CN100527132C - 分类样本集的优化方法和内容相关广告服务器 - Google Patents

Abstract

本发明涉及自动分类技术，公开分类样本集的优化方法，该方法包括：获取文档和与所述文档关联的广告之间的相关度参数；若文档和关联广告间的相关度参数符合预定条件，则根据该文档对相应类别的分类样本集进行优化。本发明还公开相应的内容相关广告服务器。本发明实施例可以实现对分类样本集进行动态优化，从而保证所投放广告与文档内容的相关度，并避免由于广告投放效果较差所导致的资源浪费的问题；另外，本发明实施例还具有较好的时效性。

Description

分类样本集的优化方法和内容相关广告服务器

技术领域

本发明涉及自动分类技术，尤其涉及内容相关广告系统中的自动分类样本集的优化技术。

背景技术

随着网络用户数量的剧增，通过网络提供的交互式广告变得非常流行，广告商可以利用网络通过多种方式宣传自己的产品；例如，可以将广告直接投放在网站上，用户登录网站时，广告即被呈现给用户，当用户点击广告时，嵌入的超链接可以将用户导向相应的产品网页或广告商的网站等；还有一种方式是向搜索引擎登记广告信息，当用户通过搜索引擎查询产品信息时，搜索引擎会根据用户输入的特定关键词，向用户返回对应的广告列表，用户点击列表中的某条广告，就可以访问相应的网页。

近年来，内容相关广告成为交互式广告领域中的又一个热点，在内容相关广告系统中，服务器会利用自动分类技术对将要提供给用户的文档(如网页)进行分类，之后在向用户提供该文档的同时，投放与该文档类别相同或相近的广告列表。

利用自动分类技术对文档进行分类时，主要是根据各类别对应的给定分类样本集，利用分类算法对文档进行处理，从而实现对文档的自动分类，其中，分类样本集主要是指与相应类别的主题相关的多个特征词的集合，特征词可以是字、词、词组或字串等；分类样本集的优劣直接决定了文档进行自动分类的准确程度，而在内容相关广告系统中，对文档的分类结果则决定了提供给用户的文档与所投放广告的相关度；通常来说，分类样本集的质量越高，自动分类越准确，提供给用户的文档内容与广告的相关度越高，广告越易于受到用户的关注，广告效果就越好。

在对现有技术的研究和实践过程中，发明人发现：在某些内容相关广告系统中，利用大量系统资源，根据文档内容对广告进行投放后，广告并未引起用户的较大关注，从而造成系统资源的大量浪费；究其原因，主要是由于分类样本集的质量较差，导致对文档的分类不准确，因此提供给用户的文档与广告的相关度较低，使得广告与文档内容的类别相去甚远。

发明内容

本发明的实施例要解决的技术问题是提供分类样本集的优化方法和内容相关广告服务器，可以对分类样本集进行优化。

为解决上述技术问题，本发明的实施例提供以下技术方案：

一种分类样本集的优化方法，包括：

获取表示文档和与所述文档关联的广告之间的相关程度的相关度参数，所述相关度参数是与文档关联的广告的点击率或与文档关联的广告的转化率；

若文档和关联广告间的相关度参数符合预定条件，则根据该文档对相应类别的分类样本集进行优化。

一种内容相关广告服务器，包括：

相关度参数获取单元，用于获取表示文档和与所述文档关联的广告之间的相关程度的相关度参数，所述相关度参数是与文档关联的广告的点击率或与文档关联的广告的转化率；

样本集优化单元，用于在文档和关联广告间的相关度参数符合预定条件时，根据该文档对相应类别的分类样本集进行优化。

从以上技术方案可以看出，本发明实施例中，当文档和相关的广告的相关度参数符合预定条件时，会根据该文档对相应类别的分类样本集进行优化；对分类样本集进行优化后，可以使得对待分类文档的分类更加准确，从而保证所投放广告与文档内容的相关度；而现有技术中，当分类样本集的质量较差时，由于无法对分类样本集进行优化，使得在较长一段时间内，内容相关广告的投放效果都会比较差；综上所述，与现有技术相比，本发明实施例可以对分类样本集进行动态优化，从而保证所投放广告与文档内容的相关度，并避免由于广告投放效果较差所导致的资源浪费的问题；

