一种广告投放方法、智能终端及计算机可读存储介质与流程

1.本发明涉及广告投放领域，尤其涉及一种广告投放方法、智能终端及计算机可读存储介质。


背景技术：

2.随着网络的发展，智能手机等智能终端的用户越来越多，而网络试听业务也随之高速发展，网络试听用户规模突破9亿。移动互联网的背景下，创作者自主创作视频并发布视频，用户观看创作者创作的视频已经是非常普遍的现象。据统计，网络用户的人均单日app使用时长长达6.7小时，因此，基于创作者自己创作的视频已经占据了很多网络用户的主要时间。其中，短视频应用的日均使用时长超过综合视频应用，成为网络视听应用领域之首，还在向电商、直播、教育等多元领域不断渗透，影响力持续深入，推动网络视听行业格局的变化。
3.然而，虽然网络用户刷视频的时间很多，很多个人或小团体创作的视频后续都能得到很多网络用户的关注和评论，但是很多单人或小团体自己创作的视频是很难直接获得广告渠道，很多然而小视频通常接不到广告；另一方面，主流媒体的广告的观众少，导致广告推广效果不好，因此，对于这种单人或小团体创作的视频所吸引的资源常常无法进行转换。因此，目前的广告投放机制需要进行进一步地改进。


技术实现要素：

4.本发明的主要目的在于提供一种广告投放方法、智能终端及计算机可读存储介质，旨在解决现有技术中广告投放不精确的问题。
5.为实现上述目的，本发明提供一种广告投放方法，所述广告投放方法包括如下步骤：
6.获取目标视频对应的视频评论，并确定所述视频评论中的目标评论；
7.对所述目标评论进行属性提取，得到所述目标评论对应的属性信息；
8.根据所述属性信息，确定预设的广告数据库中与所述目标评论对应的目标广告；
9.当播放所述目标视频时，将所述目标广告加载至所述目标视频对应的广告区。
10.可选地，所述的广告投放方法，其中，所述获取目标视频对应的视频评论，并确定所述视频评论中的目标评论之前，还包括：
11.获取各个视频文件对应的参与数量；
12.根据预设的参与数量阈值和所述参与数量，确定所述视频文件中的目标视频。
13.可选地，所述的广告投放方法，其中，所述获取目标视频对应的视频评论，并确定所述视频评论中的目标评论，具体包括：
14.获取所述目标视频对应的视频评论；
15.根据各个所述视频评论对应的点赞数和/或回复数，确定所述视频评论中的目标评论。
16.可选地，所述的广告投放方法，其中，所述属性信息包括第一属性和/或第二属性；所述对所述目标评论进行属性提取，得到所述目标评论对应的属性信息，具体包括：
17.当所述目标评论包括文字评论时，识别所述文字评论对应的商品属性，得到所述文字评论对应的第一属性；
18.当所述目标评论包括图像评论时，识别所述图像评论对应的商品属性，得到所述目标评论对应的第二属性。
19.可选地，所述的广告投放方法，其中，所述属性信息还包括第三属性；所述对所述目标评论进行属性提取，得到所述目标评论对应的属性信息，还包括：
20.当所述图像评论还包括文字时，对所述图像评论进行文字识别，得到所述图像评论对应的文字信息；
21.识别所述文字信息对应的商品属性，得到所述文字信息对应的第三属性。
22.可选地，所述的广告投放方法，其中，所述根据所述属性信息，确定预设的广告数据库中与所述目标评论对应的目标广告，具体包括：
23.根据所述广告数据库中的各个广告数据的属性值和所述属性信息，计算各个广告数据与所述目标评论之间的相似度值；
24.根据所述相似度值和各个所述广告数据对应的评价值，确定所述广告数据中的目标广告。
25.可选地，所述的广告投放方法，其中，所述根据所述相似度值和各个所述广告数据对应的评价值，确定所述广告数据中的目标广告，具体包括：
26.根据预设的相似度阈值，确定所述广告数据中的候选广告；
27.根据各个所述候选广告对应的历史点击率，确定所述候选广告中的目标广告。
28.可选地，所述的广告投放方法，其中，所述当播放所述目标视频时，将所述目标广告加载至所述目标视频对应的广告区之后，还包括：
29.监听所述目标广告对应的点击事件；
30.根据所述点击事件和所述点击事件对应的点击时间，对所述目标广告对应的历史点击率进行更新。
