一種即時(shí)通信中識(shí)別廣告消息的裝置和方法
【專利摘要】本發(fā)明公開了一種即時(shí)通信中識(shí)別廣告消息的裝置和方法，其中該方法包括：檢測(cè)即時(shí)通信客戶端發(fā)送的即時(shí)消息中的文本字段；提取所述文本字段中包含的一個(gè)或多個(gè)特征向量；根據(jù)所述特征向量，識(shí)別與廣告消息匹配的即時(shí)消息。使用本發(fā)明的裝置和方法，可以通過檢測(cè)即時(shí)通信客戶端發(fā)送的即時(shí)消息中的文本字段，提取所述文本字段中包含的一個(gè)或多個(gè)特征向量，并根據(jù)特征向量識(shí)別與廣告消息匹配的即時(shí)消息。能夠有效地識(shí)別即時(shí)通信中的廣告并能夠進(jìn)行相應(yīng)的屏蔽或禁言管理。
【專利說明】一種即時(shí)通信中識(shí)別廣告消息的裝置和方法【技術(shù)領(lǐng)域】[0001]本發(fā)明涉及計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域，具體涉及一種即時(shí)通信中識(shí)別廣告消息的裝置和方法?！颈尘凹夹g(shù)】[0002]隨著互聯(lián)網(wǎng)的發(fā)展，各種網(wǎng)絡(luò)應(yīng)用，尤其是即時(shí)通信工具，成為人們獲取信息、交 流信息的重要渠道。然而在即時(shí)通信的即時(shí)消息中，存在相當(dāng)量的廣告內(nèi)容，給用戶帶來了 諸多不便，同時(shí)也降低了即時(shí)通信的質(zhì)量。
【發(fā)明內(nèi)容】
[0003]鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上 述問題的一種即時(shí)通信中識(shí)別廣告消息的裝置和相應(yīng)的一種即時(shí)通信中識(shí)別廣告消息的 方法。[0004]依據(jù)本發(fā)明的一個(gè)方面，提供了一種即時(shí)通信中識(shí)別廣告消息的裝置，包括:文本 獲取單元，適于檢測(cè)即時(shí)通信客戶端發(fā)送的即時(shí)消息中的文本字段；特征向量提取單元，適 于提取所述文本字段中包含的一個(gè)或多個(gè)特征向量；識(shí)別單元，適于根據(jù)所述特征向量，識(shí) 別與廣告消息匹配的即時(shí)消息。[0005]可選地，該裝置還包括:屏蔽單元，適于在識(shí)別單元識(shí)別出與廣告消息匹配的即時(shí) 消息時(shí)，對(duì)與廣告消息匹配的即時(shí)消息進(jìn)行屏蔽處理。[0006]可選地，該裝置還包括:管理單元，適于在識(shí)別單元識(shí)別出與廣告消息匹配的即時(shí) 消息時(shí)，標(biāo)識(shí)所述與廣告消息匹配的即時(shí)消息及發(fā)送所述與廣告消息匹配的即時(shí)消息的客 戶端，并在預(yù)定時(shí)間內(nèi)不轉(zhuǎn)發(fā)由該客戶端所發(fā)送的即時(shí)消息。[0007]可選地，所述識(shí)別單元，適于根據(jù)所述特征向量判斷即時(shí)消息是否與廣告特征數(shù) 據(jù)庫(kù)中的記錄匹配。[0008]可選地，所述識(shí)別單元，適于對(duì)所述特征向量中的每個(gè)特征，檢測(cè)廣告特征數(shù)據(jù)庫(kù) 中是否多次出現(xiàn)該特征；所述識(shí)別單元，適于判斷所述特征向量中的在廣告特征數(shù)據(jù)庫(kù)中 多次出現(xiàn)的特征占該特征向量的全部特征的比例是否達(dá)到第一閾值，是則確定所述即時(shí)消 息與廣告特征數(shù)據(jù)庫(kù)中的記錄匹配，否則不匹配。