技术摘要：
本发明公开了一种广告推荐方法，包括：获取用户在数据系统上浏览的网页内容，对所述网页内容中的特征信息进行识别提取，建立用户当前推荐标签；所述特征信息包括字符信息和图像信息；根据所述用户当前推荐标签在广告推荐队列中选取初步推荐广告；根据字符推荐模型计算  全部
背景技术：
随着互联网技术的发展，通过互联网获取信息，使得生活、娱乐和工作成为人们生 活的一部分。商家为了提高知名度，实现推广商品，往往通过互联网投放广告。但是，现有的 广告推荐方法往往基于用户的历史搜索词语和用户对历史广告的反馈情况确定用户意向， 并确定候选广告的主题与用户意向的相似度，当用户意向和候选广告的主题相近时，向用 户推荐该广告信息。其中，在确定用户意向的时候，对于用户对历史广告的反馈情况，现有 技术仅仅是根据用户对该广告的浏览停留时间和点击次数来确定用户是否对该类型的广 告感兴趣。 上述现有技术中的广告推荐方法缺乏对广告本身文案的考虑，所谓文案可以看作 广告中的图片效应，例如，当用户对广告A的浏览时长和点击次数较多时，则认为用户对广 告A的宣传产品感兴趣，并没有考虑到用户可能是对广告中的视频图像感兴趣才致使用户 对该广告进行浏览；当用户对广告B的浏览时长和点击次数较低时，则认为用户对广告B的 宣传产品不感兴趣，并没有考虑到用户可能是对广告中的视频图像感到厌恶才致使用户拒 绝浏览该广告。 因此，目前市面上亟需一种广告推荐策略，可以结合广告文案中的图片效应，精准 地识别出用户对广告推荐的真实需求，提高广告推荐的准确率，降低信息垃圾的传播量。
技术实现要素：
本发明提供了一种广告推荐方法及装置，结合广告文案中的图片效应，精准地识 别出用户对广告推荐的真实需求，提高广告推荐的准确率，降低信息垃圾的传播量。 为了解决上述技术问题，本发明实施例提供了一种广告推荐方法，包括： 获取用户在数据系统上浏览的网页内容，对所述网页内容中的特征信息进行识别 提取，建立用户当前推荐标签；所述特征信息包括字符信息和图像信息； 根据所述用户当前推荐标签在广告推荐队列中选取初步推荐广告； 根据字符推荐模型计算各个初步推荐广告的第一推荐概率，根据图像推荐模型计 算各个初步推荐广告的第二推荐概率；所述字符推荐模型是计算用户对推荐广告的字符信 息感兴趣的概率的模型，所述图像推荐模型是计算用户对推荐广告的图像信息感兴趣的概 率的模型； 根据所述第一推荐概率和所述第二推荐概率，在所述初步推荐广告中选取最终推 荐广告，并将所述最终推荐广告传输至用户当前浏览的网页上进行显示。 作为优选方案，所述获取用户在数据系统上浏览的网页内容，对所述网页内容中 的特征信息进行识别提取，建立用户当前推荐标签的步骤中，具体包括： 获取当前用户在数据系统上浏览的网页内容； 4 CN 111582913 A 说　明　书 2/7 页 对所述网页内容进行特征识别提取，得到字符信息和图像信息； 通过字词识别技术对所述字符信息进行文字识别和加权处理，得到字符标签； 通过图像识别技术对所述图像信息进行图像识别和加权处理，得到图像标签； 根据所述字符标签和所述图像标签，通过预设的权重值进行计算得到用户当前推 荐标签。 作为优选方案，在所述根据所述用户当前推荐标签在广告推荐队列中选取初步推 荐广告之前，还包括： 对广告推荐队列中的原始推荐广告设置原始标签，以使根据所述用户当前推荐标 签与所述原始标签的相似度，在广告推荐队列中选取初步推荐广告。 作为优选方案，所述字符推荐模型的建立步骤包括： 获取用户对历史推荐广告的反馈信息； 对所述历史推荐广告进行字符信息提取，根据所述历史推荐广告的字符信息生成 历史字符特征向量； 根据所述反馈信息和历史字符特征向量建立字符推荐模型。 作为优选方案，所述图像推荐模型的建立步骤包括： 获取用户对历史推荐广告的反馈信息； 对所述历史推荐广告进行图像信息提取，根据所述历史推荐广告的图像信息生成 历史图像特征向量； 根据所述反馈信息和历史图像特征向量建立图像推荐模型。 作为优选方案，所述根据所述第一推荐概率和所述第二推荐概率，在所述初步推 荐广告中选取最终推荐广告的步骤，包括： 将所述第一推荐概率和所述第二推荐概率进行加权处理，得到最终推荐权值； 根据所述最终推荐权值在所述初步推荐广告中选取最终推荐广告。 