CN114418623A - 基于用户兴趣进行广告推送的方法、装置及设备 - Google Patents

Abstract

本申请实施例公开了一种基于用户兴趣进行广告推送的方法、装置、设备及存储介质，属于大数据处理技术领域，该方法包括:获取浏览的历史广告链接；抓取历史广告视频；进行音频提取；对音频片段进行降噪、平滑处理，获取预处理片段；对预处理片段进行语音识别和文字转换，获取广告文字；基于预设的广告对照表，获取广告文字集中的专有名词，并判断所述专有名词对应的产品种类；对专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类；在进行广告推送之前，判断待推送广告中产品种类是否为权重值最大的产品种类，若是，则进行广告推送，否则，不进行推送。本申请有助于准确向用户推送其感兴趣的广告视频，提高用户的观看兴趣。

Description

基于用户兴趣进行广告推送的方法、装置及设备

技术领域

本申请涉及大数据处理技术领域，尤其涉及一种基于用户兴趣进行广告推送的方法、装置、设备及存储介质。

背景技术

广告推送是大多数应用中一个重要的功能，当前今日头条、搜狐新闻、腾讯新闻等各大互联网企业都有多款爆款互联网应用，里面一个重要的功能就是广告推送。该功能会不定时的向用户手机端推送广告内容，从自有数据库中挑出用户最可能点击查看的广告视频展示给用户。现有的广告推送方法主要采用后入推送的原则，将最新的广告视频展示到用户手机端供用户观看。

目前的广告推送方法主要采用后入推送的原则或者使用特定的定时定点推送广告视频，造成用户体验较差；而且广告视频的不断更新，很难引起用户的点击兴趣。由此可知，现有技术中进行广告推送时，具有盲目推送，引起用户反感，造成用户观看兴致下降的问题。

发明内容

本申请实施例的目的在于提出一种基于用户兴趣进行广告推送的方法、装置、设备及存储介质，以解决现有技术中进行广告推送时，具有盲目推送，引起用户反感，造成用户观看兴致下降的问题。

为了解决上述技术问题，本申请实施例提供一种基于用户兴趣进行广告推送的方法，采用了如下所述的技术方案：

一种基于用户兴趣进行广告推送的方法，包括：

获取用户在前端页面浏览的历史广告链接，生成历史广告链接集；

基于所述历史广告链接集和预设的爬虫工具，抓取历史广告视频，并生成历史广告视频集；

对所述历史广告视频集中视频依次进行播放，并基于提前预设的音频提取模型，对所述播放过程中的音频进行提取，获取音频片段集；

基于预设的音频处理模型，分别对所述音频片段集中音频片段进行降噪、平滑处理，获取与所述音频片段集中音频片段一一对应的预处理片段，并生成预处理集；

基于预设的自然语言解析模型，对所述预处理集中预处理片段进行语音识别和文字转换，获取广告文字，生成广告文字集；

基于预设的广告对照表，获取广告文字集中的专有名词，并判断所述专有名词对应的产品种类；

基于预设的统计模型，对所述专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类；

在进行广告推送之前，判断待推送广告中产品种类是否为所述权重值最大的产品种类，若是，则进行广告推送，否则，不进行推送。

进一步的，所述基于用户兴趣进行广告推送的方法，所述获取用户在前端页面浏览的历史广告链接，生成历史广告链接集包括：

基于预设的前端页面解析模型，对前端页面进行解析，通过预设的页面标签，确定广告视频链接，并获取所述预设的页面标签中链接对应的地址信息，将所述地址信息加入集合，生成历史广告链接集。