[0009]可選地，所述識(shí)別單元，適于對(duì)所述特征向量中的每個(gè)特征，從廣告特征數(shù)據(jù)庫(kù)中 查找是否存在該特征，如果存在，則進(jìn)一步查看該特征的權(quán)值，如果該特征的權(quán)值大于或等 于第二閾值，則廣告特征數(shù)據(jù)庫(kù)中多次出現(xiàn)該特征。[0010]可選地，該裝置進(jìn)一步包括廣告特征數(shù)據(jù)庫(kù)更新單元，所述廣告特征數(shù)據(jù)庫(kù)更新 單元，適于在確定所述即時(shí)消息與廣告特征數(shù)據(jù)庫(kù)中的記錄匹配時(shí)，對(duì)于所述特征向量中 的每個(gè)特征，如果檢測(cè)到廣告特征數(shù)據(jù)庫(kù)中存在該特征，則將廣告特征數(shù)據(jù)庫(kù)中該特征的 權(quán)值加I。[0011]可選地，所述識(shí)別單元，適于在對(duì)于所述特征向量中的每個(gè)特征，檢測(cè)廣告特征數(shù)據(jù)庫(kù)中是否存在該特征之前，判斷所述特征向量中的特征的數(shù)目是否小于第三閾值，是則 所述即時(shí)消息與廣告特征數(shù)據(jù)庫(kù)中的記錄不匹配并結(jié)束判斷操作，否則對(duì)于所述特征向量 中的每個(gè)特征，檢測(cè)廣告特征數(shù)據(jù)庫(kù)中是否多次出現(xiàn)該特征。[0012]可選地，所述特征向量提取單元包括:中文文本獲取子單元，適于對(duì)文本字段進(jìn)行 文本處理以獲取中文文本；拼音文本獲取子單元，適于將獲取的中文文本中的漢字轉(zhuǎn)為拼 音得到拼音文本；指紋獲取子單元，適于提取所述拼音文本的特征，將提取的特征形成所述 拼音文本的特征向量。[0013]可選地，所述中文文本獲取子單元，適于對(duì)文本字段進(jìn)行數(shù)據(jù)清洗操作，將文本字 段中的內(nèi)容轉(zhuǎn)換為規(guī)則字符；將拼音轉(zhuǎn)化為漢字；以及將保留常用的漢字。[0014]可選地，所述中文文本獲取子單元，適于識(shí)別并丟棄HTML標(biāo)記，將繁體字轉(zhuǎn)換為 簡(jiǎn)體字，將全角字符轉(zhuǎn)換為半角字符，將大寫英文字母轉(zhuǎn)換為小寫英文字母，以及識(shí)別并丟 棄url和標(biāo)點(diǎn)符號(hào)，以將文本字段中的內(nèi)容轉(zhuǎn)換為規(guī)則字符；所述中文文本獲取子單元，適 于使用雙向最大匹配算法將文本中的拼音轉(zhuǎn)換為漢字，如果一個(gè)拼音對(duì)應(yīng)多個(gè)漢字，則從 對(duì)應(yīng)的多個(gè)漢字中任選一個(gè)，以將文本中的拼音轉(zhuǎn)化為漢字；所述中文文本獲取子單元，適 于使用GBK編碼表中的常用漢字對(duì)文本字段進(jìn)行過濾，丟棄所有不屬于常用漢字的字符， 以保留常用的漢字。[0015]可選地，所述拼音文本獲取子單元，適于使用拼音漢字對(duì)照表，將每個(gè)漢字轉(zhuǎn)換為 對(duì)應(yīng)的拼音串，以得到拼音文本。[0016]可選地，所述指紋獲取子單元，適于以單個(gè)漢字為切分粒度提取所述拼音文本的 特征，并使用向量空間模型將提取的特征形成所述拼音文本的特征向量。[0017]依據(jù)本發(fā)明的另一個(gè)方面，提供了一種即時(shí)通信中識(shí)別廣告消息的方法，包括:檢 測(cè)即時(shí)通信客戶端發(fā)送的即時(shí)消息中的文本字段；提取所述文本字段中包含的一個(gè)或多個(gè) 特征向量；根據(jù)所述特征向量，識(shí)別與廣告消息匹配的即時(shí)消息。[0018]可選地，該方法還包括:當(dāng)識(shí)別出與廣告消息匹配的即時(shí)消息時(shí)，對(duì)與廣告消息匹 配的即時(shí)消息進(jìn)行屏蔽處理。