31.此外，为实现上述目的，本发明还提供一种智能终端，其中，所述智能终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的广告投放程序，所述广告投放程序被所述处理器执行时实现如上所述的广告投放方法的步骤。
32.此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有广告投放程序，所述广告投放程序被处理器执行时实现如上所述的广告投放方法的步骤。
33.经调查发现，现在网络用户在刷视频的时候喜欢看评论，从而与创作者进行更多的互动，因此根据评论的属性在评论区发布对应的广告，更加能吸引网民看到广告。本发明可以自动根据视频的评论属性植入广告，让用户可以在刷视频看评论的时候就可以接触到与视频评论相关的广告，从而有效利用基于视频吸引的用户资源。先获取目标视频，也就是待投放广告的视频，然后选择目标视频中的较优的评论，例如点赞、转发、二次评论人数较多，作为目标评论，再对目标评论进行属性提取，得到其中的该评论的属性信息。最后基于属性信息确定目标广告并在播放该视频的时候进行广告投放。
附图说明
34.图1是本发明广告投放方法提供的较佳实施例的流程图；
35.图2是本发明广告投放方法中提取商品属性的流程图；
36.图3是本发明广告投放方法中确定目标广告的流程图；
37.图4为本发明智能终端的较佳实施例的运行环境示意图。
具体实施方式
38.本发明提供一种广告投放方法、计算机可读存储介质及终端设备，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
39.本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
40.本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
41.发明人经过研究发现，当前随着短视频等个人或小团体创作的视频，尤其是短视频的兴起，当前的广告投放方式不能有效地利用资源。为了解决上述问题，在本发明实施例中，所述方法包括：获取目标视频对应的视频评论，并确定所述视频评论中的目标评论；对所述目标评论进行属性提取，得到所述目标评论对应的属性信息；根据所述属性信息，确定预设的广告数据库中与所述目标评论对应的目标广告；当播放所述目标视频时，将所述目标广告加载至所述目标视频对应的广告区。
42.步骤s100，获取目标视频对应的视频评论，并确定所述视频评论中的目标评论。
43.具体地，先获取目标视频，目标视频是指待进行广告投放的视频，目标视频可以是所有要播放的视频，也可以是满足一定条件的视频，例如播放量、评论数、转发数达到一定数值的视频。本实施例中目标视频是指视频文件对应的参数数量大于等于预设的参与数量阈值的视频。参数数量是指用户参与该视频文件的指标，一般包括转发数、播放量、评论数中的一个或多个，或者是对转发数、播放量和评论数经过一定的算法得到的数值，其中，算法可以是对不同参数的加权求和。参与数量阈值是与参与数量想对应的阈值，用于评价该视频文件的用户参与度是否达到了可投放的标准。若参与数量大于等于参数数量阈值，则确定视频文件为目标视频。
44.得到目标视频后，获取目标视频对应的所有视频评论，然后确定其中的目标评论，目标评论即在所有视频评论中的热度最高的评论，本实施例中，将视频评论对应的点赞数
和/或回复数作为考量视频评论的热度的指标。例如某个视频评论的点赞数是这一个视频文件对应的所有视频评论的最大值，则将该视屏评论作为目标评论。再例如，还可根据点赞数和回复数计算对应的热度值，然后选择热度值最高的视频评论作为目标评论。
45.步骤s200，对所述目标评论进行属性提取，得到所述目标评论对应的属性信息。
46.具体地，然后对所述目标评论进行属性提取，从而得到目标评论对应的属性信息。本实施例中的属性信息是指与目标评论具有较强关联性的商品和/或服务的属性。例如，目标视频是一个关于猫咪的视频，目标视频下面有很多关于目标视频的视频评论，有一个获得最多点赞数的视频评论里面提到了“招财猫”，提取后的属性信息为“招财猫”作为该目标评论所对应的属性信息。
