广告搜索方法、模型训练方法及装置与流程

本公开涉及人工智能，具体为深度学习、自然语言处理和大模型等，尤其涉及一种广告搜索方法、模型训练方法、装置、电子设备、存储介质和计算机程序产品。

背景技术：

1、目前，随着人工智能技术的不断发展，大语言模型具有泛化性好等优点，在信息提取、文本可信度评估、机器翻译等领域中得到了广泛应用。然而，相关技术中的广告搜索方法，存在广告搜索过程中存在的精度和效率较低的问题。

技术实现思路

1、本公开提出了一种广告搜索方法、模型训练方法、装置、电子设备、存储介质和计算机程序产品。

2、根据本公开的第一方面，提出了一种广告搜索方法，包括：获取用户搜索词；将所述用户搜索词输入至大模型，通过所述大模型基于所述用户搜索词，确定与候选广告关联的广告主；基于所述广告主，从所述候选广告中确定待搜索的目标广告。

3、根据本公开的第二方面，提出了一种模型训练方法，包括：获取训练样本，其中，所述训练样本包括样本广告信息和样本广告主；根据所述训练样本，对大模型进行训练。

4、根据本公开的第三方面，提出了一种广告搜索装置，包括：获取模块，用于获取用户搜索词；第一确定模块，用于将所述用户搜索词输入至大模型，通过所述大模型基于所述用户搜索词，确定与候选广告关联的广告主；第二确定模块，用于基于所述广告主，从所述候选广告中确定待搜索的目标广告。

5、根据本公开的第四方面，提出了一种模型训练装置，包括第一获取模块，用于获取训练样本，其中，所述训练样本用于样本广告信息和样本广告主；训练模块，用于根据所述训练样本，对大模型进行训练。

6、根据本公开的第五方面，提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面提出的广告搜索方法，或者执行上述第二方面提出的模型训练方法。

7、根据本公开的第六方面，提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述第一方面提出的广告搜索方法，或者执行上述第二方面提出的模型训练方法。

8、根据本公开的第七方面，提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述第一方面提出的广告搜索方法，或者实现上述第二方面提出的模型训练方法。

9、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种广告搜索方法，包括：

2.根据权利要求1所述的搜索方法，其中，所述基于所述广告主，从所述候选广告中确定待搜索的目标广告，包括：

3.根据权利要求2所述的搜索方法，其中，所述基于所述用户搜索词和所述业务信息，从所述候选广告中确定所述目标广告，包括：

4.根据权利要求3所述的搜索方法，其中，所述根据所述相似度，从所述候选广告中确定所述目标广告，包括：

5.根据权利要求3所述的搜索方法，其中，所述根据所述相似度，从所述候选广告中确定所述目标广告，包括：

6.根据权利要求1-5中任一项所述的搜索方法，其中，所述通过所述大模型基于所述用户搜索词，确定与候选广告关联的广告主，包括：

7.根据权利要求1-5中任一项所述的搜索方法，其中，所述通过所述大模型基于所述用户搜索词，确定与候选广告关联的广告主，包括：

8.根据权利要求7所述的搜索方法，其中，所述方法还包括：

9.一种模型训练方法，包括：

10.根据权利要求9所述的训练方法，其中，所述获取训练样本，包括：

11.根据权利要求10所述的训练方法，其中，所述根据所述训练样本，对大模型进行训练，包括：

12.根据权利要求9所述的训练方法，其中，所述获取训练样本，包括：

13.根据权利要求12所述的训练方法，其中，所述第一类样本用户搜索词的获取过程，包括：

14.根据权利要求12所述的训练方法，其中，所述根据所述训练样本，对大模型进行训练，包括：

15.根据权利要求9所述的训练方法，其中，所述获取训练样本，包括：

16.根据权利要求15所述的训练方法，其中，所述根据所述训练样本，对大模型进行训练，包括：

17.一种广告搜索装置，包括：

18.根据权利要求17所述的搜索装置，其中，所述第二确定模块，用于：

19.根据权利要求18所述的搜索装置，其中，所述第二确定模块，用于：

20.根据权利要求19所述的搜索装置，其中，所述第二确定模块，用于：

21.根据权利要求19所述的搜索装置，其中，所述第二确定模块，用于：

22.根据权利要求17-21中任一项所述的搜索装置，其中，所述第一确定模块，用于：

23.根据权利要求17-21中任一项所述的搜索装置，其中，所述第一确定模块，用于：

24.根据权利要求23所述的搜索装置，其中，所述装置还用于：

25.一种模型训练装置，用于：

26.根据权利要求25所述的训练装置，其中，所述第一获取模块，用于：

27.根据权利要求26所述的训练装置，其中，所述训练模块，用于：

28.根据权利要求25所述的训练装置，其中，所述第一获取模块，用于：

29.根据权利要求28所述的训练装置，其中，所述第一获取模块，用于：

30.根据权利要求29所述的训练装置，其中，所述训练模块，用于：

31.根据权利要求25所述的训练装置，其中，所述第一获取模块，用于：

32.根据权利要求31所述的训练装置，其中，所述训练模块，还用于：

33.一种电子设备，其特征在于，包括处理器和存储器；

34.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8或权利要求9-16中任一项所述的方法。

35.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8或权利要求9-16中任一项所述的方法。

技术总结
本公开提出了一种广告搜索方法、模型训练方法及装置，涉及人工智能技术领域，具体为深度学习、自然语言处理和大模型等技术领域，可应用于智能搜索等场景，方法包括：获取用户搜索词；将所述用户搜索词输入至大模型，通过所述大模型基于所述用户搜索词，确定与候选广告关联的广告主；基于所述广告主，从所述候选广告中确定待搜索的目标广告，由此，本公开通过大模型，可以确定与候选广告关联的广告主，在广告主的限制下，确定待搜索的目标广告，提高了广告搜索的效率，并保证了广告搜索结果的精度，提升了用户体验。

技术研发人员：戴琳,黄飞,贺登武
受保护的技术使用者：百度在线网络技术（北京）有限公司
技术研发日：
技术公布日：2024/2/1