此外，由于实现了对分类样本集的动态更新，因此可以将不断出现的新词汇更新到分类样本集中，以保证对包括有较多新词汇的文档的分类准确性，进而保证广告投放时与文档内容的相关性，因此，本发明实施例具有较好的时效性。

附图说明

图1是本发明分类样本集的优化方法实施例一的流程图；

图2是本发明内容相关广告服务器实施例一的结构图；

图3是本发明内容相关广告服务器实施例二的结构图。

具体实施方式

下面结合附图，对本发明提供的分类样本集的优化方法和内容相关广告服务器的推荐实施例进行详细描述。

请参考图1分类样本集的优化方法实施例一的流程图；该方法包括：

A1、获取文档和与所述文档关联的广告之间的相关度参数；

相关度参数主要是用于表示文档和与文档关联的广告之间的相关程度；在内容相关广告中，文档与广告之间的相关性可以通过广告的点击率来体现，广告的点击率可以用广告被点击的次数与广告被显示的次数之比来表示；广告的点击率越大，表示广告受到用户关注越多，文档与广告的相关度就越高，因此，可以将与文档关联的广告的点击率作为相关度参数；

此外，还可以将广告的转化率作为相关度参数；广告的转化率可以用广告转化的次数与广告被显示的次数之比来表示，广告的转化率越大，表示文档与广告的相关度就越高；其中，转化可以被理解为用户点击广告后，在离开广告商的网站之前，或在离开网站之后的预定一段时间内进行相关的交易，还可以被理解为用户在广告商的网站驻留的时间超过预定时长，或者用户导航广告商的网站至一定深度等；

广告点击率或广告转化率可以根据服务器端所统计的广告点击次数、转化次数、被显示次数等相关数据，依据相应公式计算获得；

A2、若文档和关联广告间的相关度参数符合预定条件，则根据该文档对相应类别的分类样本集进行优化；

其中，当相关度参数是广告的点击率或转化率时，所述相关度参数符合预定条件具体是指广告的点击率或转化率超过预定数值；为保证对分类样本集的优化效果，该预定数值通常是高于平均点击率，或平均转化率的值；

其中，当同类别的多个文档分别与各自相关联的广告间的相关度参数符合预定条件时，可以根据该多个文档对所属类别的分类样本集进行优化。

本发明分类样本集的优化方法实施例二；本实施例中对分类样本集进行优化时，先对样本文档集进行更新，再根据更新样本文档集获得优化分类样本集，该方法包括：

B1、获取文档和与所述文档关联的广告之间的相关度参数；

所述的相关度参数可以是广告的点击率，或者是广告的转化率；

B2、若文档和关联广告间的相关度参数超过预定数值，则根据该文档对相应类别的当前样本文档集进行更新，得到所述类别的更新样本文档集；

其中，根据该文档对相应类别的当前样本文档集进行更新具体可以是：将该文档加入相应类别的当前样本文档集，与该类别已有的样本文档一起，组成该类别的更新样本文档集；还可以是以该文档替换相应类别的当前样本文档集中与所关联的广告之间的相关度最差的文档，得到与所述当前样本文档集的文档数相同的更新样本文档集；

B3、分别获得所述更新样本文档集中各文档的特征词集合，以及集合中各特征词的权值；

其中，所述的特征词可以广义理解为字、词、词组或字串等，具体可以是从文档中筛选出的关键词，和/或能够表征文档主题的主题词等；

特征词的权值用于表征特征词相对于文档主题的相关程度，特征词的权值越高，表示该特征词越能够代表文档主题；特征词的权值具体可以是特征词在文档中出现的频度，或者依据特征词的频度，通过具体算法计算获得；

