一種實現(xiàn)互聯(lián)網(wǎng)宣傳監(jiān)測目標(biāo)評估的方法及裝置制造方法
【專利摘要】本申請公開了一種實現(xiàn)互聯(lián)網(wǎng)宣傳監(jiān)測目標(biāo)評估的方法及裝置，包括：根據(jù)配置信息從選定的數(shù)據(jù)源中獲取宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息；對獲取的各網(wǎng)頁信息進(jìn)行網(wǎng)站特征字分離，以獲得相應(yīng)的標(biāo)題、正文、統(tǒng)計正文字?jǐn)?shù)信息；對所述獲得的各網(wǎng)頁信息中的標(biāo)題和正文進(jìn)行分詞處理且提取關(guān)鍵字，并分別計算宣傳監(jiān)測目標(biāo)的各網(wǎng)頁信息的信息量；根據(jù)各網(wǎng)頁信息的信息量確定宣傳監(jiān)測目標(biāo)的宣傳力度信息。通過本發(fā)明獲取選定的數(shù)據(jù)源的網(wǎng)頁信息，對宣傳監(jiān)測目標(biāo)網(wǎng)頁信息進(jìn)行網(wǎng)站特征字分離、分詞處理，實現(xiàn)通過處理獲得的信息，獲取宣傳力度信息，通過宣傳力度信息的分析可以為企業(yè)進(jìn)行文章投放提供有力的分析數(shù)據(jù)。
【專利說明】一種實現(xiàn)互聯(lián)網(wǎng)宣傳監(jiān)測目標(biāo)評估的方法及裝置
【技術(shù)領(lǐng)域】
[0001]本申請涉及互聯(lián)網(wǎng)領(lǐng)域，尤指一種實現(xiàn)互聯(lián)網(wǎng)宣傳監(jiān)測目標(biāo)評估的方法及裝置?！颈尘凹夹g(shù)】
[0002]隨著商業(yè)活動節(jié)奏的不斷加快，企業(yè)生存和發(fā)展不僅需要最佳的決策，還需要決策制定的效率足夠迅速。充足的數(shù)據(jù)信息和對數(shù)據(jù)信息進(jìn)行有效的處理，對企業(yè)提出正確的決策有重要的作用。通過對網(wǎng)絡(luò)信息的分析了解，可以實現(xiàn)企業(yè)合理的利用網(wǎng)絡(luò)信息來為企業(yè)作合理推廣。通過數(shù)據(jù)信息的分析可以得到在成本最低、效果最好的網(wǎng)站上投放適合企業(yè)主題的文章，可以實現(xiàn)文章投放的最佳收益。
[0003]伴隨著互聯(lián)網(wǎng)的廣泛應(yīng)用，企業(yè)從網(wǎng)絡(luò)中獲得大量信息，以進(jìn)行決策分析，從網(wǎng)絡(luò)中獲得信息的方法相對于其它渠道具有免費(fèi)或廉價、易得、內(nèi)容豐富等優(yōu)勢，是當(dāng)前情報信息搜集的一個重要來源。但是，網(wǎng)絡(luò)信息存在以下問題:信息量過大、轉(zhuǎn)載源無法確定、重復(fù)鏈接、內(nèi)容重復(fù)、存在不包含正文信息的鏈接等。目前，對網(wǎng)絡(luò)信息的搜集和整理仍采用人工的方式，由于在數(shù)據(jù)采集過程中存在著大量重復(fù)的機(jī)械性的操作，利用人工實現(xiàn)存在著低效、缺乏周期性、主觀因素造成的操作失誤難以被發(fā)現(xiàn)而無法排除、重復(fù)信息過濾困難等。對于獲取的網(wǎng)頁信息如何進(jìn)行有效的效果分析，目前還沒有統(tǒng)一的可以使用的方法在市場上進(jìn)行推廣應(yīng)用，各企業(yè)根據(jù)他們獲得的大量數(shù)據(jù)，采用各自認(rèn)為合理的方式，進(jìn)行相關(guān)的信息估算，對于估算獲得的信息，其效果如何也未曾有相關(guān)的數(shù)據(jù)和案例可以進(jìn)行分析。
[0004]因此，目前采用網(wǎng)絡(luò)信息進(jìn)行數(shù)據(jù)整理的方法，采用人工的方式存在低效、缺乏周期性、存在操作失誤且無法排除等問題，另外，數(shù)據(jù)量過于龐大的網(wǎng)絡(luò)信息，存在一定的成本浪費(fèi)，且采用全部網(wǎng)絡(luò)數(shù)據(jù)存在信息重點被淹沒、無效信息難以排除等問題；對于媒體宣傳效果分析，目前還沒有有效和系統(tǒng)的分析方法形成，因此，無法對獲取的網(wǎng)頁信息進(jìn)行有效處理。
【發(fā)明內(nèi)容】
[0005]為了解決上述問題，本發(fā)明提供一種實現(xiàn)互聯(lián)網(wǎng)宣傳監(jiān)測目標(biāo)評估的方法及裝置，能夠?qū)π麄鞅O(jiān)測目標(biāo)的網(wǎng)頁信息的進(jìn)行有效獲取，對網(wǎng)頁信息進(jìn)行數(shù)據(jù)處理和分析，提供企業(yè)在網(wǎng)絡(luò)上進(jìn)行文章投放的依據(jù)。
[0006]為了達(dá)到本發(fā)明的目的，本發(fā)明提供一種實現(xiàn)互聯(lián)網(wǎng)宣傳監(jiān)測目標(biāo)評估的方法，包括:
[0007]根據(jù)配置信息從選定的數(shù)據(jù)源中獲取宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息；
[0008]對獲取的各網(wǎng)頁信息進(jìn)行網(wǎng)站特征字分離，以獲得相應(yīng)的標(biāo)題、正文、統(tǒng)計正文字?jǐn)?shù)信息；
[0009]對所述獲得的各網(wǎng)頁信息中的標(biāo)題和正文進(jìn)行分詞處理且提取關(guān)鍵字，并分別計算宣傳監(jiān)測目標(biāo)的各網(wǎng)頁信息的信息量；[0010]根據(jù)各網(wǎng)頁信息的信息量確定宣傳監(jiān)測目標(biāo)的宣傳力度信息。
[0011]進(jìn)一步地，信息量的計算為:網(wǎng)頁信息的中文字?jǐn)?shù)與相同網(wǎng)頁的個數(shù)的乘積；
[0012]根據(jù)各網(wǎng)頁信息的信息量確定宣傳監(jiān)測目標(biāo)的宣傳力度信息包括:
