[发明专利]一种广告页面的预测方法和装置

摘要

本发明公开了一种广告页面的预测方法和装置。本发明提供的广告页面的预测方法中，基于BP神经网络模型进行广告页面的预测，利用目前已知的正常页面和广告页面作为输入层变量，以便能提供尽可能多的样本数据，通过具有机器学习能力的BP神经网络模型实现广告页面的页面特征学习，这种具有机器学习能力的基于BP神经网络模型的广告页面的预测方法，具有预测效率高，预测结果准确的特点。

主权项

一种广告页面的预测方法，其特征在于，包括：获取页面数据集，所述页面数据集包括：多个正常页面和多个广告页面，所述正常页面包括：非广告页面；使用页面解析器从所述页面数据集中的每个页面对应的页面源代码中提取到页面特征，根据提取到的页面特征确定输入层神经元，确定待测页面为广告页面的预测值作为输出层神经元，所述输入层神经元的个数和提取到的页面特征的个数相同；根据所述输入层神经元和所述输出层神经元构造用于广告页面预测的误差反向传播BP神经网络模型，并根据预置的预测精度确定所述BP神经网络模型的期望误差、学习率和最大步长参数，所述BP神经网络模型包括：输入层神经元、隐藏层神经元和输出层神经元；对所述页面数据集中的每个页面分别进行归一化处理得到页面数据归一化样本，从所述页面数据归一化样本中选择包括页面特征的页面数据作为所述BP神经网络模型的输入层向量，将从所述页面数据归一化样本中选择出的页面数据对应于正常页面或广告页面作为所述BP神经网络模型的期望输出层向量；将所述输入层向量输入到所述BP神经网络模型中进行网络学习训练，得到所述BP神经网络模型输出的实际输出向量，计算所述实际输出向量和所述期望输出向量中处于相同位置的实际输出预测值和期望输出值之间的误差，并将所述误差作为误差反向传播算法的输入数据对所述BP神经网络模型进行循环往复训练，直至所述实际输出预测值与所述期望输出值之间的误差小于所述期望误差时，输出训练完成后的BP神经网络模型；使用所述页面解析器对待测页面的页面源代码进行解析，得到所述待测页面的网页特征，将所述待测页面的网页特征作为输入层向量输入到所述训练完成后的BP神经网络模型，通过所述训练完成后的BP神经网络模型输出对所述待测页面为广告页面的实际预测值。