[0019]可選地，當(dāng)識(shí)別出與廣告消息匹配的即時(shí)消息時(shí)，標(biāo)識(shí)所述與廣告消息匹配的即 時(shí)消息及發(fā)送所述與廣告消息匹配的即時(shí)消息的客戶端，并在預(yù)定時(shí)間內(nèi)不轉(zhuǎn)發(fā)由該客戶 端所發(fā)送的即時(shí)消息。[0020]可選地，根據(jù)所述特征向量，識(shí)別與廣告消息匹配的即時(shí)消息，具體包括:根據(jù)所 述特征向量判斷即時(shí)消息是否與廣告特征數(shù)據(jù)庫(kù)中的記錄匹配。[0021]可選地，所述根據(jù)所述特征向量判斷即時(shí)消息是否與廣告特征數(shù)據(jù)庫(kù)中的記錄匹 配，具體包括:對(duì)所述特征向量中的每個(gè)特征，檢測(cè)廣告特征數(shù)據(jù)庫(kù)中是否多次出現(xiàn)該特 征；判斷所述特征向量中的在廣告特征數(shù)據(jù)庫(kù)中多次出現(xiàn)的特征占該特征向量的全部特征 的比例是否達(dá)到第一閾值，是則確定所述即時(shí)消息與廣告特征數(shù)據(jù)庫(kù)中的記錄匹配，否則 不匹配。[0022]可選地，所述檢測(cè)廣告特征數(shù)據(jù)庫(kù)中是否多次出現(xiàn)該特征包括:從廣告特征數(shù)據(jù) 庫(kù)中查找是否存在該特征，如果存在，則進(jìn)一步查看該特征的權(quán)值，如果該特征的權(quán)值大于 或等于第二閾值，則廣告特征數(shù)據(jù)庫(kù)中多次出現(xiàn)該特征。[0023]可選地，在確定所述即時(shí)消息與廣告特征數(shù)據(jù)庫(kù)中的記錄匹配時(shí)，該方法進(jìn)一步包括:對(duì)于所述特征向量中的每個(gè)特征，如果檢測(cè)到廣告特征數(shù)據(jù)庫(kù)中存在該特征，則該將 廣告特征數(shù)據(jù)庫(kù)中該特征的權(quán)值加I。[0024]可選地，在對(duì)于所述特征向量中的每個(gè)特征，檢測(cè)廣告特征數(shù)據(jù)庫(kù)中是否存在該 特征之前，所述判斷即時(shí)消息是否與廣告特征數(shù)據(jù)庫(kù)中的記錄匹配進(jìn)一步包括:判斷所述 特征向量中的特征的數(shù)目是否小于第三閾值，是則所述即時(shí)消息與廣告特征數(shù)據(jù)庫(kù)中的記 錄不匹配并結(jié)束判斷操作，否則對(duì)于所述特征向量中的每個(gè)特征，檢測(cè)廣告特征數(shù)據(jù)庫(kù)中 是否多次出現(xiàn)該特征。[0025]可選地，所述提取所述文本字段中包含的一個(gè)或多個(gè)特征向量，具體包括:對(duì)文本 字段進(jìn)行文本處理以獲取中文文本；將獲取的中文文本中的漢字轉(zhuǎn)為拼音得到拼音文本； 提取所述拼音文本的特征，將提取的特征形成所述拼音文本的特征向量。[0026]可選地，所述對(duì)文本字段進(jìn)行文本處理以獲取中文文本，具體包括:對(duì)文本字段進(jìn) 行數(shù)據(jù)清洗操作，將文本字段中的內(nèi)容轉(zhuǎn)換為規(guī)則字符；將拼音轉(zhuǎn)化為漢字；保留常用的 漢字。[0027]可選地，所述對(duì)文本字段進(jìn)行數(shù)據(jù)清洗操作，具體包括:識(shí)別并丟棄HTML標(biāo)記，將 繁體字轉(zhuǎn)換為簡(jiǎn)體字，將全角字符轉(zhuǎn)換為半角字符，將大寫英文字母轉(zhuǎn)換為小寫英文字母， 以及識(shí)別并丟棄url和標(biāo)點(diǎn)符號(hào)；所述將文本中的拼音轉(zhuǎn)化為漢字，具體包括:使用雙向最 大匹配算法將文本中的拼音轉(zhuǎn)換為漢字，如果一個(gè)拼音對(duì)應(yīng)多個(gè)漢字，則從對(duì)應(yīng)的多個(gè)漢 字中任選一個(gè)；所述保留常用的漢字，具體包括:使用GBK編碼表中的常用漢字對(duì)文本字段 進(jìn)行過濾，丟棄所有不屬于常用漢字的字符。