进一步的，所述基于用户兴趣进行广告推送的方法，所述基于所述历史广告链接集和预设的爬虫工具，抓取历史广告视频包括：

基于you-get视频抓取插件，将所述历史广告链接集中地址信息作为抓取地址，进行抓取，获取与所述地址信息一一对应的历史广告视频。

进一步的，所述基于用户兴趣进行广告推送的方法，所述并基于提前预设的音频提取模型，对所述播放过程中的音频进行提取，获取音频片段集包括：

使用FFmpeg对历史广告视频中视频流进行视频解码和对历史广告视频中音频流进行音频解码；

获取所述音频解码后的信息，生成音频片段集。

进一步的，所述基于用户兴趣进行广告推送的方法，所述基于预设的音频处理模型，分别对所述音频片段集中音频片段进行降噪、平滑处理包括：

基于快速傅里叶变换对所述音频片段集中音频片段进行频率计算和信号计算；

基于预设的频率范围对所述频率计算结果中获取的频率进行筛选，去除所述预设的频率范围外的频率结果，完成降噪处理；

基于所述频率计算结果和信号计算结果，设定平滑过滤模板，通过所述平滑过滤模板对所述音频片段集中音频片段进行平滑处理。

进一步的，所述基于用户兴趣进行广告推送的方法，所述基于预设的广告对照表，获取广告文字集中的专有名词，并判断所述专有名词对应的产品种类包括：

将产品的名称、种类、品牌信息作为专有名词并添加到预设的广告对照表中；

获取广告文字集中的文字信息作为查询项，将所述广告对照表中的专有名词作为查询域，进行查询，获取广告文字集中的专有名词；

将所述广告文字集中的专有名词基于预设的广告对照表中的种类与专有名词对照关系，判断所述专有名词对应的产品种类。

进一步的，所述基于用户兴趣进行广告推送的方法，所述基于预设的统计模型，对所述专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类包括：

分别将不同产品种类对应的专有名词进行整合，获取不同产品种类对应的专有名词所占文字信息的比例值；

通过对所述比例值按照从大到小进行排序，生成有序数组，获取数组中第一个元素，作为目标值；

获取所述目标值对应的产品种类，即为权重值最大的产品种类。

为了解决上述技术问题，本申请实施例还提供了一种基于用户兴趣进行广告推送的装置，采用了如下所述的技术方案：

一种基于用户兴趣进行广告推送的装置，包括：

历史广告链接集生成模块，用于获取用户在前端页面浏览的历史广告链接，生成历史广告链接集；

历史广告视频集生成模块，用于基于所述历史广告链接集和预设的爬虫工具，抓取历史广告视频，并生成历史广告视频集；

音频片段集获取模块，用于对所述历史广告视频集中视频依次进行播放，并基于提前预设的音频提取模型，对所述播放过程中的音频进行提取，获取音频片段集；

预处理集获取模块，用于基于预设的音频处理模型，分别对所述音频片段集中音频片段进行降噪、平滑处理，获取与所述音频片段集中音频片段一一对应的预处理片段，并生成预处理集；

广告文字集生成模块，用于基于预设的自然语言解析模型，对所述预处理集中预处理片段进行语音识别和文字转换，获取广告文字，生成广告文字集；

专有名词所属种类判断模块，用于基于预设的广告对照表，获取广告文字集中的专有名词，并判断所述专有名词对应的产品种类；

最优种类选择模块，用于基于预设的统计模型，对所述专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类；

推送设定模块，用于在进行广告推送之前，判断待推送广告中产品种类是否为所述权重值最大的产品种类，若是，则进行广告推送，否则，不进行推送。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现本申请实施例中提出的一种基于用户兴趣进行广告推送的方法的步骤。

为了解决上述技术问题，本申请实施例还提供一种非易失性计算机可读存储介质，采用了如下所述的技术方案：

一种非易失性计算机可读存储介质，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执行时实现本申请实施例中提出的一种基于用户兴趣进行广告推送的方法的步骤。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例公开了基于用户兴趣进行广告推送的方法、装置、设备及存储介质，通过获取浏览的历史广告链接；抓取历史广告视频；进行音频提取；对音频片段进行降噪、平滑处理，获取预处理片段；对预处理片段进行语音识别和文字转换，获取广告文字；基于预设的广告对照表，获取广告文字集中的专有名词，并判断所述专有名词对应的产品种类；对专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类；在进行广告推送之前，判断待推送广告中产品种类是否为权重值最大的产品种类，若是，则进行广告推送，否则，不进行推送。本申请有助于准确向用户推送其感兴趣的广告视频，提高用户的观看兴趣。

附图说明

为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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。

图1为本申请实施例可以应用于其中的示例性***架构图；

图2为本申请实施例中所述基于用户兴趣进行广告推送的方法的一个实施例的流程图；

图3为本申请实施例中所述基于用户兴趣进行广告推送的方法的一个处理流程图；

图4为本申请实施例中所述基于用户兴趣进行广告推送的装置的一个实施例的结构示意图；

图5为本申请实施例中音频片段集获取模块的结构示意图；

图6为本申请实施例中模型分析模块的结构示意图；

图7为本申请实施例中计算机设备的一个实施例的结构示意图。

具体实施方式

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。

需要说明的是，本申请实施例所提供的基于用户兴趣进行广告推送的方法一般由服务器/终端设备执行，相应地，基于用户兴趣进行广告推送的装置一般设置于服务器/终端设备中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，图中示出了本申请的基于用户兴趣进行广告推送的方法的一个实施例的流程图，所述的基于用户兴趣进行广告推送的方法包括以下步骤：

