模式匹配-Google Adwords匹配模式

发布时间：2017-11-10 所属栏目：匹配模式

一 : Google Adwords匹配模式

今天的Inside Adwords （Google官博）宣布正式推出广泛匹配定制（BMM=Broad Match Modifier）。BMM的BETA版在英国加拿大试运行一阵子了，美国的少数代理/大客户也参与了试验，准备是充分的，但到推出的时候我还是略觉得意外—有点快！

先来解释一下这个广泛匹配定制BMM是个什么东西，最方便的还是直接使用Google自己的图片：

简单说：在使用广泛匹配的关键词（或关键词组成部分）前增添一个+号，就能把这个词（或组成部分）的广泛匹配限制在一定范围中：只有完全含有该词（或组成部分）的搜索词才会激发竞价以及展示。

之前写过一个博文来讨论广泛匹配VS精确匹配，但没有短语匹配的具体案例，同时文中的广泛匹配只基于Adwords广泛匹配的现状，没有涉及多少广泛匹配演变的渊源，及其引发的口水战。2004年以前，Adwords使用相对保守的广泛匹配，匹配到的搜索词相关度非常高，基本是含有原词和微量变形的。从2003年下半年开始，Google开始测试延伸广泛匹配extended broad match，并在2005年用以取代原有的广泛匹配。从RKG这样比较优秀的代理商的博客上，可以看见这在2006年已经成为了一个问题。

延伸广泛匹配的意思就是说：我很广泛！我很延伸！假如我投放的关键词是西太平洋大学，那么太平洋大学，西太平洋，太平，大学这类搜索词都可能激发竞价以及展示。这可能是好事：因为对于一个懒惰/过于忙碌的搜索营销管理员来说，使用广泛匹配就可以用最少的关键词抓获最多的潜在搜索量；而搜索用户也未必能键入最准确的搜索词。但也可能是坏事：广泛匹配会大大降低搜索词的相关性，带来无效展示和点击，对于讲究ROI的客户是很不利的。对于很多严肃的搜索营销管理员来说，向延伸广泛匹配切换是个糟糕的事情，因为延伸广泛匹配可以带来的好处往往可以通过扩充关键词投放来实现，但坏处却是搜索营销管理员所不能控制的。基本上，我觉得这是Google提高流量变现能力的措施，对于广告和搜索用户到底有多少益处就不好说了。

2008年下半年，Google推出Campaign级别的自动匹配测试，再次引起了对于延伸广泛匹配的申讨。自动匹配和延伸广泛匹配是两个概念，但出发点却有相似：只要你还有预算Google就来帮你花掉，你可以得到更多的点击和展示—–注意，这些点击展示的相关性要弱得多。与延伸广泛匹配的强制性不同，自动匹配是可以选择的，但默认值是允许—-相当多的客户可能从头到尾都不知道这个选项，即使知道，对于我们这种管理几百上千个Campaign的搜索营销管理员来说，修改设置也是大麻烦。不知道是否因为客户反弹过大，自动匹配很快变成了需要修改设置来加入的模式。很久没有跟踪这个测试的进展，今天查看帐户，这个功能在我目前管理的帐户中完全看不到了！

近一年来，Google的Adwords开发进度大大加快，连续发布了多个重量级功能，看得我眼花缭乱，到现在还有不少没有消化掉的。可以看得出，在SEM市场增长相对放慢的情况下，Google加强了深耕力度来提高广告商的消费能力。很显然，中长期的SEM市场繁荣需要得到广告商和代理商的支持和认可，不能把ROI带给广告客户的增收措施（比如简单的广泛匹配切换或者百度的MIN CPC提价）在当前的市场条件下代价增加了（高速发展的市场中，搜索引擎有本钱忽略这样的矛盾）。即便如此，如前所述，对于BMM的推出我还是略感意外。

对于广告商和代理商针对延伸广泛匹配的批评，Google的反应是：你不喜欢广泛匹配就用短语匹配嘛！

短语匹配的确是一种取代方式。但实际操作中，短语匹配是Adwords帐户管理中相对较弱的一种匹配方式，平均利用率较低。BMM的图例解释得很清楚，通过+号的运用，搜索营销管理员可以对关键词的广泛匹配范畴进行充分的定制—这比使用短语匹配要灵活得多。而这种可定制的广泛匹配所能激发的竞价和展示也比短语匹配要多得多，对Google的流量变现也是有利的。