47.进一步地，随着技术的发展，评论的类型越来越多样化，原先的评论形式智能是文字形式，而现在还包括图片形式的评论形式。为此，参阅图2，本实施例在获得目标评论时，根据目标评论的形式，进行属性识别的过程为：
48.步骤s210，当所述目标评论包括文字评论时，识别所述文字评论对应的商品属性，得到所述文字评论对应的第一属性；
49.步骤s210，当所述目标评论包括图像评论时，识别所述图像评论对应的商品属性，得到所述目标评论对应的第二属性。
50.具体地，当目标评论包括文字评论时，识别该文字评论对应的商品和/或服务，得到第一属性，第一属性即通过文字评论得到的属性值。识别文字评论对应的商品和/或服务的方式可通过方式进行。在本实施例的第一种实现方式中，识别方式为通过关键词识别。例如上述的猫咪视频的目标评论中包含关键词“招财猫”，则将“招财猫”作为该目标评论的第一属性。
51.在本实施例的第二种实现方式中，采用分类的方式进行商品属性的识别。预先获取大量的训练评论，然后通过聚类算法，将这些训练评论分为多个组，每一个组对应一个聚类标签，聚类的方式可采用监督算法、半监督算法、以及无监督算法，在本实施例中不作限定，可根据聚类效果的好坏选择聚类算法中的任意一种。然后判断基于得到聚类结果的算法，确定待识别的文字评论对应的聚类标签，并将对应的聚类标签作为该文字评论对应的第一属性。
52.在本实施例的第三种实现方式，采用基于深度学习的神经网络进行第一属性的识别，预先设置一个初始模型，并获取大量的评论数据作为训练样本，并对其进行属性标注，然后将训练样本输入该初始模型中，通过该初始模型对每一个训练样本进行分类，得到训练值。然后基于初始模型中的损失函数，计算训练样本和标注的属性之间的损失值。得到损失值之后反向输入初始模型中，调整该模型的参数直至该初始模型收敛，得到属性识别模型。在得到目标评论后，将目标评论输入属性识别模型中，属性识别模型对其进行商品属性的识别，从而得到第一属性。
53.当所述目标评论包括图像评论时，对图像评论进行商品属性的识别，得到第二属性。针对图像评论，实际上就是对图像的处理。图像评论无法使用关键字的方式得到第二属性，但是也通过聚类算法以及基于深度学习的模型，实现商品属性的识别。过程与基于文字的过程较为类似，在此不在赘述。
54.此外，除了上述的的方式外，由于图像的特征也可以作为商品或服务的一种属性。
例如该图像评论是某一个游戏的人物立绘，则提取人物立绘的特征，后续将这一特征与数据库中的商品或服务所对应的图像进行比对即可。这种比对，可通过感知哈希算法实现，感知哈希算法是一类哈希算法的总称，其作用在于生成每张图像的“指纹”(fingerprint)字符串，比较不同图像的指纹信息来判断图像的相似性。通过不同图像的“指纹”即可找到其对应的商品或服务，因此在这一过程中，图像的“指纹”即该图像评论的第二属性。感知哈希算法包括均值哈希(ahash)、感知哈希(phash)和dhash(差异值哈希)。ahash速度较快，但精确度较低；phash则反其道而行之，精确度较高但速度较慢；dhash兼顾二者，精确度较高且速度较快。
55.进一步地，很多图像并非只有图像内容，还包括文字内容，例如某个图像包含了招财猫的卡通图案，同时也包含“招财猫”字眼。为兼顾图像所包含的图案信息和文字信息，本实施例中的属性信息还包括基于图像评论的文字所识别的第三属性。先对图像评论进行文字识别，从而提取该图像评论对应的文字信息。文字识别的方式可采用ocr(optical character recognition,光学字符识别)、crnn(convolutional recurrent neural network，循环卷积神经网络)等。通过以上文字识别技术，可提取图像评论的文字信息。
56.然后采取与上述对文字评论进行商品属性的识别类似的方式，对所述文字信息进行商品属性的识别，从而得到文字信息对应的第三属性。由于过程较为类似，在此不在赘述。
57.步骤s300，根据所述属性信息，确定预设的广告数据库中与所述目标评论对应的目标广告。
