一种违规广告检测方法、装置和电子设备与流程

1.本发明涉及计算机技术领域，具体而言，涉及一种违规广告检测方法、装置和电子设备。


背景技术：

2.目前，在广告中常常会出现虚假宣传以及夸大效果等不规范用语，这些不规范用语会导致广告会触犯广告投放所在国家的规定而导致广告被下架，造成广告主的损失。


技术实现要素：

3.为解决上述问题，本发明实施例的目的在于提供一种违规广告检测方法、装置和电子设备。
4.第一方面，本发明实施例提供了一种违规广告检测方法，包括：
5.获取不规范用语，并利用所述不规范用语对已投放广告的广告文本进行遍历，查询出包含所述不规范用语的广告文本以及正规广告文本；其中，所述正规广告文本，是未包含所述不规范用语的广告文本；
6.将所述包含所述不规范用语的广告文本作为训练负样本、将所述正规广告文本作为训练正样本，对bert模型进行训练，得到不规范用语广告文本预测模型；
7.获取待检测的广告，提取所述广告中的广告文本，并通过所述不规范用语广告文本预测模型对所述广告中的广告文本进行处理，得到所述广告的广告文本具有不规范用语的第一概率值；
8.获取所述广告的广告图像，对所述广告的广告图像进行处理，得到所述广告的广告图像具有不规范用语的第二概率值；
9.获取所述广告的广告视频，对所述广告的广告视频进行处理，得到所述广告的广告视频具有不规范用语的第三概率值；
10.根据得到的所述第一概率值、所述第二概率值以及所述第三概率值，对所述广告的违规参数进行计算；
11.当所述广告的违规参数大于违规参数阈值时，将所述广告确定为违规广告。
12.第二方面，本发明实施例还提供了一种违规广告检测装置，特征在于，包括：
13.获取模块，用于获取不规范用语，并利用所述不规范用语对已投放广告的广告文本进行遍历，查询出包含所述不规范用语的广告文本以及正规广告文本；其中，所述正规广告文本，是未包含所述不规范用语的广告文本；
14.训练模块，用于将所述包含所述不规范用语的广告文本作为训练负样本、将所述正规广告文本作为训练正样本，对bert模型进行训练，得到不规范用语广告文本预测模型；
15.第一检测模块，用于获取待检测的广告，提取所述广告中的广告文本，并通过所述不规范用语广告文本预测模型对所述广告中的广告文本进行处理，得到所述广告的广告文本具有不规范用语的第一概率值；
16.第二检测模块，用于获取所述广告的广告图像，对所述广告的广告图像进行处理，得到所述广告的广告图像具有不规范用语的第二概率值；
17.第三检测模块，用于获取所述广告的广告视频，对所述广告的广告视频进行处理，得到所述广告的广告视频具有不规范用语的第三概率值；
18.计算模块，用于根据得到的所述第一概率值、所述第二概率值以及所述第三概率值，对所述广告的违规参数进行计算；
19.确定模块，用于当所述广告的违规参数大于违规参数阈值时，将所述广告确定为违规广告。
20.第三方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面所述的方法的步骤。
21.第四方面，本发明实施例还提供了一种电子设备，所述电子设备包括有存储器，处理器以及一个或者一个以上的程序，其中所述一个或者一个以上程序存储于所述存储器中，且经配置以由所述处理器执行上述第一方面所述的方法的步骤。
22.本发明实施例上述第一方面至第四方面提供的方案中，通过利用具有不规范用语的广告文本对bert模型进行训练，得到不规范用语广告文本预测模型，从而通过所述不规范用语广告文本预测模型对所述广告中的广告文本进行处理，得到所述广告的广告文本具有不规范用语的第一概率值，然后分别对所述广告的广告图像和广告视频进行处理，分别得到广告的广告图像具有不规范用语的第二概率值以及广告的广告视频具有不规范用语的第三概率值，并根据得到的所述第一概率值、所述第二概率值以及所述第三概率值，对所述广告的违规参数进行计算，最后根据计算得到的违规参数判定广告是否为违规广告，与相关技术中无法对具有不规范用语的广告进行检测的方式相比，可以对具有不规范用语的广告进行检测，对广告是否存在不规范用语进行准确判定，可以更加真实、准确、实时的检测广告中的不规范用语，可以减少广告主投放违规广告导致账户被封禁的风险；而且，可以更加规范广告用语，合理宣传商品效果；再者，可以自动对具有不规范用语的广告进行检测，大大提升对具有不规范用语的广告进行检测的效率。
