CN116245574A - 基于特征分析的广告过滤系统 - Google Patents

Abstract

本发明公开了基于特征分析的广告过滤系统，涉及广告过滤技术领域，包括记录管理模块、特征分析模块、广告调查模块、广告抓取模块以及广告过滤模块；所述记录管理模块用于记录广告服务器内每条广告的浏览信息；所述特征分析模块用于对广告的浏览信息作出分析，得到广告的浏览特征；所述广告调查模块用于采集广告制作信息并进行分析，得到对应广告的可信度值；所述广告抓取模块用于根据关键词在广告服务器内进行抓取获得广告信息；所述广告过滤模块用于结合广告的浏览特征和可信度值对抓取的广告信息进行多重删选，极大程度上避免了虚假广告、垃圾广告；同时将匹配值PE前五的目标广告推送至用户终端，广告推送更加精确，提高用户体验度。

Description

基于特征分析的广告过滤系统

技术领域

本发明涉及广告过滤技术领域，具体是基于特征分析的广告过滤系统。

背景技术

广告是为了某种特定的需要，通过一定形式的媒体，公开而广泛地向公众传递信息的宣传手段；随着网络科技的日益发展，人们对信息的获取意愿日益增强；传统的基于互联网的广告推送方法是随机的，就是指服务器给用户持有的客户端随机推送广告，这种盲目推送广告的方法会让用户看到很多自己并不关心的广告，觉得不胜其扰，同时一些不法商家为了谋取利益，在平台上发布虚假广告，对一些产品或服务进行虚假的宣传，既欺骗消费者，也造成平台上的垃圾信息过多，妨碍人们的正常浏览；基于以上不足，本发明提出基于特征分析的广告过滤系统。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出基于特征分析的广告过滤系统。

为实现上述目的，根据本发明的第一方面的实施例提出基于特征分析的广告过滤系统，包括记录管理模块、特征分析模块、广告调查模块、关键词输入模块以及广告过滤模块；

所述记录管理模块用于记录广告服务器内每条广告的浏览信息；所述特征分析模块与记录管理模块相连接，用于对每条广告的浏览信息作出分析，得到所述广告的浏览特征；所述浏览特征包括偏好浏览时间段和活跃系数；

所述广告调查模块用于采集广告制作信息并进行分析，得到对应广告的可信度值KX；所述广告制作信息包括对应广告的制作成本、制作时长、制作人数以及广告商信息；

所述关键词输入模块用于用户输入关键词并将关键词传输至广告抓取模块；所述广告抓取模块用于根据关键词在广告服务器内进行抓取获得广告信息，并将抓取的广告信息传输至广告过滤模块；

所述广告过滤模块用于接收抓取的广告信息并进行过滤，得到匹配的广告信息后推送给用户；具体过滤步骤为：

根据接收到的广告信息，自动从广告服务器中获取对应广告的偏好浏览时间段、活跃系数HY和可信度值KX；获取系统当前时间并标记为TR；

将系统当前时间TR与对应广告的偏好浏览时间段进行对比，若TR属于偏好浏览时间段，则将对应广告标记为参考广告；

获取参考广告的活跃系数HY和可信度值KX；利用公式PE＝HY×d1+KX×d2计算得到所述参考广告的匹配值PE，其中d1、d2均为预设系数；

将匹配值PE前五的参考广告作为目标广告推送至用户终端。

进一步地，所述特征分析模块的具体分析步骤为：

将1天24h划分为若干个时间段；在预设时间内，针对某条广告，按照时间段将同一时间段的浏览次数累加形成时段频次G1m；

按照时间段将同一时间段的浏览时长累加形成时段总时长G2m，其中时段频次G1m与时段总时长G2m一一对应；其中m表示第m个时间段；

利用公式GXm＝G1m×a1+G2m×a2计算得到时段吸引值GXm，其中a1、a2均为系数因子；将时段吸引值GXm与预设吸引阈值相比较；若GXm≥预设吸引阈值，则该时间段为所述广告的偏好浏览时间段。

进一步地，所述特征分析模块还包括：

针对某条广告，统计所述广告的浏览总次数为Gz；将所述广告相邻的浏览结束时刻与浏览开始时刻进行时间差计算得到浏览间隔GTi；

将浏览间隔GTi与预设间隔阈值相比较，计算得到超隔吸引值CX；

将所述广告最近一次浏览结束时刻与系统当前时刻进行时间差计算得到缓冲时长HT；利用公式HY＝(Gz×g3)/(CX×g4+HT×g5)计算得到所述广告的活跃系数HY，其中g3、g4、g5为系数因子。

