一种基于历史关键词投放数据的关键词构建方法及系统

摘要

本发明公开了一种基于历史关键词投放数据的关键词构建方法及系统，关键词构建方法包括获取给定数据；根据给定数据按照一预设规则组建多个备选关键词；通过word2vec模型对多个备选关键词进行特征处理获取每一备选关键词的特征；根据每一备选关键词的特征与给定数据对多个备选关键词进行评估并排序；根据完成排序的多个备选关键词输出推荐关键词。本发明通过关键词的历史数据学习关键词的结构所预期的展现量和点击量，通过模型来指导关键词的构成，确保新构造的关键词合理，并且具有良好的投放表现。

说明书

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于历史关键词投放数据的关键词构建方法及系统。

背景技术

随着网络技术和信息产品的快速发展，各种网络平台吸引了越来越多的用户，互联网已经成为当前最主要的信息传播媒体之一，目前，在购物平台的活动中，电商们会通过购买关键词来实现千人千面的客户引流，关键词构建就是从已知的语料中去提取一些词或字，组成新的词汇，从而形成精准的总结文本信息。

目前常用的关键词构建方法主要是按照人工设定的pattern随机组建一些关键词：首先将热度较高的词汇分成长尾词和核心词(目前大部分为人工筛选，也可通过对小样本打标然后用二分类模型进行分类)。然后按照“品牌词|品类词+核心词”，“品牌词|品类词+长尾词+核心词”等方式进行构建。

通过以上的方法可以勉强保证合理性，但由于pattern是人工制造，只能覆盖少数量的合理词汇。其次，词语的表现好坏也无法判断。

发明内容

本发明针对上述的关键词构建缺乏良好投放表现的技术问题，提出一种基于历史关键词投放数据的关键词构建方法及系统。

第一方面，本申请实施例提供了一种基于历史关键词投放数据的关键词构建方法，包括：

S1、获取给定数据；

S2、根据所述给定数据按照一预设规则组建多个备选关键词；

S3、通过word2vec模型对多个所述备选关键词进行特征处理获取每一所述备选关键词的特征；

S4、根据每一所述备选关键词的特征与所述给定数据对多个所述备选关键词进行评估并排序；

S5、根据完成排序的多个所述备选关键词输出推荐关键词。

上述基于历史关键词投放数据的关键词构建方法，其中，所述给定数据包括场景环境变量、候选热度词根、评估指标及推荐关键词数量。

上述基于历史关键词投放数据的关键词构建方法，其中，所述步骤S2包括：

步骤S21：根据所述候选热度词根随机组建多个关键词；

步骤S22：按照预设规则从所述多个关键词中筛选出多个所述备选关键词。

上述基于历史关键词投放数据的关键词构建方法，其中，所述步骤S3中还包括：预先使用jieba对所述备选关键词进行分词处理。

上述基于历史关键词投放数据的关键词构建方法，其中，所述步骤S3中还包括：通过采用word2vec模型对分词处理后所述备选关键词进行预训练得到词向量，取所述备选关键词的词向量平均和作为所述备选关键词的特征。

上述基于历史关键词投放数据的关键词构建方法，其中，所述步骤S4包括：

步骤S41：根据所述备选关键词的特征与所述场景环境变量及所述评估指标通过预测模型得出指标表现；

步骤S42：根据所述指标表现通过所述评估模型对多个所述备选关键词进行排序。

上述基于历史关键词投放数据的关键词构建方法，其中，所述步骤S5中还包括根据所述推荐关键词数量输出推荐关键词。

第二方面，本申请实施例提供了一种基于历史关键词投放数据的关键词构建系统，包括：

输入单元，输入给定数据；

关键词构建单元，根据所述给定数据随机组建多个关键词；

一次筛选单元，按照预设规则从所述多个关键词筛选出多个所述备选关键词；

关键词特征获取单元，通过word2vec模型对多个所述备选关键词进行特征处理，获取每一所述备选关键词的特征；

二次筛选单元，根据每一所述备选关键词的特征与所述环境变量及所述评估指标通过预测模型及评估模型对多个所述备选关键词进行评估并排序；

输出单元，根据完成排序的多个所述备选关键词输出推荐关键词。

第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的关键词构建方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的关键词构建方法。