[0028]可選地，所述將獲取的中文文本中的漢字轉(zhuǎn)為拼音得到拼音文本，具體包括:使用 拼音漢字對(duì)照表，將每個(gè)漢字轉(zhuǎn)換為對(duì)應(yīng)的拼音串，得到拼音文本。[0029]可選地，所述提取所述拼音文本的特征，將提取的特征形成所述拼音文本的特征 向量，具體包括:以單個(gè)漢字為切分粒度提取所述拼音文本的特征，并使用向量空間模型將 提取的特征形成所述拼音文本的特征向量。[0030]根據(jù)本發(fā)明的即時(shí)通信中識(shí)別廣告消息的裝置和方法，可以通過檢測(cè)即時(shí)通信客 戶端發(fā)送的即時(shí)消息中的文本字段，提取所述文本字段中包含的一個(gè)或多個(gè)特征向量，并 根據(jù)特征向量識(shí)別與廣告消息匹配的即時(shí)消息。能夠有效地識(shí)別即時(shí)通信中的廣告并能夠 進(jìn)行相應(yīng)的屏蔽或禁言管理。[0031]上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段， 而可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠 更明顯易懂，以下特舉本發(fā)明的【具體實(shí)施方式】?！緦＠綀D】

【附圖說明】[0032]通過閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通 技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明 的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中:[0033]圖1示出了根據(jù)本發(fā)明第一實(shí)施例的即時(shí)通信中識(shí)別廣告消息的方法的流程圖；[0034]圖2示出了提取文本字段中包含的一個(gè)或多個(gè)特征向量的詳細(xì)的流程圖；[0035]圖3示出了如圖2所示的步驟S210、步驟S220和步驟S230的詳細(xì)的流程圖；[0036]圖4示出了如圖1所示的步驟S300的詳細(xì)的流程圖；[0037]圖5示出了根據(jù)本發(fā)明第二實(shí)施例的即時(shí)通信中識(shí)別廣告消息的方法的流程圖；[0038]圖6示出了根據(jù)本發(fā)明第一實(shí)施例的即時(shí)通信中識(shí)別廣告消息的裝置的框圖；[0039]圖7示出了根據(jù)本發(fā)明第一實(shí)施例的即時(shí)通信中識(shí)別廣告消息的裝置的詳細(xì)的 框圖；以及[0040]圖8示出了根據(jù)本發(fā)明第二實(shí)施例的即時(shí)通信中識(shí)別廣告消息的裝置的詳細(xì)的 框圖?！揪唧w實(shí)施方式】[0041]下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施例。雖然附圖中顯示了本公開 的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施例 所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍 完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。[0042]圖1示出了根據(jù)本發(fā)明第一實(shí)施例的即時(shí)通信中識(shí)別廣告消息的方法的流程圖。 該方法包括以下的步驟S100、S200和S300。[0043]S100、檢測(cè)即時(shí)通信客戶端發(fā)送的即時(shí)消息中的文本字段。