所述获得更新样本文档集中各文档的特征词集合，以及集合中各特征词的权值在具体实现时，可以分为以下两种处理：

第一种处理，对于新加入更新样本文档集的文档，需要通过智能分词、特征词提取等技术对该文档进行处理，从而获得文档的特征词集合，以及集合中各特征词的权值；

第二种处理，对于在样本文档集进行更新前，已经存在于样本文档集的文档，若样本文档集进行更新后仍属于更新样本文档集，则可以先判断服务器中是否存储有该文档的特征词集合以及集合中各特征词的权值，若是，则可以直接获取特征词集合以及特征词的权值，否则，通过智能分词、特征词提取等技术对该文档进行处理，从而获得文档的特征词集合，以及集合中各特征词的权值；

所述通过智能分词、特征词提取等技术对该文档进行处理，从而获得文档的特征词集合，以及集合中各特征词的权值在具体实现时，可以根据实际需求，参考智能分词、特征词提取等技术领域的相关算法加以实现，在此不做赘述；

B4、根据所述各文档的特征词集合，以及集合中各特征词的权值，获得所述类别的优化分类样本集；

以所述的特征词的权值具体是特征词在对应文档中出现的频度为例，根据所述各文档的特征词集合，以及特征词集合中各特征词的权值，获得所述类别的优化分类样本集可以通过以下的方法实现：

B41、对所述各文档的特征词集合中特征词的频度进行统计；

具体来说，可以将各文档的特征词集合聚合为一个更大的特征词集合，该集合中包括各文档的特征词集合中的特征词，且集合中各特征词的频度是该特征词在各文档的特征词集合中的频度之和；

B42、查找经统计后频度最大的N个特征词，组成所述类别的优化分类样本集；其中，所述N是预设的所述类别的分类样本集中特征词的个数。

本发明分类样本集的优化方法实施例三；本实施例中对分类样本集进行优化时，不需要对样本文档集进行更新，而是直接对分类样本集中的特征词进行更新，该方法包括：

C1、获取文档和与所述文档关联的广告之间的相关度参数；

所述的相关度参数可以是广告的点击率，或者是广告的转化率；

C2、若同类别的多个文档分别与各自相关联的广告间的相关度参数超过预定数值，分别获得该多个文档各自的特征词集合，以及特征词集合中各特征词的权值；

可以通过智能分词、特征词提取等技术，分别对该多个文档进行处理，从而获得文档的特征词集合，以及集合中各特征词的权值；

C3、根据所述多个文档各自的特征词集合以及特征词集合中各特征词的权值，获得所述多个文档共同对应的特征词集合，以及该集合中各特征词的权值；

仍以所述的特征词的权值具体是特征词在对应文档中出现的频度为例，给出以下的可选实现方法：对所述多个文档各自的特征词集合中特征词的频度进行统计；查找经统计后频度最大的M个特征词，组成所述多个文档共同对应的特征词集合；其中，所述M是预设的多个文档共同对应的特征词集合中特征词的个数；

C4、根据所述多个文档共同对应的特征词集合以及集合中各特征词的权值，对相应类别的当前分类样本集进行优化；

同样，可选的一种具体实现方法是：对所述多个文档共同对应的特征词集合中特征词的频度和当前分类样本集中特征词的频度进行统计；查找经统计后频度最大的N个特征词，组成所述类别的优化分类样本集；其中，所述N是预设的所述类别的分类样本集中特征词的个数。