我不懂技术，只是YY一下，通过+号方式实现关键词广泛匹配的定制在技术上来说应该不是太大的障碍。如果我们把BMM视作一组独立的匹配规则，那只是在现有的平台上加入了一种参数。当然，由于+号的位置可变，这显然比短语匹配要复杂不少，但规则本身仍然是单纯的。换句话说，+号的应用其实与“”或者【】一样，只是一个参数，对于Adwords的算法不会形成巨大的障碍。

如果技术上的难度没有那么大，那Google为什么要在5年以后才推出这个功能？很简单，BMM的对手不是短语匹配，而是广泛匹配。如果BMM在实践中被证明切实有效，那么它将立刻侵蚀广泛匹配的大量市场空间。RKG的George认为，在更高的相关度下，广告商可能获得更好的ROI，从而提高广告商的支出意愿。这是对的。但另一方面，在这个高相关度的环境中，提高支出意味着竞争实质上增加了，竞价成本也提高了，所以这个支出到底是否能平衡低相关度搜索词带来的收入，我颇存疑。

Google在英国和加拿大这两个二级市场中进行的测试，除了验证这个匹配的可靠性，我猜测很大一部分测试内容是观察BMM对点击量和收入带来的影响。根据前面的讨论，我认为BMM在短期内对Google收入的影响应该是负面的，顶多是这个负面影响不太大，损失可以承受，而推出BMM更多还是着眼在中长期。

最近比较懒，对于Google近期的动作一直想做点讨论，却一直没有动笔。总得来说，BMM和竞争分析或者提供系列试验功能等等一样，都是为了完善Adwords这个市场平台做出的重大努力。Google的这个完善过程将会严重挤压中小代理服务商的生存空间，但会使整个SEM市场水平上一个台阶。而这一切的核心在于：Google将自己定位成平台/市场/环境。正好在SEMWATCH讨论组里与天岸交换了一点关于苹果IAD的想法，下次也许可以拿出来谈谈？苹果，如大家所知，是与Google形成鲜明对照的。

文章来源：搜索营销智库转载请注明出处链接。

注：相关网站建设技巧阅读请移步到建站教程频道。

二 : XML学习笔记（9）match属性匹配模式

匹配模式

1.匹配根节点

<xsl:template match="/"> <html> <xsl:apply-templates/> </html> </xsl:template>

2.匹配元素名

<xsl:template match="films"> <html> <xsl:apply-templates/> </html> </xsl:template>

3.匹配子节点

<xsl:template match="file/name"> <p> <xsl:value-of select="."/> </p> </xsl:template>

除了使用“/”，还可以使用“*”来匹配任意元素。(www.61k.com］在下面的程序中匹配了“film”元素的所有子节点的“name”元素。

<xsl:template match="film/*/name"> <p> <xsl:value-of select="."/> </p> </xsl:template>

4.匹配元素后代

<xsl:template match="film//name"> <p> <xsl:value-of select="."/> </p> </xsl:template>

在程序中指定的“film//name”，包括了“film/name”，“film/*/name”，“film/*/*/name”等各种情况。对于选择给定类型的所有元素而不管这些元素是不是直系子孙时，这种方法会特别的有效。

5.匹配属性

<xsl:template match="films/film"> <p> <xsl:value-of select="@country"/> </p> </xsl:template>

匹配属性的机制和匹配元素的机制十分的类似，只是多了一个“@”符号而已。

就像使用“*”来选择一个元素的所有属性，例如，“film/@*”表示选择“film”元素的所有属性。

6.通过ID匹配

<xsl:template match="id('A101')"> <p> <xsl:value-of select="."/> </p> </xsl:template>

7.匹配文本节点

<xsl:template match="name"> <xsl:value-of select="text()"/> </xsl:template>

XSL缺省规则规定，如果没有规则用于处理这一个文本节点，这个节点的文本将直接被输出，可以使用text()来推翻这一个缺省规则，让处理器对文本节点什么都不做。如下所示：

