基于视频热点描述的内容相关广告分发方法技术

本发明专利技术公开了一种基于视频热点描述的内容相关广告分发方法，包括：(1)根据互动百科分类树建立视频分类树，(2)利用支持向量机建立广告在视频分类树上每个分类的训练模型，(3)从数据库中获取未处理的广告，得到每个广告对应的广告标题和广告描述，(4)利用训练模型对广告标题和广告描述进行训练，以得到广告在视频分类树上每个分类的概率，(5)对概率进行人工修正，以得到修正后的概率结果，(6)从数据库中获取未处理的视频热点及其关键词描述，(7)根据视频热点及其关键词描述得到视频热点在视频分类树上每个分类的概率，(8)对视频热点在视频分类树上每个分类的概率和广告在视频分类树上每个分类的概率进行相似度计算。

【技术实现步骤摘要】

本专利技术涉及计算机在线视频广告领域和文本分类领域，具体地说，本专利技术涉及。
技术介绍
视频分享网站，是由互联网用户发布、浏览和分享视频作品的网站。现在视频分享网站的主要收入是广告收入，因此提高广告投放效果对视频分享网站具有关键性的意义。目前，多数的网络视频系统将投放的重点集中片头或片尾，对于短视频而言，频繁地在每个视频的开始和结尾显示广告将严重影响观看体验；对于长视频而言，片头和片尾的时间占比是非常小，中间的广告机会并没有得以充分发挥，而且用户对长视频的不同区域的关注度不同，可能导致某些区域关注度小，某些区域关注度高，进而在视频中间选择不恰当的广告投放策略可能导致广告投放效率不理想。此外，大部分广告都是随机投放，与视频内容没有任何相关性，很难引起用户的共鸣，从而降低广告的效果。
技术实现思路
本专利技术的目的是提供一种，其能克服现有广告投放方法中广告与视频内容无相关性，广告播放时机死板，广告投放效果差的缺陷。本专利技术是通过以下技术方案实现的一种，包括以下步骤(1)根据互动百科分类树建立视频分类树，( 利用支持向量机建立广告在视频分类树上每个分类的训练模型，(3)从数据库中获取未处理的广告，得到每个广告对应的广告标题和广告描述，(4) 利用训练模型对广告标题和广告描述进行训练，以得到广告在视频分类树上每个分类的概率，( 对概率进行人工修正，以得到修正后的概率结果，(6)从数据库中获取未处理的视频热点及其关键词描述，(7)根据视频热点及其关键词描述得到视频热点在视频分类树上每个分类的概率，(8)对视频热点在视频分类树上每个分类的概率和广告在视频分类树上每个分类的概率进行相似度计算，(9)根据相似度计算的结果选出与视频热点最相似的广告，(10)在播放视频热点前将选出的广告分发至播放器。步骤(1)包括以下子步骤初始化分类队列，并将互动百科分类树第一层的13个分类加入到分类队列中，判断分类队列是否为空，若分类队列不为空，则得到分类队列的头结点，发送分类查询请求，并将头结点从分类队列中移除，分析分类查询请求返回的结果， 并判断头结点是否包括子类，若头结点包括子类，则判断子类是否为互动百科分类树第三层以下，若子类为互动百科分类树第三层以下，则找出子类对应的第三层分类信息，并将第三层分类信息作为子类的父分类信息进行保存，将子类加入到分类队列中，提取出互动百科分类树前三层作为视频分类树。步骤(1)还包括以下子步骤若分类队列为空，则进入提取出互动百科分类树前三层作为视频分类树的步骤，若头结点不包括子类，则返回判断分类队列是否为空的步骤， 若子类不是互动百科分类树第三层以下，则直接将子类的分类信息进行保存。步骤( 包括以下子步骤为视频分类树中的每个分类建立一个分类文件夹，为视频分类树中的每个分类发送词条查询请求，分析词条查询请求返回的结果，以得到分类下的所有词条，为每个词条发送词条描述查询请求，分析词条描述查询请求返回的结果，以提取出词条在互动百科中的描述摘要信息，并将描述摘要信息保存至词条对应的分类文件夹下的文本文件中，对文本文件进行预处理，以生成支持向量机可识别的训练样本，对训练样本进行训练，以建立训练模型。