[0013]將所述各網(wǎng)頁信息的信息量與相應(yīng)的權(quán)重進(jìn)行乘積計算，并對所有網(wǎng)頁信息的乘積計算進(jìn)行積分，獲得宣傳監(jiān)測目標(biāo)的宣傳力度信息；其中，權(quán)重為:網(wǎng)頁信息中，若標(biāo)題中包含關(guān)鍵字，則賦值權(quán)重為P ;若正文包含關(guān)鍵字，則賦值權(quán)重為1 ;當(dāng)都包含關(guān)鍵字，則賦值為P+1;其中P大于1。
[0014]進(jìn)一步地，選定的數(shù)據(jù)源為:新聞元搜索、和/或定點網(wǎng)站。
[0015]進(jìn)一步地，在對所述網(wǎng)頁信息進(jìn)行網(wǎng)站特征字分離之前，該方法還包括:對所述獲取的網(wǎng)頁信息進(jìn)行鏈接去重。
[0016]進(jìn)一步地，所述選定的數(shù)據(jù)源為新聞元搜索，且所述鏈接為未加密鏈接時，所述鏈接去重包括:
[0017]采用布隆過濾器(Bloom Filter)算法過濾重復(fù)鏈接；過濾后，
[0018]選擇任意所述新聞元搜索中的一個的網(wǎng)頁信息作為初始列表；
[0019]采用simHash方法計算所述新聞元搜索中的其余新聞元搜索獲得的網(wǎng)頁信息的散列哈希(Hash)值，根據(jù)Hash值判斷是否發(fā)生碰撞；發(fā)生碰撞，則刪除鏈接；未發(fā)生碰撞，則更新初始列表。
[0020]進(jìn)一步地，選定的數(shù)據(jù)源為新聞元搜索，且所述鏈接為加密鏈接時，所述鏈接去重包括:
[0021]將加密鏈接和所述過濾后的未加密鏈接的原始網(wǎng)頁，通過網(wǎng)站特征字分離出標(biāo)題、正文、網(wǎng)站欄目、轉(zhuǎn)載來源、點擊率、評論率，統(tǒng)計正文字?jǐn)?shù)信息；
[0022]對比加密鏈接的網(wǎng)頁與未加密鏈接的網(wǎng)頁，生成未加密鏈接的網(wǎng)站和欄目的Hash散列；
[0023]采用simHash的方法計算加密鏈接的網(wǎng)站和欄目的Hash值，如果都產(chǎn)生碰撞，則對比從網(wǎng)頁中分離出的正文的字?jǐn)?shù)，如果字?jǐn)?shù)也相同則視為相同鏈接，保留相同鏈接中的一個鏈接，其余刪除。
[0024]進(jìn)一步地，選定的數(shù)據(jù)源為定點網(wǎng)站，所述鏈接去重包括:
[0025]判斷所述獲得的網(wǎng)頁地址是否為列表鏈接地址，當(dāng)為列表鏈接地址時，刪除該網(wǎng)頁信息的鏈接地址；若不是，則繼續(xù)進(jìn)行網(wǎng)站特征字分離。
[0026]進(jìn)一步地，在進(jìn)行網(wǎng)站特征字分離后，該方法還包括:將從定點網(wǎng)站獲取的網(wǎng)頁信息的正文進(jìn)行simHash算法分析，將判定為相似的新聞進(jìn)行合并。
[0027]進(jìn)一步地，獲得所述鏈接去重信息后，該方法還包括:將所述鏈路去重后的鏈接進(jìn)行鏈接類型識別，將獲得的鏈接識別區(qū)分為:原文鏈接、列表鏈接和引用鏈接；刪除列表鏈接和引用鏈接。
[0028]進(jìn)一步地，該方法還包括:對原文鏈接對應(yīng)的網(wǎng)頁信息的正文，進(jìn)行正確性判斷，刪除正文正確性判斷為無效的網(wǎng)頁信息；
[0029]所述正確性判斷為:對網(wǎng)頁信息的正文進(jìn)行字?jǐn)?shù)統(tǒng)計，當(dāng)正文字?jǐn)?shù)不超過20字時，判斷為該正文對應(yīng)的網(wǎng)頁信息為無效。
[0030]進(jìn)一步地，該方法還包括:周期性獲取宣傳監(jiān)測目標(biāo)的新增網(wǎng)頁信息。[0031]進(jìn)一步地，該方法還包括:對分詞處理后的網(wǎng)頁信息進(jìn)行類型詞識別，根據(jù)專家知識數(shù)據(jù)庫的類型詞，獲取網(wǎng)頁信息中在同一領(lǐng)域不同傾向上專家知識數(shù)據(jù)庫里存在的關(guān)鍵字，進(jìn)行企業(yè)不同類型詞對應(yīng)的宣傳力度信息計算，獲得企業(yè)在不同傾向的宣傳力度比對信息。
[0032]進(jìn)一步地，類型詞識別為:將獲得的網(wǎng)頁信息，通過與類型特征詞數(shù)據(jù)庫進(jìn)行對比識別，獲得反映網(wǎng)頁信息內(nèi)容的類型的詞語；
[0033]所述類型特征詞數(shù)據(jù)庫包含技術(shù)特征詞、財經(jīng)股市特征詞、招投標(biāo)特征詞，其它類型詞根據(jù)關(guān)注的企業(yè)類型進(jìn)行增減。
[0034]進(jìn)一步地，網(wǎng)站特征字分離還獲得網(wǎng)站欄目信息；所述鏈接去重還獲得鏈接去重刪除的鏈接個數(shù)信息；該方法還包括:根據(jù)宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息的網(wǎng)站欄目信息，確定宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息被元搜索引擎網(wǎng)站收錄的、包含鏈接去重刪除的鏈接在內(nèi)的鏈接個數(shù)信息，獲得文章發(fā)布效果信息；
[0035]所述文章發(fā)布效果與元搜索引擎網(wǎng)站收錄個數(shù)成正比。
[0036]進(jìn)一步地，網(wǎng)站特征字分離還獲得轉(zhuǎn)載信息；該方法還包括:
[0037]對所述宣傳監(jiān)測目標(biāo)的初始發(fā)布的各網(wǎng)站的直接轉(zhuǎn)載、和被直接轉(zhuǎn)載后的各網(wǎng)站的間接轉(zhuǎn)載進(jìn)行記錄和統(tǒng)計；
[0038]計算直接轉(zhuǎn)載統(tǒng)計數(shù)值與間接轉(zhuǎn)載統(tǒng)計數(shù)值之商、獲得轉(zhuǎn)載增益度信息；根據(jù)轉(zhuǎn)載增益度信息，獲得企業(yè)發(fā)布網(wǎng)頁信息的成本和宣傳效果信息；
[0039]所述轉(zhuǎn)載增益度與宣傳監(jiān)測目標(biāo)發(fā)布網(wǎng)頁信息的成本成反比，與宣傳效果成正比。
[0040]進(jìn)一步地，當(dāng)獲得的宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息的轉(zhuǎn)載信息缺省轉(zhuǎn)載源時，該方法還包括:
