一种过滤宣传信息的方法及系统与流程

本发明涉及信息交互领域，特别涉及一种过滤宣传信息的方法及系统。

背景技术

随着智能终端设备功能的丰富以及移动互联网的快速发展，智能终端设备早已从单纯的通话设备变成了包含强大功能的移动设备。人们在工作之余可以通过智能终端设备播放音乐和视频、拍摄影像或上网浏览新闻。智能智能终端设备已然取代了多种常用电子设备，并且改变着人们的生活方式。

特别是根据用户的需求不同，各个商家以及互联网的平台开发了与用户的产品相关的app；可以实现在终端的app上展示用户或者商家的信息，在查看信息时，通常会有第三方广告或其他不相干网页的源文件插入在浏览的界面上，造成用户对于信息浏览造成效率比较低，同时不能够快速浏览相关信息。

基于以上存在技术问题，本申请提供了解决以上技术问题的技术方案。

技术实现要素：

本发明的目的是提供一种过滤宣传信息的方法及系统，服务器将接收到的宣传信息进行输入至专属的算法模型中，可以有效的识别出与用户需求不一致的信息，可以是实现快速的滤除，保留用户需求的信息，为用户的使用提高了体验度。

本发明提供的技术方案如下：

一种过滤宣传信息的方法，包括：获取用户发布的当前宣传信息；利用算法模型判断所述当前宣传信息的类型；当所述当前宣传信息的类型为第一类型信息时，则将当前宣传信息进行滤除。

进一步优选的，还包括：当利用所述算法模型判断所述当前宣传信息的类型为第二类型信息时，则展示所述当前宣传信息。

具体的，服务器将接收到的宣传信息进行输入至专属的算法模型中，可以有效的识别出与用户需求不一致的信息，可以是实现快速的滤除，保留用户需求的信息，为用户的使用提高了体验度；在申请中通过设置的“算法模型”实现了对不相关消息进行自动识别及过滤。

因此本申请可以更纯粹的反应真实有效的信息，进一步提高了用户的体验度，可以快速实现货物与货车的匹配；一方面解决了货主快速出货的问题；另一方面，解决了对用货车的有效利用率；达到双方共赢的效果。

进一步优选的，还包括：提取出所述当前宣传信息中关键词；根据所述当前宣传信息中关键词不同，设置对应的标识；并将设置对应标识的所述当前宣传信息输入至所述算法模型中；将设置对应标识的所述当前宣传信息保存数据库中，并将所述当前宣传信息设置为历史宣传信息。

进一步优选的，构建所述算法模型具体包括：从数据库中提取出设定数量的所述历史宣传信息，并建立样本数据库；在所述样本数据库中根据所述历史宣传信息对应的标识信息不同，对所述历史宣传信息进行分类处理；利用预设算法对所述样本数据库构建所述算法模型。

进一步优选的，包括：当所述用户发布的所述当前宣传信息的标识与所述样本数据库中的标识不一致时，将所述当前宣传信息的标识添加至所述样本数据库中，并更新所述算法模型。

一种自动过滤广告信息的系统，包括：信息获取模块，用于获取用户发布的当前宣传信息；信息判断模块，与所述信息获取模块通信连接，利用算法模型判断所述宣传信息获取模块获取的所述宣传信息的类型；信息滤除模块，与所述信息判断模块通信连接，当所述信息判断模块判断所述宣传信息的类型为第一类型信息时，则将该宣传信息进行滤除。

具体的，服务器将接收到的宣传信息进行输入至专属的算法模型中，可以有效的识别出与用户需求不一致的信息，可以是实现快速的滤除，保留用户需求的信息，为用户的使用提高了体验度；在申请中通过设置的“算法模型”实现了对不相关消息进行自动识别及过滤。

因此本申请可以更纯粹的反应真实有效的信息，进一步提高了用户的体验度，可以快速实现货物与货车的匹配；一方面解决了货主快速出货的问题；另一方面，解决了对用货车的有效利用率；达到双方共赢的效果。

