基于DPI数据分析及文本解析的主题营销方法和系统技术方案

基于DPI数据分析及文本解析的主题营销方法和系统，通过DPI技术实时获取HTTP协议的用户数据包，组合解析为用户访问的网页内容文本，利用TF‑IDF（词频‑逆文档频率）算法，统计文本中每个词语的重要程度，选择分数最高的n个关键词，与m个营销主题词匹配，计算每个关键词与每个广告营销主题词之间的相似性（基于语料库的TF‑IDF分值），将m*n个分值相加作为网页内容与营销主题的相似度，对相似度达到预设阈值的网页的访问用户，实时进行广告营销信息推送。

【技术实现步骤摘要】
基于DPI数据分析及文本解析的主题营销方法和系统
本专利技术涉及大数据及数据挖掘
，特别是涉及基于DPI数据分析及文本解析的主题营销方法和系统。
技术介绍
URL（UniformResourceLocator,统一资源定位器），它是互联网上的的统一资源定位标志，就是网络地址，DPI（Deeppacketinspection，深度报文解析），是一种基于数据包的深度检测技术，针对不同的网络应用层载荷（例如HTTP、DNS等）进行深度检测，目前通信运营商在开展实时主题营销是通过基于DPI解析用户上网URL地址，并结合事先建立好的URL地址库中URL的分类信息（如新闻、购物等），给用户打标签，再基于用户标签手工匹配营销主题实现。该方法存在以下问题：URL地址库中网址有限，只能覆盖互联网上的少量网址；URL网页内容变化快，地址库更新难度大；通讯运营商建立的用户标签的精细度可能不能满足广告主需求，例如广告主希望对正在看的网页上有“联想”、“笔记本”、“HP”、“超极本”等内容的用户实时推送笔记本广告，而用户标签可能只有“购物”、“电脑”等类别。...

【技术保护点】
1.基于DPI数据分析及文本解析的主题营销方法和系统，其特征在于：通过DPI技术实时获取HTTP协议的用户数据包，组合解析为用户访问的网页内容文本，利用TF-IDF（词频-逆文档频率）算法，统计文本中每个词语的重要程度，选择分数最高的n个关键词，与m个营销主题词匹配，计算每个关键词与每个广告营销主题词之间的相似性（基于语料库的TF-IDF分值），将m*n个分值相加作为网页内容与营销主题的相似度，对相似度达到预设阈值的网页的访问用户，实时进行广告营销信息推送。/n

【技术特征摘要】
1.基于DPI数据分析及文本解析的主题营销方法和系统，其特征在于：通过DPI技术实时获取HTTP协议的用户数据包，组合解析为用户访问的网页内容文本，利用TF-IDF（词频-逆文档频率）算法，统计文本中每个词语的重要程度，选择分数最高的n个关键词，与m个营销主题词匹配，计算每个关键词与每个广告营销主题词之间的相似性（基于语料库的TF-IDF分值），将m*n个分值相加作为网页内容与营销主题的相似度，对相似度达到预设阈值的网页的访问用户，实时进行广告营销信息推送。


2.根据权利要求1所述的基于DPI数据分析及文本解析的主题营销方法和系统，其特征在于：数据采集模块：系统通过与运营商的网络流量等系统，实时获取网络中的HTTP流量，将采集到HTTP协议数据包导入到本系统中。


3.根据权利要求1所述的基于DPI数据分析及文本解析的主题营销方法和系统，其...

【专利技术属性】
技术研发人员：李云亮，张明杰，董李平，
申请(专利权)人：翼集分电子商务上海有限公司，
类型：发明
国别省市：上海;31