[发明专利]广告库建立方法、广告数据识别方法及存储介质

权利要求书

1.一种广告库建立方法，其特征在于，所述方法包括以下步骤：

接收语料，按照用户粒度存储第一数量的语料；

计算存储的第一数量的语料的信息熵；以及

在计算的信息熵的数值低于预定阈值时，将所述语料或所述语料的主干放入广告库中；

以及，所述方法还包括：

基于计算的信息熵确定用户为广告类型用户的概率；

基于当前确定的广告类型用户的概率更新广告用户概率库中相应用户的广告用户概率；

其中，所述基于当前确定的广告类型用户的概率更新用户广告概率库中相应用户的广告用户概率的步骤包括：

若用户ID在广告用户概率库中记录的概率不为0，则基于预定义公式更新用户ID广告概率；

如果用户ID不在广告用户概率库中或者用户ID在广告用户概率库中记录的概率为0，则将当前确定的概率作为该用户的广告用户概率记录在广告用户概率库中。

2.根据权利要求1所述的方法，其特征在于，用如下公式计算第一数量的语料的信息熵：

H＝∑i-pilogpi；

其中，i是所述语料中的第i个字符，pi是第i个字符出现的概率。

3.根据权利要求 1或2所述的方法，其特征在于，所述方法还包括：

对于接收的每条语料，与广告库中的语料进行相似度匹配，基于匹配结果识别该语料是否为广告。

4.根据权利要求3所述的方法，其特征在于，所述相似度匹配步骤包括：

基于fuzzywuzzy模糊匹配来计算接收的语料和广告库中的语料的相似度。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：在聊天窗口过滤掉被确定为广告的语料。

6.根据权利要求1所述的方法，其特征在于，所述预定义公式还指示更新后的广告用户概率＝(原广告用户概率*原更新次数+当前确定的广告用户概率)/(原更新次数+1)。

7.一种广告数据识别方法，其特征在于，该方法包括以下步骤：

接收语料，按照用户粒度存储第一数量的语料；

计算存储的第一数量的语料的信息熵；以及

基于计算的信息熵的数值识别语料是否为广告类型语料及/或识别用户是否为广告类型用户；

以及，所述方法还包括：

基于计算的信息熵确定用户为广告类型用户的概率；

基于当前确定的广告类型用户的概率更新广告用户概率库中相应用户的广告用户概率；

其中，所述基于当前确定的广告类型用户的概率更新用户广告概率库中相应用户的广告用户概率的步骤包括：

若用户ID在广告用户概率库中记录的概率不为0，则基于预定义公式更新用户ID广告概率；

如果用户ID不在广告用户概率库中或者用户ID在广告用户概率库中记录的概率为0，则将当前确定的概率作为该用户的广告用户概率记录在广告用户概率库中。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：在计算的信息熵的数值低于预定阈值时，将所述语料或所述语料的主干放入广告库中。

9.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-8中任意一项所述方法的步骤。