23.为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
24.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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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。
25.图1示出了本发明实施例1所提供的一种违规广告检测方法的流程图；
26.图2示出了本发明实施例2所提供的一种违规广告检测装置的结构示意图；
27.图3示出了本发明实施例3所提供的一种电子设备的结构示意图。
具体实施方式
28.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
29.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
30.在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
31.目前，在广告中常常会出现虚假宣传以及夸大效果等不规范用语，这些不规范用语会导致广告会触犯广告投放所在国家的规定而导致广告被下架，造成广告主的损失。
32.所述不规范用语，可以包括但不限于：美容产品中：祛斑、去疤痕、美白嫩肤、以及牙齿美白；
33.医疗产品中：调节血糖以及帮助睡眠；
34.服装鞋帽中：缓解膝盖疼痛、矫正走路姿势以及校正身姿。
35.涉及所述不规范用语的广告文本、广告图像以及广告视频均是违规广告。
36.基于此，本实施例提出一种违规广告检测方法、装置和电子设备，通过利用具有不规范用语的广告文本对bert模型进行训练，得到不规范用语广告文本预测模型，从而通过所述不规范用语广告文本预测模型对所述广告中的广告文本进行处理，得到所述广告的广告文本具有不规范用语的第一概率值，然后分别对所述广告的广告图像和广告视频进行处理，分别得到广告的广告图像具有不规范用语的第二概率值以及广告的广告视频具有不规范用语的第三概率值，并根据得到的所述第一概率值、所述第二概率值以及所述第三概率值，对所述广告的违规参数进行计算，最后根据计算得到的违规参数判定广告是否为违规广告，可以对具有不规范用语的广告进行检测，对广告是否存在不规范用语进行准确判定，可以更加真实、准确、实时的检测广告中的不规范用语，可以减少广告主投放违规广告导致账户被封禁的风险。
37.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术做进一步详细的说明。
38.实施例1
39.本实施例提出的违规广告检测方法，执行主体是服务器。
40.参见图1所示的一种违规广告检测方法的流程图，本实施例提出一种违规广告检测方法，包括以下具体步骤：
41.步骤100、获取不规范用语，并利用所述不规范用语对已投放广告的广告文本进行
遍历，查询出包含所述不规范用语的广告文本以及正规广告文本；其中，所述正规广告文本，是未包含所述不规范用语的广告文本。
42.在上述步骤100中，所述不规范用语，是工作人员从违规广告中提取出来并存储到所述服务器中的。
43.所述已投放广告的广告文本，缓存在所述服务器中；所述已投放广告的广告文本，可以就是文字类广告自身的文本，也可以是利用ocr技术从广告图像中提取出来的广告文本。
44.步骤102、将所述包含所述不规范用语的广告文本作为训练负样本、将所述正规广告文本作为训练正样本，对bert模型进行训练，得到不规范用语广告文本预测模型。
45.在上述步骤102中，为了对bert模型进行训练，得到不规范用语广告文本预测模型，可以执行以下步骤(1)至步骤(3)：
46.(1)将所述包含所述不规范用语的广告文本翻译成各种语言的第一翻译文本，将所述第一翻译文本作为训练负样本，并将所述正规广告文本翻译成各种语言的第二翻译文本，将所述第二翻译文本作为训练正样本；
47.(2)从所述训练负样本和所述训练正样本中随机抽取预设比例的样本组成第一训练集；
48.(3)利用所述第一训练集对bert模型进行训练，得到不规范用语广告文本预测模型。
