[发明专利]竖向文本广告过滤方法和装置

权利要求书

1.一种竖向文本广告过滤方法，其特征在于，所述竖向文本广告过滤方法包括步骤：

获取文本信息，当所述文本信息之间的空行数量大于或等于预设数量时，以所述空行为分界将所述文本信息划分成两段文本信息；

将每段所述文本信息按照行进行分组，依次生成多组第一文本序列；

按照文本行顺序依次提取各组所述第一文本序列对应位置的字符，根据所述对应位置依次生成多个第二文本序列，其中，同一所述第二文本序列中的字符在各个所述第一文本序列中对应相同位置，或者，同一所述第二文本序列中的字符在各个所述第一文本序列中对应不同的位置且呈斜竖向规则变化；

按照所述文本行顺序依次将各个所述第二文本序列重组，生成文本重组序列；

提取所述文本重组序列中连续的字母和/或数字组合序列，并计算提取出的所述字母和/或数字组合序列的最大长度；

当所述最大长度大于预设阈值时，确定所述文本信息包含广告，并将所述文本信息进行过滤；

当所述最大长度小于或等于预设阈值时，将预设广告库中的关键词与所述文本重组序列进行匹配，当所述预设广告库中存在至少一个所述关键词与所述文本重组序列中的连续字符匹配时，确定所述文本信息包含广告，并将所述文本信息进行过滤。

2.如权利要求1所述的竖向文本广告过滤方法，其特征在于，所述方法还包括：

将预设广告库中的关键词与所述第二文本序列进行匹配；

在至少一所述关键词与所述第二文本序列匹配时，则确定所述文本信息包含广告，并将所述文本信息过滤。

3.如权利要求1所述的竖向文本广告过滤方法，其特征在于，所述方法还包括：

提取所述第二文本序列中的字母和/或数字组合序列，并计算提取出的字母和/或数字组合序列的最大长度；

在所述最大长度大于所述预设阈值时，则确定所述文本信息包含广告，并将所述文本信息过滤；

在提取所述第二文本序列中的字母和/或数字组合序列时，所述方法还包括：

按照所述第二文本序列的顺序，在相邻两第二文本序列中，若前一所述第二文本序列的尾端为字母和/或数字组合序列、且后一所述第二文本序列的首端为字母和/或数字组合序列，则将前一所述第二文本序列尾端的字母和/或数字组合序列和后一所述第二文本序列首端的字母和/或数字组合序列拼接形成一所述字母和/或数字组合序列。

4.如权利要求1至3任一项所述的竖向文本广告过滤方法，其特征在于，在生成所述第二文本序列之前，先剔除各个所述第一文本序列中的预设字符。

5.一种竖向文本广告过滤装置，其特征在于，所述竖向文本广告过滤装置包括：

获取模块，用于获取文本信息，当所述文本信息之间的空行数量大于或等于预设数量时，以所述空行为分界将所述文本信息划分成两段文本信息；

分组模块，用于将每段所述文本信息按照行进行分组，依次生成多组第一文本序列；

提取模块，按照文本行顺序依次提取各组所述第一文本序列对应位置的字符，根据所述对应位置依次生成多个第二文本序列，其中，同一所述第二文本序列中的字符在各个所述第一文本序列中对应相同位置，或者，同一所述第二文本序列中的字符在各个所述第一文本序列中对应不同的位置且呈斜竖向规则变化；

过滤模块，用于按照所述文本行顺序依次将各个所述第二文本序列重组，生成文本重组序列；提取所述文本重组序列中连续的字母和/或数字组合序列，并计算提取出的所述字母和/或数字组合序列的最大长度；当所述最大长度大于预设阈值时，确定所述文本信息包含广告，并将所述文本信息进行过滤；当所述最大长度小于或等于预设阈值时，将预设广告库中的关键词与所述文本重组序列进行匹配，当所述预设广告库中存在至少一个所述关键词与所述文本重组序列中的连续字符匹配时，确定所述文本信息包含广告，并将所述文本信息进行过滤。

6.如权利要求5所述的竖向文本广告过滤装置，其特征在于，所述过滤模块包括：

匹配单元，用于将预设广告库中的关键词与所述第二文本序列进行匹配；

第二过滤单元，用于在至少一所述关键词与所述第二文本序列匹配时，则确定所述文本信息包含广告，并将所述文本信息过滤。