基于視覺信息的上下文廣告關鍵詞提取算法研究.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向全世界的各個角落展示，這種獨特能力吸引了眾多的網(wǎng)絡廣告投資，也無形中帶動了互聯(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研究公司預測，到2010年，這種廣告形式將代表超過100億美元的龐大

2、市場。 關于這一領域的研究，主要由各大商業(yè)搜索引擎公司開展，并形成了多個產(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)部機制缺少透明性，對外仍是一個黑盒。本文嘗試探索這個領域，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)頁內(nèi)容以及用戶對該網(wǎng)頁的理解，而用戶最終是通過網(wǎng)頁的瀏覽器渲染結果來理解這個網(wǎng)頁的，這為利用網(wǎng)

3、頁的視覺信息來提取可行的廣告關鍵詞提供了一個可行的背景。 本文首先介紹了作者在識別網(wǎng)頁標題方面的工作。作者提出了一種基于網(wǎng)頁標題模式學習和視覺特征的網(wǎng)頁標題提取算法。 其次介紹了作者在識別網(wǎng)頁正文方面的工作。作者提出了一種基于網(wǎng)頁視覺特征和內(nèi)容特征相結合的學習機制。首先使用VIPS算法對網(wǎng)頁進行語意分割，形成一棵層狀語意塊樹，并使用網(wǎng)頁標題提取算法定位網(wǎng)頁的真實標題，配合VIPS結果一同確定網(wǎng)頁的正文部分。 隨后