<xsl:template match="text()"> </xsl:template>

8.匹配注释

使用comment()来选择注释，例如：

<?xml version="1.0" encoding="gb2312"?> <film> 	<!--目前只有VCD版， DVD版还未上市--> 	<name>拯救大兵瑞恩</name> 	<director>施皮尔伯格</director> </film> <!--xsl--> <?xml version="1.0" encoding="gb2312"?> <xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3g.org/1999/XSL/Transform"> <xsl:template match="film"> 	<xsl:apply-templates select="comment()"/> <xsl:value-of select="name"/> <xsl:value-of select="director"/> </xsl:template> <xsl:template> 	<xsl:comment>  <xsl:value-of select="."/> 	</xsl:comment> </xsl:template>

9.匹配操作指令

使用processing-instruction()来匹配操作指令，缩写为“pi()”，有时想要将样式单附加到另一个文档上，这是“pi()”就可以派上用场。

<xsl:template match="/pi()"> <xsl:pi name="xml-stylesheet"> 	<xsl:value-of select="."/> </xsl:pi> </xsl:template>

10.使用“或”操作符

在处理多个节点时，使用“或”操作符可以匹配多种可能的模式。

<xsl:template match="name|director"> <xsl:value-of select="."> </xsl:template>

程序中同时选择了“name”和“director”2个元素，并对他们使用同样的规则。

实例：

xml

<?xml version="1.0" encoding="utf-8"?> <?xml-stylesheet type="text/xsl" href="MyFirstXsl.xslt"?> <root> 	<music date="2010">  <title>传奇</title>  <signer>王菲</signer>  <舞台>  <演员>路人甲</演员>  <代表作>路人甲的代表作</代表作>  </舞台>  <舞台>  <演员>路人乙</演员>  <代表作>路人乙的代表作</代表作>  </舞台>  <lyric>我一直在你身旁，从未走远...</lyric> <!--在2010年春节联欢晚会上演唱--> 	</music> 	<music date="2009">  <title>梁祝</title>  <signer>sweety</signer>  <lyric>沉默了七世纪，没放弃逆转这宿命...</lyric> 	</music> 	<music date="2009">  <title>幸福毛毛虫</title>  <signer>sweety</signer>  <lyric>你的出现改变我原来的想象...</lyric>  <!--很受欢迎--> 	</music> </root>

xslt

<?xml version="1.0" encoding="utf-8"?> <xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"  xmlns:msxsl="urn:schemas-microsoft-com:xslt" exclude-result-prefixes="msxsl" >  <xsl:output method="xml" indent="yes"/> 	<xsl:template match="/">  <p align="center">  <font size="7">流行歌曲</font>  </p>  <table width="95%" border="1">  <tr>  <td width="15%">  <div align="center">歌曲</div>  </td>  <td width="10%">  <div align="center">演唱者</div>  </td>  <td width="30%">  <div align="center">伴唱</div>  </td>  <td width="20%">  <div align="center">歌词概览</div>  </td>  <td width="10%">  <div align="center">时间</div>  </td>  <td width="10%">  <div align="center">备注</div>  </td>  </tr>  <xsl:apply-templates/>  </table> 	</xsl:template> 	<!--注释的匹配规则--> 	<xsl:template match="root/music/comment()">  <xsl:value-of select="."/> 	</xsl:template>  <!--演唱者的详细介绍--> 	<xsl:template match="舞台">  <xsl:value-of select="演员"/>（  <xsl:value-of select="代表作"/>）  <br/> 	</xsl:template> 	<xsl:template match="root/music">  <tr>  <td>  <div align="center">  <strong>  <font size="5">  <xsl:value-of select="title"/>  </font>  </strong>  </div>  </td>  <td>  <div align="center">  <strong>  <font size="5">  <xsl:value-of select="signer"/>  </font>  </strong>  </div>  </td>  <td>  <div align="center">  <strong>  <font size="5">  <xsl:apply-templates select="舞台"/>  </font>  </strong>  </div>  </td>  <td>  <div align="center">  <strong>  <font size="5">  <xsl:value-of select="lyric"/>  </font>  </strong>  </div>  </td>  <td>  <div align="center">  <strong>  <font size="5">  <xsl:value-of select="@date"/>  </font>  </strong>  </div>  </td>  <!--匹配注释-->  <td>  <div align="center">  <strong>  <font size="5">  <xsl:apply-templates select="comment()"/>  </font>  </strong>  </div>  </td>  </tr> 	</xsl:template> </xsl:stylesheet>扩展：preg match 匹配数字 / js 正则匹配 match / preg match 匹配中文