与现有技术相比，本发明的优点和积极效果在于：

1.先随机构造大量关键词，然后通过人工规则筛选出其中合理一部分，避免产生由于随机组建的关键词里面有历史投放数据的占比比较小，导致建模时候会受到数据量限制的现象。

2.通过关键词的历史数据学习关键词的结构所预期的展现量或点击量，从而可以利用该预测模型去对大批组建的相对合理的关键词进行评估并排序，筛选表现好的关键词作为最终的结果，保证新构造的关键词具有良好的投放表现。

3.每一个推荐关键词都会有相应的展现量或投资回报率(Return OnInvestment，简称为ROI)表现预估,提高了模型的可解释性，进而提高了用户体验。

4.根据合理性构造关键词和根据模型评估关键词均可模块化。每一个部分可采用不同的模型实现其目的，如评估关键词的模型可使用传统统计方法和其它常用的的机器学习模型，如神经网络，树模型等等；评估合理性可通过历史上投放过的关键词作为参考训练模型、给出评分、做一期筛选，然后输入给预测模型与评估模型进行二次筛选。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的基于历史关键词投放数据的关键词构建方法的流程图；

图2是根据本申请实施例的基于历史关键词投放数据的关键词构建系统的框架图；

图3是根据本申请实施例的计算机设备的框架图。

其中，附图标记为：

81、处理器；82、存储器；83、通信接口；80、总线。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。

在详细阐述本发明各个实施例之前，对本发明的核心发明思想予以概述，并通过下述若干实施例予以详细阐述。

本申请中描述的技术方案用于基于历史关键词投放数据的关键词构建，包括对候选词根按照预定规则构建合理的大量关键词，再通过指标预测模型去筛选保留好的关键词。解决了仅仅通过pattern制造新词的方法并不能完全捕捉到关键词中词根与词根之间的合理性，进而更不能保证关键词的预期表现的问题。

实施例一：

参照图1所示，本实例揭示了基于历史关键词投放数据的关键词构建方法(以下简称“方法”)的具体实施方式。

具体而言，本实施例所揭示的方法主要包括以下步骤：

步骤S1、获取给定数据。

具体而言，所述给定数据包括场景环境变量、候选热度词根、评估指标及推荐关键词数量。

环境场景变量包括品牌词、品类词、时间点、活动类型名称等；评估指标包括ROI、展现量或点击率等。

ROI意为投资回报率(Return On Investment)是指通过投资而应返回的价值，即企业从一项投资活动中得到的经济回报。投资回报率能反映投资中心的综合盈利能力，且由于剔除了因投资额不同而导致的利润差异的不可比因素，因而具有横向可比性，有利于判断各投资中心经营业绩的优劣；此外，投资回报率可以作为选择投资机会的依据，有利于优化资源配置。

在网民搜索查询时，如果账户内符合网民搜索需求的关键词被触发，该关键词所对应的创意将出现在搜索结果页，称之为关键词和创意的一次关联展现。一段时间内获得的展现次数称之为“展现量”。展现量体现了关键词质量度和创意的好坏。对网站来说，展现量就是当用户搜索查询相关关键词的时候，网站被触发展示的次数，一段时间内网站的展示次数统称为展现量，一个网站的展现量多少体现了这个网站关键词的好坏以及这个网站优化的好坏。

展现量有助于了解推广结果覆盖了多少网民，是一个数量上的概念。通过统计报告提供的展现量数据，可以发现哪些关键词与此创意关联展现机会较大，每天能够带来多少次的曝光机会，从而估算出推广活动能够覆盖到多少数量的潜在客户。

在推广结果展现时，如果网民对推广结果感兴趣，希望进一步地了解产品/服务，可能将会点击访问网站。一段时间内获得的点击次数称之为“点击量”。简单的说，点击量指被点击的次数。点击率则是用户搜索的时候网站被点击的百分比，算法为点击量÷展现量＝点击率，一个网站点击率的多少，体现了这个网站标题、描述的好坏，体现了网站的创意对客户是否具有吸引力。

