CN101097580A - 一种对网络广告进行排序的方法 - Google Patents

Abstract

本发明涉及互联网中文智能处理技术领域，公开了一种对网络广告进行排序的方法，该方法包括：利用广告监控程序从网站获取广告数据，从获取的广告数据中提取出广告主信息和广告描述信息；分别对广告主信息和广告描述信息进行分词得到的关键词，建立该关键词的索引；计算每个建立索引的关键词的相关性，按照计算的相关性从高到低对网络广告进行排序。利用本发明，实现了对网络广告的排序，能够迅速确定一个关键词对应的众多广告的相关性排序，从而能够方便广告设计人员用最短的时间找到适合自己的广告资料。同时广告主也可以利用这个系统来查看竞争对手的广告投放情况，对设计自己的广告投放方案提供支持。

Description

一种对网络广告进行排序的方法

技术领域

本发明涉及互联网中文智能处理技术领域，尤其涉及一种对网络广告进行排序的方法。

背景技术

随着互联网的普及，网络广告出现了强劲的增长势头，选择投放网络广告的客户也是越来越多。那么，在研究某一类行业或者某一类产品的广告的时候，就会面临大量的广告，究竟哪个广告同用户的检索行为最相关，广告排序这个问题就产生了。

例如用户输入“汽车”这个关键词，和汽车相关的广告有成千上万，如何将这些广告呈现给用户，排序就显得比较重要了。本发明就是为了解决上述问题而产生的。

发明内容

(一)要解决的技术问题

有鉴于此，本发明的主要目的在于提供一种对网络广告进行排序的方法，以实现对网络广告的排序。

(二)技术方案

为达到上述目的，本发明提供了一种对网络广告进行排序的方法，该方法包括：

利用广告监控程序从网站获取广告数据，从获取的广告数据中提取出广告主信息和广告描述信息；

分别对广告主信息和广告描述信息进行分词得到的关键词，建立该关键词的索引；

计算每个建立索引的关键词的相关性，按照计算的相关性从高到低对网络广告进行排序。

上述方案中，所述利用广告监控程序从网站获取广告数据的步骤包括：利用广告监控程序spider监控各个网站的广告投放情况，并将原始网页内容作为网页快照保存到网页快照库中。

上述方案中，所述从获取的广告数据中提取出广告主信息和广告描述信息的步骤包括：

对网页快照库中保存的广告数据中的文字信息进行分词，得到一组文本向量；

根据所述文本向量的特征，对所述文本向量进行向量加权或向量减权；

采用空间向量模型计算所述进行了向量加权或向量减权后的文本向量的权重；

对计算出来的文本向量的权重进行排序，并根据文本向量所在网页中的上下文信息，从网页中提取出广告主信息和广告描述信息。

上述方案中，所述对网页快照库中保存的广告数据中的文字信息进行分词包括：将现代汉语的普通字序列文本分解为词序列的文本。

上述方案中，所述对文本向量进行向量加权或向量减权的步骤包括：

对出现在标题中的文本向量，将向量权重增至原来的5至10倍；

对出现在网页结构中content的简介，将向量权重增至原来的2至3倍；

对出现在网页内容中版权信息类的文本向量，将向量权重增至原来的3至5倍；

对出现在网页内容中与广告主信息有关的文本向量，将向量权重增至原来的3至5倍；

对出现的包含在停词表中文本向量，将向量权重减至原来的1/5至1/10。

上述方案中，所述空间向量模型采用以下公式来表征：

$W(t,\stackrel{\→}{d})=\frac{\mathrm{tf}(t,\stackrel{\→}{d})\×\log (N/n_t+0.01)}{\sqrt{{\mathrm{\Σ}}_{t\∈\stackrel{\→}{d}}{[\mathrm{tf}(t,\stackrel{\→}{d})\×\log (N/n_t+0.01)]}^2}}$

