一種清洗頁面正文內(nèi)容中被植入廣告的方法

基本信息

申請(qǐng)?zhí)?/td> CN202110086938.X 申請(qǐng)日 -
公開（公告）號(hào) CN112784192A 公開（公告）日 2021-05-11
申請(qǐng)公布號(hào) CN112784192A 申請(qǐng)公布日 2021-05-11
分類號(hào) G06F16/957;G06F16/35;G06F40/157;G06F40/242;G06K9/32;G06K9/20 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 朱海峰;顏小君;蔣偉偉 申請(qǐng)（專利權(quán)）人 南京萬得資訊科技有限公司
代理機(jī)構(gòu) 上海申匯專利代理有限公司 代理人 徐俊
地址 210019 江蘇省南京市建鄴區(qū)泰山路199號(hào)萬得大廈
法律狀態(tài) -

摘要

摘要 本發(fā)明提供了一種清洗頁面正文內(nèi)容中被植入廣告的方法。本發(fā)明提出了基于光學(xué)字符識(shí)別(OCR)與自然語言處理技術(shù)(NLP)結(jié)合的方法來對(duì)頁面正文內(nèi)容的廣告進(jìn)行清洗，能夠廣泛適用不同頁面、復(fù)雜背景的廣告圖片清洗。本發(fā)明提出的基于OCR與NLP的技術(shù)方案具備較高的普適性與準(zhǔn)確率，具有如下優(yōu)點(diǎn)：隨著人工智能技術(shù)的不斷發(fā)展，目前基于深度學(xué)習(xí)的通用印刷體識(shí)別準(zhǔn)確率可達(dá)99％以上，能夠較為準(zhǔn)確的提取圖片的文字信息；通過實(shí)體識(shí)別與預(yù)設(shè)白名單，能夠保留在白名單中的廣告，實(shí)現(xiàn)廣告定制化。