[0041]將所述獲取的網(wǎng)頁信息的來源網(wǎng)站按信息發(fā)表時間排序，對時間排序中包含的總的時間區(qū)間進(jìn)行分段，且每一時間段長度相同；其中，分段的數(shù)量與總的時間區(qū)間長度成正比；
[0042]對缺省轉(zhuǎn)載源的網(wǎng)頁信息所在時間段之前的全部時間段內(nèi)的網(wǎng)頁信息，設(shè)置同一時間段內(nèi)的各網(wǎng)頁信息具有相同的被轉(zhuǎn)載概率，且從與所述缺省轉(zhuǎn)載源的網(wǎng)頁信息所在時間段相鄰的時間段開始至?xí)r間間隔最長的網(wǎng)頁信息被轉(zhuǎn)載概率依次變小，計算網(wǎng)頁信息采用各關(guān)鍵字作為檢索詞下的相應(yīng)的被轉(zhuǎn)載概率；
[0043]累加所述各網(wǎng)頁信息的所有檢索詞下被轉(zhuǎn)載概率，將被轉(zhuǎn)載概率最大的網(wǎng)頁信息設(shè)定為缺省轉(zhuǎn)載源網(wǎng)頁信息的轉(zhuǎn)載源。
[0044]進(jìn)一步地，分段的數(shù)量與總的時間區(qū)間長度成正比包括:
[0045]當(dāng)總的時間區(qū)間長度大于10天時，分段的數(shù)量為5 ;當(dāng)總的時間區(qū)間長度小于10天時，分段的數(shù)量為2?5之間。
[0046]進(jìn)一步地，網(wǎng)站特征字分離還獲得:元素標(biāo)識符，網(wǎng)頁鏈接的點擊數(shù)、評論數(shù)信息，該方法還包括:采用Τ0Ρ-Κ算法，以網(wǎng)頁鏈接作為元素標(biāo)識符，網(wǎng)頁鏈接的點擊數(shù)、評論數(shù)、直接轉(zhuǎn)載次數(shù)、間接轉(zhuǎn)載次數(shù)、轉(zhuǎn)載增益度作為元素的屬性參數(shù)，獲得最適宜投放宣傳監(jiān)測目標(biāo)的文章的K個網(wǎng)站信息。
[0047]另一方面，本發(fā)明還提供一種實現(xiàn)互聯(lián)網(wǎng)宣傳監(jiān)測目標(biāo)評估的裝置，包括:獲取單元、網(wǎng)站特征字分離單元、分詞單元及宣傳力度分析單元；其中，
[0048]獲取單元，用于根據(jù)配置信息從選定的數(shù)據(jù)源中獲取宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息；
[0049]網(wǎng)站特征字分離單元，用于分離獲取單元獲取的各網(wǎng)頁信息，以獲得相應(yīng)的標(biāo)題、正文、統(tǒng)計正文字?jǐn)?shù)信息；
[0050]分詞單元，用于對網(wǎng)站特征字分離單元輸出的各網(wǎng)頁信息的標(biāo)題和正文進(jìn)行分詞處理且提取關(guān)鍵字；
[0051]宣傳力度分析單元，用于根據(jù)各網(wǎng)頁信息的信息量確定宣傳監(jiān)測目標(biāo)的宣傳力度信息。
[0052]進(jìn)一步地，信息量的計算為:網(wǎng)頁信息的中文字?jǐn)?shù)與相同網(wǎng)頁的個數(shù)的乘積；
[0053]所述根據(jù)各網(wǎng)頁信息的信息量確定宣傳監(jiān)測目標(biāo)的宣傳力度信息包括:
[0054]將所述各網(wǎng)頁信息的信息量與相應(yīng)的權(quán)重進(jìn)行乘積計算，并對所有網(wǎng)頁信息的乘積計算進(jìn)行積分，獲得宣傳監(jiān)測目標(biāo)的宣傳力度信息；其中，權(quán)重為:網(wǎng)頁信息中，若標(biāo)題中包含關(guān)鍵字，則賦值權(quán)重為P ;若正文包含關(guān)鍵字，則賦值權(quán)重為1 ;當(dāng)都包含關(guān)鍵字，則賦值為P+1;其中P大于1。
[0055]進(jìn)一步地，選定的數(shù)據(jù)源為:
[0056]新聞元搜索、和/或，定點網(wǎng)站。
[0057]進(jìn)一步地，該裝置還包括鏈接去重單元，用于，對所述獲取單元獲得的網(wǎng)頁信息進(jìn)行鏈接去重。
[0058]進(jìn)一步地，選定的數(shù)據(jù)源為新聞元搜索，且所述鏈接為未加密鏈接時，所述鏈接去重包括:
[0059]采用布隆過濾器(Bloom Filter)算法過濾重復(fù)鏈接；過濾后，
[0060]選擇任意所述新聞元搜索中的一個的網(wǎng)頁信息作為初始列表；
[0061]采用simHash方法計算所述新聞元搜索中的其余新聞元搜索獲得的網(wǎng)頁信息的散列哈希(Hash)值，根據(jù)Hash值判斷是否發(fā)生碰撞；發(fā)生碰撞，則刪除鏈接；未發(fā)生碰撞，則更新初始列表。
[0062]進(jìn)一步地，選定的數(shù)據(jù)源為新聞元搜索，且所述鏈接為加密鏈接時，所述鏈接去重包括:
[0063]將加密鏈接和所述過濾后的未加密鏈接的原始網(wǎng)頁，通過網(wǎng)站特征字分離出標(biāo)題、正文、網(wǎng)站欄目、轉(zhuǎn)載來源、點擊率、評論率，統(tǒng)計正文字?jǐn)?shù)信息；
[0064]對比加密鏈接的網(wǎng)頁與未加密鏈接的網(wǎng)頁，生成未加密鏈接的網(wǎng)站和欄目的Hash散列；
[0065]采用simHash的方法計算加密鏈接的網(wǎng)站和欄目的Hash值，如果都產(chǎn)生碰撞，則對比從網(wǎng)頁中分離出的正文的字?jǐn)?shù)，如果字?jǐn)?shù)也相同則視為相同鏈接，保留相同鏈接中的一個鏈接，其余刪除。
[0066]進(jìn)一步地，選定的數(shù)據(jù)源為定點網(wǎng)站，所述鏈接去重包括:
[0067]判斷所述獲得的網(wǎng)頁地址是否為列表鏈接地址，當(dāng)為列表鏈接地址時，刪除該網(wǎng)頁信息的鏈接地址；若不是，則繼續(xù)進(jìn)行網(wǎng)站特征字分離。
[0068]進(jìn)一步地，該裝置還包括合并單元，用于將從定點網(wǎng)站獲取的網(wǎng)頁信息在進(jìn)行網(wǎng)站特征字分離后，對正文進(jìn)行simHash算法分析，將判定為相似的網(wǎng)頁信息進(jìn)行合并。[0069]進(jìn)一步地，該裝置還包括鏈接類別識別單元，連接于鏈接去重單元和分詞單元之間，用于將所述鏈接去重單元獲得的鏈接進(jìn)行鏈接類型識別，將獲得的鏈接識別區(qū)分為:原文鏈接、列表鏈接和引用鏈接；刪除列表鏈接和引用鏈接。