进一步地，所述特征分析模块用于将偏好浏览时间段和活跃系数HY进行统合得到所述广告的浏览特征，并将所述浏览特征打上时间戳存储至广告服务器。

进一步地，其中，超隔吸引值CX的具体计算方法为：

统计GTi大于预设间隔阈值的次数为W2；当GTi大于预设间隔阈值时，获取GTi与预设间隔阈值的差值并求和得到超隔总值CH；利用公式CX＝W2×g1+CH×g2计算得到超隔吸引值CX，其中g1、g2为系数因子。

进一步地，所述广告调查模块的具体分析步骤为：

获取所述广告的广告制作信息，将制作成本标记为ZA，将制作时长标记为ZB，将制作人数标记为ZC；利用公式ZD＝ZA×b6+ZB×b7+ZC×b8获取得到所述广告的制作值ZD，其中b6、b7、b8均为预设系数；

获取对应广告商的经营数据，所述经营数据包括广告商的经营年限、年均GDP、流动资金、人员规模和人均月工资；

根据所述经营数据计算得到广告商的经营值DH；将经营值、制作值进行归一化处理并取其数值，利用公式KX＝DH×R1+ZD×R2获取得到所述广告的可信度值KX，其中R1、R2均为预设比例因子；所述广告调查模块用于将广告的可信度值KX传输至广告服务器进行存储。

进一步地，其中，经营值DH的具体计算方法为：

将广告商的经营年限标记为NT；将广告商的年均GDP标记为GD；将广告商的流动资金标记为LT；将广告商的人员规模标记为ST；将广告商的人均月工资标记为FT；利用公式DH＝NT×b1+GD×b2+LT×b3+ST×b4+FT×b5获取得到广告商的经营值DH，其中b1、b2、b3、b4和b5均为预设系数。

与现有技术相比，本发明的有益效果是：

1、本发明中记录管理模块用于记录广告服务器内每条广告的浏览信息；特征分析模块用于对每条广告的浏览信息作出分析，得到广告的浏览特征；浏览特征包括偏好浏览时间段和活跃系数；广告调查模块用于采集广告制作信息并进行分析，结合广告商的经营值DH和广告的制作值ZD计算得到对应广告的可信度值KX；

2、本发明中广告抓取模块用于根据关键词在广告服务器内进行抓取获得广告信息；广告过滤模块用于接收抓取的广告信息并进行过滤，根据接收到的广告信息，将系统当前时间TR与对应广告的偏好浏览时间段进行对比，若TR属于偏好浏览时间段，则将对应广告标记为参考广告；获取参考广告的活跃系数HY和可信度值KX；利用公式PE＝HY×d1+KX×d2计算得到参考广告的匹配值PE；将匹配值PE前五的参考广告作为目标广告推送至用户终端；本发明通过广告过滤模块对抓取的广告信息进行多重删选，极大程度上避免了虚假广告、垃圾广告；同时将匹配值PE前五的目标广告推送至用户终端，广告推送更加精确，提高用户体验度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明基于特征分析的广告过滤系统的系统框图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，基于特征分析的广告过滤系统，包括记录管理模块、广告服务器、特征分析模块、广告调查模块、关键词输入模块、广告抓取模块以及广告过滤模块；

记录管理模块用于记录广告服务器内每条广告的浏览信息；浏览信息包括浏览开始时刻、浏览结束时刻；

特征分析模块与记录管理模块相连接，用于对每条广告的浏览信息作出分析，得到广告的浏览特征；浏览特征包括偏好浏览时间段和活跃系数；具体分析步骤为：

将1天24h划分为若干个时间段；在预设时间内，针对某条广告，按照时间段将同一时间段的浏览次数累加形成时段频次G1m；其中预设时间可以是最近10天，时间段例如可以为8:30—9:30；

按照时间段将同一时间段的浏览时长累加形成时段总时长G2m，其中时段频次G1m与时段总时长G2m一一对应；其中m表示第m个时间段；

利用公式GXm＝G1m×a1+G2m×a2计算得到时段吸引值GXm，其中a1、a2均为系数因子；将时段吸引值GXm与预设吸引阈值相比较；

若GXm≥预设吸引阈值，则该时间段为广告的偏好浏览时间段；其中一条广告的偏好浏览时间段可以有多个；

针对某条广告，统计广告的浏览总次数为Gz；将广告相邻的浏览结束时刻与浏览开始时刻进行时间差计算得到浏览间隔GTi；

将浏览间隔GTi与预设间隔阈值相比较；统计GTi大于预设间隔阈值的次数为W2；当GTi大于预设间隔阈值时，获取GTi与预设间隔阈值的差值并求和得到超隔总值CH；利用公式CX＝W2×g1+CH×g2计算得到超隔吸引值CX，其中g1、g2为系数因子；

