[發(fā)明專利]基于DPI大數(shù)據(jù)分析的信息推送方法和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201610539302.5
• 申請(qǐng)日: 2016-07-11
• 公開（公告）號(hào): CN107608980A
• 公開（公告）日: 2018-01-19
• 發(fā)明（設(shè)計(jì)）人: 趙鈞
• 申請(qǐng)（專利權(quán)）人: 中國(guó)電信股份有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 中國(guó)國(guó)際貿(mào)易促進(jìn)委員會(huì)專利商標(biāo)事務(wù)所11038
• 代理人: 孫寶海

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)字文本挖掘領(lǐng)域，尤其涉及一種基于DPI大數(shù)據(jù)分析的信息推送方法和系統(tǒng)。

背景技術(shù)

目前電信運(yùn)營(yíng)商實(shí)時(shí)廣告營(yíng)銷是通過(guò)基于DPI(Deep Packet Inspection，深度包檢測(cè))技術(shù)獲取用戶上網(wǎng)URL(Uniform Resource Locator，統(tǒng)一資源定位符)地址，結(jié)合事先建立好的URL地址庫(kù)中URL的分類信息(如新聞、購(gòu)物等)，給用戶打標(biāo)簽，再基于用戶標(biāo)簽手工匹配營(yíng)銷主題實(shí)現(xiàn)。

但該方法存在以下問(wèn)題，例如：(1)URL地址庫(kù)中網(wǎng)址有限，只能覆蓋互聯(lián)網(wǎng)上的少量網(wǎng)址。(2)URL網(wǎng)頁(yè)內(nèi)容變化快，地址庫(kù)更新難度大。(3)電信運(yùn)營(yíng)商建立的用戶標(biāo)簽的精細(xì)度可能不能滿足廣告主需求，例如廣告主希望對(duì)正在看的網(wǎng)頁(yè)上有“聯(lián)想”、“筆記本”、“HP”、“超極本”等內(nèi)容的用戶實(shí)時(shí)推送筆記本廣告，而用戶標(biāo)簽可能只有“購(gòu)物”、“電腦”等類別。

發(fā)明內(nèi)容

本發(fā)明要解決的一個(gè)技術(shù)問(wèn)題是提供一種基于DPI大數(shù)據(jù)分析的信息推送方法和系統(tǒng)，進(jìn)而實(shí)現(xiàn)向用戶精準(zhǔn)推送信息。

根據(jù)本發(fā)明一方面，提出一種基于DPI大數(shù)據(jù)分析的信息推送方法，包括：基于深度包檢測(cè)DPI技術(shù)獲取用戶數(shù)據(jù)包；將用戶數(shù)據(jù)包解析為網(wǎng)頁(yè)文本；根據(jù)預(yù)定算法提取網(wǎng)頁(yè)文本中多個(gè)關(guān)鍵詞；計(jì)算包含關(guān)鍵詞的網(wǎng)頁(yè)和推送信息主題詞的相似度；當(dāng)相似度大于閾值時(shí)，向訪問(wèn)網(wǎng)頁(yè)的用戶推送與主題詞相關(guān)的信息。

進(jìn)一步地，根據(jù)預(yù)定算法提取網(wǎng)頁(yè)文本中多個(gè)關(guān)鍵詞包括：根據(jù)詞頻TF-逆向文件頻率IDF算法計(jì)算網(wǎng)頁(yè)文本中的詞語(yǔ)的TF-IDF值；對(duì)TF-IDF值由大到小進(jìn)行排序；獲取前N個(gè)TF-IDF值對(duì)應(yīng)的詞語(yǔ)作為關(guān)鍵詞。

進(jìn)一步地，根據(jù)TF-IDF算法計(jì)算網(wǎng)頁(yè)文本中的詞語(yǔ)的TF-IDF值包括：預(yù)先基于DPI技術(shù)采集用戶訪問(wèn)網(wǎng)頁(yè)，生成URL-詞頻構(gòu)成的語(yǔ)料庫(kù)；根據(jù)語(yǔ)料庫(kù)計(jì)算網(wǎng)頁(yè)文本中的詞語(yǔ)的IDF值；根據(jù)網(wǎng)頁(yè)文本中的詞語(yǔ)的IDF值獲取網(wǎng)頁(yè)文本中的詞語(yǔ)的TF-IDF值。

進(jìn)一步地，預(yù)先基于DPI技術(shù)采集用戶訪問(wèn)網(wǎng)頁(yè)，生成URL-詞頻構(gòu)成的語(yǔ)料庫(kù)包括：預(yù)先基于DPI技術(shù)采集用戶訪問(wèn)網(wǎng)頁(yè)；通過(guò)限制用戶訪問(wèn)網(wǎng)頁(yè)的大小、自定義停用詞和/或?qū)⒂脩粼L問(wèn)網(wǎng)頁(yè)中出現(xiàn)次數(shù)小于閾值的詞語(yǔ)剔除后，生成語(yǔ)料庫(kù)。

