基于强化语义的中文广告文本识别技术研究

赵 伟，邓叶勋，赵建强,3*，李文瑞，韩 冰，欧荣安

(1.广州市刑事科学技术研究所，广东 广州 510030；2.厦门市美亚柏科信息股份有限公司，福建 厦门 361008；3.西安电子科技大学，陕西 西安 710071)

0 引 言

随着互联网，特别是移动互联网的快速普及和移动智能终端的快速发展，互联网用户持续增长，人们习惯于通过互联网获取信息、发表观点，进行社会交往、网络购物等。与此同时，网络也成为各类广告推广的重要媒介，各类广告文本数据夹杂充斥在各类网络平台中。然而，由于广告监管、法律法规和从业人员素质问题，虚假违法广告在门户网站、移动客户端和新媒体账户等互联网媒介中屡禁不止[1]，严重污染网络空间，危害人民群众财产安全。要在海量互联网数据中及时发现识别各类违规广告信息，及时管控处理，是网络监管部门面临的技术挑战。面对海量互联网数据中的广告文本识别，必须充分发挥人工智能技术的优势，利用自然语言处理技术，结合文本语义分析技术，自动高效识别违规文本广告内容，为有效打击网络广告犯罪行为，营造良好的互联网广告秩序提供有力技术支撑。

1 相关工作

文本分类技术是自然语言处理研究中应用最广泛的研究方向。针对文本类广告识别，早期方法主要是基于白名单与黑名单、规则过滤等技术[2]。张知临等人[3]使用黑白名单的方法识别网络文本广告，黑名单存储网络违规广告网站的网站名称、禁用词等预定义字段，该方法在特定领域下准确率高，速度快，但缺点也明显，灵活性差，严重受限黑名单质量，对黑名单之外的广告无法有效识别。……