本发明涉及一种广告投放鉴定系统，包括：投放分析设备，用于采用再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的投放效果进行分析；用户输入设备，用于输入设定广告覆盖面积以及设定单月投入的广告次数；内容关联设备，用于将每一份设定广告覆盖面积以及设定单月投入的广告次数与其对应的预测次月销售数量进行关联存储。本发明还涉及一种广告投放鉴定方法，包括执行本发明的广告投放鉴定系统。本发明的广告投放鉴定系统运行稳定，具有一定的针对性。由于能够建立广告投放效果分析模型实现对不同广告投放策略的广告成果的针对性评估，使得销售商能够平衡广告投放成本以及广告收益。
1.一种广告投放鉴定系统，其特征在于，所述系统包括：
第一统计器件，设置在执行数据分析的服务器端，用于获取某一商品类型的商品在未投入广告之前的最近单月销售数量；
第二统计器件，设置在所述第一统计器件的附近，用于获取某一商品类型的商品投放单月广告后的次月销售数量以及在单月投入的广告次数；
第一建立器件，设置在所述服务器端，用于针对每一商品类型的商品执行以下卷积神经网络的初步建立动作：将商品类型、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立；
第二建立器件，与所述第一建立器件连接，用于针对每一商品类型的商品初步建立的卷积神经网络执行预设数目的多次学习动作以实现对该商品类型的商品对应的卷积神经网络的再次建立；
投放分析设备，与所述第二建立器件连接，用于采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的投放效果进行分析；
其中，采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的投放效果进行分析包括：将所述第二建立器件再次建立的卷积神经网络对对应商品类型、设定广告覆盖面积、在未投入广告之前的最近单月销售数量以及设定单月投入的广告次数作为所述第二建立器件再次建立的卷积神经网络的输入端数据，并执行所述第二建立器件再次建立的卷积神经网络以获得采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的预测次月销售数量；
其中，针对每一商品类型的商品初步建立的卷积神经网络执行预设数目的多次学习动作以实现对该商品类型的商品对应的卷积神经网络的再次建立包括：所述预设数目的取值与广告覆盖面积正向关联。
2.如权利要求1所述的广告投放鉴定系统，其特征在于，所述系统还包括：
用户输入设备，与所述投放分析设备连接，用于根据用户的操作向所述投放分析设备输入设定广告覆盖面积以及设定单月投入的广告次数；
内容关联设备，与所述投放分析设备连接，用于将每一份设定广告覆盖面积以及设定单月投入的广告次数与其对应的预测次月销售数量进行关联存储。
3.如权利要求1‑2任一所述的广告投放鉴定系统，其特征在于，
所述预设数目的取值与广告覆盖面积正向关联包括：广告覆盖面积越窄，所述预设数目的取值越小；
其中，将商品类型、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立包括：将商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立。
4.如权利要求3所述的广告投放鉴定系统，其特征在于，
将商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立包括：不同商品类型对应不同类型标识。
5.如权利要求4所述的广告投放鉴定系统，其特征在于，
将商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立还包括：商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数在输入到卷积神经网络之前被执行十六进制编码处理。
6.一种广告投放鉴定方法，其特征在于，所述方法包括：
使用第一统计器件，设置在执行数据分析的服务器端，用于获取某一商品类型的商品在未投入广告之前的最近单月销售数量；
使用第二统计器件，设置在所述第一统计器件的附近，用于获取某一商品类型的商品投放单月广告后的次月销售数量以及在单月投入的广告次数；
使用第一建立器件，设置在所述服务器端，用于针对每一商品类型的商品执行以下卷积神经网络的初步建立动作：将商品类型、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立；
使用第二建立器件，与所述第一建立器件连接，用于针对每一商品类型的商品初步建立的卷积神经网络执行预设数目的多次学习动作以实现对该商品类型的商品对应的卷积神经网络的再次建立；
