[發明專利]一種自動識別分類廣告類型的廣告分類方法

無效

• 申請號: 200610028305.9
• 申請日: 2006-06-29
• 公開（公告）號: CN101097570A
• 公開（公告）日: 2008-01-02
• 發明（設計）人: 陳壯堅;徐麗
• 申請（專利權）人: 上海唯客網廣告傳播有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/00
• 代理公司: 上海申匯專利代理有限公司
• 代理人: 翁若瑩

1.一種自動識別分類廣告類型的廣告分類方法，其特征在于，用JAVA語言編制程序，運行在計算機內，并把KNN算法引入到基于空間向量模型的線性分析器，以便一次性的對關鍵詞相似的廣告進行自動分類，該分類方法在計算機內執行時依次含有以下步驟：

一、在學習階段：

步驟1：輸入廣告類型集；

步驟2：確定采用的屬性單位以及線性分類器類型；

步驟3：對廣告類型集進行預處理；

步驟4：屬性抽?。簩V告類型集進行索引，得到原始屬性集以及各廣告類型的頻度向量，廣告類型用D表示，屬性頻度用t表示，是指出現在廣告類型中且能夠代表該類型的基本語言單位，主要是由詞或者短語構成，廣告類型可以用屬性頻度的集合表示為D(T1，T2，…，Tn)，其中Tk是屬性頻度，1＜＝k＜＝N；

步驟5：對原始屬性集進行采用現有降維操作，即頻度、權重，得到屬性集，降維最基本的思想，就是利用迭代的方法，在降維空間中定位特征向量，使得它們之間的距離和相異性被盡可能多的保留下來，為了達到這個目的，在迭代中需要不斷減小下面的平方誤差度量：

p＝∑[d^*(x_i，x_j)-f(d(x_i，x_j))]²，式中，

x_i，x_j是任意的不同樣本對(i≠j)，d(x_i，x_j)是x_i和x_j之間的原始的相異程度，d^*(x_i，x_j)是低維空間中轉換后的相異程度，f是一個單調變換函數；

步驟6：以類型為單位，合并各廣告的頻度向量，得到類型的輪廓描述頻度向量；

步驟7：對含有n個屬性值的廣告類型而言，通常會給每個屬性賦予一定的權重表示其重要程度，即D＝D(T1，W1；T2，W2；…，Tn，Wn)，簡記為D＝D(W1，W2，…，Wn)，為廣告類型D的向量表示，其中Wk是Tk的權重，1＜＝k＜＝N，權重的計算方法使用特征頻度-逆文檔頻度(TF*IDF)權重計算方法，TF*IDF方法使用詞匯的出現頻率來近似代表其重要程度，公式為

W ij = tf ( t i , d j ) × log m df ( t i ) , ]]>

其中Wij表示詞匯Term?i在廣告Document?j的權重，Tf(tj，dj)表示i在j中出現的頻率，df(t_i)表示含有詞匯i的廣告的出現次數。M是所有廣告的數目；

步驟8：在向量空間模型中，兩個概念D1和D2之間的內容相關度Sim(D1，D2)使用向量之間夾角的余弦值表示，公式為：

Sim = ( D 1 , D 2 ) = cos θ = Σ k = 1 n W 1 k × W 2 k ( Σ k = 1 n W 1 k 2 ) ( Σ k = 1 n W 2 k 2 ) ]]>

步驟9：根據下式，構建相應的線性分類器

y ( x ρ , c j ) = Σ di ∈ kNN sim ( x ρ , d ρ i ) y ( d ρ i , c j ) - b j , ]]>

其中表示概念是否屬于分類c_j，取值為0或1，表示概念是否屬于分類c_j，表示測試概念和周圍概念的相似程度，使用(8)提到的空間向量模型相似公式來表示，b_j是分類的閥值，需要通過反復的調試才能得到較好的值；

步驟10：用一部分測試類型作為待分類類型，按照分類階段的步驟對上一步驟得到的分類器進行測試，優化分類器的性能；

學習階段結束；

二、在分類階段：

步驟1：輸入待分類廣告類型(集)；

步驟2：按學習階段相同的方法對待分類廣告進行預處理；

步驟3：根據學習階段建立的屬性集為待分類廣告建立索引，得到廣告類型權重向量，見學習階段步驟7；

步驟4：計算待分類廣告的權重向量；

步驟5：按分類器進行自動分類，見學習階段步驟9得到分類結果；分類階段結束。