[0070]進(jìn)一步地，該裝置還包括正確性判斷單元，用于對鏈接類型識別單元獲得的原文鏈接的網(wǎng)頁信息的正文，進(jìn)行正確性判斷，刪除正文正確性判斷為無效的網(wǎng)頁信息；
[0071]所述正確性判斷為:對網(wǎng)頁信息的正文進(jìn)行字?jǐn)?shù)統(tǒng)計，當(dāng)正文字?jǐn)?shù)不超過20字時，判斷為該正文對應(yīng)的網(wǎng)頁信息為無效。
[0072]進(jìn)一步地，該裝置還包括增量獲取單元:用于周期性獲取宣傳監(jiān)測目標(biāo)網(wǎng)頁的新增網(wǎng)頁信息。
[0073]進(jìn)一步地，該裝置還包括宣傳力度比對單元，用于根據(jù)分詞處理后的網(wǎng)頁信息進(jìn)行類型詞識別，根據(jù)專家知識數(shù)據(jù)庫的類型詞，獲取網(wǎng)頁信息中在同一領(lǐng)域不同傾向上專家知識數(shù)據(jù)庫里存在的關(guān)鍵字，進(jìn)行企業(yè)不同類型詞對應(yīng)的宣傳力度信息計算，獲得企業(yè)在不同傾向的宣傳力度比對信息。
[0074]進(jìn)一步地，類型詞識別為:將獲得的網(wǎng)頁信息，通過與類型特征詞數(shù)據(jù)庫進(jìn)行對比識別，獲得反映網(wǎng)頁信息內(nèi)容的類型的詞語；
[0075]所述類型特征詞數(shù)據(jù)庫包含技術(shù)特征詞、財經(jīng)股市特征詞、招投標(biāo)特征詞，其它類型詞根據(jù)關(guān)注的企業(yè)類型進(jìn)行增減。
[0076]進(jìn)一步地，網(wǎng)站特征字分離單元還獲得網(wǎng)站欄目信息；所述鏈接去重單元還獲得鏈接去重刪除的鏈接個數(shù)信息；該裝置還包括發(fā)布效果分析單元，用于根據(jù)宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息的網(wǎng)站欄目信息，確定宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息被元搜索引擎網(wǎng)站收錄的、包含鏈接去重刪除的鏈接在內(nèi)的鏈接個數(shù)信息，獲得文章發(fā)布效果信息；
[0077]所述文章發(fā)布效果與元搜索引擎網(wǎng)站收錄個數(shù)成正比。
[0078]進(jìn)一步地，網(wǎng)站特征字分離單元還獲得轉(zhuǎn)載信息；該裝置還包括轉(zhuǎn)載增益度單元，用于對所述宣傳監(jiān)測目標(biāo)的初始發(fā)布的各網(wǎng)站的直接轉(zhuǎn)載、和被直接轉(zhuǎn)載后的各網(wǎng)站的間接轉(zhuǎn)載進(jìn)行記錄和統(tǒng)計；計算直接轉(zhuǎn)載統(tǒng)計數(shù)值與間接轉(zhuǎn)載統(tǒng)計數(shù)值之商、獲得轉(zhuǎn)載增益度信息；根據(jù)轉(zhuǎn)載增益度信息，獲得企業(yè)發(fā)布網(wǎng)頁信息的成本和宣傳效果信息；
[0079]所述轉(zhuǎn)載增益度與宣傳監(jiān)測目標(biāo)發(fā)布網(wǎng)頁信息的成本成反比，與宣傳效果成正比。
[0080]進(jìn)一步地，當(dāng)獲得的宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息的轉(zhuǎn)載信息缺省轉(zhuǎn)載源時，該裝置還包括轉(zhuǎn)載源確定單元，用于將所述獲取的網(wǎng)頁信息的來源網(wǎng)站按信息發(fā)表時間排序，對時間排序中包含的總的時間區(qū)間進(jìn)行分段，且每一時間段長度相同；其中，分段的數(shù)量與總的時間區(qū)間長度成正比；
[0081]對缺省轉(zhuǎn)載源的網(wǎng)頁信息所在時間段之前的全部時間段內(nèi)的網(wǎng)頁信息，設(shè)置同一時間段內(nèi)的各網(wǎng)頁信息具有相同的被轉(zhuǎn)載概率，且從與所述缺省轉(zhuǎn)載源的網(wǎng)頁信息所在時間段相鄰的時間段開始至?xí)r間間隔最長的網(wǎng)頁信息被轉(zhuǎn)載概率依次變小，計算網(wǎng)頁信息采用各關(guān)鍵字作為檢索詞下的相應(yīng)的被轉(zhuǎn)載概率；
[0082]累加所述各網(wǎng)頁信息的所有檢索詞下被轉(zhuǎn)載概率，將被轉(zhuǎn)載概率最大的網(wǎng)頁信息設(shè)定為缺省轉(zhuǎn)載源網(wǎng)頁信息的轉(zhuǎn)載源。
[0083]進(jìn)一步地，分段的數(shù)量與總的時間區(qū)間長度成正比；包括:[0084]當(dāng)總的時間區(qū)間長度大于10天時，分段的數(shù)量為5 ;當(dāng)總的時間區(qū)間長度小于10天時，分段的數(shù)量為2~5之間。
[0085]進(jìn)一步地，網(wǎng)站特征字分離單元還獲得:元素標(biāo)識符，網(wǎng)頁鏈接的點擊數(shù)、評論數(shù)信息，該裝置還包括投放最優(yōu)單元，用于根據(jù)--Ρ-Κ算法，以網(wǎng)頁鏈接作為元素標(biāo)識符，網(wǎng)頁鏈接的點擊數(shù)、評論數(shù)、直接轉(zhuǎn)載次數(shù)、間接轉(zhuǎn)載次數(shù)、轉(zhuǎn)載增益度作為元素的屬性參數(shù)，獲得最適宜投放宣傳監(jiān)測目標(biāo)的文章的K個網(wǎng)站信息。
[0086]本發(fā)明提出一種技術(shù)方案，包括:根據(jù)配置信息從選定的數(shù)據(jù)源中獲取宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息；對獲取的各網(wǎng)頁信息進(jìn)行網(wǎng)站特征字分離，以獲得相應(yīng)的標(biāo)題、正文、統(tǒng)計正文字?jǐn)?shù)信息；對所述獲得的各網(wǎng)頁信息中的標(biāo)題和正文進(jìn)行分詞處理且提取關(guān)鍵字，并分別計算宣傳監(jiān)測目標(biāo)的各網(wǎng)頁信息的信息量；根據(jù)各網(wǎng)頁信息的信息量確定宣傳監(jiān)測目標(biāo)的宣傳力度信息。通過本發(fā)明獲取選定的數(shù)據(jù)源數(shù)據(jù)，對宣傳監(jiān)測目標(biāo)網(wǎng)頁信息進(jìn)行網(wǎng)站特征字分離、分詞處理，實現(xiàn)通過處理獲得的信息，獲取宣傳力度信息，通過宣傳力度信息的分析可以為企業(yè)進(jìn)行文章投放提供有力的分析數(shù)據(jù)。