步骤201，获取用户在前端页面浏览的历史广告链接，生成历史广告链接集。

在本实施例中，所述获取用户在前端页面浏览的历史广告链接，生成历史广告链接集包括：基于预设的前端页面解析模型，对前端页面进行解析，通过预设的页面标签，确定广告视频链接，并获取所述预设的页面标签中链接对应的地址信息，将所述地址信息加入集合，生成历史广告链接集。

例如：使用DML页面解析模型，对前端页面内容进行解析，选择广告视频对应的<a></a>标签，获取<a></a>标签间的地址信息，加入集合，生成历史广告链接集。

步骤202，基于所述历史广告链接集和预设的爬虫工具，抓取历史广告视频，并生成历史广告视频集。

在本实施例中，所述基于所述历史广告链接集和预设的爬虫工具，抓取历史广告视频包括：基于you-get视频抓取插件，将所述历史广告链接集中地址信息作为抓取地址，进行抓取，获取与所述地址信息一一对应的历史广告视频。

步骤203，对所述历史广告视频集中视频依次进行播放，并基于提前预设的音频提取模型，对所述播放过程中的音频进行提取，获取音频片段集。

在本实施例中，所述并基于提前预设的音频提取模型，对所述播放过程中的音频进行提取，获取音频片段集包括：使用FFmpeg对历史广告视频中视频流进行视频解码和对历史广告视频中音频流进行音频解码；获取所述音频解码后的信息，生成音频片段集。

其中，所述的FFmpeg通过多个过滤器获取广告视频中的视频流和音频流，再通过最后的分类过滤器，选择出音频流对应的片段内容，作为音频片段，完成广告视频中的视频与音频分流。

步骤204，基于预设的音频处理模型，分别对所述音频片段集中音频片段进行降噪、平滑处理，获取与所述音频片段集中音频片段一一对应的预处理片段，并生成预处理集。

在本实施例中，所述基于预设的音频处理模型，分别对所述音频片段集中音频片段进行降噪、平滑处理包括：基于快速傅里叶变换对所述音频片段集中音频片段进行频率计算和信号计算；基于预设的频率范围对所述频率计算结果中获取的频率进行筛选，去除所述预设的频率范围外的频率结果，完成降噪处理；基于所述频率计算结果和信号计算结果，设定平滑过滤模板，通过所述平滑过滤模板对所述音频片段集中音频片段进行平滑处理。

其中，所述的分别对所述音频片段集中音频片段进行降噪、平滑处理原理如下：将所述音频片段作为需进行处理的片段，预先设定的要删除的信号和噪声的信号音频片段。首先，在所述音频片段上计算FFT；统计在音频片段上计算的FFT；基于音频片段的统计信息的计算阈值；通过预设的信号音频片段计算FFT；将通过预设的信号音频片段计算FFT与基于音频片段的统计信息的计算阈值进行比较来确定掩码；使用滤镜在频率和时间上对蒙版进行平滑处理。

步骤205，基于预设的自然语言解析模型，对所述预处理集中预处理片段进行语音识别和文字转换，获取广告文字，生成广告文字集。

例如：使用语音识别模型，将获取的降噪和平滑处理后预处理片段进行转文字处理，获取其对应的文字信息，同时，使用了语义识别模型，保证识别的准确率。

其中，语音识别模型可以使用基于RNN神经网路模型和CTC分类方法来进行建模实现，对识别出的语音片段，基于预设的自然语言解析技术NLP，进行解析，为了保证识别的准确性，使用NLU自然语言理解技术进行语义识别，匹配出语音对应文字，进组文字转化。

步骤206，基于预设的广告对照表，获取广告文字集中的专有名词，并判断所述专有名词对应的产品种类。

在本实施例中，所述基于预设的广告对照表，获取广告文字集中的专有名词，并判断所述专有名词对应的产品种类包括：将产品的名称、种类、品牌信息作为专有名词并添加到预设的广告对照表中；获取广告文字集中的文字信息作为查询项，将所述广告对照表中的专有名词作为查询域，进行查询，获取广告文字集中的专有名词；将所述广告文字集中的专有名词基于预设的广告对照表中的种类与专有名词对照关系，判断所述专有名词对应的产品种类。

步骤207，基于预设的统计模型，对所述专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类。

在本实施例中，所述基于预设的统计模型，对所述专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类包括：分别将不同产品种类对应的专有名词进行整合，获取不同产品种类对应的专有名词所占文字信息的比例值；通过对所述比例值按照从大到小进行排序，生成有序数组，获取数组中第一个元素，作为目标值；获取所述目标值对应的产品种类，即为权重值最大的产品种类。