49.在上述步骤(1)中，利用翻译软件，将所述包含所述不规范用语的广告文本翻译成各种语言的第一翻译文本，并将所述正规广告文本翻译成各种语言的第二翻译文本。
50.所述各种语言，包括：中文、英文、日文、泰文、法文、西文、德文、俄文、韩文以及阿拉伯文。
51.在上述步骤(2)中，在一个实施方式中，所述预设比例，可以设置为是0.8。
52.当然，所述预设比例，还可以设置为0.6至0.85之间的任意数值，这里不再一一赘述。
53.从所述训练负样本和所述训练正样本中随机抽取预设比例的样本组成第一训练集，可以保证从所述训练负样本中取出的样本数量和从所述训练正样本中抽取出的样本数量大致相同，从而保证训练模型的有效性。
54.在上述步骤(3)中，利用所述第一训练集对bert模型进行训练，得到不规范用语广告文本预测模型的具体过程是现有技术，这里不再赘述。
55.步骤104、获取待检测的广告，提取所述广告中的广告文本，并通过所述不规范用语广告文本预测模型对所述广告中的广告文本进行处理，得到所述广告的广告文本具有不规范用语的第一概率值。
56.在上述步骤104中，在提取所述广告中的广告文本的过程中，若所述广告是广告文本，那么直接对所述广告的广告文本进行处理即可；若所述广告是广告图像，那么需要先利用ocr技术从广告图像中提取出广告文本，然后才能对所述广告中的广告文本进行处理；若所述广告是广告视频，那就需要先从所述广告中提取出视频关键帧，然后再利用ocr技术从所述广告的视频关键帧中提取出广告文本，最后对广告文本进行处理。
57.通过所述不规范用语广告文本预测模型对所述广告中的广告文本进行处理，得到
所述广告的广告文本具有不规范用语的第一概率值的具体过程是现有技术，这里不再赘述。
58.步骤106、获取所述广告的广告图像，对所述广告的广告图像进行处理，得到所述广告的广告图像具有不规范用语的第二概率值。
59.在上述步骤106中，为了对所述广告的广告图像进行处理，得到所述广告的广告图像具有不规范用语的第二概率值，可以执行步骤(1)至步骤(4)：
60.(1)从违规广告数据库中获取包含所述不规范用语的广告图片，并从正规广告数据库中获取正规广告所使用的正规广告图片；其中，所述正规广告图片，是未包含所述不规范用语的广告图片；
61.(2)从所述包含所述不规范用语的广告图片和所述正规广告图片中随机抽取预设比例的图片组成第二训练集，并将所述第二训练集中图片的分辨率转换到预设分辨率；
62.(3)利用具有所述预设分辨率图片的第二训练集对resnet34模型进行训练，得到不规范用语广告图片预测模型；
63.(4)获取所述广告的广告图像，将所述广告的广告图像输入到所述不规范用语广告图片预测模型中，通过所述不规范用语广告图片预测模型对所述广告的广告图像进行处理，得到所述广告的广告图像具有不规范用语的第二概率值。
64.在上述步骤(1)中，所述违规广告数据库，可以对包含所述不规范用语的违规广告的广告文本、广告图片以及广告视频进行存储。
65.所述正规广告数据库，可以对正规广告的广告文本、广告图片以及广告视频进行存储。
66.在上述步骤(2)中，在一个实施方式中，所述预设分辨率，可以是224*224像素的分辨率。
67.在上述步骤(3)中，利用具有所述预设分辨率图片的第二训练集对resnet34模型进行训练，得到不规范用语广告图片预测模型的具体过程是现有技术，这里不再赘述。
68.在上述步骤(4)中，通过所述不规范用语广告图片预测模型对所述广告的广告图像进行处理，得到所述广告的广告图像具有不规范用语的第二概率值的具体过程是现有技术，这里不再赘述。
69.步骤108、获取所述广告的广告视频，对所述广告的广告视频进行处理，得到所述广告的广告视频具有不规范用语的第三概率值。
70.在上述步骤108中，为了对所述广告的广告视频进行处理，得到所述广告的广告视频具有不规范用语的第三概率值，可以执行以下步骤(1)至步骤(3)：
71.(1)获取所述广告的广告视频，利用关键帧提取技术对所述广告视频中的视频关键帧进行提取；
72.(2)将提取到的视频关键帧中位于广告视频开头的视频关键帧和位于广告视频结尾的视频关键帧删除，并按照预设时间间隔从已删除位于广告视频开头的视频关键帧和位于广告视频结尾的视频关键帧的剩余的视频关键帧中提取出待检测的多个视频关键帧；