步骤(7)包括以下子步骤为关键词描述中的每个关键词查询内存数据库，以确定是否存在关键词对应的分类结果，若存在关键词对应的分类结果，则返回分类结果，对分类结果中的每个分类判断是否属于互动百科分类树第三层以下，若分类属于互动百科分类树第三层以下，则找到分类在互动百科分类树中对应的第三层父分类，父分类在视频分类树中也存在。设置分类对关键词在视频分类树上对应分类的贡献值为Cut= 1/(Ν1)，其中 N代表分类在互动百科分类树中属于第N层，u代表关键词描述中的第u个关键词，t代表关键词对应分类结果中的第t个分类，将贡献值累加至关键词在视频分类树上对应分类的贡献值和中，权利要求1.一种，包括以下步骤(1)根据互动百科分类树建立视频分类树；(2)利用支持向量机建立广告在所述视频分类树上每个分类的训练模型；(3)从数据库中获取未处理的广告，得到每个广告对应的广告标题和广告描述；(4)利用所述训练模型对所述广告标题和所述广告描述进行训练，以得到所述广告在所述视频分类树上每个分类的概率；(5)对所述概率进行人工修正，以得到修正后的概率结果；(6)从所述数据库中获取未处理的视频热点及其关键词描述；(7)根据所述视频热点及其关键词描述得到所述视频热点在所述视频分类树上每个分类的概率；(8)对所述视频热点在所述视频分类树上每个分类的概率和所述广告在所述视频分类树上每个分类的概率进行相似度计算；(9)根据相似度计算的结果选出与所述视频热点最相似的广告；(10)在播放所述视频热点前将选出的广告分发至播放器。2.根据权利要求1所述的方法，其特征在于，所述步骤(1)包括以下子步骤初始化分类队列，并将所述互动百科分类树第一层的13个分类加入到所述分类队列中；判断所述分类队列是否为空；若所述分类队列不为空，则得到所述分类队列的头结点，发送分类查询请求，并将所述头结点从所述分类队列中移除；分析所述分类查询请求返回的结果，并判断所述头结点是否包括子类； 若所述头结点包括子类，则判断所述子类是否为所述互动百科分类树第三层以下； 若所述子类为所述互动百科分类树第三层以下，则找出所述子类对应的第三层分类信息，并将所述第三层分类信息作为所述子类的父分类信息进行保存； 将所述子类加入到所述分类队列中； 提取出所述互动百科分类树前三层作为所述视频分类树。3.根据权利要求2所述的方法，其特征在于，所述步骤(1)还包括以下子步骤若所述分类队列为空，则进入所述提取出所述互动百科分类树前三层作为所述视频分类树的步骤；若所述头结点不包括子类，则返回所述判断所述分类队列是否为空的步骤； 若所述子类不是所述互动百科分类树第三层以下，则直接将所述子类的分类信息进行保存。4.根据权利要求1所述的方法，其特征在于，所述步骤( 包括以下子步骤 为所述视频分类树中的每个分类建立一个分类文件夹；为所述视频分类树中的每个分类发送词条查询请求； 分析所述词条查询请求返回的结果，以得到所述分类下的所有词条； 为每个词条发送词条描述查询请求；分析所述词条描述查询请求返回的结果，以提取出所述词条在互动百科中的描述摘要信息，并将所述描述摘要信息保存至所述词条对应的分类文件夹下的文本文件中；对所述文本文件进行预处理，以生成所述支持向量机可识别的训练样本；对所述训练样本进行训练，以建立所述训练模型。5.根据权利要求1所述的方法，其特征在于，所述步骤(7)包括以下子步骤为所述关键词描述中的每个关键词查询内存数据库，以确定是否存在所述关键词对应的分类结果；若存在所述关键词对应的分类结果，则返回分类结果；对所述分类结果中的每个分类判断是否属于所述互动百科分类树第三层以下；若所述分类属于所述互动百科分类树第三层以下，则找到所述分类在所述互动百科分类树中对应的第三层父分类，所述父分类在所述视频分类树中也存在。设置所述分类对所述关键词在所述视频分类树上对应分类的贡献值为Cut = 1/ (N —幻，其中N代表所述分类在所述互动百科分类树中属于第N层，u代表所述关键词描述中的第u个关键词，t代表所述关键词对应所述分类结本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：金海，廖小飞，陆枫，叶江，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：