显示效果：

幸福毛毛虫 XML学习笔记（9）match属性匹配模式

扩展：preg match 匹配数字 / js 正则匹配 match / preg match 匹配中文

三 : 模式匹配

我们知道比较有战斗力的直线提前量和圆周运动瞄准算法，都是针对固定模式的瞄准算法，比如直线提前量算法，如果对手不是走直线，就打不准；而圆周运动算法是针对做圆周运动的机器人的，如果对手走S型路线呢？我们是不是还要设计一套S行路线的瞄准算法呢？好，就算我们设计出来了，遇到走三角形路线的呢？是不是又要设计一套新的算法呢？就算你都设计出来了，如果对手的运动模式不断变化，一会儿做圆周，一会儿做S型，你该怎么办，使用圆周算法瞄准还是S型算法瞄准？显然，我们原来的思路出现了局限性。这里我将要介绍一种技术，能让我们的机器人自己识别对手的运动模式，然后从对手的模式推导出瞄准点，不管对手怎样变，只要有规律，我们都能打得很准。这可以说是一种具有学习能力的算法了，学习完本文后，实际上你已踏入了人工智能的领域。

学习目标

理解模式匹配的基本原理。

理解例子中的应用原理。

了解机器人学习的概念。

任务

实现模式匹配瞄准算法。

实现任务

可能你现在对模式匹配算法还非常陌生，不用担心，下面会先介绍什么是模式匹配，然后再应用到机器人瞄准策略中。

1. 问题分析

模式匹配的基本概念是记录并寻找相似的样本，在AI-CODE中，样本一般情况就是指对手的运动状态，也就是说寻找相似的运动状态。我这里举个例子，比如对手做圆周运动5周后又做200个距离的直线运动，然后又开始做圆周运动，在做完4周之后你会预测它紧接着会怎样运动？按照我们常规的经验来分析，我们会推测它会继续作圆周运动1周，然后做直线运动。为什么你我会做出这样的推断？首先，因为我们记住了它原来的运动，它原来是运动5个圆周然后200距离直线，我们对此记得清清楚楚，其次我们做了比较，找出了最匹配的地方，我们把这4个圆周运动，看做它原来做5个圆周运动的开始4个，所以我们推断它还会按照原来的规律继续下去，如果对手真是有这样的规律，那么我们将击中它。模式匹配算法也正是采用了这两个步骤实现了像你我一样的推断能力，而且利用计算机强记忆能力和快速计算能力，更能做出比你我更精确的推断。也许有人要说了，刚才那个例子，如果机器人不是按照那个规律运动的，第一次做圆周5次然后直线，第二次就做圆周4次然后就直线了呢，很有可能有这样的机器人啊，那么我们的分析就错啦。我这里回答你，是的，我们的分析就错了，但是随着我们记录的更多，我们会慢慢的正确起来，第一次5周，第二次4周的这种变化也是一种规律，只要我们记录的足够多，分析的足够多，下一次它如果再出现这样的情况，我们就知道了。也就是说，只要对手的运动有一定规律，我们就能分析出来，打中它。实际上通常的机器人运动都是有规律的，只是有的很明显，变化少，有的不很明显，变化多，很显然对于前者，模式匹配算法会打的很好，对于后者，可能效果略差。不管怎么样，这都是瞄准算法的一个大突破，现在我们一起来实现了这样一个机器人，你会看到它的强大。

2. 算法设计

根据刚才的分析，我们知道模式匹配算法主要是两个步骤，记录样本和比较样本（也就是寻找相似的样本，即匹配的意思，样本即模式的意思，模式匹配由此得名）。实际上算法大体可以说就是三步，如下图所示：

