[发明专利]一种营销软文识别方法

权利要求书

1.一种营销软文识别方法，其特征在于，包括以下步骤，

S1，选取相应的营销软文作为样本，以构建原始营销软文识别模型的样本集；

S2，获取所述样本集的样本标题数据以及样本正文数据，并根据所述样本标题数据以及样本正文数据对原始营销软文识别模型进行训练，得到训练后营销软文识别模型；

S3，获取待识别营销软文的标题数据以及正文数据；根据所述训练后营销软文识别模型，对所述待识别营销软文的营销软文标题数据以及正文数据进行识别，获取所述标题数据与所述正文数据之间的相似度信息；

S4，对于相似度低于30％的营销软文，收集在第一采集区，对于相似度超过70％的营销软文，收集在第二采集区，对于相似度在30％-70％之间的营销软文，收集在第三采集区。

2.根据权利要求1所述的一种营销软文识别方法，其特征在于，对采集的营销软文中的标题进行智能拆解，拆解成多组词汇，并将多组词汇与样本集中的数据进行一一比对，得到营销软文标题的相似度。

3.根据权利要求1所述的一种营销软文识别方法，其特征在于，对网络上相似度较高的多篇营销软文进行多次识别处理，营销软文通常会在各大网站或者平台同时发布，因此，需要重点排查相似度较高的营销软文。

4.根据权利要求1所述的一种营销软文识别方法，其特征在于，获取所述样本集的样本标题数据以及样本正文数据，包括：获取样本标题的标题词，并根据所述标题词构建相应的样本标题数据；获取样本正文的正文词，并根据所述正文词构建相应的样本正文数据。

5.根据权利要求1所述的一种营销软文识别方法，其特征在于，位于第一采集区的软文不做任何处理，位于第二采集区和第三采集区的软文定义为营销软文，对其标记为营销软文。