在各种广告推广后台可以看到消费、平均价格、点击、展现、点击率、千次展现费用等数据，这些数据是全面评估推广效果、深入开展推广优化的基础。

但企业推广范围广并不意味着就能面向明确的目标客户，只有面向明确的目标客户进行的大范围推广才叫合理展现，盲目提高展现量只会提升企业推广成本。面向目标人群的推广要选择合理区域投放，要精确选择关键词，合理设置关键词匹配模式。通过细致操作，才能更准确地让潜在目标客户用各种相关的搜索词搜索到企业网站，达成最终交易。

步骤S2、根据所述给定数据按照一预设规则组建多个备选关键词。

其中，步骤S2具体包括以下内容：

步骤S21：根据所述候选热度词根随机组建多个关键词；

步骤S22：按照预设规则从所述多个关键词中筛选出多个所述备选关键词。

具体而言，按照预设规则组建多个长度在5以内的备选关键词，预设规则可以参照“品牌词/品类词+1至4个候选热度词根”或“品牌词+品类词+1至3个候选热度词根”等，另外，候选热度词根不能重复。

本发明中生成备选关键词的方法也不仅限于pattern制造，pattern制造关键词的目的是保证其合理性，也可使用模型去单独对关键词合理性进行建模，比如可令历史词库中出现的词作为正样本，随机产生的词作为负样本进行二分类建模，模型可使用机器学习的常用分类模型。然后使用该模型去筛选随机制造的关键词，留下排名较高的关键词输入给下一步的指标预测模型进行预测。

S3、通过word2vec模型对多个所述备选关键词进行特征处理获取每一所述备选关键词的特征。

其中，所述步骤S3中还包括：预先使用jieba对所述备选关键词进行分词处理。

具体而言，“jieba”分词是一个Python中文分词组件，可以对中文文本进行分词、词性标注、关键词抽取等功能，并且支持自定义词典。支持三种分词模式：精确分词，试图将句子最精确的切开，适合文本分析；全模式，把句子中所有的可以成词的词语都扫描出来,速度非常快，但是不能解决歧义；搜索引擎模式，在精确模式基础上，对长词进行再次切分，提高recall，适合于搜索引擎。

其中，所述步骤S3中还包括：通过采用word2vec模型对分词处理后所述备选关键词进行预训练得到词向量，取所述备选关键词的词向量平均和作为所述备选关键词的特征。

具体而言，为了使计算机能够处理自然语言，首先需要对自然语言进行建模。自然语言建模方法经历了从基于规则的方法到基于统计方法的转变。从基于统计的建模方法得到的自然语言模型称为统计语言模型。在对自然语言进行建模的过程中，会出现维数灾难、词语相似性、模型泛化能力以及模型性能等问题。寻找上述问题的解决方案是推动统计语言模型不断发展的内在动力。在对统计语言模型进行研究的背景下，Google公司在2013年开放了Word2vec这一款用于训练词向量的软件工具。Word2Vec模型是一种将词语转化为向量表示的模型，Word2Vec是由神经概率语言模型演进而来，是一种典型的分布编码方式。它对神经概率语言模型做了重要改进，提高了计算效率。具体而言，Word2Vec模型有两种主要的实现方式：连续词袋模型(Continuous Bag-of-Word Model,CBOW Model)和skip-gram模型。Word2vec可以根据给定的语料库，通过优化后的训练模型快速有效地将一个词语表达成向量形式，为自然语言处理领域的应用研究提供了新的工具。Word2vec依赖skip-grams或连续词袋(CBOW)来建立神经词嵌入。

S4、根据每一所述备选关键词的特征与所述给定数据对多个所述备选关键词进行评估并排序。

其中，所述步骤S4中具体包括以下内容：

步骤S41：根据所述备选关键词的特征与所述场景环境变量及所述评估指标通过预测模型得出指标表现；

步骤S42：根据所述指标表现通过所述评估模型对多个所述备选关键词进行排序。

具体而言，指标表现主要为ROI、展现量、点击量或他们的组合等等；评估关键词表现的预测模型可以采用机器学习中较为常见的树模型，但也可以通过其它模型来评估，比如神经网络模型(关键词的特征可依然使用词根的词向量平均值，或者使用Attention机制用环境变量对词根进行加权生成关键词的特征向量)，其它统计模型等等。