其中，

为词t在文本

中的权重，而 为词t在文本

中的词频，N为训练文本的总数，n_t为训练文本集中出现t的文本数，分母为归一化因子。

上述方案中，所述对计算出来的文本向量的权重进行排序时，首先设定一个阈值，将权重大于该阈值的文本向量挑选出来构成一个集合，然后再根据所在网页中的上下文信息，从所述集合中提取出需要的广告主信息和广告描述信息。

上述方案中，所述对网页快照库中保存的广告数据中的文字信息进行分词的步骤中，所述分词包括：将现代汉语的普通字序列文本分解为词序列的文本。

上述方案中，所述计算关键词的相关性的步骤中采用公式P＝a1×m+a2×c+a3×h来计算关键词的相关性，其中a1、a2和a3是常量系数，且a1+a2+a3＝1，在实际运算时a1、a2和a3所占的权重可调，m为每个广告的投放的网站/频道信息、c为广告内容描述信息、h为广告主信息，具体计算过程包括：根据实际情况确定a1、a2和a3的值，然后分别计算m、c和h的值，将a1、a2、a3、m、c和h的值带入公式P＝a1×m+a2×c+a3×h计算得到关键词的相关性。

上述方案中，所述计算每个广告的投放的网站/频道信息m的值的过程包括：假设 $\mathrm{Tr}\left(k\right)=\underset{n=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Tr}\left(n\right),$ Tr(k)代表第k篇命中广告的Traffic Rank，是由n个投放的Traffic Rank之和组成，Traffic Rank为每百万人访问量，则代表第k篇命中广告归一后的pagerank值的 $M\left(k\right)=\frac{\mathrm{Pr}\left(k\right)}{\max (\mathrm{Pr}\left(1\right),\mathrm{Pr}\left(2\right),,,\mathrm{Pr}\left(n\right))}.$

上述方案中，所述计算广告内容描述信息c的值和计算广告主信息h的值采用下面的空间向量模型进行：

$C(t,\stackrel{\→}{d})=\frac{(1+\mathrm{lo}{g}_2\mathrm{tf}(t,\stackrel{\→}{d}))\×{\log }_2(N/n_t)}{\sqrt{{\mathrm{\Σ}}_{t\∈\stackrel{\→}{d}}{[(1+{\log }_2\mathrm{tf}(t,\stackrel{\→}{d}))\×(N/n_t)]}^2}}$

其中，

为词t在文本

中的权重， 为词t在文本

中的词频，N为训练文本的总数，n_t为训练文本集中出现t的文本数，分母为归一化因子。

(三)有益效果

从上述技术方案可以看出，本发明具有以下有益效果：

1、利用本发明，通过从网站获取广告数据，并从获取的广告数据中提取出广告主信息和广告描述信息；然后分别对广告主信息和广告描述信息进行分词得到的关键词，建立该关键词的索引，计算每个建立索引的关键词的相关性，按照计算的相关性从高到低对网络广告进行排序，实现了对网络广告的排序。

2、利用本发明，能够迅速确定一个关键词对应的众多广告的相关性排序，从而能够方便广告设计人员用最短的时间找到适合自己的广告资料。同时广告主也可以利用这个系统来查看竞争对手的广告投放情况，对设计自己的广告投放方案提供支持。

附图说明

图1为本发明提供的对网络广告进行排序的方法流程图；

图2为依照本发明实施例建立关键词索引的示意图；

图3为依照本发明实施例对网络广告进行排序的示意图；

图4为依照本发明实施例建立的倒排索引的示意图；

图5为依照本发明实施例对网络广告进行排序的结果示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

如图1所示，图1为本发明提供的对网络广告进行排序的方法流程图，该方法包括以下步骤：

步骤101：利用广告监控程序从网站获取广告数据，从获取的广告数据中提取出广告主信息和广告描述信息；

步骤102：分别对广告主信息和广告描述信息进行分词得到的关键词，建立该关键词的索引；

步骤103：计算每个建立索引的关键词的相关性，按照计算的相关性从高到低对网络广告进行排序。

上述步骤101中所述利用广告监控程序从网站获取广告数据的步骤包括：利用广告监控程序spider监控各个网站的广告投放情况，并将原始网页内容作为网页快照保存到网页快照库中。

