[發明專利]一種廣告過濾系統及其過濾方法

無效

• 申請號: 201210004667.X
• 申請日: 2012-01-10
• 公開（公告）號: CN102591983A
• 公開（公告）日: 2012-07-18
• 發明（設計）人: 吳華鵬;曾明;劉宇
• 申請（專利權）人: 鳳凰在線(北京)信息技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京瑞思知識產權代理事務所(普通合伙) 11341
• 代理人: 李濤

1.一種廣告過濾系統，其特征在于：

所述廣告過濾系統包括內容輸入接口、特征分析模塊、以及決策計算模塊、數據記錄模塊、信息庫、指令輸出接口、人工操作輸入接口和機器學習模塊；其中，

內容輸入接口用于接收來自于互聯網互動產品的用戶生成內容；

特征分析模塊用于分析用戶生成內容，提取用戶生成內容的多種特征，并根據特征歷史情況及人工操作記錄計算特征值，生成特征向量；

信息庫用于存儲用戶生成內容的各項特征數據；

決策計算模塊用于根據特征分析模塊生成的特征向量綜合判斷是否對用戶生成內容進行過濾；

數據記錄模塊用于將特征數據、分類數據以及人工操作記錄寫入信息庫；

指令輸出接口用于將決策計算模塊判斷的結果整理成顯示/屏蔽操作指令，同步給互聯網互動產品；

人工操作輸入接口用于接收并解析人工修改過濾結果的操作；

機器學習模塊利用每次分析的結果以及人工操作記錄進行學習，并根據學習更新決策計算模塊。

2.如權利要求1所述的廣告過濾系統，其特征在于：

所述內容輸入接口包括：

數據輸入接口，校驗輸入的用戶生成內容數據的數據格式以及完整性；

解析器，解析輸入的用戶生成內容數據，獲得ID、標題、內容、用戶ID、發布時間等信息。

3.如權利要求1所述的廣告過濾系統，其特征在于：

所述特征分析模塊包括：分詞器、相似度分析模塊、文本內容分類模塊、發帖間隔分析模塊、聯系方式分析模塊、URL提取器、URL分析模塊、圖片內容分析模塊以及用戶分析模塊。

4.如權利要求3所述的廣告過濾系統，其特征在于：

所述分詞器使用漢語詞法分析系統對用戶生成內容中的文本內容進行分詞；

所述相似度分析模塊對分詞后的詞進行分析，得到與當前內容相似的內容發布次數，并根據人工操作記錄或相似發布次數得到當前用戶生成內容可能為廣告的相似度特征值。

5.如權利要求3所述的廣告過濾系統，其特征在于：

所述文本內容分類模塊使用分詞后的詞在文本分類特征詞集合進行映射得到詞向量，使用支持向量機對詞向量進行分類，得出的刪除概率作為文本內容分類模塊特征值。

6.如權利要求3所述的廣告過濾系統，其特征在于：

發帖間隔分析模塊根據用戶ID對比該用戶上次發帖時間與本次時間，得到發帖時間間隔，并根據發帖時間間隔得到當前用戶生成內容可能為廣告的發帖間隔特征值；

所述聯系方式分析模塊用于提取解析后的用戶生成內容數據中可能存在的聯系方式，并對該聯系方式進行分析，得到與當前聯系方式相同的聯系方式發布過多少次，并根據人工操作記錄或聯系方式發布次數得到當前用戶生成內容可能為廣告的聯系方式特征值。

7.如權利要求3所述的廣告過濾系統，其特征在于：

URL提取器從解析后的數據中識別出所有URL；

URL分析模塊對每個URL進行次數統計，并根據人工操作記錄或出現次數最多的URL次數得到當前用戶生成內容可能為廣告的URL特征值。

8.如權利要求3所述的廣告過濾系統，其特征在于：

所述圖片內容分析模塊從解析后的用戶生成內容數據的圖片中選取一個或多個特定點，計算圖片校驗值；

對該圖片校驗值進行分析，得到與當前圖片校驗值相同的值出現過多少次就代表相同圖片發布過多少次，并根據人工操作記錄或相同圖片發布次數得到當前用戶生成內容可能為廣告的圖片特征值。

9.如權利要求3所述的廣告過濾系統，其特征在于：

所述用戶分析模塊從用戶庫中查詢用戶發文記錄，根據用戶發帖被刪除和通過次數進行計算用戶特征值。