进一步优选的，还包括：信息展示模块，与所述信息判断模块通信连接，当所述信息判断模块判断所述宣传信息的类型为第二类型信息时，则展示所述宣传信息。

进一步优选的，还包括：关键信息提取模块，与所述信息获取模块通信连接，用于提取所述信息获取模块中获取的所述所述当前宣传信息中关键词；标识设置模块，与所述关键信息提取模块通信连接，用于根据所述关键信息提取模块提取出的所述当前宣传信息中关键词不同，设置对应的标识；信息输入模块，与所述标识设置模块通信连接，用于将设置对应标识的所述当前宣传信息输入至所述算法模型中；数据存储模块，与所述标识设置模块通信连接，将设置对应标识的所述当前宣传信息保存数据库中。

进一步优选的，所述算法模型的构建包括：样本数据库、信息处理模块，算法模型构建模块；所述样本数据库，用于从数据库中提取出设定数量的所述历史宣传信息，并建立样本数据库；所述信息处理模块，用于在所述样本数据库中根据所述历史宣传信息对应的标识信息不同，对所述历史宣传信息进行分类处理；所述算法模型构建模块，利用预设算法对所述样本数据库构建所述算法模型。

进一步优选的，包括：算法模型更新模块，当所述用户发布的所述当前宣传信息的标识与所述样本数据库中的标识不一致时，将所述当前宣传信息的标识添加至所述样本数据库中，并更新所述算法模型。

本发明提供的一种过滤宣传信息的方法及系统，能够带来以下至少一种有益效果：

在本发明中，可以更纯粹的反应真实有效的信息，进一步提高了用户的体验度，可以快速实现货物与货车的匹配；一方面解决了货主快速出货的问题；另一方面，解决了对用货车的有效利用率；达到双方共赢的效果。

在本发明中，根据接收的宣传信息的不同，设置对应的标识，同时可以实现对于样本数据库的更新，进一步的实现对算法模型的更新。

附图说明

下面将以明确易懂的方式，结合附图说明优选实施方式，对一种过滤宣传信息的方法及系统的上述特性、技术特征、优点及其实现方式予以进一步说明。

图1是本发明一种过滤宣传信息的方法一个实施例的流程图；

图2是本发明一种过滤宣传信息的方法另一个实施例的流程图；

图3是本发明一种过滤宣传信息的方法另一个实施例的流程图；

图4是本发明一种过滤宣传信息的方法另一个实施例的流程图；

图5是本发明一种过滤宣传信息的系统一个实施例的结构图；

图6是本发明一种过滤宣传信息的系统另一个实施例的结构图；

图7是本发明一种过滤宣传信息的系统另一个实施例的结构图。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。

为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。

本发明提供了一种过滤宣传信息的方法一个实施例，如图1所示，包括：

步骤s100获取用户发布的当前宣传信息；

步骤s200利用算法模型判断当前宣传信息的类型；

步骤s310当当前宣传信息的类型为第一类型信息时，则将当前宣传信息进行滤除。

具体的，在实施例中，可以应用于货主端和进行负责货运的司机端；在货主端通过智能终端上设置的app发货场景，以及货运司机端通过查看智能终端app货运场景下使用。司机端在查看相关的货运信息时，以及或者在查看相关信息，可能会存在一些与货运不相关的宣传信息，也即广告信息，这样就影响了查看信息的效率，因此，在本实施例中需要将该广告信息进行滤除掉。在货主与司机之间进行信息交流过程中是通过数据服务器进行信息的转换，数据服务器在接收到宣传信息时，将该信息输入至算法模型中，该算法模型可以实现对宣传信息的检测，如果检测有存在与算法模型中设定的规则不相关的，则进行滤除；比如货主与司机之间相互推送的信息是，货物信息、车辆信息、以及驾驶员信息；但是当数据服务器检测到的信息属于“卖药的信息或者服装信息”；这样该“卖药的信息或者服装信息”服务器可以直接将其滤除。

在发明中，将接收到的宣传信息进行输入至专属的算法模型中，可以有效的识别出与用户需求不一致的信息，可以是实现快速的滤除，保留用户需求的信息，为用户的使用提高了体验度；在申请中通过设置的“算法模型”实现了对不相关消息进行自动识别及过滤。