[0087]另一方面，本發(fā)明還通過對不同的類型詞，計算宣傳監(jiān)測目標(biāo)在同一領(lǐng)域不同傾向的宣傳力度比較信息，通過網(wǎng)頁信息被元搜索網(wǎng)站的收錄情況，網(wǎng)頁信息的轉(zhuǎn)載增益度等信息對文章投放的效果和成本等進(jìn)行分析。
[0088]再一方面，本發(fā)明通過Τ0Ρ-Κ算法，以鏈接作為元素標(biāo)識符，鏈接的點擊數(shù)、評論數(shù)、直接轉(zhuǎn)載次數(shù)、間接轉(zhuǎn)載次數(shù)、轉(zhuǎn)載增益度作為元素的屬性參數(shù)，獲得最適宜投放宣傳監(jiān)測目標(biāo)發(fā)布的K個網(wǎng)站 信息。
【專利附圖】
【附圖說明】
[0089]附圖用來提供對本申請技術(shù)方案的進(jìn)一步理解，并且構(gòu)成說明書的一部分，與本申請的實施例一起用于解釋本申請的技術(shù)方案，并不構(gòu)成對本申請技術(shù)方案的限制。
[0090]圖1為本發(fā)明實現(xiàn)互聯(lián)網(wǎng)宣傳監(jiān)測目標(biāo)評估的方法的流程圖；
[0091]圖2為本發(fā)明實現(xiàn)互聯(lián)網(wǎng)宣傳監(jiān)測目標(biāo)評估的裝置的結(jié)構(gòu)框圖。
【具體實施方式】
[0092]為使本申請的目的、技術(shù)方案和優(yōu)點更加清楚明白，下文中將結(jié)合附圖對本申請的實施例進(jìn)行詳細(xì)說明。需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互任意組合。
[0093]圖1為本發(fā)明實現(xiàn)互聯(lián)網(wǎng)宣傳監(jiān)測目標(biāo)評估的方法的流程圖，如圖1所示，包括:
[0094]步驟100、根據(jù)配置信息從選定的數(shù)據(jù)源中獲取宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息。
[0095]本步驟中，選定數(shù)據(jù)源為:新聞元搜索、和/或，定點網(wǎng)站。
[0096]需要說明的是，配置信息為人為設(shè)定或者從現(xiàn)有的網(wǎng)頁信息獲取涉及的數(shù)據(jù)庫等獲得，只是為了用于限定獲取宣傳監(jiān)測目標(biāo)而設(shè)定，這里的宣傳監(jiān)測目標(biāo)為【背景技術(shù)】中涉及的需要企業(yè)進(jìn)行相關(guān)活動而投放在互聯(lián)網(wǎng)上的文章信息。雖然獲得網(wǎng)頁信息的方法很多，但是過多的數(shù)據(jù)和信息量小的數(shù)據(jù)，對于企業(yè)對相關(guān)信息的分析獲取，并不存在實際意義。
[0097]步驟101、對獲取的各網(wǎng)頁信息進(jìn)行網(wǎng)站特征字分離，以獲得相應(yīng)的標(biāo)題、正文、統(tǒng)計正文字?jǐn)?shù)信息。
[0098]需要說明的是，網(wǎng)站特征字分離的方法，為現(xiàn)有的技術(shù)，用于將獲取的網(wǎng)頁信息進(jìn)行分離整理，整理出來的信息內(nèi)容包括:標(biāo)題、正文、網(wǎng)站欄目、轉(zhuǎn)載來源、點擊率、評論率，統(tǒng)計正文字?jǐn)?shù)等信息等。在本發(fā)明后續(xù)的內(nèi)容中，涉及到網(wǎng)站特征字分離都是包括相同的內(nèi)容，只是在不同的權(quán)利要求項中，用到了其中的部分信息而已，之后的內(nèi)容將不再陳述。表1為網(wǎng)站特征字分離的一個實例列表，檢索關(guān)鍵字為配置信息的內(nèi)容。
[0099]表1
【權(quán)利要求】
1.一種實現(xiàn)互聯(lián)網(wǎng)宣傳監(jiān)測目標(biāo)評估的方法，其特征在于，包括:根據(jù)配置信息從選定的數(shù)據(jù)源中獲取宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息；對獲取的各網(wǎng)頁信息進(jìn)行網(wǎng)站特征字分離，以獲得相應(yīng)的標(biāo)題、正文、統(tǒng)計正文字?jǐn)?shù)信息；對所述獲得的各網(wǎng)頁信息中的標(biāo)題和正文進(jìn)行分詞處理且提取關(guān)鍵字，并分別計算宣傳監(jiān)測目標(biāo)的各網(wǎng)頁信息的信息量；根據(jù)各網(wǎng)頁信息的信息量確定宣傳監(jiān)測目標(biāo)的宣傳力度信息。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述信息量的計算為:網(wǎng)頁信息的中文字?jǐn)?shù)與相同網(wǎng)頁的個數(shù)的乘積；所述根據(jù)各網(wǎng)頁信息的信息量確定宣傳監(jiān)測目標(biāo)的宣傳力度信息包括:將所述各網(wǎng)頁信息的信息量與相應(yīng)的權(quán)重進(jìn)行乘積計算，并對所有網(wǎng)頁信息的乘積計算進(jìn)行積分，獲得宣傳監(jiān)測目標(biāo)的宣傳力度信息；其中，權(quán)重為:網(wǎng)頁信息中，若標(biāo)題中包含關(guān)鍵字，則賦值權(quán)重為P ;若正文包含關(guān)鍵字，則賦值權(quán)重為1 ;當(dāng)都包含關(guān)鍵字，則賦值為p +1;其中p大于1。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述選定的數(shù)據(jù)源為:新聞元搜索、和/或定點網(wǎng)站。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在對所述網(wǎng)頁信息進(jìn)行網(wǎng)站特征字分離之前，該方法還包括:對所述獲取的網(wǎng)頁信息進(jìn)行鏈接去重。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述選定的數(shù)據(jù)源為新聞元搜索，且所述鏈接為未加密鏈接時，所述鏈接去重包括:采用布隆過濾器Bloom Filter算法過濾重復(fù)鏈接；過濾后，選擇任意所述新聞元搜索中的一個的網(wǎng)頁信息作為初始列表；采用simHash方法計算所述新聞元搜索中的其余新聞元搜索獲得的網(wǎng)頁信息的散列哈希Hash值，根據(jù)Hash值判斷是否發(fā)生碰撞；發(fā)生碰撞，則刪除鏈接；未發(fā)生碰撞，則更新初始列表。
