[发明专利]广告主的分类方法及系统

说明书

本发明涉及数据分类领域，具体涉及广告主的分类方法及系统，所述方法包括：将待分类的各广告主发布的每条网页数据表征为对应的数值矩阵；构建不同类别的卷积核，针对每一个待分类的广告主，执行如下操作：对当前广告主发布的每条网页数据的数值矩阵进行特征提取，得到每条网页数据的各特征矩阵；将每条网页数据的各特征矩阵进行分类，得到每条网页数据的预测类别；对当前广告主的各网页数据的预测类别进行投票，得到当前广告主的类别。本发明提升了分类的效率和准确率。解决了社交网络中广告主分类的问题。

技术领域

本发明涉及数据分类领域，具体涉及广告主的分类方法及系统。

背景技术

随着社交网络的应用广泛，更多广告主会选择将广告投放在社交网络中。对于广告主进行类分，能够更好的帮助网站对各广告主进行分析，从而对网站的经营分析提供帮助。通过大量数据分析发现，广告主在社交网络上发布的内容(实质上属于广告)比较单一，只有极少数会发布三种以上的内容，并且大量发布的内容都属于一个类别，因此，通过广告主发布的内容作为参考对广告主进行分类的方案是非常合理的。广告主一般在社交网络上发布的属于本文内容。

短文本分类是一种常见的自然语言处理方法的应用。它是指在一定的分类体系下，根据文本的内容自动地将其归入某个类别。系统的输入是需要进行分类处理的大量文本，系统的输出是与文本关联的类别。从数学角度来看，文本分类本质是一个映射过程，它将未标明类别的文本映射到分类体系下已有的类别中。

文本分类工作的研究在国外起始较早，早在20世纪60代，美国IBM公司提出把统计用于自动分类的思想。国内对于自动文本分类的工作则始于20实际80代初期。如今，中文分类技术已经趋于成熟。但是现有的分类方法在建模的过程中使用的函数简单，这也导致在有限的样本和计算单元的条件下导致其对复杂函数的表达能力受到限制。同时，算法需要利用监督学习或半监督学习来进行抽取特征，这需要大量的人力。特征提取结果的好坏也直接影响文本分类结果的好坏。因此，现有技术中的文本分类方法并不适用于社交网络中广告主的分类。

发明内容

本发明要解决的技术问题在于，克服现有的技术的不足，提供广告主的分类方法及系统，准确的对广告主进行分类，解决社交网络中广告主的分类问题。

为达到上述技术目的，一方面，本发明提供的广告主的分类方法，包括：

将待分类的各广告主发布的每条网页数据表征为对应的数值矩阵；

构建不同类别的卷积核，针对每一个待分类的广告主，执行如下操作：

对当前广告主发布的当前每条网页数据的数值矩阵进行特征提取，得到当前每条网页数据的各特征矩阵；

将当前每条网页数据的各特征矩阵进行分类，得到当前每条网页数据的预测类别；

对当前广告主的各网页数据的预测类别进行投票，得到当前广告主的类别。

另一方面，本发明提供的广告主的分类系统，包括：

转换单元，用于将待分类的各广告主发布的每条网页数据表征为对应的数值矩阵；

卷积单元，用于构建不同类别的卷积核；

提取单元，用于对当前广告主发布的每条网页数据的数值矩阵进行特征提取，得到每条网页数据的各特征矩阵；

预测单元，用于将每条网页数据的各特征矩阵进行分类，得到每条网页数据的预测类别；

投票单元，用于对当前广告主的各网页数据的预测类别进行投票，得到当前广告主的类别。

在本发明中，通过将广告主发布的内容，即网页数据转换为矩阵的形式进行分析，然后在配合卷积计算，可以精确的对网页数据进行分类；从而推出广告主的类别。本发明提升了分类的效率和准确率。解决了社交网络中广告主分类的问题。

附图说明