[发明专利]一种识别文本类广告中金融广告的方法

权利要求书

1.一种识别文本类广告中金融广告的方法，其特征是，包括以下步骤：

(1)从数据库中获取爬取到的广告文本数据；

(2)对步骤(1)的文本数据进行预处理，进行分词以及去除无用信息；

(3)将步骤(2)预处理后的文本通过不同的方式表示为计算机可以处理的方式，即文本表示；所述文本表示方法包括：

1)基于词频的表示方法；

2)布尔编码的表示方法；

3)基于TFIDF的表示方法；

4)基于Word2Vec模型的表示方法；

5)基于ELMo模型的表示方法；

(4)针对步骤(3)的不同文本表示方式选择合适的分类算法，然后将文本表示的语义信息提炼成类别信息；

(5)将步骤(4)中不同文本表示方式表示的分类模型进行整合，获得最终的金融广告识别模型。

2.根据权利要求1所述识别文本类广告中金融广告的方法，其特征在于，所述Word2Vec模型将词用神经网络模型训练成向量，通过向量表示词，通过向量之间的距离表示词与词之间的关系。

3.根据权利要求1所述识别文本类广告中金融广告的方法，其特征在于，所述ELMo模型能够综合考虑单词特征，句法特征和语义特征。

4.根据权利要求1所述识别文本类广告中金融广告的方法，其特征在于，所述步骤(1)中的广告文本数据来自于搜索引擎、百度贴吧、金融门户、新闻门户站点。

5.根据权利要求1所述识别文本类广告中金融广告的方法，其特征在于，所述步骤(2)中对数据预处理包括以下步骤：

i.分词：将无间隔的文本数据转化为连续的词组；

ii.去停用词：去掉不具有语义信息。

6.根据权利要求1所述识别文本类广告中金融广告的方法，其特征在于，所述步骤(4)给不同文本表示方式选择合适的分类算法，选择的分类算法如下：

a.针对词频表示，采用多项式朴素贝叶斯模型；

b.针对布尔表示，采用伯努利朴素贝叶斯分类模型；

c.针对TFIDF构建连续值进行文本表示，采用逻辑回归和支持向量机模型；

d.针对词向量表示，采用简单的卷积神经网络与循环神经网络。

7.根据权利要求1所述识别文本类广告中金融广告的方法，其特征在于，所述步骤(5)中将不同文本表示方式进一步表示的分类模型进行整合，采用XGBoost模型进行集成，所述XGBoost模型基模型采用传统的CART树，对所述XGBoost模型进行多轮训练，获得最终的结果。