在这里插入图片描述

作者 | 张超

“除非你的广告建立在伟大的创意之上，否则它就像夜航的船，不为人所注意。”
—— 大卫·奥格威，现代广告业奠基人

01 引子

创意作为一种信息载体，将广告主的营销内容呈现给用户，辅助用户消费决策，乃至激发潜在需求。通常，创意可表现为文本、图片及视频物料的单一或组合形式，而创意优化旨在提升创意物料的业务价值，本文简要聊聊针对创意文案自动撰写的一些探索与实践，整体分五部分：第一部分简述广告文案优化的必要性；第二部分介绍文本生成相关概念及主流方法；第三部分介绍在文案生成方面的探索实践；第四部分借鉴业界研究成果，探讨文案自动生成未来的一些工作思路；最后做下小结。

广告文案优化的必要性

广告创意是连接用户和客户服务的桥梁，是信息传递最重要、最直接的方式，因此创意的质量很大程度决定了用户需求满足度和客户推广效果。

面对海量的用户需求，客户推广创意的人工运营+维护成本较高，尤其对于中小客户更难以承担，导致质量参差不齐，千篇一律，无法实现精细化的业务表达，更无法做到链路的闭环优化。

02 文本生成任务

2.1 生成框架及任务分级

文本生成在学术界称为 NLG(Nature Language Generation)，广义上讲，只要输出为自然语言文本的任务均可划入文本生成的范畴。尽管 NLG 领域起源较早，但很长一段时间处于停滞状态，主要原因在于 NLG是一个简单输入到复杂输出的任务，问题复杂度太大，很难有准确高且泛化强的方法，许多场景下甚至低于人工规则。近年来，随着深度学习理论技术的成熟，NLG 领域特别是机器翻译、文档摘要等有了突破性进展。

根据输入数据的形式，文本生成可细分为文本到文本(Text2Text)、数据到文本(Data2Text)以及图到文本(Image2Text)的生成。本文重点讨论Text2Text，当前业界最主流的解决方案是 Seq2Seq+Attension的序列式生成框架(如下图)。

其中：

编码端(Encoder)：将输入序列的词(Token)映射成Embedding向量，借助深度神经网络学习到整个句子的语境表示(Contextual Representation);
解码端(Decoder)：基于输入序列的语境表示以及已生成的词，预测当前时间步最可能的词，最终得到完整的语句；
注意力机制(Attention)：相比固定编码端的语境表示，注意力机制通过动态调整不同输入词在每一步生成时的贡献权重，使得解码器能够抽取更关键有效的信息，进而作出更准确的决策。

Seq2Seq+Attention很好地解决了不定长输入到序列式输出的问题，是十分通用的生成方案，被广泛应用于机器翻译、摘要生成、自动对话、阅读理解等主流任务，各项核心指标取得显著提升。

序列式文本生成框架下，根据编解码两侧的数据组织形式，分为抽取式和抽象式两种，结合实践经验，总结出各自的优劣势如下：

抽取式(Less open-ended)：从原文抽取出关键信息，再通过编码表征和解码表达完成文本输出。其优势在于，降低任务复杂度，可解释性好，保证与原文较高的相关性；劣势在于，依赖关键信息的提取质量，同时受限于原文，泛化性不足；
抽象式(More open-ended)：脱离原文的限制，实现完全端到端的生成，泛化能力上具有压倒式优势，但建模复杂度高，可解释性不足，控制难度较大。

2.1 文本表示的常见方法

前面提到，编码端Encoder 通过对源端输入进行建模获取语义表示。实际上解码端Decoder 生成时，同样需要获取已生成序列的语义表示。因此，如何设计模型学习文本的深层语义表示，对于最终任务的效果极为重要。

最初，词袋模型(BOW)是最常用的文本表示方法。随着深度神经网络的兴起，人们提出了一种获得词向量的词嵌入（Word Embedding）方法，以解决词汇表过大带来的“维度爆炸”问题。词/句嵌入思想已成为所有基于深度学习的NLP系统的重要组成部分，通过在固定长度的稠密向量中编码词和句子，大幅度提高神经网络处理语句乃至文档级数据的能力。

词向量的获取方式可以大体分为基于统计的方法（如共现矩阵、SVD）和基于语言模型的方法两类。2013 年Google发布基于语言模型获取词向量的word2vec框架，其核心思想是通过词的上下文学习该词的向量化表示，包括CBOW（通过附近词预测中心词）和Skip-gram（通过中心词预测附近词）两种方法，结合负采样/层级softmax的高效训练。word2vec词向量可以较好地表达不同词之间的相似和类比关系，被广泛应用于NLP任务中。