上述步骤101中所述从获取的广告数据中提取出广告主信息和广告描述信息的步骤包括：对网页快照库中保存的广告数据中的文字信息进行分词，得到一组文本向量；根据所述文本向量的特征，对所述文本向量进行向量加权或向量减权；采用空间向量模型计算所述进行了向量加权或向量减权后的文本向量的权重；对计算出来的文本向量的权重进行排序，并根据文本向量所在网页中的上下文信息，从网页中提取出广告主信息和广告描述信息。

上述对网页快照库中保存的广告数据中的文字信息进行分词包括：将现代汉语的普通字序列文本分解为词序列的文本。

上述对文本向量进行向量加权或向量减权的步骤包括：对出现在标题中的文本向量，将向量权重增至原来的5至10倍；对出现在网页结构中content的简介，将向量权重增至原来的2至3倍；对出现在网页内容中版权信息类的文本向量，将向量权重增至原来的3至5倍；对出现在网页内容中与广告主信息有关的文本向量，将向量权重增至原来的3至5倍；对出现的包含在停词表中文本向量，将向量权重减至原来的1/5至1/10。

上述空间向量模型采用以下公式来表征： $W(t,\stackrel{\→}{d})=\frac{\mathrm{tf}(t,\stackrel{\→}{d})\×\log (N/n_t+0.01)}{\sqrt{{\mathrm{\Σ}}_{t\∈\stackrel{\→}{d}}{[\mathrm{tf}(t,\stackrel{\→}{d})\×\log (N/n_t+0.01)}^2}},$ 其中，

为词t在文本

由的权重，而

为词t在文本

中的词频，N为训练文本的总数，n_t为训练文本集中出现t的文本数，分母为归一化因子。

上述对计算出来的文本向量的权重进行排序时，首先设定一个阈值，将权重大于该阈值的文本向量挑选出来构成一个集合，然后再根据所在网页中的上下文信息，从所述集合中提取出需要的广告主信息和广告描述信息。

另外，在步骤101中，一般是先准备一个广告监控程序spider来监控各个网站的广告投放情况，并且把这些数据作为快照(原始网页内容)保存起来。本发明所用的spider是发明人自主研发的，主要用来监控一百多个媒体，二千多个频道，几万个网页的变化情况。然后利用广告主信息提取技术，来提取出广告信息，包括广告主信息和广告描述信息。然后把广告主信息和广告描述进行分词，并建立索引，这样方便通过关键词来查找。所谓分词是指：针对现代汉语字序列文本(普通)，分解为词序列的文本，如：我们的祖国多美好，经过分词之后变为：我们的祖国多美好。然后再把每个建立索引的关键词的相关性计算出来，这样就得到了一个“关键词-广告集合”的倒排表(如图2所示，图2为依照本发明实施例建立关键词索引的示意图)。广告集合是已经按照相关性排好序的，这样在检索的时候就能快速的返回结果了。

上述步骤102中所述对网页快照库中保存的广告数据中的文字信息进行分词的步骤中，所述分词包括：将现代汉语的普通字序列文本分解为词序列的文本。

上述步骤103中所述计算关键词的相关性的步骤中采用公式P＝a1×m+a2×c+a3×h来计算关键词的相关性，其中a1、a2和a3是常量系数，且a1+a2+a3＝1，在实际运算时a1、a2和a3所占的权重可调，m为每个广告的投放的网站/频道信息、c为广告内容描述信息、h为广告主信息，具体计算过程包括：根据实际情况确定a1、a2和a3的值，然后分别计算m、c和h的值，将a1、a2、a3、m、c和h的值带入公式P＝a1×m+a2×c+a3×h计算得到关键词的相关性。