[0044]本實(shí)施例中，可以從即時(shí)消息中濾除非文本的內(nèi)容(例如圖片、視頻等)，篩選得到 文本字段。[0045]S200、提取所述文本字段中包含的一個(gè)或多個(gè)特征向量。本實(shí)施例中，可以通過 檢測(cè)斷句符號(hào)，將文本字段切分為多段文本，進(jìn)而得到多個(gè)特征向量；也可以不切分文本字 段，進(jìn)而得到一個(gè)特征向量。[0046]S300、根據(jù)所述特征向量，識(shí)別與廣告消息匹配的即時(shí)消息。[0047]本實(shí)施例中，對(duì)特征向量中的每一個(gè)特征，會(huì)檢測(cè)在一個(gè)預(yù)設(shè)的廣告特征數(shù)據(jù)庫(kù) 中是否多次出現(xiàn)該特征。檢測(cè)了特征向量中的所有特征之后，判斷特征向量中的在廣告 特征數(shù)據(jù)庫(kù)中多次出現(xiàn)的特征占特征向量的全部特征的比例，從而判斷即時(shí)消息與廣告特 征數(shù)據(jù)庫(kù)中的記錄是否匹配。本實(shí)施例中預(yù)設(shè)的廣告特征數(shù)據(jù)庫(kù)使用Redis廣告特征數(shù) 據(jù)庫(kù)，可以是通過對(duì)海量的網(wǎng)絡(luò)廣告文本(例如抓取收集的網(wǎng)絡(luò)廣告等垃圾信息)進(jìn)行分 析得到海量的特征，并統(tǒng)計(jì)得到的各個(gè)特征的數(shù)目而得到權(quán)值，令特征(Shingle)和權(quán)值 (Value)構(gòu)成廣告特征數(shù)據(jù)庫(kù)。[0048]本發(fā)明的步驟S200和步驟S300，通過與廣告特征數(shù)據(jù)庫(kù)中的記錄進(jìn)行相似文本 監(jiān)測(cè)而識(shí)別即時(shí)消息中的廣告。不同于本發(fā)明步驟S200和步驟S300的一種相似文本檢測(cè) 方法為:首先提取文本的特征(例如對(duì)文本進(jìn)行分詞，提取實(shí)體詞)并使用各種技術(shù)對(duì)特征 進(jìn)行擴(kuò)展(例如使用同義詞詞林，近義詞詞典等知識(shí)庫(kù)進(jìn)行詞匯擴(kuò)展)，并使用VSM模型來描 述文本(例如使用VSM模型將一篇文本表示為一個(gè)向量)，然后使用聚類方法對(duì)文本進(jìn)行聚 類(例如對(duì)于兩篇文本，經(jīng)過向量化表示后，計(jì)算兩個(gè)向量的余弦夾角用于表征兩篇文本的 相似性，如果相似度大于一定閾值，則認(rèn)為兩篇文本是相似的)，被聚到一起的文本是相似 的。[0049]然而，在網(wǎng)絡(luò)應(yīng)用中，存在著大量的相似文本的變種，如使用繁體字、適用拼音代 替文字、用同音字代替原字、加入大量無意義的干擾字符，等等，上述技術(shù)存在以下缺點(diǎn):(一)分詞結(jié)果存在誤差；(二)同音不同字的文本無法判斷為相似；(三)無法將經(jīng)過拼音化處理的兩篇文本識(shí)別為相似文本；(四)對(duì)文本的計(jì)算復(fù)雜度太高(例如，將文本表示為向量，需要較大的運(yùn)算量)。因此，這種方法無法滿足當(dāng)前大數(shù)據(jù)量情況下的運(yùn)算實(shí)時(shí)性要求。