语境表示学习(Contextual Embedding Learning)解决的核心问题是，利用大量未标注的文本语料作预训练(Pre-training)，学习文本的深层语境表达，进而在微调阶段(Fine-tuning)辅助监督任务更好地完成目标。

目前，语境表示学习领域代表性的工作包括 ELMO(Embeddings from Language Models)、GPT(Generative Pre-Training)和BERT(Bidirectional Encoder Representations from Transformers)。其中，ELMO模型提出根据上下文动态变化词向量，通过深层双向 LSTM 模型学习词的表示，能够处理单词用法中的复杂特性，以及这些用法在不同的语言上下文中的变化，有效解决一词多义的问题。GPT模型采用Transformer抽取文本特征，首次将Transformer应用于预训练语言模型，并在监督任务上引入语言模型(LM)辅助目标，从而解决微调阶段的灾难性遗忘问题(Catastrophic Forgetting)。相比GPT的单向LM，BERT引入双向 LM以及新的预训练目标NSP(Next Sentence Prediction)，借助更大更深的模型结构，显著提升对文本的语境表示能力。业务开展过程中，我们的文本表示方法也经历了从传统RNN到全面拥抱Transformer的转变。

下面特别介绍同文本生成任务高度适配的MASS 预训练框架(Masked Sequence to Sequence pre-training)。我们知道，常规BERT只能用于文本理解(NLU)相关任务，如文本分类、情感识别、序列标注等，无法直接用在文本生成上，因为BERT 只预训练出一个编码器用于下游任务，而序列式文本生成框架包含编码器、解码器以及起连接作用的注意力机制。对此，微软团队提出将BERT升级至 MASS，非常适合生成任务的预训练。

MASS的整体结构如下，其训练方式仍属于无监督。对于一段文本，首先随机mask其中连续的 K 个词，然后把这些词放入Decoder的相同位置，而Encoder中只保留未被mask掉的词。借助这种学习方式，期望Decoder能综合利用Encoder的语义表达信息和Decoder前面的词，来预测这些被mask的词序列。

有意思的是，BERT和GPT都可视为MASS的特例。当 masked序列长度K=1时，MASS解码器端没有任何输入信息，相当于只用到编码器模块，此时MASS就退化成BERT；当 K=句子长度时，MASS编码器端所有词都被屏蔽掉，解码器的注意力机制相当于没有获取到信息，此时MASS便退化成GPT，或标准单向LM。

对于为什么MASS能取得比较好的效果？论文给出了以下解释：

Encoder中mask部分tokens，能够迫使它理解unmasked tokens，提升语义表示能力；
Decoder中需要预测masked的连续tokens，这同监督训练时的序列式解码相一致；
Decoder中只保留masked的tokens，而不是所有的tokens，促使Decoder尽量从Encoder中抽取关键信息， Attetion 机制也得到有效训练。

2.3 怎么评估生成文案的好坏

目前主流的评估方法主要基于机器指标[25]和人工评测。机器指标从不同角度自动衡量生成文本的质量，如基于模型输出概率判断是否表达通顺的perplexity，基于字符串重叠判断内容一致性的BLUE/ROUGE、判断内容多样性的Distinct-N/Self-Bleu等。基于数据的评测，在机器翻译、阅读理解等相对封闭、确定的场景下有很大意义，这也是对应领域最先突破的重要原因。对广告创意优化场景来说，除选取合适的基础机器指标作为参考，会更注重业务指向的目标优化，故多以线上实际效果为导向，辅以人工评测。

关于人工评测指标，主要看两方面：一是生成文案的基础质量，包括文本可读性及内容一致性，可读性主要看字面是否通顺、重复及是否有错别字等，一致性主要看前后语义逻辑是否一致、是否同落地页内容一致；二是内容多样性，这直接关系到用户的阅读体验及客户的产品满意度。