上述计算每个广告的投放的网站/频道信息m的值的过程包括：假设 $\mathrm{Tr}\left(k\right)=\underset{n=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Tr}\left(n\right),$ Tr(k)代表第k篇命中广告的Traffic Rank，是由n个投放的Traffic Rank之和组成，Traffic Rank为每百万人访问量，则代表第k篇命中广告归一后的pagerank值的 $M\left(k\right)=\frac{\mathrm{Pr}\left(k\right)}{\max (\mathrm{Pr}\left(1\right),\mathrm{Pr}\left(2\right),,,\mathrm{Pr}\left(n\right))}.$

上述计算广告内容描述信息c的值采用下面的空间向量模型进行：

$C(t,\stackrel{\→}{d})=\frac{(1+{\log }_2\mathrm{tf}(t,\stackrel{\→}{d}))\×{\log }_2\left(N{/n}_t\right)}{\sqrt{{\mathrm{\Σ}}_{t\∈\stackrel{\→}{d}}{[(1+{\log }_2\mathrm{tf}(t,\stackrel{\→}{d}))\×{\log }_2(N/n_t)]}^2}},$ 其中，

为词t在文本

中的权重，

为词t在文本

中的词频，N为训练文本的总数，n_t为训练文本集中出现t的文本数，分母为归一化因子。

上述计算广告主信息h的值与计算广告内容描述信息c的值采用相同的空间向量模，这里就不再赘述。

基于图1所示的对网络广告进行排序的方法流程图，以下结合具体的实施例对本发明提供的对网络广告进行排序的方法进一步详细说明。

实施例

在本实施例中，以用户输入“汽车”这个关键词为例，详细描述对搜索到的有关汽车的网络广告进行排序的整个过程。

如图3所示，图3为依照本发明实施例对网络广告进行排序的示意图，该方法包括以下步骤：

步骤301：采用广告监控程序spider监控各个网站的广告投放情况，定期从搜狐汽车、新浪汽车等网站上抓取广告数据信息，并将原始网页内容作为网页快照保存到网页快照库中。

步骤302：从获取的广告数据中提取出广告主信息和广告描述信息，并格式化获取的广告数据信息；

在本步骤中，格式化后的广告数据信息为：

i、广告内容：(图片/flash/文字)

广告主：一汽大众

广告名称：速腾汽车

广告目标URL：http://www.sagitar.com.cn/olympic/

投放媒体：新浪汽车频道，爱卡汽车网资讯频道，......ii、广告内容：(图片/flash/文字)

广告主：上海通用汽车有限公司

广告名称：别克林荫大道汽车

广告目标URL：http://topic.xcar.com.cn/buickhistory/

投放媒体：搜狐汽车频道，......

步骤303：建立关键词到广告的倒排索引：

在本步骤中，建立的倒排索引如图4所示，图4为依照本发明实施例建立的倒排索引的示意图。

步骤304：对倒排索引表中的每个关键词进行相关性计算，具体包括：

首先确定使用公式P＝a1×m+a2×c+a3×h计算关键词的相关性，其中a1、a2和a3是常量系数，且a1+a2+a3＝1，在实际运算时a1、a2和a3所占的权重可调，m为每个广告的投放的网站/频道信息、c为广告内容描述信息、h为广告主信息；