[0050]圖2示出了提取文本字段中包含的一個(gè)或多個(gè)特征向量的詳細(xì)的流程圖。該方法包括以下的步驟S210、S220和S230。[0051 ] S210、對(duì)文本字段進(jìn)行文本處理以獲取中文文本。[0052]通過由文本字段獲取中文文本，可以消除包括有無意義的干擾字符、繁體字等相似文本的變種對(duì)本實(shí)施例的影響。[0053]S220、將獲取的中文文本中的漢字轉(zhuǎn)為拼音得到拼音文本。[0054]通過將中文文本中的漢字統(tǒng)一轉(zhuǎn)化為拼音，可以消除用拼音代替文字、用同音字代替原字等相似文本的變種對(duì)本實(shí)施例的識(shí)別效果的影響。[0055]S230、提取所述拼音文本的特征，將提取的特征形成所述拼音文本的特征向量。[0056]本實(shí)施例中，可以采用N元語言模型(N-gram)提起拼音文本的特征向量，基于步驟S210獲取的中文文本中的漢字粒度，對(duì)步驟S220獲取的拼音文本提取N-gram特征 SHINGLE^ SHINGLe2,…SHINGLEm。例如，如果步驟S210獲取的中文文本為“我愛北京天安門”，漢字粒度為“我”、“愛”、“北”、“京”、“天”，“安”，“門”，步驟S220獲取的拼音文本為 “wo ai bei jing tian an 111611”,那么拼音串被切分為“￥0”、“&;[”、‘<^6；[”、“」;[1^”、“1:1&11”、 “an”、“men”，如果令 N=6 則步驟 S230 中，獲取的 N-gram 特征 SHINGLei 為“wo ai bei jing tian an”、SHINGLe2 為“ai bei jing tian an men”,依次類推。并使用向量空間模型(VSM, Vector Space Model)形成特征向量 DMSHINGLEi, SHINGLE2，…，SHINGLEJ。[0057]圖3示出了如圖2所示的步驟S210、步驟S220和步驟S230的詳細(xì)的流程圖。步驟S210具體包括:[0058]S211、對(duì)文本字段進(jìn)行數(shù)據(jù)清洗操作，將文本字段中的內(nèi)容轉(zhuǎn)換為規(guī)則字符。[0059]其中，對(duì)文本字段進(jìn)行數(shù)據(jù)清洗操作，具體包括:識(shí)別并丟棄HTML標(biāo)記，將繁體字轉(zhuǎn)換為簡(jiǎn)體字，將全角字符轉(zhuǎn)換為半角字符，將大寫英文字母轉(zhuǎn)換為小寫英文字母，以及識(shí)別并丟棄url和標(biāo)點(diǎn)符號(hào)。[0060]S212、將拼音轉(zhuǎn)化為漢字。[0061]其中，將經(jīng)過步驟S211處理的文本中的拼音轉(zhuǎn)化為漢字，具體包括:使用雙向最大匹配算法將文本中的拼音轉(zhuǎn)換為漢字，如果一個(gè)拼音對(duì)應(yīng)多個(gè)漢字，則從對(duì)應(yīng)的多個(gè)漢字中任選一個(gè)。[0062]S213、保留常用的漢字。[0063]其中，保留常用的漢字，具體包括:使用GBK編碼表中的常用漢字對(duì)文本進(jìn)行過濾，丟棄所有不屬于常用漢字的字符，即只保留漢字GBK編碼在OxBOAO~0xF7FE中的漢字。[0064]步驟S220具體包括:使用拼音漢字對(duì)照表，將每個(gè)漢字轉(zhuǎn)換為對(duì)應(yīng)的拼音串，得到拼音文本。[0065]通過步驟S210由文本字段獲取中文文本，以及通過步驟S220將獲取的中文文本中的漢字轉(zhuǎn)為拼音得到拼音文本，可以將相似文本的不同變種，識(shí)別為相同的拼音文本。例如將如表1所示的文本字段和三種變種,通過步驟S210和S220得到相同的拼音文本。[0066]表1文本字段及三種變種[0067]
【權(quán)利要求】
1.一種即時(shí)通信中識(shí)別廣告消息的裝置，包括:文本獲取單元，適于檢測(cè)即時(shí)通信客戶端發(fā)送的即時(shí)消息中的文本字段；特征向量提取單元，適于提取所述文本字段中包含的一個(gè)或多個(gè)特征向量；識(shí)別單元，適于根據(jù)所述特征向量，識(shí)別與廣告消息匹配的即時(shí)消息。
2.根據(jù)權(quán)利要求1所述的裝置，其中，該裝置還包括:屏蔽單元，適于在識(shí)別單元識(shí)別出與廣告消息匹配的即時(shí)消息時(shí)，對(duì)與廣告消息匹配 的即時(shí)消息進(jìn)行屏蔽處理。