6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述選定的數(shù)據(jù)源為新聞元搜索，且所述鏈接為加密鏈接時，所述鏈接去重包括:將加密鏈接和所述過濾后的未加密鏈接的原始網(wǎng)頁，通過網(wǎng)站特征字分離出標(biāo)題、正文、網(wǎng)站欄目、轉(zhuǎn)載來源、點擊率、評論率，統(tǒng)計正文字?jǐn)?shù)信息；對比加密鏈接的網(wǎng)頁與未加密鏈接的網(wǎng)頁，生成未加密鏈接的網(wǎng)站和欄目的Hash散列；采用simHash的方法計算加密鏈接的網(wǎng)站和欄目的Hash值，如果都產(chǎn)生碰撞，則對比從網(wǎng)頁中分離出的正文的字?jǐn)?shù)，如果字?jǐn)?shù)也相同則視為相同鏈接，保留相同鏈接中的一個鏈接，其余刪除。
7.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述選定的數(shù)據(jù)源為定點網(wǎng)站，所述鏈接去重包括:判斷所述獲得的網(wǎng)頁地址是否為列表鏈接地址，當(dāng)為列表鏈接地址時，刪除該網(wǎng)頁信息的鏈接地址；若不是，則繼續(xù)進(jìn)行網(wǎng)站特征字分離。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，在進(jìn)行網(wǎng)站特征字分離后，該方法還包括:將從定點網(wǎng)站獲取的網(wǎng)頁信息的正文進(jìn)行simHash算法分析，將判定為相似的新聞進(jìn)行合并。
9.根據(jù)權(quán)利要求4~8任一項所述的方法，其特征在于，獲得所述鏈接去重信息后，該方法還包括:將所述鏈路去重后的鏈接進(jìn)行鏈接類型識別，將獲得的鏈接識別區(qū)分為:原文鏈接、列表鏈接和引用鏈接；刪除列表鏈接和引用鏈接。
10.根據(jù)權(quán)利要求9所述的方法，其特征在于，該方法還包括:對原文鏈接對應(yīng)的網(wǎng)頁信息的正文，進(jìn)行正確性判斷，刪除正文正確性判斷為無效的網(wǎng)頁信息；所述正確性判斷為:對網(wǎng)頁信息的正文進(jìn)行字?jǐn)?shù)統(tǒng)計，當(dāng)正文字?jǐn)?shù)不超過20字時，判斷為該正文對應(yīng)的網(wǎng)頁信息為無效。
11.根據(jù)權(quán)利要求9所述的方法，其特征在于，該方法還包括:周期性獲取宣傳監(jiān)測目標(biāo)的新增網(wǎng)頁信息。
12.根據(jù)權(quán)利要求1所述的方法，其特征在于，該方法還包括:對分詞處理后的網(wǎng)頁信息進(jìn)行類型詞識別，根據(jù)專家知識數(shù)據(jù)庫的類型詞，獲取網(wǎng)頁信息中在同一領(lǐng)域不同傾向上專家知識數(shù)據(jù)庫里存在的關(guān)鍵字，進(jìn)行企業(yè)不同類型詞對應(yīng)的宣傳力度信息計算，獲得企業(yè)在不同傾向的宣傳力度比對信息。
13.根據(jù)權(quán)利要求12所述的方法，其特征在于，所述類型詞識別為:將獲得的網(wǎng)頁信息，通過與類型特征詞數(shù)據(jù)庫進(jìn)行對比識別，獲得反映網(wǎng)頁信息內(nèi)容的類型的詞語；所述類型特征詞庫包含技術(shù)特征詞、財經(jīng)股市特征詞、招投標(biāo)特征詞，其它類型詞根據(jù)關(guān)注的企業(yè)類型進(jìn)行增減。
14.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述網(wǎng)站特征字分離還獲得網(wǎng)站欄目信息；所述鏈接去重還獲得鏈接去重刪除的鏈接個數(shù)信息；該方法還包括:根據(jù)宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息的網(wǎng)站欄目信息，確定宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息被元搜索引擎網(wǎng)站收錄的、包含鏈接去重刪除的鏈接在內(nèi)的鏈接個數(shù)信息，獲得文章發(fā)布效果信息；所述文章發(fā)布效果與元搜索引擎網(wǎng)站收錄個數(shù)成正比。
15.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述網(wǎng)站特征字分離還獲得轉(zhuǎn)載信息；該方法還包括:對所述宣傳監(jiān)測目標(biāo)的初始發(fā)布的各網(wǎng)站的直接轉(zhuǎn)載、和被直接轉(zhuǎn)載后的各網(wǎng)站的間接轉(zhuǎn)載進(jìn)行記錄和統(tǒng)計；計算直接轉(zhuǎn)載統(tǒng)計數(shù)值與間接轉(zhuǎn)載統(tǒng)計數(shù)值之商、獲得轉(zhuǎn)載增益度信息；根據(jù)轉(zhuǎn)載增益度信息，獲得企業(yè)發(fā)布網(wǎng)頁信息的成本和宣傳效果信息；所述轉(zhuǎn)載增益度與宣傳監(jiān)測目標(biāo)發(fā)布網(wǎng)頁信息的成本成反比，與宣傳效果成正比。