然后确定常量系数a1、a2和a3的取值，a1＝0.4，a2＝0.2，a3＝0.4(当然在实际取值的过程中，可以根据排序结果适当进行调整)；

然后计算m的值：首先从中国互联网协会提供的数据中查找频道的Traffic Rank值，得到Tr(sina)＝148664，Tr(sohu)＝100175，Tr(xcar)＝841，计算得到Tr(A1)＝148664+841＝149505，Tr(A2)＝100175，进而计算得到

m(A1)＝149505/(149505+100175)＝0.5988；

m(A2)＝100175/(149505+100175)＝0.4012；

......。

然后计算c的值：采用空间向量模型 $C(t,\stackrel{\→}{d})=\frac{(1+{\log }_2\mathrm{tf}(t,\stackrel{\→}{d}))\×{\log }_2(N/n_t)}{\sqrt{{\mathrm{\Σ}}_{t\∈\stackrel{\→}{d}}{[(1+{\log }_2\mathrm{tf}(t,\stackrel{\→}{d}))\×{\log }_2(N/n_t)]}^2}}$ 进行计算，其中， 为词t在文本

中的权重，

为词t在文本

中的词频，N为训练文本的总数，n_t为训练文本集中出现t的文本数，分母为归一化因子；由上述空间向量模型得到：c(A1)＝0.5233；c(A2)＝0.5732；......

然后计算h的值：采用空间向量模型 $C(t,\stackrel{\→}{d})=\frac{(1+{\log }_2\mathrm{tf}(t,\stackrel{\→}{d}))\×{\log }_2(N/n_t)}{\sqrt{{\mathrm{\Σ}}_{t\∈\stackrel{\→}{d}}{[(1+{\log }_2\mathrm{tf}(t,\stackrel{\→}{d}))\×{\log }_2(N/n_t)]}^2}}$ 进行计算，其中，

为词t在文本

中的权重，

为词t在文本

中的词频，N为训练文本的总数，n_t为训练文本集中出现t的文本数，分母为归一化因子；由上述空间向量模型得到：h(A1)＝0.4817；h(A2)＝0.5112；......

最后采用公式P＝a1×m+a2×c+a3×h综合计算关键词的相关性：

P(A1)＝0.4×0.5988+0.2×0.5233+0.4×0.4817＝0.5369；

P(A2)＝0.4×0.4012+0.2×0.5732+0.4×0.5112＝0.4796；

步骤305：根据计算出的结果，对计算出的相关性从高到低进行排序，排序结果如下：

P(A1)＞P(A2)＞......

即最后利用“汽车”这个关键词，得到的广告排序如图5所示，图5为依照本发明实施例对网络广告进行排序的结果示意图，这是选取了头两条的结果。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1、一种对网络广告进行排序的方法，其特征在于，该方法包括：

利用广告监控程序从网站获取广告数据，从获取的广告数据中提取出广告主信息和广告描述信息；

分别对广告主信息和广告描述信息进行分词得到的关键词，建立该关键词的索引；

计算每个建立索引的关键词的相关性，按照计算的相关性从高到低对网络广告进行排序。

2、根据权利要求1所述的对网络广告进行排序的方法，其特征在于，所述利用广告监控程序从网站获取广告数据的步骤包括：

利用广告监控程序spider监控各个网站的广告投放情况，并将原始网页内容作为网页快照保存到网页快照库中。

3、根据权利要求1所述的对网络广告进行排序的方法，其特征在于，所述从获取的广告数据中提取出广告主信息和广告描述信息的步骤包括：

对网页快照库中保存的广告数据中的文字信息进行分词，得到一组文本向量；

根据所述文本向量的特征，对所述文本向量进行向量加权或向量减权；

采用空间向量模型计算所述进行了向量加权或向量减权后的文本向量的权重；

对计算出来的文本向量的权重进行排序，并根据文本向量所在网页中的上下文信息，从网页中提取出广告主信息和广告描述信息。

4、根据权利要求3所述的对网络广告进行排序的方法，其特征在于，所述对网页快照库中保存的广告数据中的文字信息进行分词包括：将现代汉语的普通字序列文本分解为词序列的文本。