03 广告文案生成实践

3.1 基础数据来源

“巧妇难为无米之炊”，要开展文本创意生成的工作，业务关联数据必不可少。当前使用到的文本数据源主要包括：

广告展点日志：客户自提标题/描述、用户行为数据
广告主落地页：落地页标题、业务描述、知识文章
大搜日志: 自然结果展点数据

上述数据来源丰富、数据规模大，也伴随着如下挑战：

内容多样：数据长度分布、内容表达形式存在显著差异，对文本表示提出较高要求；
质量不一：虽然数据量大，实际上较大比例的数据质量并不达标，如果源端不做好质量控制，势必影响业务目标的优化；
场景不一：不同的业务场景下，模型优化的侧重点也不一样，对如何利用已有数据达成业务目标提出更高要求。比如广告标题与广告描述，除了优化点击率、转化率这些核心业务指标，前者更侧重内容简明扼要、准确传达客户核心业务，后者侧重内容丰富多样、允许适度做扩展延伸。

3.2 抽取式创意生成

传统意义上的「抽取式」，类如在文档摘要任务中，从段落中选出一些重要片段排列组合后作为摘要结果，不产生新信息。这里将抽取式生成表示为：从原文中抽取出一些关键信息，进行直接控制型生成(directed generation)。

在创意优化工作的开展初期，我们调研并上线了抽取式的生成策略，取得较好的指标提升。下面介绍抽取式生成在广告描述上的应用，这一方法突出优势在于生成的新文本同原文整体契合度高，也具备一定的泛化表达。

信息提取：广告创意中的关键信息，一般表现为核心业务/营销点/品牌词/专名等，而广告描述相对标题更长，内容形式更自然，要完整保留原文关键信息有一定难度。对此，我们采用由粗到精(coarse-to-fine)的选择策略：首先通过wordrank选出高权重词，再以片段为单位，各片段保留次高权重词/专名词，并对被切散的品牌词作策略捞回。
生成模型：采用Transform-based Seq2Seq文本生成框架(如下图)，输入端包含Source和 Context 两部分，我们将拍卖词作为 Source，将从描述提取的关键词序列作为Context，Target对应原描述，类似”选词造句”的方式，指导模型学习将离散词组合表述成完整语句的能力。

为兼顾生成质量与业务目标的提升，我们构建了以下重要的控制机制:

核心业务一致：拍卖词(bidword)是用户需求及广告主业务的表达，而广告创意普遍包含拍卖词，通过将拍卖词作为 Source，在Encoder Source与Decoder Output构建起强约束(Hard Constrained)，保证模型生成的内容同核心业务高度一致；
业务目标一致：生成模型本质是一个Language Model，训练目标是最小化词级别的交叉熵损失，而业务目标主要是优化广告点击率，这导致训练任务和业务目标不一致。对此，采样的方案是：假设核心指标同创意质量正相关，则可以按照"触发买词+触发类型+广告位置"进行分桶，分桶目的是尽量降低暴露偏差(Exposure Bias)；同一桶内按核心后验指标排序，取头部的创意作为训练语料，从而指导模型学习高质量创意的内容组织与表达方式；
信息区分选择：Context 中关键词序列若全部来自Target，自然也引入了强约束，即输入词均将出现在输出文本中，这种情况下的约束关系同业务目标却不太契合，首先关键信息提取阶段容易引入低质噪声词，再加上模型受众主要是低质广告创意，在其内容整体欠优的情况下，强约束式生成难以保证生成质量。对此，组织训练数据时通过在 Context中随机加入一些干扰词，促使模型具备甄别Context优质信息的能力，缓解强约束式生成带来的泛化性不足以及质量问题。

3.3 抽象式创意生成

抽取式创意生成在质量和业务指标上均取得较好效果，但也存在明显瓶颈，即受限于原文，泛化能力有限，同时依赖关键信息的抽取质量，尤其原始内容整体欠优时难以完成二次优化。对此，我们尝试了抽象式的生成策略：一方面去掉Context中原文的关键信息，解除同 Target 强约束关系；另一方面，引入业务场景相关的原始文本作为指导，类似情景写作，给定当前情景的 topic以及前文信息，生成相匹配的后文。只要控制好核心主题以及业务敏感信息，抽象式生成的探索空间比抽取式开放得多，对创意内容的优化潜力显著提升。

下面介绍抽象式生成策略在广告标题上的应用。广告标题是连接用户与客户最重要的信息渠道，因此除了优化标题点击率，用户体验同样重要，即广告标题(所见)需要同广告落地页(所得)保持一致，"挂羊头卖狗肉”的现象十分有损用户体验。最直接的想法，就是将落地页的文本信息前置到广告标题中。分析发现，落地页文本在内容分布与表达方式上同广告差异较大，直接替换或部分插入的方式不太可取。对此，我们借助抽象式生成策略，将落地页信息加入Context作为指导，期望生成与之匹配且符合广告表达形式的文本，模型如下所示。