使用投放分析设备，与所述第二建立器件连接，用于采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的投放效果进行分析；
其中，采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的投放效果进行分析包括：将所述第二建立器件再次建立的卷积神经网络对对应商品类型、设定广告覆盖面积、在未投入广告之前的最近单月销售数量以及设定单月投入的广告次数作为所述第二建立器件再次建立的卷积神经网络的输入端数据，并执行所述第二建立器件再次建立的卷积神经网络以获得采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的预测次月销售数量；
其中，针对每一商品类型的商品初步建立的卷积神经网络执行预设数目的多次学习动作以实现对该商品类型的商品对应的卷积神经网络的再次建立包括：所述预设数目的取值与广告覆盖面积正向关联。
7.如权利要求6所述的广告投放鉴定方法，其特征在于，所述方法还包括：
使用用户输入设备，与所述投放分析设备连接，用于根据用户的操作向所述投放分析设备输入设定广告覆盖面积以及设定单月投入的广告次数；
使用内容关联设备，与所述投放分析设备连接，用于将每一份设定广告覆盖面积以及设定单月投入的广告次数与其对应的预测次月销售数量进行关联存储。
8.如权利要求6‑7任一所述的广告投放鉴定方法，其特征在于，
所述预设数目的取值与广告覆盖面积正向关联包括：广告覆盖面积越窄，所述预设数目的取值越小；
其中，将商品类型、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立包括：将商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立。
9.如权利要求8所述的广告投放鉴定方法，其特征在于，
将商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立包括：不同商品类型对应不同类型标识。
10.如权利要求9所述的广告投放鉴定方法，其特征在于，
将商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立还包括：商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数在输入到卷积神经网络之前被执行十六进制编码处理。
广告投放鉴定系统及方法
技术领域
[0001] 本发明涉及广告投放领域，尤其涉及一种广告投放鉴定系统及方法。
背景技术
[0002] 在现有技术中，由于缺乏针对性的数据分析机制，面对商品类型不同、广告投放面积不同以及广告投入次数不同的数据复杂的广告投放，很难评估不同商品的广告投放效果，使得销售方拿不到可靠的广告投放效果数据，对投放力度以及后期商品销量难以评估，结果是在这两方面的经济投入或开销缺乏规划。
[0003] 申请公布号CN114663155A公开一种广告投放选品方法及其装置、设备、介质、产品，所述方法包括：获取独立站点的商品数据库中各个商品相对应的广告预测数据，所述广告预测数据包含采纳率、成效数据，所述采纳率表征该商品被投放广告的预测概率，所述成效数据包含表征该商品被投放广告后可能收获的转化概率；根据所述商品的采纳率和成效数据，计算出各个商品相对应的推荐评分；根据所述推荐评分选择所述商品数据库中的商品作为广告投放选品构建出广告投放选品推荐列表。该申请解决的问题是匹配出符合用户喜好的广告投放选品，并且可取得良好的广告投放成效。
[0004] 申请公布号CN114648354A公开一种基于眼动追踪和情绪状态的广告测评方法和系统，所述方法包括如下步骤：获取眼动数据，构建基于深度神经网络的视觉投射模型，根据所述视觉投射模型获取用户在信息流广告中的投射区域；获取情绪数据，构建基于深度神经网络的情绪评估模型，根据所述情绪评估模型判断用户逆反情绪数据；根据判断的用户逆反情绪数据从所述视觉投射模型中查找到和信息流广告相关的投射区域；根据所述投射区域执行广告投放的调整。该专利申请主要是通过结合所述眼动数据和情绪状态数据可以识别用户在广告浏览过程中可能存在的认知性回避和心理逆反状态，进一步根据检测到的认知性回避和心理逆反状态进行广告内容投放的调整。
[0005] 申请公布号CN114626881A公开了一种广告投放控制方法、装置、设备、存储介质及程序产品，其中方法包括：获取待处理的广告的特征信息；根据预先训练好的消耗预测模型和空耗预测模型，对所述广告对应的消耗信息和空耗信息进行预测，所述消耗信息用于表示所述广告消耗的资源，所述空耗信息用于表示所述广告是否带来收益；根据得到的预测结果，控制所述广告的投放。该发明主要通过设置消耗预测模型和空耗预测模型这两个模型来预测广告的资源消耗和是否存在空耗，提高广告评估的准确性，并基于预测结果控制广告投放，降低广告空耗率，减少资源浪费。