将广告最近一次浏览结束时刻与系统当前时刻进行时间差计算得到缓冲时长HT；利用公式HY＝(Gz×g3)/(CX×g4+HT×g5)计算得到广告的活跃系数HY，其中g3、g4、g5为系数因子；

特征分析模块用于将偏好浏览时间段和活跃系数HY进行统合得到广告的浏览特征，并将浏览特征打上时间戳存储至广告服务器；

广告调查模块用于采集广告制作信息并进行分析，得到对应广告的可信度值KX；广告制作信息包括对应广告的制作成本、制作时长、制作人数以及广告商信息；具体分析步骤为：

获取对应广告商的经营数据，经营数据包括广告商的经营年限、年均GDP、流动资金、人员规模和人均月工资；

将广告商的经营年限标记为NT；将广告商的年均GDP标记为GD；将广告商的流动资金标记为LT；将广告商的人员规模标记为ST；将广告商的人均月工资标记为FT；利用公式DH＝NT×b1+GD×b2+LT×b3+ST×b4+FT×b5获取得到广告商的经营值DH，其中b1、b2、b3、b4和b5均为预设系数；

获取广告的广告制作信息，将制作成本标记为ZA，将制作时长标记为ZB，将制作人数标记为ZC；利用公式ZD＝ZA×b6+ZB×b7+ZC×b8获取得到广告的制作值ZD，其中b6、b7、b8均为预设系数；

将经营值、制作值进行归一化处理并取其数值，利用公式KX＝DH×R1+ZD×R2获取得到广告的可信度值KX，其中R1、R2均为预设比例因子；广告调查模块用于将广告的可信度值KX传输至广告服务器进行存储；

关键词输入模块用于用户输入关键词并将关键词传输至广告抓取模块；广告抓取模块用于根据关键词在广告服务器内进行抓取获得广告信息；并将抓取的广告信息传输至广告过滤模块；

广告过滤模块用于接收抓取的广告信息并进行过滤，得到匹配的广告信息后推送给用户；具体过滤步骤为：

根据接收到的广告信息，自动从广告服务器中获取对应广告的偏好浏览时间段、活跃系数HY和可信度值KX；获取系统当前时间并标记为TR；

将系统当前时间TR与对应广告的偏好浏览时间段进行对比，若TR属于偏好浏览时间段，则将对应广告标记为参考广告；

获取参考广告的活跃系数HY和可信度值KX；利用公式PE＝HY×d1+KX×d2计算得到参考广告的匹配值PE，其中d1、d2均为预设系数；

将匹配值PE前五的参考广告作为目标广告推送至用户终端；

本发明能够根据用户输入的关键词获取抓取结果，即用户终端接收到的广告信息是由用户自行选择的，广告推送更加精确；广告过滤模块对抓取的广告信息进行多重删选，能够获取偏好浏览时间段匹配、可信度值较高且活跃系数较高的广告信息并标记为目标广告，极大程度上避免了虚假广告、垃圾广告；同时将匹配值PE前五的目标广告推送至用户终端，广告推送更加精确，提高用户体验度。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

本发明的工作原理：

基于特征分析的广告过滤系统，在工作时，记录管理模块用于记录广告服务器内每条广告的浏览信息；特征分析模块用于对每条广告的浏览信息作出分析，得到广告的浏览特征；浏览特征包括偏好浏览时间段和活跃系数；广告调查模块用于采集广告制作信息并进行分析，结合广告商的经营值DH和广告的制作值ZD计算得到对应广告的可信度值KX；

关键词输入模块用于用户输入关键词至广告抓取模块；广告抓取模块用于根据关键词在广告服务器内进行抓取获得广告信息；广告过滤模块用于接收抓取的广告信息并进行过滤，根据接收到的广告信息，将系统当前时间TR与对应广告的偏好浏览时间段进行对比，若TR属于偏好浏览时间段，则将对应广告标记为参考广告；获取参考广告的活跃系数HY和可信度值KX；利用公式PE＝HY×d1+KX×d2计算得到参考广告的匹配值PE；将匹配值PE前五的参考广告作为目标广告推送至用户终端；本发明通过广告过滤模块对抓取的广告信息进行多重删选，极大程度上避免了虚假广告、垃圾广告；同时将匹配值PE前五的目标广告推送至用户终端，广告推送更加精确，提高用户体验度。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (7)

1.基于特征分析的广告过滤系统，其特征在于，包括记录管理模块、特征分析模块、广告调查模块、关键词输入模块以及广告过滤模块；

所述记录管理模块用于记录广告服务器内每条广告的浏览信息；所述特征分析模块与记录管理模块相连接，用于对每条广告的浏览信息作出分析，得到所述广告的浏览特征；所述浏览特征包括偏好浏览时间段和活跃系数；