作为优选方案，所述根据所述第一推荐概率和所述第二推荐概率，在所述初步推 荐广告中选取最终推荐广告的步骤，包括： 将所述第一推荐概率小于预设阈值的初步推荐广告进行过滤； 根据所述第二推荐概率在过滤后的初步推荐广告中选取最终推荐广告。 本发明实施例还提供了一种广告推荐装置，包括： 推荐标签模块，用于获取用户在数据系统上浏览的网页内容，对所述网页内容中 的特征信息进行识别提取，建立用户当前推荐标签；所述特征信息包括字符信息和图像信 息； 初步推荐模块，用于根据所述用户当前推荐标签在广告推荐队列中选取初步推荐 广告； 推荐概率模块，用于根据字符推荐模型计算各个初步推荐广告的第一推荐概率， 根据图像推荐模型计算各个初步推荐广告的第二推荐概率；所述字符推荐模型是计算用户 对推荐广告的字符信息感兴趣的概率的模型，所述图像推荐模型是计算用户对推荐广告的 图像信息感兴趣的概率的模型； 最终推荐模块，用于根据所述第一推荐概率和所述第二推荐概率，在所述初步推 荐广告中选取最终推荐广告，并将所述最终推荐广告传输至用户当前浏览的网页上进行显 5 CN 111582913 A 说　明　书 3/7 页 示。 作为优选方案，所述推荐标签模块包括： 数据获取单元，用于获取当前用户在数据系统上浏览的网页内容； 特征提取单元，用于对所述网页内容进行特征识别提取，得到字符信息和图像信 息； 字符标签单元，用于通过字词识别技术对所述字符信息进行文字识别和加权处 理，得到字符标签； 图像标签单元，用于通过图像识别技术对所述图像信息进行图像识别和加权处 理，得到图像标签； 推荐标签单元，用于根据所述字符标签和所述图像标签，通过预设的权重值进行 计算得到用户当前推荐标签。 作为优选方案，还包括：原始标签模块，用于在所述根据所述用户当前推荐标签在 广告推荐队列中选取初步推荐广告之前，对广告推荐队列中的原始推荐广告设置原始标 签，以使根据所述用户当前推荐标签与所述原始标签的相似度，在广告推荐队列中选取初 步推荐广告。 作为优选方案，所述字符推荐模型的建立步骤包括： 获取用户对历史推荐广告的反馈信息； 对所述历史推荐广告进行字符信息提取，根据所述历史推荐广告的字符信息生成 历史字符特征向量； 根据所述反馈信息和历史字符特征向量建立字符推荐模型。 作为优选方案，所述图像推荐模型的建立步骤包括： 获取用户对历史推荐广告的反馈信息； 对所述历史推荐广告进行图像信息提取，根据所述历史推荐广告的图像信息生成 历史图像特征向量； 根据所述反馈信息和历史图像特征向量建立图像推荐模型。 作为优选方案，所述最终推荐模块包括： 加权处理单元，用于将所述第一推荐概率和所述第二推荐概率进行加权处理，得 到最终推荐权值； 最终推荐单元，用于根据所述最终推荐权值在所述初步推荐广告中选取最终推荐 广告。 作为优选方案，所述最终推荐模块包括： 广告过滤单元，用于将所述第一推荐概率小于预设阈值的初步推荐广告进行过 滤； 最终推荐单元，用于根据所述第二推荐概率在过滤后的初步推荐广告中选取最终 推荐广告。 本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括 存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的 设备执行如上述任一项所述的广告推荐方法。 本发明实施例还提供了一种终端设备，包括处理器、存储器以及存储在所述存储 6 CN 111582913 A 说　明　书 4/7 页 器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实 现如上述任一项所述的广告推荐方法。 相比于现有技术，本发明实施例具有如下有益效果： 本发明技术方案通过字符推荐模型计算用户对推荐广告的字符信息感兴趣的概 率，并通过图像推荐模型计算用户对推荐广告的图像信息感兴趣的概率，选取出最终推荐 广告，结合广告文案中的图片效应，可以精准地识别出用户对广告推荐的真实需求，提高广 告推荐的准确率，降低信息垃圾的传播量。 附图说明 图1：为本发明实施例中的广告推荐方法的步骤流程图； 图2：为本发明实施例中的广告推荐装置的结构示意图。