58.具体地，预先设置一个包含大量广告数据的广告数据库，广告数据可包含文字形式的广告标语、动画形式的广告视频、图案形式的广告图像等多种形式。而对每一个广告数据都对其进行预处理，得到其对应的属性值。为方便确定目标广告，本实施例中，广告数据对应的属性值的类型与上述的属性信息的类型相对应。例如文字评论的第一属性为关键词，图像评论的第二属性为图像评论经过聚类后得到的聚类标签，则每一个广告数据所对应的属性值都包括该广告数据对应的关键词和聚类标签；图片评论得到的是基于深度学习训练的模型得到的标注属性，则每一个广告数据所对应的属性值都是训练该模型时的标注属性中的一个或多个。如图3所示，然后根据属性信息，确定目标广告，此过程可包括：
59.步骤s310，根据所述广告数据库中的各个广告数据的属性值和所述属性信息，计算各个广告数据与所述目标评论之间的相似度值；
60.步骤s320，根据所述相似度值和各个所述广告数据对应的评价值，确定所述广告数据中的目标广告。
61.在得到属性信息后，将该根据所述广告数据库中的各个广告数据的属性值和所述属性信息，计算各个广告数据与所述目标评论之间的相似度值。相似度值的计算方式也是根据属性值或属性信息的类型来确定。例如属性信息和属性值的类型为关键词，则相似度的计算方式为基于文字的相似度算法；若属性信息和属性值为聚类标签，则相似度计算方式为基于聚类标签的相似度计算方式。
62.得到了相似度值后，根据所述相似度值和各个所述广告数据对应的评价值，确定所述广告数据中的目标广告。评价值是指评价该广告数据有效率的指标，评价值可以是该广告数据对应的历史点击率，即作为目标广告投放后，有多少用户点击了这一广告数据。还
可以包括广告转换率，即其作为目标广告投放时，用户点击了这一个广告数据并且进行了商品的购买的概率。根据相似度值和评价值筛选目标广告的方式可以采用并列评价也可以先评价某一个指标再评价另一个指标的方式，例如先根据相似度值，将相似度值超过相似度阈值的广告数据作为候选广告，然后根据各个广告数据所对应的历史点击率，选择历史点击率最高的候选广告作为目标广告。
63.步骤s400，当播放所述目标视频时，将所述目标广告加载至所述目标视频对应的广告区。
64.具体地，确定了目标广告后，当播放目标视频的时候，将该目标广告投放至该目标视频对应的广告区。其中，本实施例中的广告区为广义的广告区，除了常见的广告框的形式，还可以是视频播放前的广告时间段等，例如网幅广告、文本链接广告、插播式广告(弹出式广告)。此外，若以广告框的形式投放时，广告框的位置还可以优选为目标评论在页面的上方或下方。以网幅广告为例，是以gif、jpg、flash等格式建立的图象文件，定位在网页中大多用来表现广告内容，同时还可使用java等语言使其产生交互性，用shockwave等插件工具增强表现力。
65.进一步地，在投放到广告区后，还可对目标广告进行事件的监听，监听目标广告对应的点击事件，也就是监听目标广告是否被点击，并且记录点击的事件所对应的点击时间，基于该点击时间以及点击事件的发生，对目标广告对应的历史点击率进行更新。
66.进一步地，如图4所述，基于上述广告投放方法，本发明还相应提供了一种智能终端，所述智能终端包括处理器10、存储器20及显示器30。图4仅示出了智能终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
67.所述存储器20在一些实施例中可以是所述智能终端的内部存储单元，例如智能终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述智能终端的外部存储设备，例如所述智能终端上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器20还可以既包括所述智能终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述智能终端的应用软件及各类数据，例如所述安装智能终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有广告投放程序40，该广告投放程序40可被处理器10所执行，从而实现本技术中广告投放方法。