请参考图2本发明内容相关广告服务器实施例一的结构图，所述服务器包括：相关度参数获取单元210和样本集优化单元220：

相关度参数获取单元210，用于获取文档和与所述文档关联的广告之间的相关度参数；

样本集优化单元220，用于在文档和关联广告间的相关度参数符合预定条件时，根据该文档对相应类别的分类样本集进行优化；

其中，所述样本集优化单元220具体包括样本文档集更新单元221和样本集获取单元222：

样本文档集更新单元221，用于在文档和关联广告间的相关度参数符合预定条件时，根据该文档对相应类别的当前样本文档集进行更新，得到所述类别的更新样本文档集；

样本集获取单元222，用于根据所述更新样本文档集获得所述类别的优化分类样本集；具体包括：

特征词获取单元223，用于分别获得样本文档集更新单元221得到的更新样本文档集中各文档的特征词集合，以及集合中各特征词的权值；

分类样本集获取单元224，用于根据所述各文档的特征词集合，以及集合中各特征词的权值，获得所述类别的优化分类样本集。

所述内容相关广告服务器实施例一具体可以采用分类样本集的优化方法实施例二中所述的方法实现。

请参考图3本发明内容相关广告服务器实施例二的结构图，所述服务器包括：

相关度参数获取单元310，用于获取文档和与所述文档关联的广告之间的相关度参数；

样本集优化单元320，用于在同类别的多个文档分别与各自相关联的广告间的相关度参数符合预定条件时，根据该多个文档对相应类别的分类样本集进行优化；

其中，所述样本集优化单元320具体包括：

特征词获取单元321，用于在同类别的多个文档分别与各自相关联的广告间的相关度参数符合预定条件时，分别获得该多个文档各自的特征词集合，以及集合中各特征词的权值；并且根据所述多个文档各自的特征词集合以及集合中各特征词的权值，获得所述多个文档共同对应的特征词集合，以及该集合中各特征词的权值；

分类样本集获取单元322，用于根据所述多个文档共同对应的特征词集合以及集合中各特征词的权值，对相应类别的当前分类样本集进行优化。

所述内容相关广告服务器实施例二具体可以采用分类样本集的优化方法实施例三中所述的方法实现。

本发明实施例中，当文档和相关的广告的相关度参数符合预定条件时，会根据该文档对相应类别的分类样本集进行优化；对分类样本集进行优化后，可以使得对待分类文档的分类更加准确，从而保证所投放广告与文档内容的相关度；而现有技术中，当分类样本集的质量较差时，由于无法对分类样本集进行优化，使得在较长一段时间内，内容相关广告的投放效果都会比较差；综上所述，与现有技术相比，本发明实施例可以对分类样本集进行动态优化，从而保证所投放广告与文档内容的相关度，并避免由于广告投放效果较差所导致的资源浪费的问题；

此外，由于实现了对分类样本集的动态更新，因此可以将不断出现的新词汇更新到分类样本集中，以保证对包括有较多新词汇的文档的分类准确性，进而保证广告投放时与文档内容的相关性，因此，本发明实施例具有较好的时效性。

以上对本发明实施例所提供的分类样本集的优化方法和内容相关广告服务器进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (13)