73.(3)将所述广告视频的多个视频关键帧输入到所述不规范用语广告图片预测模型中，通过所述不规范用语广告图片预测模型对广告视频的多个视频关键帧进行处理，得到所述广告的广告视频具有不规范用语的第三概率值。
74.在上述步骤(1)中，利用关键帧提取技术对所述广告视频中的视频关键帧进行提取的具体过程是现有技术，这里不再赘述。所述视频关键帧携带有时间戳。
75.所述视频关键帧，携带有时间戳。
76.在上述步骤(2)中，根据所述视频关键帧中携带的时间戳指示的时间，将提取到的视频关键帧中位于广告视频开头的视频关键帧和位于广告视频结尾的视频关键帧删除。
77.按照视频关键帧的时间戳指示时间从小到大的顺序，对删除首尾视频关键帧后剩余的视频关键帧进行排序，并按照预设时间间隔从排序后的剩余的视频关键帧中提取出待检测的多个视频关键帧。
78.在一个实施方式中，预设时间间隔可以设置为2秒至5秒之间的任意时长，这里不再一一赘述。
79.在上述步骤(3)中，将所述广告视频的多个视频关键帧输入到所述不规范用语广告图片预测模型中，通过所述不规范用语广告图片预测模型对广告视频的多个视频关键帧进行处理，得到所述广告的广告视频具有不规范用语的第三概率值的具体过程是现有技术，这里不再赘述。
80.将多个视频关键帧中各视频关键帧输入到所述不规范用语广告图片预测模型后，所述不规范用语广告图片预测模型输出的概率值中的最大值确定为所述第三概率值。
81.步骤110、根据得到的所述第一概率值、所述第二概率值以及所述第三概率值，对所述广告的违规参数进行计算。
82.在上述步骤110中，通过以下公式对所述广告的违规参数进行计算：
83.m＝a1*s1+a2*s2+a3*s3
84.其中，m表示广告的违规参数；a1表示第一权重值；a2表示第一权重值；a3表示第三权重值；s1表示第一概率值；s2表示第二概率值；s3表示第三概率值。
85.所述第一权重值、所述第二权重值以及所述第三权重值，预先设定在所述服务器中，
86.步骤112、当所述广告的违规参数大于违规参数阈值时，将所述广告确定为违规广告。
87.在上述步骤112中，所述违规参数阈值，缓存在所述服务器中、可以设置为0.6至0.8之间的任意数值，这里不再一一赘述。
88.综上所述，本实施例提出一种违规广告检测方法，通过利用具有不规范用语的广告文本对bert模型进行训练，得到不规范用语广告文本预测模型，从而通过所述不规范用语广告文本预测模型对所述广告中的广告文本进行处理，得到所述广告的广告文本具有不规范用语的第一概率值，然后分别对所述广告的广告图像和广告视频进行处理，分别得到广告的广告图像具有不规范用语的第二概率值以及广告的广告视频具有不规范用语的第三概率值，并根据得到的所述第一概率值、所述第二概率值以及所述第三概率值，对所述广告的违规参数进行计算，最后根据计算得到的违规参数判定广告是否为违规广告，与相关技术中无法对具有不规范用语的广告进行检测的方式相比，可以对具有不规范用语的广告进行检测，对广告是否存在不规范用语进行准确判定，可以更加真实、准确、实时的检测广告中的不规范用语，可以减少广告主投放违规广告导致账户被封禁的风险；而且，可以更加规范广告用语，合理宣传商品效果；再者，可以自动对具有不规范用语的广告进行检测，大
大提升对具有不规范用语的广告进行检测的效率。
89.实施例2
90.本实施例提出一种违规广告检测装置，用于执行上述实施例1所述的违规广告检测方法。
91.参见图2所示的一种违规广告检测装置的结构示意图，本实施例提出一种违规广告检测装置，包括：
92.获取模块200，用于获取不规范用语，并利用所述不规范用语对已投放广告的广告文本进行遍历，查询出包含所述不规范用语的广告文本以及正规广告文本；其中，所述正规广告文本，是未包含所述不规范用语的广告文本；
93.训练模块202，用于将所述包含所述不规范用语的广告文本作为训练负样本、将所述正规广告文本作为训练正样本，对bert模型进行训练，得到不规范用语广告文本预测模型；
94.第一检测模块204，用于获取待检测的广告，提取所述广告中的广告文本，并通过所述不规范用语广告文本预测模型对所述广告中的广告文本进行处理，得到所述广告的广告文本具有不规范用语的第一概率值；
95.第二检测模块206，用于获取所述广告的广告图像，对所述广告的广告图像进行处理，得到所述广告的广告图像具有不规范用语的第二概率值；