[0006] 根据上述现有技术可以看出，现有公开的技术中并没有解决不同的商品如何达到最佳的广告投放效果这一技术问题。
发明内容
[0007] 针对现有技术中存在的很难评估不同商品的广告投放效果、销售方拿不到可靠的广告投放效果数据、对投放力度以及后期商品销量难以评估、经济投入或开销缺乏规划的问题，本发明提供一种广告投放鉴定系统及方法，能够有效解决相应的技术问题。本发明能够建立基于多类型数据的广告投放效果分析模型，实现对不同广告投放策略的广告成果的针对性评估，使得销售商能够把握广告投放成本以及广告收益，在二者之间达到平衡，以获得适合每一种商品的有效广告投放策略。
[0008] 根据本发明的一方面，提供一种广告投放鉴定系统，所述系统包括：
[0009] 第一统计器件，设置在执行数据分析的服务器端，用于获取某一商品类型的商品在未投入广告之前的最近单月销售数量；
[0010] 第二统计器件，设置在所述第一统计器件的附近，用于获取某一商品类型的商品投放单月广告后的次月销售数量以及在单月投入的广告次数；
[0011] 第一建立器件，设置在所述服务器端，用于针对每一商品类型的商品执行以下卷积神经网络的初步建立动作：将商品类型、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立；
[0012] 第二建立器件，与所述第一建立器件连接，用于针对每一商品类型的商品初步建立的卷积神经网络执行预设数目的多次学习动作以实现对该商品类型的商品对应的卷积神经网络的再次建立；
[0013] 投放分析设备，与所述第二建立器件连接，用于采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的投放效果进行分析；
[0014] 其中，采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的投放效果进行分析包括：将所述第二建立器件再次建立的卷积神经网络对对应商品类型、设定广告覆盖面积、在未投入广告之前的最近单月销售数量以及设定单月投入的广告次数作为所述第二建立器件再次建立的卷积神经网络的输入端数据，并执行所述第二建立器件再次建立的卷积神经网络以获得采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的预测次月销售数量；
[0015] 其中，针对每一商品类型的商品初步建立的卷积神经网络执行预设数目的多次学习动作以实现对该商品类型的商品对应的卷积神经网络的再次建立包括：所述预设数目的取值与广告覆盖面积正向关联。
[0016] 根据本发明的另一方面，还提供一种广告投放鉴定方法，所述方法包括：
[0017] 使用第一统计器件，设置在执行数据分析的服务器端，用于获取某一商品类型的商品在未投入广告之前的最近单月销售数量；
[0018] 使用第二统计器件，设置在所述第一统计器件的附近，用于获取某一商品类型的商品投放单月广告后的次月销售数量以及在单月投入的广告次数；
[0019] 使用第一建立器件，设置在所述服务器端，用于针对每一商品类型的商品执行以下卷积神经网络的初步建立动作：将商品类型、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立；
[0020] 使用第二建立器件，与所述第一建立器件连接，用于针对每一商品类型的商品初步建立的卷积神经网络执行预设数目的多次学习动作以实现对该商品类型的商品对应的卷积神经网络的再次建立；
[0021] 使用投放分析设备，与所述第二建立器件连接，用于采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的投放效果进行分析；
[0022] 其中，采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的投放效果进行分析包括：将所述第二建立器件再次建立的卷积神经网络对对应商品类型、设定广告覆盖面积、在未投入广告之前的最近单月销售数量以及设定单月投入的广告次数作为所述第二建立器件再次建立的卷积神经网络的输入端数据，并执行所述第二建立器件再次建立的卷积神经网络以获得采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的预测次月销售数量；
[0023] 其中，针对每一商品类型的商品初步建立的卷积神经网络执行预设数目的多次学习动作以实现对该商品类型的商品对应的卷积神经网络的再次建立包括：所述预设数目的取值与广告覆盖面积正向关联。