本发明还提供了一个实施例，如图2所示；还包括：

步骤s100获取用户发布的当前宣传信息；

步骤s200利用算法模型判断当前宣传信息的类型；

步骤s320当利用算法模型判断当前宣传信息的类型为第二类型信息时，则展示当前宣传信息。

在本实施例与上一实施例的区别在于，服务器通过“算法模型”检测到的信息与用户的需求信息相关时，则可以直接推送至货主端，或者是货运的司机端。因此本申请可以更纯粹的反应真实有效的信息，进一步提高了用户的体验度，可以快速实现货物与货车的匹配；一方面解决了货主快速出货的问题；另一方面，解决了对用货车的有效利用率；达到双方共赢的效果。

本发明还提供了一个实施例，如图3所示；还包括：

步骤s100获取用户发布的当前宣传信息；

步骤s110提取出当前宣传信息中关键词；

步骤s120根据当前宣传信息中关键词不同，设置对应的标识；

步骤s130并将设置对应标识的当前宣传信息输入至算法模型中；

步骤s140将设置对应标识的当前宣传信息保存数据库中，并将当前宣传信息设置为历史宣传信息。

步骤s200利用算法模型判断当前宣传信息的类型；

步骤s310当当前宣传信息的类型为第一类型信息时，则将当前宣传信息进行滤除；或，

步骤s320当利用算法模型判断当前宣传信息的类型为第二类型信息时，则展示当前宣传信息。

具体的，服务器在实时的接收宣传信息，将接收到的信息进行预处理，一般为从接收的信息中，查找到的关键信息，假如，同样应用于货运过程中，首先查找到与“货运相关的信息”，包括，货源具体为(苹果、果汁、衣服)，重量，运送地点等；服务器接收到该信息后，提取到相关的信息后，设置相关的标识，属于哪一类的货源，例如货源种类(水、水果、蔬菜等)；并将其输入至“算法模型”算法模型进行区分，如果是与货源不相关的则进行删除，否则可以进行推送。

本发明还提供了一个实施例，参考图4所示；构建算法模型具体包括：

010从数据库中提取出设定数量的历史宣传信息，并建立样本数据库；

020在样本数据库中根据历史宣传信息对应的标识信息不同，对历史宣传信息进行分类处理；

030利用预设算法对样本数据库构建算法模型；

040当用户发布的当前宣传信息的标识与样本数据库中的标识不一致时，将当前宣传信息的标识添加至样本数据库中，并更新算法模型。

本申请中，基于对于宣传信息的识别与区分，是通过“算法模型”实现的，通过算法模型可以是快速的对用户推送至app的信息进行有效的过滤与分析；在本申请中，设置有数据库，用于将进行标识后的宣传信息进行保存，可以存储在redis数据库中(redis是一个开源的使用ansic语言编写、支持网络、可基于内存亦可持久化的日志型、key-value数据库，并提供多种语言的api。redis是一个开源的使用ansic语言编写、支持网络、可基于内存亦可持久化的日志型、key-value数据库，并提供多种语言的api。)。当宣传信息保存至数据库中，则该信息变成了历史数据了；在建立算法模型时，首先从数据库中提取一定数量的历史宣传信息，比如1万条，或者几千条等，将获取到的一定数量的零食宣传信息保存至一个样本数据库中，对样本数据库进行模型训练，在样本数据库中包括各种宣传信息，一种先关，与货物运输相关，另一种就是不相关的；在数据库中设置货源的类型，因此需要建立货源的种类，进行种类标识；标识后对货源数据进行预处理，去除标点符号、切词，便于进一步的数据处理；将中文信息转换为机器人语言，实现可识别的机器语言信息，以及数据类型的转换等；预先在样本数据库中设置与用户相关的常用词汇信息，比如与物流相关的词汇信息；在进一步将预设的物流词汇信息进行语言上的数据转换，同样可实现机器可识别的语言；每一条信息都可以通过预设的词汇信息进行比对，提取出每条信息的关键词汇；多条信息有类的区分，在每一类中设置不同的关键词汇，通sklearn中的朴素贝叶斯算法训练模型，则实现了“算法模型”构建；当有新的货货运源时，可以更新样本数据库，进一步通过更新后的样本数据库实现“算法模型”的更新，因此可以及时准确的实现对宣传信息的识别，与发布，及滤除。具体的，例如对于本申请中货源宣传信息的滤除可以使用sparkstreaming消费kafka货源数据，过滤出实时发货信息。实时信息的不断存储，新货源可以实现更新在样本数据库中，依次通过sklearn中的朴素贝叶斯算法训练模型本申请的“算法模型”。