5、根据权利要求3或4所述的对网络广告进行排序的方法，其特征在于，所述对文本向量进行向量加权或向量减权的步骤包括：

对出现在标题中的文本向量，将向量权重增至原来的5至10倍；

对出现在网页结构中content的简介，将向量权重增至原来的2至3倍；

对出现在网页内容中版权信息类的文本向量，将向量权重增至原来的3至5倍；

对出现在网页内容中与广告主信息有关的文本向量，将向量权重增至原来的3至5倍；

对出现的包含在停词表中文本向量，将向量权重减至原来的1/5至1/10。

6、根据权利要求3所述的对网络广告进行排序的方法，其特征在于，所述空间向量模型采用以下公式来表征：

$W(t,\stackrel{\→}{d})=\frac{\mathrm{tf}(t,\stackrel{\→}{d})\×\log (N/n_t+0.01)}{\sqrt{{\mathrm{\Σ}}_{t\∈\stackrel{\→}{d}}{[\mathrm{tf}(t,\stackrel{\→}{d})\×\log (N/n_t+0.01)]}^2}}$

其中，W(t，

)为词t在文本

中的权重，而tf(t，

)为词t在文本中的词频，N为训练文本的总数，n_t为训练文本集中出现t的文本数，分母为归一化因子。

7、根据权利要求3所述的对网络广告进行排序的方法，其特征在于，所述对计算出来的文本向量的权重进行排序时，首先设定一个阈值，将权重大于该阈值的文本向量挑选出来构成一个集合，然后再根据所在网页中的上下文信息，从所述集合中提取出需要的广告主信息和广告描述信息。

8、根据权利要求1所述的对网络广告进行排序的方法，其特征在于，所述对网页快照库中保存的广告数据中的文字信息进行分词的步骤中，所述分词包括：将现代汉语的普通字序列文本分解为词序列的文本。

9、根据权利要求1所述的对网络广告进行排序的方法，其特征在于，所述计算关键词的相关性的步骤中采用公式P＝a1×m+a2×c+a3×h来计算关键词的相关性，其中a1、a2和a3是常量系数，且a1+a2+a3＝1，在实际运算时a1、a2和a3所占的权重可调，m为每个广告的投放的网站/频道信息、c为广告内容描述信息、h为广告主信息，具体计算过程包括：

根据实际情况确定a1、a2和a3的值，然后分别计算m、c和h的值，将a1、a2、a3、m、c和h的值带入公式P＝a1×m+a2×c+a3×h计算得到关键词的相关性。

10、根据权利要求9所述的对网络广告进行排序的方法，其特征在于，所述计算每个广告的投放的网站/频道信息m的值的过程包括：

假设 $\mathrm{Tr}\left(k\right)=\underset{n=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Tr}\left(n\right),$ Tr(k)代表第k篇命中广告的Traffic Rank，是由n个投放的Traffic Rank之和组成，Traffic Rank为每百万人访问量，则代表第k篇命中广告归一后的pagerank值的 $M\left(k\right)=\frac{\mathrm{Pr}\left(k\right)}{\max (\mathrm{Pr}\left(1\right),\mathrm{Pr}\left(2\right),,,\mathrm{Pr}\left(n\right))}.$

11、根据权利要求9所述的对网络广告进行排序的方法，其特征在于，所述计算广告内容描述信息c的值和计算广告主信息h的值采用下面的空间向量模型进行：

$C(t,\stackrel{\→}{d})=\frac{(1+{\log }_2\mathrm{tf}(t,\stackrel{\→}{d}))\×{\log }_2(N/n_t)}{\sqrt{{\mathrm{\Σ}}_{t\∈\stackrel{\→}{d}}{\left[\right(1+{\log }_2\mathrm{tf}(t,\stackrel{\→}{d}))\×{\log }_2(N/n_t)]}^2}}$

其中，C(t，

)为词t在文本

中的权重，tf(t， )为词t在文本

中的词频，N为训练文本的总数，n_t为训练文本集中出现t的文本数，分母为归一化因子。

Images