整体思路其实很简单，就那样三个步骤，我们在脑海里结合我们人类自己分析对手运动规律的方法很好理解这三个步骤。但是要在机器人程序中实现这样的功能，可能就要费一番功夫了。我们不要害怕，只要认真思考，总会有答案。不过这里我们的思考方法就很重要了，我们要倒着顺序思考，理由很简单，因为我们最终的目的是要很好的击中对手，而计算对手未来位置的部分是最后一个步骤。因此我们先从这个部分开始思考，根据历史中的一系列对手状态推断对手的未来位置，我们最好采用什么样的方法？回顾一下圆周瞄准那一章的把圆周运动精确为实际的多边形的图，那就是一个轨迹，我们根据对手的转动速度算出对手的方向再结合对手运动速度就能一个单位时间一个单位时间的推出（迭代）对手的未来位置（如果忘记那章的内容，请详细阅读那章后再继续读此章内容）。也就是说，我们需要对手一系列连续单位时间的方向和速度就能推断对手的未来位置。因此我们这里可以考虑，对手的样本就是对手的方向和速度，正好，方向和速度也能体现对手运动规律，因此这两个属性既能作为比较的样本——第二步骤，又能作为推算对手未来位置的属性——第三步骤，显然，第一步骤我们需要记录的对手的样本就是对手的方向和速度了。

3. 编写代码

根据以上分析，这里给出一个示例方案的相关代码：

/**

* 用模式匹配算法开火的机器人

* @author xiemin

*/

public class PatternFire extends SimpleRobot

{

//开火的火力

private static final double POWER = 0.5;

//保留历史纪录的最大长度

private static final int HISTORY_LENGHT = 2000;

//用于匹配段的长度

private static final int MATCH_LENGHT = 20;

//对手的速度记录

private double[] velocityRecord = new double[HISTORY_LENGHT];

//对手的方向记录

private double[] headingRecord = new double[HISTORY_LENGHT];

//数组的当前索引

private int currentIndex=0;

public void onRoundBegin(RoundBeginAction action)

{

currentIndex = 0;

}

public void onTick(TickAction action)

{

Bot opponent = getFirstOpponent();

if(opponent==null) return;

record(opponent);

int matchIndex = getMatchIndex();

Point2D firePoint = getFirePoint(matchIndex, POWER);

fire(firePoint, POWER);

}

//记录当前的机器人状态

private void record(Bot bot)

{

velocityRecord[currentIndex] = bot.getVelocity();

headingRecord[currentIndex] = bot.getHeading();

currentIndex++;

}

//计算最佳的匹配点

private int getMatchIndex()

{

double beatSimilarity=Double.POSITIVE_INFINITY;

int matchIndex=0;

//这里取i<currentFrame-100是为了避免比较样本和被比较样本重复

//和留取足够的节点给递推未来坐标用

for(int i=MATCH_LENGHT; i<currentIndex-MATCH_LENGHT; i++)

{

//取10个样本节点计算相似度

double similarity=0;

for(int j=1; j<=MATCH_LENGHT; j++)

{ similarity+=Math.abs(velocityRecord[i-j]-velocityRecord[currentIndex-j]);

similarity+=Math.abs(headingRecord[i-j]-headingRecord[currentIndex-j]);

//加了权值的匹配度计算

//similarity+=

//Math.abs(velocityRecord[i-j]-velocityRecord[currentIndex-j])/8; //similarity+=

//Math.abs(headingRecord[i-j]-headingRecord[currentIndex-j])/Math.PI; }

//记录最相似的相似度，以及对应的记录节点下标

if(similarity<beatSimilarity)

{

matchIndex=i;

beatSimilarity=similarity;

}

}

return matchIndex;

}

//得到开火的位置

private Point2D getFirePoint(int matchIndex, double power)

{

//预测位置

Point2D firePoint = getFirstOpponent().getLocation();

int time = 0;

while(matchIndex+time<currentIndex)

{

double distance = MathUtils.distance(getLocation(), firePoint);

if(distance/getBulletVelocity(power)<=time) break;

firePoint = MathUtils.nextPoint(firePoint, headingRecord[matchIndex+time], velocityRecord[matchIndex+time]);

time++;

}

return firePoint;

}

public static void main(String[] args)

{

startup(args, new PatternFire());

}

}

算法流程图中的第一步，主要实现代码是record函数中的代码，注意数组的用法，每次记录后currentIndex++增加一，这种数组的用法我们应该比较熟悉了。第二步的代码实现是函数getMatchedIndex，第三步的代码主要就是getFirePoint函数了，主要功能是求得射击方向，然后射击。