96.第三检测模块208，用于获取所述广告的广告视频，对所述广告的广告视频进行处理，得到所述广告的广告视频具有不规范用语的第三概率值；
97.计算模块210，用于根据得到的所述第一概率值、所述第二概率值以及所述第三概率值，对所述广告的违规参数进行计算；
98.确定模块212，用于当所述广告的违规参数大于违规参数阈值时，将所述广告确定为违规广告。
99.具体地，所述训练模块202，具体用于：
100.将所述包含所述不规范用语的广告文本翻译成各种语言的第一翻译文本，将所述第一翻译文本作为训练负样本，并将所述正规广告文本翻译成各种语言的第二翻译文本，将所述第二翻译文本作为训练正样本；
101.从所述训练负样本和所述训练正样本中随机抽取预设比例的样本组成第一训练集；
102.利用所述第一训练集对bert模型进行训练，得到不规范用语广告文本预测模型。
103.具体地，所述第二检测模块206，具体用于：
104.从违规广告数据库中获取包含所述不规范用语的广告图片，并从正规广告数据库中获取正规广告所使用的正规广告图片；其中，所述正规广告图片，是未包含所述不规范用语的广告图片；
105.从所述包含所述不规范用语的广告图片和所述正规广告图片中随机抽取预设比例的图片组成第二训练集，并将所述第二训练集中图片的分辨率转换到预设分辨率；
106.利用具有所述预设分辨率图片的第二训练集对resnet34模型进行训练，得到不规范用语广告图片预测模型；
107.获取所述广告的广告图像，将所述广告的广告图像输入到所述不规范用语广告图
片预测模型中，通过所述不规范用语广告图片预测模型对所述广告的广告图像进行处理，得到所述广告的广告图像具有不规范用语的第二概率值。
108.综上所述，本实施例提出一种违规广告检测装置，通过利用具有不规范用语的广告文本对bert模型进行训练，得到不规范用语广告文本预测模型，从而通过所述不规范用语广告文本预测模型对所述广告中的广告文本进行处理，得到所述广告的广告文本具有不规范用语的第一概率值，然后分别对所述广告的广告图像和广告视频进行处理，分别得到广告的广告图像具有不规范用语的第二概率值以及广告的广告视频具有不规范用语的第三概率值，并根据得到的所述第一概率值、所述第二概率值以及所述第三概率值，对所述广告的违规参数进行计算，最后根据计算得到的违规参数判定广告是否为违规广告，与相关技术中无法对具有不规范用语的广告进行检测的方式相比，可以对具有不规范用语的广告进行检测，对广告是否存在不规范用语进行准确判定，可以更加真实、准确、实时的检测广告中的不规范用语，可以减少广告主投放违规广告导致账户被封禁的风险；而且，可以更加规范广告用语，合理宣传商品效果；再者，可以自动对具有不规范用语的广告进行检测，大大提升对具有不规范用语的广告进行检测的效率。
109.实施例3
110.本实施例提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例1描述的违规广告检测方法的步骤。具体实现可参见方法实施例1，在此不再赘述。
111.此外，参见图3所示的一种电子设备的结构示意图，本实施例还提出一种电子设备，上述电子设备包括总线51、处理器52、收发机53、总线接口54、存储器55和用户接口56。上述电子设备包括有存储器55。
112.本实施例中，上述电子设备还包括：存储在存储器55上并可在处理器52上运行的一个或者一个以上的程序，经配置以由上述处理器执行上述一个或者一个以上程序用于进行以下步骤(1)至步骤(7)：
113.(1)获取不规范用语，并利用所述不规范用语对已投放广告的广告文本进行遍历，查询出包含所述不规范用语的广告文本以及正规广告文本；其中，所述正规广告文本，是未包含所述不规范用语的广告文本；
114.(2)将所述包含所述不规范用语的广告文本作为训练负样本、将所述正规广告文本作为训练正样本，对bert模型进行训练，得到不规范用语广告文本预测模型；
115.(3)获取待检测的广告，提取所述广告中的广告文本，并通过所述不规范用语广告文本预测模型对所述广告中的广告文本进行处理，得到所述广告的广告文本具有不规范用语的第一概率值；
116.(4)获取所述广告的广告图像，对所述广告的广告图像进行处理，得到所述广告的广告图像具有不规范用语的第二概率值；
117.(5)获取所述广告的广告视频，对所述广告的广告视频进行处理，得到所述广告的广告视频具有不规范用语的第三概率值；