[0024] 本发明的广告投放鉴定系统运行稳定，具有一定的针对性。由于能够建立广告投放效果分析模型实现对不同广告投放策略的广告成果的针对性评估，使得销售商能够平衡广告投放成本以及广告收益。
[0025] 本发明至少具备以下几处突出的发明点和相应的实质性进步：
[0026] (1)针对每一商品类型，基于商品类型、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数智能估测投放单月广告后的次月销售数量；
[0027] (2)针对每一商品类型，基于每一份设定广告覆盖面积以及设定单月投入的广告次数智能估测对应的预测次月销售数量，从而为销售商提供预测次月销售数量数值最大的设定广告覆盖面积以及设定单月投入的广告次数的组合数据。
附图说明
[0028] 以下将结合附图对本发明的实施方案进行描述，其中：
[0029] 图1为根据本发明实施方案示出的广告投放鉴定系统的结构方框图。
[0030] 图2为根据本发明实施方案示出的广告投放鉴定方法的步骤流程图。
具体实施方式
[0031] 下面将参照附图对本发明的广告投放鉴定系统及方法的实施方案进行详细说明。
[0032] 图1为根据本发明实施方案示出的广告投放鉴定系统的结构方框图，所述系统包括：
[0033] 第一统计器件，设置在执行数据分析的服务器端，用于获取某一商品类型的商品在未投入广告之前的最近单月销售数量；
[0034] 第二统计器件，设置在所述第一统计器件的附近，用于获取某一商品类型的商品投放单月广告后的次月销售数量以及在单月投入的广告次数；
[0035] 第一建立器件，设置在所述服务器端，用于针对每一商品类型的商品执行以下卷积神经网络的初步建立动作：将商品类型、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立；
[0036] 第二建立器件，与所述第一建立器件连接，用于针对每一商品类型的商品初步建立的卷积神经网络执行预设数目的多次学习动作以实现对该商品类型的商品对应的卷积神经网络的再次建立；
[0037] 投放分析设备，与所述第二建立器件连接，用于采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的投放效果进行分析；
[0038] 其中，采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的投放效果进行分析包括：将所述第二建立器件再次建立的卷积神经网络对对应商品类型、设定广告覆盖面积、在未投入广告之前的最近单月销售数量以及设定单月投入的广告次数作为所述第二建立器件再次建立的卷积神经网络的输入端数据，并执行所述第二建立器件再次建立的卷积神经网络以获得采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的预测次月销售数量；
[0039] 其中，针对每一商品类型的商品初步建立的卷积神经网络执行预设数目的多次学习动作以实现对该商品类型的商品对应的卷积神经网络的再次建立包括：所述预设数目的取值与广告覆盖面积正向关联；
[0040] 其中，所述预设数目的取值与广告覆盖面积正向关联包括：广告覆盖面积为5个社区，所述预设数目的取值为4，广告覆盖面积为10个社区，所述预设数目的取值为10，以及广告覆盖面积为20个社区，所述预设数目的取值为15。
[0041] 接着，继续对本发明的广告投放鉴定系统的具体结构进行进一步的说明。
[0042] 所述广告投放鉴定系统中还可以包括：
[0043] 用户输入设备，与所述投放分析设备连接，用于根据用户的操作向所述投放分析设备输入设定广告覆盖面积以及设定单月投入的广告次数；
[0044] 内容关联设备，与所述投放分析设备连接，用于将每一份设定广告覆盖面积以及设定单月投入的广告次数与其对应的预测次月销售数量进行关联存储。
[0045] 在所述广告投放鉴定系统中：
[0046] 所述预设数目的取值与广告覆盖面积正向关联包括：广告覆盖面积越窄，所述预设数目的取值越小；
[0047] 其中，将商品类型、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立包括：将商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立。
[0048] 在所述广告投放鉴定系统中：
[0049] 将商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立包括：不同商品类型对应不同类型标识。
[0050] 在所述广告投放鉴定系统中：
