[發(fā)明專利]一種面向網(wǎng)頁(yè)圖文數(shù)據(jù)的廣告分析方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110449436.9
• 申請(qǐng)日: 2021-04-25
• 公開(kāi)（公告）號(hào): CN115330423A
• 公開(kāi)（公告）日: 2022-11-11
• 發(fā)明（設(shè)計(jì)）人: 李在灼;姜豪;胡長(zhǎng)春
• 申請(qǐng)（專利權(quán)）人: 福州果集信息科技有限公司
• 主分類號(hào): G06Q30/02
• 分類號(hào): G06Q30/02;G06F16/955;G06F16/583;G06F16/55;G06V30/19;G06N20/00
• 代理公司: 合肥上博知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 34188
• 代理人: 張果果

本發(fā)明涉及一種面向網(wǎng)頁(yè)圖文數(shù)據(jù)的廣告分析方法，其包括以下步驟：S1)對(duì)待分析網(wǎng)頁(yè)圖文數(shù)據(jù)進(jìn)行解析處理；S2)下載圖片url鏈接對(duì)應(yīng)圖片，基于OCR技術(shù)進(jìn)行圖片文字識(shí)別；S3)將純文本信息和圖片文字信息轉(zhuǎn)換成計(jì)算機(jī)可計(jì)算的向量，輸入到二分類廣告鑒別模型中進(jìn)行是否為廣告的鑒別；S4)將純文本信息和圖片文字信息轉(zhuǎn)換成計(jì)算機(jī)可計(jì)算的向量，輸入到多分類廣告分類模型中進(jìn)行行業(yè)分類預(yù)測(cè)，確定該廣告的行業(yè)分類；S5)將該廣告行業(yè)分類中預(yù)設(shè)的品牌詞逐個(gè)分別在圖片文字信息、粗體文本信息和正文文本信息中進(jìn)行品牌詞匹配，并綜合各品牌詞出現(xiàn)的維度數(shù)、次數(shù)以及位置權(quán)重進(jìn)行選取，確定該廣告的品牌詞；S6)進(jìn)行數(shù)據(jù)保存以供查詢功能模塊調(diào)用并展示。

技術(shù)領(lǐng)域

本發(fā)明涉及廣告分析技術(shù)領(lǐng)域，尤其是一種面向網(wǎng)頁(yè)圖文數(shù)據(jù)的廣告分析方法及系統(tǒng)。

背景技術(shù)

隨著新媒體行業(yè)的快速發(fā)展，各大平臺(tái)所帶來(lái)的流量紅利也備受廣告主的青睞。對(duì)商家、品牌方來(lái)說(shuō)，他們希望獲取到具有投放價(jià)值的流量主；而對(duì)于運(yùn)營(yíng)者、流量方來(lái)說(shuō)，也想要了解到各自行業(yè)以及整體市場(chǎng)的廣告投放規(guī)模，從而對(duì)運(yùn)營(yíng)方向做出調(diào)整。因此用戶就需要在海量的圖文、視頻數(shù)據(jù)中，鑒別文本的廣告價(jià)值，以及進(jìn)一步分析廣告的分類和所屬品牌，以往只能通過(guò)人工識(shí)別的方式，逐條逐字的瀏覽，耗時(shí)耗力。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的情況，提供一種設(shè)計(jì)合理，能夠快速、精準(zhǔn)的鑒別是否為廣告，并精準(zhǔn)定位廣告的行業(yè)分類和品牌歸屬的面向網(wǎng)頁(yè)圖文數(shù)據(jù)的廣告分析方法，同時(shí)提供一種設(shè)計(jì)合理，結(jié)構(gòu)簡(jiǎn)單的面向網(wǎng)頁(yè)圖文數(shù)據(jù)的廣告分析系統(tǒng)。

為了實(shí)現(xiàn)上述第一個(gè)目的，本發(fā)明采用以下技術(shù)方案：

一種面向網(wǎng)頁(yè)圖文數(shù)據(jù)的廣告分析方法，其包括以下步驟：

S1)對(duì)待分析網(wǎng)頁(yè)圖文數(shù)據(jù)進(jìn)行解析處理，提取得到純文本信息，同時(shí)分解成粗體部分、正文部分、圖片url鏈接部分和視頻url鏈接部分；

S2)根據(jù)圖片url鏈接部分中的圖片url鏈接下載圖片，基于OCR技術(shù)對(duì)下載的圖片進(jìn)行圖片文字識(shí)別，獲得圖片文字信息；

S3)將純文本信息和圖片文字信息轉(zhuǎn)換成計(jì)算機(jī)可計(jì)算的向量，輸入到基于機(jī)器學(xué)習(xí)算法的二分類廣告鑒別模型中進(jìn)行是否為廣告的鑒別，若鑒別為廣告，則執(zhí)行步驟S4)，若鑒別為非廣告，則發(fā)送至數(shù)據(jù)保存模塊進(jìn)行數(shù)據(jù)保存；

S4)將純文本信息和圖片文字信息轉(zhuǎn)換成計(jì)算機(jī)可計(jì)算的向量，輸入到基于機(jī)器學(xué)習(xí)算法的多分類廣告分類模型中行業(yè)分類預(yù)測(cè)，確定該廣告的行業(yè)分類；

S5)將該廣告的行業(yè)分類中預(yù)設(shè)的品牌詞逐個(gè)分別在圖片文字信息、粗體部分的粗體文本信息和正文部分的正文文本信息這三個(gè)維度中進(jìn)行品牌詞匹配，并綜合各品牌詞出現(xiàn)的維度數(shù)、次數(shù)以及位置權(quán)重這三個(gè)因素進(jìn)行選取，確定該廣告的品牌詞；

S6)將鑒別為廣告的網(wǎng)頁(yè)圖文數(shù)據(jù)、該廣告的圖片文字信息、行業(yè)分類和品牌詞分別發(fā)送至數(shù)據(jù)保存模塊進(jìn)行數(shù)據(jù)保存，供查詢功能模塊調(diào)用并展示。

作為優(yōu)選，步驟2)中所述解析處理的方法，其包括以下步驟：

S1.1)將待分析網(wǎng)頁(yè)圖文數(shù)據(jù)中的所有js腳本、樣式信息、圖片url鏈接和視頻url鏈接進(jìn)行剔除處理，提取得到純文本信息；

S1.2)將待分析網(wǎng)頁(yè)圖文數(shù)據(jù)分解成粗體部分、正文部分、圖片url鏈接部分和視頻url鏈接部分，分別進(jìn)行提取得到粗體文本信息、正文文本信息、圖片url鏈接和視頻url鏈接。

作為優(yōu)選，步驟2)中所述圖片文字識(shí)別的方法為：基于OCR技術(shù)，將下載的圖片輸入到開(kāi)源OCR模型中，獲得圖片文字信息。

作為優(yōu)選，步驟3)中所述基于機(jī)器學(xué)習(xí)算法的二分類廣告鑒別模型的建立方法，包括以下步驟：