基于多特征信息融合的WEB廣告分類(lèi)方法研究.pdf

1、伴隨著互聯(lián)網(wǎng)的發(fā)展，互聯(lián)網(wǎng)廣告也在迅速的改變其表現(xiàn)形式。從傳統(tǒng)的文本廣告，到當(dāng)前的圖片廣告、Flash廣告、再到插播的視頻廣告，呈現(xiàn)出形式多樣化，復(fù)雜化的趨勢(shì)。從其重要性的角度來(lái)講，互聯(lián)網(wǎng)廣告已經(jīng)成為眾多網(wǎng)絡(luò)服務(wù)提供商的重要盈利方式。
　　互聯(lián)網(wǎng)廣告的分類(lèi)，也是現(xiàn)實(shí)生活中很有實(shí)際價(jià)值的課題。一方面，通過(guò)廣告分類(lèi)，各廣告投放方可以了解到自己行業(yè)的宏觀廣告投放狀況，包括競(jìng)爭(zhēng)對(duì)手廣告投放情況的收集；另一方面，對(duì)于政府及互聯(lián)網(wǎng)第三方管理機(jī)

2、構(gòu)，可以觀察出各個(gè)行業(yè)的整體廣告投放情況，從而對(duì)社會(huì)當(dāng)前的經(jīng)濟(jì)發(fā)展?fàn)顩r進(jìn)行一定的評(píng)估或?qū)ξ磥?lái)的經(jīng)濟(jì)發(fā)展進(jìn)行預(yù)測(cè)。
　　本文是從互聯(lián)網(wǎng)廣告中的多特征信息融合的角度對(duì)分類(lèi)方法展開(kāi)研究。主要完成如下工作：
　?。?）針對(duì)互聯(lián)網(wǎng)廣告的特點(diǎn)，總結(jié)出多個(gè)特征，進(jìn)而對(duì)多個(gè)特征依據(jù)數(shù)據(jù)缺失率和分類(lèi)效果準(zhǔn)確率進(jìn)行篩選，從而得到用于分類(lèi)的多特征信息；
　?。?）針對(duì)選定的多個(gè)特征，應(yīng)用不同的分類(lèi)算法，得到每個(gè)特征最適合的分類(lèi)算法。文本采用

3、SVM、KNN、NB等方法，最優(yōu)分類(lèi)效果為73.80％（鏈向網(wǎng)頁(yè)標(biāo)題應(yīng)用 SVM）。圖片采用灰度指紋和灰度直方圖方法，最優(yōu)分類(lèi)效果為31.51%（灰度直方圖）。對(duì)不同特征用不同算法來(lái)達(dá)到單特征下的最優(yōu)分類(lèi)結(jié)果；
　?。?）提出多種特征融合思路，測(cè)試多種融合方法，如：概率修正融合方法、貝葉斯融合方法等。選擇了一種效果較好的貝葉斯特征融合方法并對(duì)其進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明改進(jìn)后的貝葉斯融合方法在互聯(lián)網(wǎng)廣告的分類(lèi)上取得了較好的效果，將分類(lèi)