基于視覺(jué)信息的上下文廣告關(guān)鍵詞提取算法研究.pdf

1、互聯(lián)網(wǎng)已經(jīng)成為目前最為重要的廣告媒介之一，它能夠以低成本將商品和服務(wù)向全世界的各個(gè)角落展示，這種獨(dú)特能力吸引了眾多的網(wǎng)絡(luò)廣告投資，也無(wú)形中帶動(dòng)了互聯(lián)網(wǎng)的發(fā)展。 在幾年前，由于眾多互聯(lián)網(wǎng)公司的倒閉，一度嚴(yán)重影響了在線廣告的投資，這種情況一直到2002年才有所緩解。而碰巧的是，促使在線廣告在次得到發(fā)展的原因是出現(xiàn)了一種新的廣告形式-搜索引擎廣告。據(jù)Forrester研究公司預(yù)測(cè)，到2010年，這種廣告形式將代表超過(guò)100億美元的龐大

2、市場(chǎng)。 關(guān)于這一領(lǐng)域的研究，主要由各大商業(yè)搜索引擎公司開(kāi)展，并形成了多個(gè)產(chǎn)品，比如Google的AdSense，Yahoo的Publisher Network等。這些系統(tǒng)都很成功，但其內(nèi)部機(jī)制缺少透明性，對(duì)外仍是一個(gè)黑盒。本文嘗試探索這個(gè)領(lǐng)域，并介紹作者在基于內(nèi)容的在線廣告系統(tǒng)方面的研究工作。 考慮到廣告的放置主要取決于所在的網(wǎng)頁(yè)內(nèi)容以及用戶對(duì)該網(wǎng)頁(yè)的理解，而用戶最終是通過(guò)網(wǎng)頁(yè)的瀏覽器渲染結(jié)果來(lái)理解這個(gè)網(wǎng)頁(yè)的，這為利用網(wǎng)

3、頁(yè)的視覺(jué)信息來(lái)提取可行的廣告關(guān)鍵詞提供了一個(gè)可行的背景。 本文首先介紹了作者在識(shí)別網(wǎng)頁(yè)標(biāo)題方面的工作。作者提出了一種基于網(wǎng)頁(yè)標(biāo)題模式學(xué)習(xí)和視覺(jué)特征的網(wǎng)頁(yè)標(biāo)題提取算法。 其次介紹了作者在識(shí)別網(wǎng)頁(yè)正文方面的工作。作者提出了一種基于網(wǎng)頁(yè)視覺(jué)特征和內(nèi)容特征相結(jié)合的學(xué)習(xí)機(jī)制。首先使用VIPS算法對(duì)網(wǎng)頁(yè)進(jìn)行語(yǔ)意分割，形成一棵層狀語(yǔ)意塊樹(shù)，并使用網(wǎng)頁(yè)標(biāo)題提取算法定位網(wǎng)頁(yè)的真實(shí)標(biāo)題，配合VIPS結(jié)果一同確定網(wǎng)頁(yè)的正文部分。 隨后