[0051] 将商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立还包括：商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数在输入到卷积神经网络之前被执行十六进制编码处理。
[0052] 图2为根据本发明实施方案示出的广告投放鉴定方法的步骤流程图，所述方法包括：
[0053] 使用第一统计器件，设置在执行数据分析的服务器端，用于获取某一商品类型的商品在未投入广告之前的最近单月销售数量；
[0054] 使用第二统计器件，设置在所述第一统计器件的附近，用于获取某一商品类型的商品投放单月广告后的次月销售数量以及在单月投入的广告次数；
[0055] 使用第一建立器件，设置在所述服务器端，用于针对每一商品类型的商品执行以下卷积神经网络的初步建立动作：将商品类型、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立；
[0056] 使用第二建立器件，与所述第一建立器件连接，用于针对每一商品类型的商品初步建立的卷积神经网络执行预设数目的多次学习动作以实现对该商品类型的商品对应的卷积神经网络的再次建立；
[0057] 使用投放分析设备，与所述第二建立器件连接，用于采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的投放效果进行分析；
[0058] 其中，采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的投放效果进行分析包括：将所述第二建立器件再次建立的卷积神经网络对对应商品类型、设定广告覆盖面积、在未投入广告之前的最近单月销售数量以及设定单月投入的广告次数作为所述第二建立器件再次建立的卷积神经网络的输入端数据，并执行所述第二建立器件再次建立的卷积神经网络以获得采用所述第二建立器件再次建立的卷积神经网络对对应商品类型按照设定广告覆盖面积以及设定单月投入的广告次数所获得的预测次月销售数量；
[0059] 其中，针对每一商品类型的商品初步建立的卷积神经网络执行预设数目的多次学习动作以实现对该商品类型的商品对应的卷积神经网络的再次建立包括：所述预设数目的取值与广告覆盖面积正向关联。
[0060] 接着，继续对本发明的广告投放鉴定方法的具体步骤进行进一步的说明。
[0061] 所述广告投放鉴定方法还可以包括：
[0062] 使用用户输入设备，与所述投放分析设备连接，用于根据用户的操作向所述投放分析设备输入设定广告覆盖面积以及设定单月投入的广告次数；
[0063] 使用内容关联设备，与所述投放分析设备连接，用于将每一份设定广告覆盖面积以及设定单月投入的广告次数与其对应的预测次月销售数量进行关联存储。
[0064] 所述广告投放鉴定方法中：
[0065] 所述预设数目的取值与广告覆盖面积正向关联包括：广告覆盖面积越窄，所述预设数目的取值越小；
[0066] 其中，将商品类型、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立包括：将商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立。
[0067] 所述广告投放鉴定方法中：
[0068] 将商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立包括：不同商品类型对应不同类型标识。
[0069] 所述广告投放鉴定方法中：
[0070] 将商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数作为卷积神经网络的输入端数据，将投放单月广告后的次月销售数量作为卷积神经网络的输出端数据，完成卷积神经网络的初步建立还包括：商品类型对应的类型标识、广告覆盖面积、在未投入广告之前的最近单月销售数量以及单月投入的广告次数在输入到卷积神经网络之前被执行十六进制编码处理。
[0071] 另外，在所述广告投放鉴定系统以及方法中，将每一份设定广告覆盖面积以及设定单月投入的广告次数与其对应的预测次月销售数量进行关联存储包括：采用Oracle数据库执行将每一份设定广告覆盖面积以及设定单月投入的广告次数与其对应的预测次月销售数量进行的关联存储。
[0072] 尽管本发明实施方案的例子已经被表示和描述，但是本领域技术人员应该理解，在不背离本发明的真实范围的情况下，各种其它的修改可以被进行，并且等价物可以被代替。另外，在不背离在此被描述的本发明概念的情况下，很多修改可以被进行以便使得一个特定情况适合于本发明的示教。因此，本发明未被限于被公开的特殊的实施方案，而是本发明包括落在附加权利要求书的范围内的全部实施方案。