118.(6)根据得到的所述第一概率值、所述第二概率值以及所述第三概率值，对所述广告的违规参数进行计算；
119.(7)当所述广告的违规参数大于违规参数阈值时，将所述广告确定为违规广告。
120.收发机53，用于在处理器52的控制下接收和发送数据。
121.其中，总线架构(用总线51来代表)，总线51可以包括任意数量的互联的总线和桥，总线51将包括由处理器52代表的一个或多个处理器和存储器55代表的存储器的各种电路链接在一起。总线51还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本实施例不再对其进行进一步描述。总线接口54在总线51和收发机53之间提供接口。收发机53可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发机53从其他设备接收外部数据。收发机53用于将处理器52处理后的数据发送给其他设备。取决于计算系统的性质，还可以提供用户接口56，例如小键盘、显示器、扬声器、麦克风、操纵杆。
122.处理器52负责管理总线51和通常的处理，如前述上述运行通用操作系统。而存储器55可以被用于存储处理器52在执行操作时所使用的数据。
123.可选的，处理器52可以是但不限于：中央处理器、单片机、微处理器或者可编程逻辑器件。
124.可以理解，本发明实施例中的存储器55可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，rom)、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、电可擦除可编程只读存储器(electrically eprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(static ram，sram)、动态随机存取存储器(dynamic ram，dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，ddrsdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synchlink dram，sldram)和直接内存总线随机存取存储器(direct rambus ram，drram)。本实施例描述的系统和方法的存储器55旨在包括但不限于这些和任意其它适合类型的存储器。
125.在一些实施方式中，存储器55存储了如下的元素，可执行模块或者数据结构，或者它们的子集，或者它们的扩展集：操作系统551和应用程序552。
126.其中，操作系统551，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序552，包含各种应用程序，例如媒体播放器(media player)、浏览器(browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序552中。
127.综上所述，本实施例提出一种计算机可读存储介质和电子设备，通过利用具有不规范用语的广告文本对bert模型进行训练，得到不规范用语广告文本预测模型，从而通过所述不规范用语广告文本预测模型对所述广告中的广告文本进行处理，得到所述广告的广告文本具有不规范用语的第一概率值，然后分别对所述广告的广告图像和广告视频进行处理，分别得到广告的广告图像具有不规范用语的第二概率值以及广告的广告视频具有不规范用语的第三概率值，并根据得到的所述第一概率值、所述第二概率值以及所述第三概率值，对所述广告的违规参数进行计算，最后根据计算得到的违规参数判定广告是否为违规
广告，与相关技术中无法对具有不规范用语的广告进行检测的方式相比，可以对具有不规范用语的广告进行检测，对广告是否存在不规范用语进行准确判定，可以更加真实、准确、实时的检测广告中的不规范用语，可以减少广告主投放违规广告导致账户被封禁的风险；而且，可以更加规范广告用语，合理宣传商品效果；再者，可以自动对具有不规范用语的广告进行检测，大大提升对具有不规范用语的广告进行检测的效率。
128.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。