实践过程中，发现很多case 生成质量不佳(字面重复、语义不通顺)，而且没有包含落地页的内容，经过分析可能有以下原因：

如前所述，抽象式生成的建模复杂度本身就高，加上训练数据中两端文本在内容分布和表达上的显著差异，进一步加大模型的学习难度；

训练数据中，Target 端广告创意包含Context中落地页信息的占比很小，此外将拍卖词作为Source(保留核心业务)，不可避免地引入强约束，进一步削弱Attention 机制对落地页信息的关注，最终在解码输出时自然难以出现同落地页相匹配的内容。

针对以上问题，一方面我们引入 MASS 预训练技术、调大模型结构，另一方面基于信息校验调整训练语料，促使落地页内容更好地融入生成结果。其中，预训练环节比较有效，一定程度缓解调整后平行语料匮乏的问题，同时赋予编码端更强的语义刻画能力、attention机制更好的信息捕捉能力以及解码端更准确的信息表达能力。评估生成效果，模型能够更好参考落地页的内容，结合广告核心业务，生成体验一致的优质广告文案。

04 可借鉴的一些思路

前一节中提到业务开展过程遇到的一些问题，大部分通过模型升级、数据优化及规则校验能够得到有效解决，但对于内容一致性、内容多样性两个重要方面，解决方案并非最优，仍有较大优化空间，参考学术界相关研究，下面列举两个优化思路。

4.1 模型结构改进

目前我们采用的 Seq2Seq 生成框架(如下图)，在输入端将Source和 Context 连成一个文本序列送入编码器。整体来看Source 和 Context 在任务中扮演着不同的角色，合并输入容易对编码器的语义特征提取造成干扰。比如，Context 文本一般比 Source 长，且Context往往包含一些噪声，虽然通过训练数据组织构建了强约束关系(Source拍卖词普遍出现在 Target 中)，但在从模型结构上看，编码端实际弱化了 Source ，解码端很难对融合编码后的信息进行区分，不利于有效生成，甚至会出现业务偏离的梦幻case，尤其对于抽象式地生成，因为该场景下Source 与Context的内容分布通常差异较大。

对此，有研究提出将Source 与 Context 区分开来，在输入端两者各自进行编码(见论文[13])，这样能够带来诸多好处：

消除编码阶段不同源数据的相互干扰，有利于改善 Encoder语义特征的提取效果；
允许根据具体业务需求，为不同来源的数据实施特有的编码控制策略，比如文本过长且包含噪声的 Context容易降低 Encoder 编码效果，对此可以在self-attention模块中加入Softmax temperature以影响概率分布计算结果(如下图)，其中 τ 值越大将促使模型更加关注那些得分高的词，即 Context 中的重要信息
Decoder侧可根据实际需求，对多源数据的隐层表达实施不同的整合策略(如下图)，其中：策略(a)直接将 Source 与 Context 的编码向量E(S)与 E©直接 Concat 送入 Decoder 的 Attention 模块；策略(b)先后对 E©与 E(S)分别作Attention，从而一方面实现 Source 与 Context 的信息交互，更加强了 Source对于解码输出的控制，这一策略有助于提升生成文本同 Source 的一致性；策略©在(b)的基础上，通过多轮交替式的 Attention 进一步加强 Source 与 Context 的信息交互。
对Context单独编码，便于后续引入更多类型的数据，比如结构化知识、客户属性、用户个性化特征，甚至跨模态的图片/视频向量表达。

此外，论文提出一种数据增强策略，实验论证各项评估指标取得显著提升，具体是：对于每条训练数据(表示为 <S, C> -> T)，以一定概率构造S->T或者S->C的新语料，前者指导模型生成与 Source 更相关的内容，后者一方面促使编码器从 Source 提取到与 Context 更相关的信息、另一方面由于 Context 要比 Source 长许多，可视为对解码器作LM预训练。

4.2 外部知识增强

无论是抽取式还是抽象式，生成目标都是对输入信息进行合理准确的扩展与泛化，实际解码预测时主要基于编码器对输入信息的理解表示，输出概率最大的序列。因此，编码器是否能够充分理解输入文本，决定了最终生成的效果。