S5、根据完成排序的多个所述备选关键词输出推荐关键词。

其中，所述步骤S5中还包括根据所述推荐关键词数量输出推荐关键词。

具体而言，根据指标表现的好坏对关键词进行排序后，输出top“推荐关键词数量”表现的推荐关键词。

实施例二：

结合实施例一所揭示的基于历史关键词投放数据的关键词构建的方法，本实施例揭示了基于历史关键词投放数据的关键词构建系统(以下简称“系统”)的具体实施示例。

参照图2所示，所述系统包括：

输入单元，输入给定数据；

关键词构建单元，根据所述给定数据随机组建多个关键词；

一次筛选单元，按照预设规则从所述多个关键词筛选出多个所述备选关键词；

关键词特征获取单元，通过word2vec模型对多个所述备选关键词进行特征处理，获取每一所述备选关键词的特征；

二次筛选单元，根据每一所述备选关键词的特征与所述环境变量及所述评估指标通过预测模型及评估模型对多个所述备选关键词进行评估并排序；

输出单元，根据完成排序的多个所述备选关键词输出推荐关键词。

具体而言，在输入单元中输入给定数据，包括场景环境变量、候选热度词根、评估指标及推荐关键词数量。

具体而言，在关键词构建单元中，根据所述候选热度词根随机组建大量关键词。

具体而言，在一次筛选单元中，按照预设规则从所述多个关键词中筛选出多个所述备选关键词，预设规则可以参照“品牌词/品类词+1至4个候选热度词根”或“品牌词+品类词+1至3个候选热度词根”等。

具体而言，在关键词特征获取单元中，预先使用jieba对所述备选关键词进行分词处理，然后通过采用word2vec模型对分词处理后所述备选关键词进行预训练得到词向量，取所述备选关键词的词向量平均和作为所述备选关键词的特征。

具体而言，在二次筛选单元中，首先根据所述备选关键词的特征与所述场景环境变量及所述评估指标通过预测模型得出指标表现，然后根据所述指标表现通过所述评估模型对多个所述备选关键词进行排序。

具体而言，在输出单元中，根据所述推荐关键词数量输出推荐关键词，即根据指标表现的好坏对关键词进行排序后，输出top“推荐关键词数量”表现的推荐关键词。

本实施例所揭示的基于历史关键词投放数据的关键词构建系统与实施例一所揭示的基于历史关键词投放数据的关键词构建方法中其余相同部分的技术方案，请参实施例一所述，在此不再赘述。

实施例三:

结合图3所示，本实施例揭示了一种计算机设备的一种具体实施方式。计算机设备可以包括处理器81以及存储有计算机程序指令的存储器82。

具体地，上述处理器81可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

其中，存储器82可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器82可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器82可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器82可在数据处理装置的内部或外部。在特定实施例中，存储器82是非易失性(Non-Volatile)存储器。在特定实施例中，存储器82包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(RandomAccess Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory，简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-Access Memory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。

存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器81所执行的可能的计算机程序指令。

处理器81通过读取并执行存储器82中存储的计算机程序指令，以实现上述实施例中的任意一种关键词构建方法。

在其中一些实施例中，计算机设备还可包括通信接口83和总线80。其中，如图3所示，处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。

通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口83还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。

总线80包括硬件、软件或两者，将计算机设备的部件彼此耦接在一起。总线80包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线80可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(Front Side Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、外围组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

另外，结合上述实施例中的关键词构建方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种关键词构建方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

综上所述，基于本发明的有益效果在于，通过关键词的历史数据学习关键词的结构所预期的展现量或点击量，从而可以利用该预测模型去对大批组建的相对合理的关键词进行评估并排序，筛选表现好的关键词作为最终的结果，保证新构造的关键词具有良好的投放表现；根据合理性构造关键词和根据模型评估关键词均可模块化。每一个部分可采用不同的模型实现其目的，如评估关键词的模型可使用传统统计方法和其它常用的的机器学习模型，如神经网络，树模型等等；评估合理性可通过历史上投放过的关键词作为参考训练模型、给出评分、做一期筛选，然后输入给预测模型与评估模型进行二次筛选。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。