本申请还提供了一种自动过滤广告信息的系统的一个实施例，包括：

信息获取模块100，用于获取用户发布的当前宣传信息；信息判断模块200，利用算法模型判断宣传信息获取模块100获取的宣传信息的类型；信息滤除模块300，当信息判断模块200判断宣传信息的类型为第一类型信息时，则将该宣传信息进行滤除。信息展示模块400，当信息判断模块判断200宣传信息的类型为第二类型信息时，则展示宣传信息。

具体的，在实施例中，可以应用于货主端和进行负责货运的司机端；在货主端通过智能终端上设置的app发货场景，以及货运司机端通过查看智能终端app货运场景下使用。司机端在查看相关的货运信息时，以及或者在查看相关信息，可能会存在一些与货运不相关的宣传信息，也即广告信息，这样就影响了查看信息的效率，因此，在本实施例中需要将该广告信息进行滤除掉。在货主与司机之间进行信息交流过程中是通过数据服务器通过信息获取模块100获取的宣传信息进行信息的转换，数据服务器在接收到宣传信息时，将该信息输入至算法模型中，该算法模型可以实现对宣传信息的检测，如果检测有存在与算法模型中设定的规则不相关的，则进行滤除；比如货主与司机之间相互推送的信息是，货物信息、车辆信息、以及驾驶员信息；但是当数据服务器检测到的信息属于“卖药的信息或者服装信息”；这样该“卖药的信息或者服装信息”服务器通过信息滤除模块300可以直接将其滤除。

在本实施例还包括，服务器通过“算法模型”检测到的信息与用户的需求信息相关时，则可以通过信息展示模块400直接推送至货主端，或者是货运的司机端。因此本申请可以更纯粹的反应真实有效的信息，进一步提高了用户的体验度，可以快速实现货物与货车的匹配；一方面解决了货主快速出货的问题；另一方面，解决了对用货车的有效利用率；达到双方共赢的效果。

在发明中，将接收到的宣传信息进行输入至专属的算法模型中，可以有效的识别出与用户需求不一致的信息，可以是实现快速的滤除，保留用户需求的信息，为用户的使用提高了体验度；在申请中通过设置的“算法模型”实现了对不相关消息进行自动识别及过滤。

本发明还提供了一个实施例，如图6所示；包括：算法模型构建模块010：从数据库中提取出设定数量的历史宣传信息，并建立样本数据库；在样本数据库中根据历史宣传信息对应的标识信息不同，对历史宣传信息进行分类处理；利用预设算法对样本数据库构建算法模型；算法模型更新模块020，当第一用户发布的宣传信息的标识与样本数据库中的标识不一致时，增加新的标识信息，并根据新的标识信息更新算法模型；信息获取模块100，用于获取用户发布的当前宣传信息；关键信息提取模块110，用于提取信息获取模块中获取的当前宣传信息中关键词；标识设置模块120，用于根据关键信息提取模块提取出的当前宣传信息中关键词不同，设置对应的标识；信息输入模块130，用于将设置对应标识的当前宣传信息输入至算法模型中；数据存储模块140，将设置对应标识的当前宣传信息保存数据库中；信息判断模块200，利用算法模型判断宣传信息获取模块100获取的宣传信息的类型；信息滤除模块300，当信息判断模块200判断宣传信息的类型为第一类型信息时，则将该宣传信息进行滤除。信息展示模块400，当信息判断模块判断200宣传信息的类型为第二类型信息时，则展示宣传信息。

具体的，在本实施例中，从数据库中提取出一定数量的宣传信息，将该信息进行归类标识，在每一类的信息中提取出关键词汇，通sklearn中的朴素贝叶斯算法将提取出的宣传信息训练模型，构成“算法模型”；当接收到发布的实时宣传信息时，将该信息输入至“算法模型”中时，算法模型可以实现对信息的识别，首先提取关键词，根据关键词判断属于哪一类信息，同时对信息类型进行标识，根据标识的不同，实现对宣传信息的屏蔽，或者滤除；或者进行发布。本发明的系统与方法一一对应，具体的实施方式与方法实施例相同，再次不再详细的赘述。参考图1-7所示。

应当说明的是，上述实施例均可根据需要自由组合。以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。