在getFirePoint函数中，求射击方向，原理和第十二章求圆周瞄准射击方向的原理类似，用了迭代的方法，可以参考对比这两部分，即能很好理解。这里用到了nextPoint函数，此函数作用是求开火点。

注意常量HISTORY_LENGHT，代表了机器人的记忆能力，我这里设为2000，也就是说这个机器人最多能保留历史纪录的最大为2000长度，这大概是几十轮的比赛了。一般比赛足够了，如果达到了这个量，就要从头开始。

如果不做这种方式控制matchIndex继续增长，数组容不下更多数据，会造成程序错误。常量HISTORY_LENGHT，是用于迭代推算对手未来位置、速度的，因为迭代推算的时候，时间是一步一步往后推，我们要保证推到最后的射击点要在我们记忆过的有效范围内，因此在寻找匹配样本的时候，我们的比较范围的最后边界要比当前样本下标提前一部分时间。见getMatchedIndex中的用法。

4. 调试算法

创建一个新的机器人，命名为Javabook.PatternFire采用上面的相关代码，建立成功后，新建战斗选择此机器人，再选择一个做圆周运动的机器人作为它的对手，你可以看到在对手饶几圈之后，我们就能打得很准了，说明他学习懂了对手的规律。换个绕墙走的对手看看，基本上对手绕墙一圈后，我们就能打得很准了，再换其他规律的对手，看看效果，可以看出，很多有规律的机器人，不管它的规律是什么样的，它几乎都能通过学习一段时间打的越来越好。可见我们的效果达到了，我们编写了一个能真正学习知识的机器人。

改进与扩展

虽然我们的机器人已经拥有了学习能力，但是这只是很简单的学习，因为在做样本比较的时候，我们只是比较了对于我们迭代推断敌人未来位置有用的敌人方向和敌人速度，如果我们再加入一些其他样本信息，可能会更好，注意比较的样本信息必须是跟敌人运动有关系的才有用，否则只会取得相反的效果。比如，如果加入敌人的转动速度作为比较样本，则比较有用，但是加入敌人的能量作为比较信息，则大部分情况都不会有用。还有，我们只是比较了一个单位时间的样本（当前样本和历史中的每一个样本比较），对于我们刚开始分析的时候举的例子，敌人圆周运动几圈是需要若干个单位时间的，因此，如果增加比较的样本数量（从当前到n个单位时间以前的一系列样本，和历史中相同长度的一系列样本的比较），则更会取得更好的效果。方方面面的改进还有很多。具体实现这里就不多述。提醒一点就是，比较的越多，程序用的时间越长，AI-CODE中每个机器人每个单位时间所能用的计算时间是有限的，因此在做改进的时候，不要一味的增加复杂度，以至于机器人运算超时而被系统强行终止。找出最有效的样本，最合适的样本比较长度，最合适的记忆长度，才能写出最强的模式匹配机器人。

总结

这一章我们讲述了模式匹配瞄准算法，并实现了一个采用此技术的机器人，可以说，从此我们的机器人拥有了学习能力。模式匹配的优点是能够观察出敌人运动轨迹的规律，并预测敌人未来出现的位置，因此一些很有运动规律的机器人将很难逃过模式匹配的法眼，但是正如它的优点的前提所说，它只对有运动规律的机器人很有效（有些运动规律并不是我们肉眼能看得出来，也许你看到某个机器人似乎很没规律，但是模式匹配机器人却能找出它的规律从而打得很准），而对于运动模式非常随机的机器人，可能就不是那么有效了。绕敌人运动那一章我们给绕敌人运动的机器人加入了反向的随机因素，这增加其实战中对于模式匹配机器人的扰乱效果。模式匹配是个很大很复杂的领域，它在人工智能中的作用也是非常大，几乎是每本人工智能书籍必讲的内容，我们这里讲的只是它的一个很小的应用。如果你深刻理解了它的原理，相信你定能用完全不同的实现方式写出更强的模式匹配机器人。

本文标题：模式匹配-Google Adwords匹配模式
本文地址： http://www.61k.com/1077271.html

61阅读

模式匹配-Google Adwords匹配模式

优化

建站