16.根據(jù)權(quán)利要求15所述的方法，其特征在于，當(dāng)獲得的宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息的轉(zhuǎn)載信息缺省轉(zhuǎn)載源時，該方法還包括:將所述獲取的網(wǎng)頁信息的來源網(wǎng)站按信息發(fā)表時間排序，對時間排序中包含的總的時間區(qū)間進(jìn)行分段，且每一時間段長度相同；其中，分段的數(shù)量與總的時間區(qū)間長度成正比；對缺省轉(zhuǎn)載源的網(wǎng)頁信息所在時間段之前的全部時間段內(nèi)的網(wǎng)頁信息，設(shè)置同一時間段內(nèi)的各網(wǎng)頁信息具有相同的被轉(zhuǎn)載概率，且從與所述缺省轉(zhuǎn)載源的網(wǎng)頁信息所在時間段相鄰的時間段開始至?xí)r間間隔最長的網(wǎng)頁信息被轉(zhuǎn)載概率依次變小，計算網(wǎng)頁信息采用各關(guān)鍵字作為檢索詞下的相應(yīng)的被轉(zhuǎn)載概率；累加所述各網(wǎng)頁信息的所有檢索詞下被轉(zhuǎn)載概率，將被轉(zhuǎn)載概率最大的網(wǎng)頁信息設(shè)定為缺省轉(zhuǎn)載源網(wǎng)頁信息的轉(zhuǎn)載源。
17.根據(jù)權(quán)利要求16所述的方法，其特征在于，所述分段的數(shù)量與總的時間區(qū)間長度成正比包括:當(dāng)總的時間區(qū)間長度大于10天時，分段的數(shù)量為5 ;當(dāng)總的時間區(qū)間長度小于10天時，分段的數(shù)量為2~5之間。
18.根據(jù)權(quán)利要求15所述的方法，其特征在于，所述網(wǎng)站特征字分離還獲得:元素標(biāo)識符，網(wǎng)頁鏈接的點擊數(shù)、評論數(shù)信息，該方法還包括:采用TOP-K算法，以網(wǎng)頁鏈接作為元素標(biāo)識符，網(wǎng)頁鏈接的點擊數(shù)、評論數(shù)、直接轉(zhuǎn)載次數(shù)、間接轉(zhuǎn)載次數(shù)、轉(zhuǎn)載增益度作為元素的屬性參數(shù)，獲得最適宜投放宣傳監(jiān)測目標(biāo)的文章的K個網(wǎng)站信息。
19.一種實現(xiàn)互聯(lián)網(wǎng)宣傳監(jiān)測目標(biāo)評估的裝置，其特征在于，包括:獲取單元、網(wǎng)站特征字分離單元、分詞單元及宣傳力度分析單元；其中，獲取單元，用于根據(jù)配置信息從選定的數(shù)據(jù)源中獲取宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息；網(wǎng)站特征字分離單元，用于分離獲取單元獲取的各網(wǎng)頁信息，以獲得相應(yīng)的標(biāo)題、正文、統(tǒng)計正文字?jǐn)?shù)信息；分詞單元，用于對網(wǎng)站特征字分離單元輸出的各網(wǎng)頁信息的標(biāo)題和正文進(jìn)行分詞處理且提取關(guān)鍵字；宣傳力度分析單元，用于根據(jù)各網(wǎng)頁信息的信息量確定宣傳監(jiān)測目標(biāo)的宣傳力度信肩、Ο
20.根據(jù)權(quán)利要求19所述的裝置，其特征在于，所述信息量的計算為:網(wǎng)頁信息的中文字?jǐn)?shù)與相同網(wǎng)頁的個數(shù)的乘積；所述根據(jù)各網(wǎng)頁信息的信息量確定宣傳監(jiān)測目標(biāo)的宣傳力度信息包括:將所述各網(wǎng)頁信息的信息量與相應(yīng)的權(quán)重進(jìn)行乘積計算，并對所有網(wǎng)頁信息的乘積計算進(jìn)行積分，獲得宣傳監(jiān)測目標(biāo)的宣傳力度信息；其中，權(quán)重為:網(wǎng)頁信息中，若標(biāo)題中包含關(guān)鍵字，則賦值權(quán)重為Ρ ;若正文包含關(guān)鍵字，則賦值權(quán)重為1 ;當(dāng)都包含關(guān)鍵字，則賦值為ρ +1;其中ρ大于1。
21.根據(jù)權(quán)利要求19所述的裝置，其特征在于，所述選定的數(shù)據(jù)源為:新聞元搜索、和/或，定點網(wǎng)站。
22.根據(jù)權(quán)利要求19所述的裝置，其特征在于，該裝置還包括鏈接去重單元，用于，對所述獲取單元獲得的網(wǎng)頁信息進(jìn)行鏈接去重。
23.根據(jù)權(quán)利要求22所述的裝置，其特征在于，所述選定的數(shù)據(jù)源為新聞元搜索，且所述鏈接為未加密鏈接時，所述鏈接去重包括:采用布隆過濾器Bloom F ilter算法過濾重復(fù)鏈接；過濾后，選擇任意所述新聞元搜索中的一個的網(wǎng)頁信息作為初始列表；采用simHash方法計算所述新聞元搜索中的其余新聞元搜索獲得的網(wǎng)頁信息的散列哈希Hash值，根據(jù)Hash值判斷是否發(fā)生碰撞；發(fā)生碰撞，則刪除鏈接；未發(fā)生碰撞，則更新初始列表。
24.根據(jù)權(quán)利要求22所述的方法，其特征在于，所述選定的數(shù)據(jù)源為新聞元搜索，且所述鏈接為加密鏈接時，所述鏈接去重包括:將加密鏈接和所述過濾后的未加密鏈接的原始網(wǎng)頁，通過網(wǎng)站特征字分離出標(biāo)題、正文、網(wǎng)站欄目、轉(zhuǎn)載來源、點擊率、評論率，統(tǒng)計正文字?jǐn)?shù)信息；對比加密鏈接的網(wǎng)頁與未加密鏈接的網(wǎng)頁，生成未加密鏈接的網(wǎng)站和欄目的Hash散列；采用simHash的方法計算加密鏈接的網(wǎng)站和欄目的Hash值，如果都產(chǎn)生碰撞，則對比從網(wǎng)頁中分離出的正文的字?jǐn)?shù)，如果字?jǐn)?shù)也相同則視為相同鏈接，保留相同鏈接中的一個鏈接，其余刪除。
25.根據(jù)權(quán)利要求23所述的方法，其特征在于，所述選定的數(shù)據(jù)源為定點網(wǎng)站，所述鏈接去重包括:判斷所述獲得的網(wǎng)頁地址是否為列表鏈接地址，當(dāng)為列表鏈接地址時，刪除該網(wǎng)頁信息的鏈接地址；若不是，則繼續(xù)進(jìn)行網(wǎng)站特征字分離。
26.根據(jù)權(quán)利要求25所述的方法，其特征在于，該裝置還包括合并單元，用于將從定點網(wǎng)站獲取的網(wǎng)頁信息在進(jìn)行網(wǎng)站特征字分離后，對正文進(jìn)行simHash算法分析，將判定為相似的網(wǎng)頁信息進(jìn)行合并。