所述广告调查模块用于采集广告制作信息并进行分析，得到对应广告的可信度值KX；所述广告制作信息包括对应广告的制作成本、制作时长、制作人数以及广告商信息；

所述关键词输入模块用于用户输入关键词并将关键词传输至广告抓取模块；所述广告抓取模块用于根据关键词在广告服务器内进行抓取获得广告信息，并将抓取的广告信息传输至广告过滤模块；

所述广告过滤模块用于接收抓取的广告信息并进行过滤，得到匹配的广告信息后推送给用户；具体过滤步骤为：

根据接收到的广告信息，自动从广告服务器中获取对应广告的偏好浏览时间段、活跃系数HY和可信度值KX；获取系统当前时间并标记为TR；

将系统当前时间TR与对应广告的偏好浏览时间段进行对比，若TR属于偏好浏览时间段，则将对应广告标记为参考广告；

获取参考广告的活跃系数HY和可信度值KX；利用公式PE＝HY×d1+KX×d2计算得到所述参考广告的匹配值PE，其中d1、d2均为预设系数；

将匹配值PE前五的参考广告作为目标广告推送至用户终端。

2.根据权利要求1所述的基于特征分析的广告过滤系统，其特征在于，所述特征分析模块的具体分析步骤为：

将1天24h划分为若干个时间段；在预设时间内，针对某条广告，按照时间段将同一时间段的浏览次数累加形成时段频次G1m；

按照时间段将同一时间段的浏览时长累加形成时段总时长G2m，其中时段频次G1m与时段总时长G2m一一对应；其中m表示第m个时间段；

利用公式GXm＝G1m×a1+G2m×a2计算得到时段吸引值GXm，其中a1、a2均为系数因子；将时段吸引值GXm与预设吸引阈值相比较；若GXm≥预设吸引阈值，则该时间段为所述广告的偏好浏览时间段。

3.根据权利要求2所述的基于特征分析的广告过滤系统，其特征在于，所述特征分析模块还包括：

针对某条广告，统计所述广告的浏览总次数为Gz；将所述广告相邻的浏览结束时刻与浏览开始时刻进行时间差计算得到浏览间隔GTi；

将浏览间隔GTi与预设间隔阈值相比较，计算得到超隔吸引值CX；

将所述广告最近一次浏览结束时刻与系统当前时刻进行时间差计算得到缓冲时长HT；利用公式HY＝(Gz×g3)/(CX×g4+HT×g5)计算得到所述广告的活跃系数HY，其中g3、g4、g5为系数因子。

4.根据权利要求3所述的基于特征分析的广告过滤系统，其特征在于，所述特征分析模块用于将偏好浏览时间段和活跃系数HY进行统合得到所述广告的浏览特征，并将所述浏览特征打上时间戳存储至广告服务器。

5.根据权利要求3所述的基于特征分析的广告过滤系统，其特征在于，其中，超隔吸引值CX的具体计算方法为：

统计GTi大于预设间隔阈值的次数为W2；当GTi大于预设间隔阈值时，获取GTi与预设间隔阈值的差值并求和得到超隔总值CH；利用公式CX＝W2×g1+CH×g2计算得到超隔吸引值CX，其中g1、g2为系数因子。

6.根据权利要求1所述的基于特征分析的广告过滤系统，其特征在于，所述广告调查模块的具体分析步骤为：

获取所述广告的广告制作信息，将制作成本标记为ZA，将制作时长标记为ZB，将制作人数标记为ZC；利用公式ZD＝ZA×b6+ZB×b7+ZC×b8获取得到所述广告的制作值ZD，其中b6、b7、b8均为预设系数；

获取对应广告商的经营数据，所述经营数据包括广告商的经营年限、年均GDP、流动资金、人员规模和人均月工资；

根据所述经营数据计算得到广告商的经营值DH；将经营值、制作值进行归一化处理并取其数值，利用公式KX＝DH×R1+ZD×R2获取得到所述广告的可信度值KX，其中R1、R2均为预设比例因子；所述广告调查模块用于将广告的可信度值KX传输至广告服务器进行存储。

7.根据权利要求6所述的基于特征分析的广告过滤系统，其特征在于，其中，经营值DH的具体计算方法为：

将广告商的经营年限标记为NT；将广告商的年均GDP标记为GD；将广告商的流动资金标记为LT；将广告商的人员规模标记为ST；将广告商的人均月工资标记为FT；利用公式DH＝NT×b1+GD×b2+LT×b3+ST×b4+FT×b5获取得到广告商的经营值DH，其中b1、b2、b3、b4和b5均为预设系数。

Images