進(jìn)一步地，計(jì)算包含關(guān)鍵詞的網(wǎng)頁(yè)和推送信息主題詞的相似度包括：根據(jù)TF-IDF算法計(jì)算語(yǔ)料庫(kù)中包含推送信息主題詞的網(wǎng)頁(yè)中關(guān)鍵詞的TF-IDF值；將計(jì)算出的包含每個(gè)推送信息主題詞的網(wǎng)頁(yè)中每個(gè)關(guān)鍵詞的TF-IDF值相加作為包含關(guān)鍵詞的網(wǎng)頁(yè)和推送信息主題詞的相似度。

根據(jù)本發(fā)明的另一方面，還提出一種基于DPI大數(shù)據(jù)分析的信息推送系統(tǒng)，包括：數(shù)據(jù)采集模塊，用于基于DPI技術(shù)獲取用戶數(shù)據(jù)包；數(shù)據(jù)包解析模塊，用于將用戶數(shù)據(jù)包解析為網(wǎng)頁(yè)文本；關(guān)鍵詞提取模塊，用于根據(jù)預(yù)定算法提取網(wǎng)頁(yè)文本中多個(gè)關(guān)鍵詞；相似度計(jì)算模塊，用于計(jì)算包含關(guān)鍵詞的網(wǎng)頁(yè)和推送信息主題詞的相似度；信息推送模塊，用于當(dāng)相似度大于閾值時(shí)，向訪問(wèn)網(wǎng)頁(yè)的用戶推送與主題詞相關(guān)的信息。

進(jìn)一步地，關(guān)鍵詞提取模塊用于根據(jù)詞頻-逆向文件頻率TF-IDF算法計(jì)算網(wǎng)頁(yè)文本中的詞語(yǔ)的TF-IDF值；對(duì)TF-IDF值由大到小進(jìn)行排序；獲取前N個(gè)TF-IDF值對(duì)應(yīng)的詞語(yǔ)作為關(guān)鍵詞。

進(jìn)一步地，該系統(tǒng)還包括：語(yǔ)料庫(kù)管理模塊，用于預(yù)先基于DPI技術(shù)采集用戶訪問(wèn)網(wǎng)頁(yè)，生成URL-詞頻構(gòu)成的語(yǔ)料庫(kù)；關(guān)鍵詞提取模塊還用于根據(jù)語(yǔ)料庫(kù)計(jì)算網(wǎng)頁(yè)文本中的詞語(yǔ)的IDF值；根據(jù)網(wǎng)頁(yè)文本中的詞語(yǔ)的IDF值獲取網(wǎng)頁(yè)文本中的詞語(yǔ)的TF-IDF值。

進(jìn)一步地，語(yǔ)料庫(kù)管理模塊還用于預(yù)先基于DPI技術(shù)采集用戶訪問(wèn)網(wǎng)頁(yè)；通過(guò)限制用戶訪問(wèn)網(wǎng)頁(yè)的大小、自定義停用詞和/或?qū)⒂脩粼L問(wèn)網(wǎng)頁(yè)中出現(xiàn)次數(shù)小于閾值的詞語(yǔ)剔除后，生成語(yǔ)料庫(kù)。

進(jìn)一步地，相似度計(jì)算模塊用于根據(jù)TF-IDF算法計(jì)算語(yǔ)料庫(kù)中包含推送信息主題詞的網(wǎng)頁(yè)中關(guān)鍵詞的TF-IDF值；將計(jì)算出的包含每個(gè)推送信息主題詞的網(wǎng)頁(yè)中每個(gè)關(guān)鍵詞的TF-IDF值相加作為包含關(guān)鍵詞的網(wǎng)頁(yè)和推送信息主題詞的相似度。

與現(xiàn)有技術(shù)相比，本發(fā)明利用DPI技術(shù)獲取用戶上網(wǎng)數(shù)據(jù)包，并通過(guò)預(yù)定算法實(shí)時(shí)分析網(wǎng)頁(yè)中詞頻特性，將用戶訪問(wèn)網(wǎng)頁(yè)中的關(guān)鍵詞與推送信息主題詞快速匹配，因此可以實(shí)現(xiàn)向用戶精準(zhǔn)推送信息。

通過(guò)以下參照附圖對(duì)本發(fā)明的示例性實(shí)施例的詳細(xì)描述，本發(fā)明的其它特征及其優(yōu)點(diǎn)將會(huì)變得清楚。

附圖說(shuō)明

構(gòu)成說(shuō)明書的一部分的附圖描述了本發(fā)明的實(shí)施例，并且連同說(shuō)明書一起用于解釋本發(fā)明的原理。