核。

7.一种选择图片广告素材的装置，其特征在于，包括离线模块和在线模块，其中：

所述离线模块用于：保存多项训练数据，每项训练数据包括广告的图片广告素材和该广告被访问一次时的评分，其中该评分的正负向根据该广告被本次访问之后是否转化来确定；使用卷积神经网络对所述训练数据进行训练以得到模型，该卷积神经网络的输入层根据所述图片广告素材的像素值得出，卷积层中的卷积核预先设定，在训练时根据模型输出的得分与所述评分的差异来更新所述卷积神经网络中各条边的权重以及所述卷积核；

所述在线模块用于：接收多个图片广告素材，然后使用所述模型计算接收的各个图片广告素材的得分，根据该得分选择一个或多个图片广告素材，再将选择的图片广告素材投放到广告库中。

8.根据权利要求7所述的选择图片广告素材的装置，其特征在于，所述离线模块还用于从广告播放系统中获取广告的点击/转化历史日志。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-3中任一所述的方法。