技术总结
本发明公开了一种推广信息的检测方法及装置,其涉及文本过滤处理技术领域,该方法包括:获取预设的样本集合,提取样本集合中的各个样本所包含的信息单元;统计每个信息单元在样本集合中的出现次数,将出现次数大于预设的第一阈值的信息单元确定为候选特征单元;针对每个候选特征单元,分别统计该候选特征单元在各个文档位置的分布情况,根据统计结果确定该候选特征单元是否为推广特征单元;根据已确定的推广特征单元检测文档中包含的推广信息。由此可见,本发明能够有效且准确地过滤广告信息或垃圾推广信息的效果,使得采用机器抓取方法也能提取到纯净的新闻内容,极大地提高了汇编自媒体平台新闻的效率。
技术研发人员:张德斌
受保护的技术使用者:北京时间股份有限公司
文档号码:201710113764
技术研发日:2017.02.28
技术公布日:2017.06.30