1、一种分类样本集的优化方法，其特征在于，包括：

获取表示文档和与所述文档关联的广告之间的相关程度的相关度参数，所述相关度参数是与文档关联的广告的点击率或与文档关联的广告的转化率；

若文档和关联广告间的相关度参数符合预定条件，则根据该文档对相应类别的分类样本集进行优化。

2、如权利要求1所述的分类样本集的优化方法，其特征在于，所述根据该文档对相应类别的分类样本集进行优化具体包括：

根据该文档对相应类别的当前样本文档集进行更新，得到所述类别的更新样本文档集；

根据所述更新样本文档集获得所述类别的优化分类样本集。

3、如权利要求2所述的分类样本集的优化方法，其特征在于，所述根据该文档对相应类别的当前样本文档集进行更新，得到所述类别的更新样本文档集具体包括：

将该文档加入相应类别的当前样本文档集，得到所述类别的更新样本文档集；或者，

以该文档替换相应类别的当前样本文档集中，与所关联的广告之间的相关度最差的文档，得到所述类别的更新样本文档集。

4、如权利要求2所述的分类样本集的优化方法，其特征在于，所述根据更新样本文档集获得所述类别的优化分类样本集具体包括：

分别获得所述更新样本文档集中各文档的特征词集合，以及集合中各特征词的权值；

根据所述各文档的特征词集合，以及集合中各特征词的权值，获得所述类别的优化分类样本集。

5、如权利要求4所述的分类样本集的优化方法，其特征在于，

所述特征词的权值具体是：特征词在对应文档中出现的频度；

所述根据所述各文档的特征词集合，以及集合中各特征词的权值，获得所述类别的优化分类样本集具体包括：

对所述各文档的特征词集合中特征词的频度进行统计；

查找经统计后频度最大的N个特征词，组成所述类别的优化分类样本集；其中，所述N是预设的所述类别的分类样本集中特征词的个数。

6、如权利要求1所述的分类样本集的优化方法，其特征在于，所述若文档和关联广告间的相关度参数符合预定条件，则根据该文档对相应类别的分类样本集进行优化具体是指：若同类别的多个文档分别与各自相关联的广告间的相关度参数符合预定条件，则根据该多个文档对相应类别的分类样本集进行优化；

其中，根据该多个文档对相应类别的分类样本集进行优化具体包括：

分别获得该多个文档各自的特征词集合，以及集合中各特征词的权值；

根据所述多个文档各自的特征词集合以及集合中各特征词的权值，获得所述多个文档共同对应的特征词集合，以及该集合中各特征词的权值；

根据所述多个文档共同对应的特征词集合以及集合中各特征词的权值，对相应类别的当前分类样本集进行优化。

7、如权利要求6所述的分类样本集的优化方法，其特征在于，所述根据多个文档共同对应的特征词集合以及集合中各特征词的权值，对相应类别的当前分类样本集进行优化具体包括：

对所述多个文档共同对应的特征词集合中特征词的频度和当前分类样本集中特征词的频度进行统计；

查找经统计后频度最大的N个特征词，组成所述类别的优化分类样本集；其中，所述N是预设的所述类别的分类样本集中特征词的个数。

8、如权利要求1至7任一项所述的分类样本集的优化方法，其特征在于，所述相关度参数满足预定条件具体是：相关度参数超过预定数值。

9、如权利要求1至7任一项所述的分类样本集的优化方法，其特征在于，所述点击率为广告被点击的次数与广告被显示的次数之比；所述转化率为广告转化的次数与广告被显示的次数之比。

10、一种内容相关广告服务器，其特征在于，包括：

相关度参数获取单元，用于获取表示文档和与所述文档关联的广告之间的相关程度的相关度参数，所述相关度参数是与文档关联的广告的点击率或与文档关联的广告的转化率；

样本集优化单元，用于在文档和关联广告间的相关度参数符合预定条件时，根据该文档对相应类别的分类样本集进行优化。

11、如权利要求10所述的内容相关广告服务器，其特征在于，所述样本集优化单元具体包括：

样本文档集更新单元，用于在文档和关联广告间的相关度参数符合预定条件时，根据该文档对相应类别的当前样本文档集进行更新，得到所述类别的更新样本文档集；

样本集获取单元，用于根据所述更新样本文档集获得所述类别的优化分类样本集。

12、如权利要求11所述的内容相关广告服务器，其特征在于，所述样本集获取单元具体包括：

特征词获取单元，用于分别获得所述更新样本文档集中各文档的特征词集合，以及集合中各特征词的权值；

分类样本集获取单元，用于根据所述各文档的特征词集合，以及集合中各特征词的权值，获得所述类别的优化分类样本集。

13、如权利要求10所述的内容相关广告服务器，其特征在于，所述样本集优化单元具体包括：

特征词获取单元，用于在同类别的多个文档分别与各自相关联的广告间的相关度参数符合预定条件时，分别获得该多个文档各自的特征词集合，以及集合中各特征词的权值；并且根据所述多个文档各自的特征词集合以及集合中各特征词的权值，获得所述多个文档共同对应的特征词集合，以及该集合中各特征词的权值；

分类样本集获取单元，用于根据所述多个文档共同对应的特征词集合以及集合中各特征词的权值，对相应类别的当前分类样本集进行优化。

Images