在线社区广告文本联系方式的抽取研究

王俊芳 韩泽峰 陈楠

摘要：在线社区已经成为许多用户交流与获取信息的主要场所。但是同时，很多广告信息也充斥在许多网络社区里。这些广告不仅严重损害了社区的使用质量，使得用户在浏览这些无的信息上浪费了大量时间，一些虚假广告还有可能对普通网民的财产等方面带来严重的损失。目前已经在广告文本检测上已经有相关研究，相应的算法也应用于实际系统。考虑到几乎所有的在线社区广告均包含了联系方式，本项工作研究从检测到的广告文本里面提取联系方式。我们提取了两种算法：基于规则的算法和基于深度学习的算法。实验表明我们的算法具备较好的性能。

关键词：广告文本；抽取；算法；深度学习

1 前言

经过网络文本中联系方式的抽取具有重要的意义，从我们接触到的文献来看，目前尚没有专门的公开论文来探讨这一问题。本文提出了两种联系方式抽取算法：基于规则的算法和基于深度学习的算法。同时，我们构造了一个包含7000条互联网文本的数据集来验证我们算法的性能。本文的贡献主要体现在：1）我们首次研究了互联网文本中联系方式的抽取问题；2）我们提出了两种有效地算法，特别是首次将深度学习应用到该问题上；3）我们提出了一种结合拼音嵌入的方式来作为深度神经网络的输入。

2 相关工作

2.1 深度学习

现有的深度神经网络主要包含三种主要的架构。第一种架构是卷积神经网络。……