27.根據(jù)權(quán)利要求22~26任一項所述的裝置，其特征在于，該裝置還包括鏈接類別識別單元，連接于鏈接去重單元和分詞單元之間，用于將所述鏈接去重單元獲得的鏈接進(jìn)行鏈接類型識別，將獲得的鏈接識別區(qū)分為:原文鏈接、列表鏈接和引用鏈接；刪除列表鏈接和引用鏈接。
28.根據(jù)權(quán)利要求27所述的裝置，其特征在于，該裝置還包括正確性判斷單元，用于對鏈接類型識別單元獲得的 原文鏈接的網(wǎng)頁信息的正文，進(jìn)行正確性判斷，刪除正文正確性判斷為無效的網(wǎng)頁信息；所述正確性判斷為:對網(wǎng)頁信息的正文進(jìn)行字?jǐn)?shù)統(tǒng)計，當(dāng)正文字?jǐn)?shù)不超過20字時，判斷為該正文對應(yīng)的網(wǎng)頁信息為無效。
29.根據(jù)權(quán)利要求27所述的裝置，其特征在于，該裝置還包括增量獲取單元:用于周期性獲取宣傳監(jiān)測目標(biāo)網(wǎng)頁的新增網(wǎng)頁信息。
30.根據(jù)權(quán)利要求19所述的裝置，其特征在于，該裝置還包括宣傳力度比對單元，用于根據(jù)分詞處理后的網(wǎng)頁信息進(jìn)行類型詞識別，根據(jù)專家知識數(shù)據(jù)庫的類型詞，獲取網(wǎng)頁信息中在同一領(lǐng)域不同傾向上專家知識數(shù)據(jù)庫里存在的關(guān)鍵字，進(jìn)行企業(yè)不同類型詞對應(yīng)的宣傳力度信息計算，獲得企業(yè)在不同傾向的宣傳力度比對信息。
31.根據(jù)權(quán)利要求30所述的裝置，所述類型詞識別為:將獲得的網(wǎng)頁信息，通過與類型特征詞數(shù)據(jù)庫進(jìn)行對比識別，獲得反映網(wǎng)頁信息內(nèi)容的類型的詞語；所述類型特征詞數(shù)據(jù)庫包含技術(shù)特征詞、財經(jīng)股市特征詞、招投標(biāo)特征詞，其它類型詞根據(jù)關(guān)注的企業(yè)類型進(jìn)行增減。
32.根據(jù)權(quán)利要求22所述的裝置，其特征在于，所述網(wǎng)站特征字分離單元還獲得網(wǎng)站欄目信息；所述鏈接去重單元還獲得鏈接去重刪除的鏈接個數(shù)信息；該裝置還包括發(fā)布效果分析單元，用于根據(jù)宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息的網(wǎng)站欄目信息，確定宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息被元搜索引擎網(wǎng)站收錄的、包含鏈接去重刪除的鏈接在內(nèi)的鏈接個數(shù)信息，獲得文章發(fā)布效果信息；所述文章發(fā)布效果與元搜索引擎網(wǎng)站收錄個數(shù)成正比。
33.根據(jù)權(quán)利要求19所述的裝置，其特征在于，所述網(wǎng)站特征字分離單元還獲得轉(zhuǎn)載信息；該裝置還包括轉(zhuǎn)載增益度單元，用于對所述宣傳監(jiān)測目標(biāo)的初始發(fā)布的各網(wǎng)站的直接轉(zhuǎn)載、和被直接轉(zhuǎn)載后的各網(wǎng)站的間接轉(zhuǎn)載進(jìn)行記錄和統(tǒng)計；計算直接轉(zhuǎn)載統(tǒng)計數(shù)值與間接轉(zhuǎn)載統(tǒng)計數(shù)值之商、獲得轉(zhuǎn)載增益度信息；根據(jù)轉(zhuǎn)載增益度信息，獲得企業(yè)發(fā)布網(wǎng)頁信息的成本和宣傳效果信息；所述轉(zhuǎn)載增益度與宣傳監(jiān)測目標(biāo)發(fā)布網(wǎng)頁信息的成本成反比，與宣傳效果成正比。
34.根據(jù)權(quán)利要求33所述的裝置，其特征在于，當(dāng)獲得的宣傳監(jiān)測目標(biāo)的網(wǎng)頁信息的轉(zhuǎn)載信息缺省轉(zhuǎn)載源時，該裝置還包括轉(zhuǎn)載源確定單元，用于將所述獲取的網(wǎng)頁信息的來源網(wǎng)站按信息發(fā)表時間排序，對時間排序中包含的總的時間區(qū)間進(jìn)行分段，且每一時間段長度相同；其中，分段的數(shù)量與總的時間區(qū)間長度成正比；對缺省轉(zhuǎn)載源的網(wǎng)頁信息所在時間段之前的全部時間段內(nèi)的網(wǎng)頁信息，設(shè)置同一時間段內(nèi)的各網(wǎng)頁信息具有相同的被轉(zhuǎn)載概率，且從與所述缺省轉(zhuǎn)載源的網(wǎng)頁信息所在時間段相鄰的時間段開始至?xí)r間間隔最長的網(wǎng)頁信息被轉(zhuǎn)載概率依次變小，計算網(wǎng)頁信息采用各關(guān)鍵字作為檢索詞下的相應(yīng)的被轉(zhuǎn)載概率；累加所述各網(wǎng)頁信息的所有檢索詞下被轉(zhuǎn)載概率，將被轉(zhuǎn)載概率最大的網(wǎng)頁信息設(shè)定為缺省轉(zhuǎn)載源網(wǎng)頁信息的轉(zhuǎn)載源。
35.根據(jù)權(quán)利要求34所述的裝置，其特征在于，所述分段的數(shù)量與總的時間區(qū)間長度成正比；包括:當(dāng)總的時間區(qū)間長度大于10天時，分段的數(shù)量為5 ;當(dāng)總的時間區(qū)間長度小于10天時，分段的數(shù)量為2~5之間。
36.根據(jù)權(quán)利要求19所述的裝置，其特征在于，所述網(wǎng)站特征字分離單元還獲得:元素標(biāo)識符，網(wǎng)頁鏈接的點擊數(shù)、評論數(shù)信息，該裝置還包括投放最優(yōu)單元，用于根據(jù)TOP-K算法，以網(wǎng)頁鏈接作為元素標(biāo)識符，網(wǎng)頁鏈接的點擊數(shù)、評論數(shù)、直接轉(zhuǎn)載次數(shù)、間接轉(zhuǎn)載次數(shù)、轉(zhuǎn)載增益度作為元素的屬性參數(shù)，獲得最適宜投放宣傳監(jiān)測目標(biāo)的文章的K個網(wǎng)站信肩、Ο
【文檔編號】G06F17/30GK103646078SQ201310676421
【公開日】2014年3月19日 申請日期:2013年12月11日 優(yōu)先權(quán)日:2013年12月11日
【發(fā)明者】王君鶴, 曲武 申請人:北京啟明星辰信息安全技術(shù)有限公司, 北京啟明星辰信息技術(shù)股份有限公司