68.所述处理器10在一些实施例中可以是一中央处理器(central processing unit,cpu)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述广告投放方法等。
69.所述显示器30在一些实施例中可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。所述显示器30用于显示在所述智能终端的信息以及用于显示可视化的用户界面。所述智能终端的部件10-30通过系统总线相互通信。
70.在一实施例中，当处理器10执行所述存储器20中广告投放程序40时实现以下步骤：
71.获取目标视频对应的视频评论，并确定所述视频评论中的目标评论；
72.对所述目标评论进行属性提取，得到所述目标评论对应的属性信息；
73.根据所述属性信息，确定预设的广告数据库中与所述目标评论对应的目标广告；
74.当播放所述目标视频时，将所述目标广告加载至所述目标视频对应的广告区。
75.其中，所述获取目标视频对应的视频评论，并确定所述视频评论中的目标评论之前，还包括：
76.获取各个视频文件对应的参与数量；
77.根据预设的参与数量阈值和所述参与数量，确定所述视频文件中的目标视频。
78.其中，所述获取目标视频对应的视频评论，并确定所述视频评论中的目标评论，具体包括：
79.获取所述目标视频对应的视频评论；
80.根据各个所述视频评论对应的点赞数和/或回复数，确定所述视频评论中的目标评论。
81.其中，所述属性信息包括第一属性和/或第二属性；所述对所述目标评论进行属性提取，得到所述目标评论对应的属性信息，具体包括：
82.当所述目标评论包括文字评论时，识别所述文字评论对应的商品属性，得到所述文字评论对应的第一属性；
83.当所述目标评论包括图像评论时，识别所述图像评论对应的商品属性，得到所述目标评论对应的第二属性。
84.其中，所述属性信息还包括第三属性；所述对所述目标评论进行属性提取，得到所述目标评论对应的属性信息，还包括：
85.当所述图像评论还包括文字时，对所述图像评论进行文字识别，得到所述图像评论对应的文字信息；
86.识别所述文字信息对应的商品属性，得到所述文字信息对应的第三属性。
87.其中，所述根据所述属性信息，确定预设的广告数据库中与所述目标评论对应的目标广告，具体包括：
88.根据所述广告数据库中的各个广告数据的属性值和所述属性信息，计算各个广告数据与所述目标评论之间的相似度值；
89.根据所述相似度值和各个所述广告数据对应的评价值，确定所述广告数据中的目标广告。
90.其中，所述根据所述相似度值和各个所述广告数据对应的评价值，确定所述广告数据中的目标广告，具体包括：
91.根据预设的相似度阈值，确定所述广告数据中的候选广告；
92.根据各个所述候选广告对应的历史点击率，确定所述候选广告中的目标广告。
93.其中，所述当播放所述目标视频时，将所述目标广告加载至所述目标视频对应的广告区之后，还包括：
94.监听所述目标广告对应的点击事件；
95.根据所述点击事件和所述点击事件对应的点击时间，对所述目标广告对应的历史点击率进行更新。
96.本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有广告投放程序，所述广告投放程序被处理器执行时实现如上所述的广告投放方法的步骤，
方法包括：获取目标视频对应的视频评论，并确定所述视频评论中的目标评论；对所述目标评论进行属性提取，得到所述目标评论对应的属性信息；根据所述属性信息，确定预设的广告数据库中与所述目标评论对应的目标广告；当播放所述目标视频时，将所述目标广告加载至所述目标视频对应的广告区。本发明能够精确地进行广告投放，提高广告资源的利用率。
97.当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的计算机可读存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。
98.应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。