在人工评测时发现许多"标题党"、"万金油”式的生成文本，比如”XXX，告诉你一个简单的解决方法”、”XXX是一家集研发、生产、销售为一体的公司”、”XXX，欢迎点击咨询”等，在对话任务中称这类现象为"general and meaningless response”。出现这种现象主要在于，仅仅依靠 Source/Context 自身文本，在语义编码阶段难以对业务实体、专名等概念类的词进行充分理解和表示，加之数据驱动的模型容易”偷懒”，从而导致生成文本偏短、偏通用化、业务实体缺失/偏离。

常规解决方法是调整/扩充训练语料、在Decoder端加入相关控制策略，一定程度上能够缓解。实际上，Seq2Seq的生成任务普遍存在上述问题，对此，目前业界广泛研究且验证有效的方案是引入外部常识性知识(commonsense knowledge)，辅助指导模型作出更全面、更准确的决策。对于如何利用外部知识，一类做法是在监督训练之前，基于知识物料作预训练，加深模型对实体信息的理解，训练语料通常是"实体+描述性定义"，如”主机游戏，又名电视游戏，包含掌机游戏和家用机游戏两部分，是一种用来娱乐的交互式媒体”；另一类做法是在监督训练阶段，先从 Source 和 Context 文本中提取出一系列实体词，将实体词作为索引从通用知识库中检索出对应的Knowledge信息，借助 memory 机制将其融入模型中(如下图)，实现<Source，Context，Knowledge>三者共同作用训练与生成，具体实现细节见论文[14]。

05 小结

针对文本生成的一系列节点，从模型结构到优化目标，从数据组织到任务迁移，业界不断涌现出众多优秀的研究及实践成果，如大规模预训练模型(ERNIE/PLATO/T5/BART)、图谱知识嵌入、Memory机制、跨模态/跨场景联合建模等等，为技术业务迭代给予很好的借鉴指导，后续有机会再交流，感兴趣的同学可参考[15]~[24]相关资料，欢迎讨论交流。

————END————

参考资料：
[1]Neural machine translation by jointly learning to align and translate，arXiv:1409.0473
[2]Attention Is All You Need，arXiv:1706.03762
[3]ELMO：Deep contextualized word representations，arXiv:1802.05365
[4]OPAI GPT: Improving Language Understanding by Generative Pre-Training
[5]Bert: Pre-training of deep bidirectional transformers for language understanding，arXiv:1810.04805
[6]MASS: Masked Sequence to Sequence Pre-training for Language Generation，arXiv:1905.02450
[7]Generating sequences with recurrent neural networks，arXiv:1308.0850
[8]Distributed Representations of Words and Phrases and their Compositionally， arXiv:1310.4546
[9]Get To The Point: Summarization with Pointer-Generator Networks，arXiv:1704.04368
[10]Don’t Give Me the Details, Just the Summary! Topic-Aware Convolutional Neural Networks for Extreme Summarization，arXiv:1808.08745
[11]Pre-trained Models for Natural Language Processing: A Survey，arXiv:2003.08271
[12]Do Massively Pretrained Language Models Make Better Storytellers? ，arXiv:1909.10705
[13]Improving Conditioning in Context-Aware Sequence to Sequence Models，arXiv:1911.09728
[14]CTEG: Enhancing Topic-to-Essay Generation with External Commonsense Knowledge
[15]Unified Language Model Pre-training for Natural Language Understanding and Generation，arXiv:1905.03197
[16]Knowledge Diffusion for Neural Dialogue Generation
[17]Coherent Comment Generation for Chinese Articles with a Graph-to-Sequence Model，arXiv:1906.01231
[18]Fast Abstractive Summarization with Reinforce-Selected Sentence Rewriting，arXiv:1805.11080
[19]What makes a good conversation? How controllable attributes affect human judgments，arXiv:1902.08654
[20]The curious case of neural text degeneration，arXiv:1904.09751
[21]Straight to the Gradient: Learning to Use Novel Tokens for Neural Text Generation，arXiv:2106.07207
[22]Towards Facilitating Empathic Conversations in Online Mental Health Support: A Reinforcement Learning Approach，arXiv:2101.07714
[23]ERNIE-GEN: An Enhanced Multi-Flow Pre-training and Fine-tuning Framework for Natural Language Generation，arXiv:2001.11314
[24]PLATO: Pre-trained Dialogue Generation Model with Discrete Latent Variable，arXiv:1910.07931
[25]Evaluation of Text Generation: A Survey，arXiv:2006.14799