3.根據(jù)權(quán)利要求1或2所述的裝置，其中，該裝置還包括:管理單元，適于在識(shí)別單元識(shí)別出與廣告消息匹配的即時(shí)消息時(shí)，標(biāo)識(shí)所述與廣告消 息匹配的即時(shí)消息及發(fā)送所述與廣告消息匹配的即時(shí)消息的客戶端，并在預(yù)定時(shí)間內(nèi)不轉(zhuǎn) 發(fā)由該客戶端所發(fā)送的即時(shí)消息。
4.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的裝置，其中，所述識(shí)別單元，適于根據(jù)所述特征向量判斷即時(shí)消息是否與廣告特征數(shù)據(jù)庫(kù)中的記錄 匹配。
5.根據(jù)權(quán)利要求1-4任一項(xiàng)所述的裝置，其中，所述識(shí)別單元，適于對(duì)所述特征向量中的每個(gè)特征，檢測(cè)廣告特征數(shù)據(jù)庫(kù)中是否多次 出現(xiàn)該特征；所述識(shí)別單元，適于判斷所述特征向量中的在廣告特征數(shù)據(jù)庫(kù)中多次出現(xiàn)的特征占該 特征向量的全部特征的比例是否達(dá)到第一閾值，是則確定所述即時(shí)消息與廣告特征數(shù)據(jù)庫(kù) 中的記錄匹配,否則不匹配。
6.一種即時(shí)通信中識(shí)別廣告消息的方法，包括:檢測(cè)即時(shí)通信客戶端發(fā)送的即時(shí)消息中的文本字段；提取所述文本字段中包含的一個(gè)或多個(gè)特征向量；根據(jù)所述特征向量，識(shí)別與廣告消息匹配的即時(shí)消息。
7.根據(jù)權(quán)利要求6所述的方法，其中，該方法還包括:當(dāng)識(shí)別出與廣告消息匹配的即時(shí)消息時(shí)，對(duì)與廣告消息匹配的即時(shí)消息進(jìn)行屏蔽處理。
8.根據(jù)權(quán)利要求6或7所述的方法，其中，當(dāng)識(shí)別出與廣告消息匹配的即時(shí)消息時(shí)，標(biāo)識(shí)所述與廣告消息匹配的即時(shí)消息及發(fā)送 所述與廣告消息匹配的即時(shí)消息的客戶端，并在預(yù)定時(shí)間內(nèi)不轉(zhuǎn)發(fā)由該客戶端所發(fā)送的即 時(shí)消息。
9.根據(jù)權(quán)利要求6-8任一項(xiàng)所述的方法，其中，根據(jù)所述特征向量，識(shí)別與廣告消息匹 配的即時(shí)消息，進(jìn)一步包括:根據(jù)所述特征向量判斷即時(shí)消息是否與廣告特征數(shù)據(jù)庫(kù)中的記錄匹配。
10.根據(jù)權(quán)利要求6-9任一項(xiàng)所述的方法，其中，所述根據(jù)所述特征向量判斷即時(shí)消息 是否與廣告特征數(shù)據(jù)庫(kù)中的記錄匹配，進(jìn)一步包括:對(duì)所述特征向量中的每個(gè)特征，檢測(cè)廣告特征數(shù)據(jù)庫(kù)中是否多次出現(xiàn)該特征；判斷所述特征向量中的在廣告特征數(shù)據(jù)庫(kù)中多次出現(xiàn)的特征占該特征向量的全部特 征的比例是否達(dá)到第一閾值，是則確定所述即時(shí)消息與廣告特征數(shù)據(jù)庫(kù)中的記錄匹配，否 則不匹配。
【文檔編號(hào)】G06F17/30GK103605690SQ201310537715
【公開日】2014年2月26日 申請(qǐng)日期:2013年11月4日 優(yōu)先權(quán)日:2013年11月4日
【發(fā)明者】孫林, 陳培軍, 秦吉?jiǎng)? 申請(qǐng)人:北京奇虎科技有限公司, 奇智軟件（北京）有限公司