基于多特征信息融合的WEB廣告分類方法研究.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。從其重要性的角度來講，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，也是現(xiàn)實生活中很有實際價值的課題。一方面，通過廣告分類，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，包括競爭對手廣告投放情況的收集；另一方面，對于政府及互聯(lián)網(wǎng)第三方管理機(jī)

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

3、SVM、KNN、NB等方法，最優(yōu)分類效果為73.80％（鏈向網(wǎng)頁標(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)分類效果為31.51%（灰度直方圖）。對不同特征用不同算法來達(dá)到單特征下的最優(yōu)分類結(jié)果；
　?。?）提出多種特征融合思路，測試多種融合方法，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其進(jìn)行優(yōu)化。實驗結(jié)果表明改進(jìn)后的貝葉斯融合方法在互聯(lián)網(wǎng)廣告的分類上取得了較好的效果，將分類