在本实施例中，所述基于预设的统计模型，对所述专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类包括：分别将不同产品种类对应的专有名词进行整合，获取不同产品种类对应的专有名词所占文字信息的比例值；通过对所述比例值按照从小到大进行排序，生成有序数组，获取数组中最后一个元素，作为目标值；获取所述目标值对应的产品种类，即为权重值最大的产品种类。

在本实施例中，所述基于预设的统计模型，对所述专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类包括：分别将不同产品种类对应的专有名词进行整合，获取不同产品种类对应的专有名词所占文字信息的比例值；通过对所述比例值进行排序，生成有序数组，获取数组中所述比例值最大的元素，作为目标值；获取所述目标值对应的产品种类，即为权重值最大的产品种类。

步骤208，在进行广告推送之前，判断待推送广告中产品种类是否为所述权重值最大的产品种类，若是，则进行广告推送，否则，不进行推送。

在本申请实施例中，所述在进行广告推送之前，判断待推送广告中产品种类是否为所述权重值最大的产品种类，具体判断方式为：基于预设的广告对照表，获取所述待推送广告中产品种类对应的专有名词，同时，基于预设的广告对照表，获取所述权重值最大的产品种类对应的专有名词，若两者一致，则进行广告推送，否则，不进行推送。

在本申请实施例中，所述在进行广告推送之前，判断待推送广告中产品种类是否为所述权重值最大的产品种类，具体判断方式为：基于预设的广告对照表，获取所述待推送广告中产品种类对应的第一专有名词，同时，基于预设的广告对照表，获取所述权重值最大的产品种类对应的第二专有名词，基于预设的专有名词关联性参照表，判断所述第一专有名词与所述第二专有名词之间的关联性，若所述关联性大于预设阈值，则进行广告推送，否则，不进行推送。

在本申请实施例中，所述预设的专有名词关联性参照表，具体如下：预先对广告中产品种类进行二次类别分类，基于所述专有名词，判断每一个专有名词对应的广告中产品种类，进而获取所述产品种类对应的二次分类，若二次分类类别相同，则所述关联性为100％，否则，所述关联性为非100％。

解释：所述预先对广告中产品种类进行二次类别分类，即若某个广告中产品种类为空调，另一个广告中产品种类为洗衣机，则两者可以二次分类为家用电器，则所述关联性为100％；若某个广告中产品种类为空调，另一个广告中产品种类为饼干，则所述空调的二次分类为家用电器，所述饼干的二次分类为副食品，则所述关联性为非100％。

在本申请实施例中，若所述关联性大于预设阈值，则进行广告推送，否则，不进行推送，具体判断方式为：基于所述关联性，若所述关联性为100％，则进行广告推送，否则，不进行推送。

本申请实施例中所述的基于用户兴趣进行广告推送的方法，可以通过获取浏览的历史广告链接；抓取历史广告视频；进行音频提取；对音频片段进行降噪、平滑处理，获取预处理片段；对预处理片段进行语音识别和文字转换，获取广告文字；基于预设的广告对照表，获取广告文字集中的专有名词，并判断所述专有名词对应的产品种类；对专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类；在进行广告推送之前，判断待推送广告中产品种类是否为权重值最大的产品种类，若是，则进行广告推送，否则，不进行推送。本申请有助于准确向用户推送其感兴趣的广告视频，提高用户的观看兴趣。

具体参考图3，图3为本申请实施例中所述基于用户兴趣进行广告推送的方法的一个处理流程图，具体如下：基于预设的前端页面解析模型，获取用户在前端页面浏览的历史广告链接，生成历史广告链接集；基于所述历史广告链接集和预设的爬虫工具，抓取历史广告视频，并生成历史广告视频集；基于预设的播放模型，对所述历史广告视频集中视频进行依次播放，并基于提前预设的音频检测模型，对所述播放过程中的音频进行检测，获取音频片段集；基于预设的音频处理模型，分别对所述音频片段集中音频片段进行降噪、平滑处理，获取与所述音频片段集中音频片段一一对应的预处理片段，并生成预处理集；基于预设的自然语言解析模型，对所述预处理集中预处理片段进行语音识别和文字提取，获取广告文字，生成广告文字集；基于预设的广告对照表，获取广告文字集中的专有名词，并判断所述专有名词对应的产品种类；基于预设的统计模型，对所述产品种类进行统计、整理，获取权重值最大的产品种类；在进行广告推送之前，判断待推送广告中产品种类是否为所述权重值最大的产品种类，若是，则进行广告推送，否则，不进行推送。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

进一步参考图4，作为对上述图2所示方法的实现，本申请提供了一种基于用户兴趣进行广告推送的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例所述的基于用户兴趣进行广告推送的装置4包括：历史广告链接集生成模块401、历史广告视频集生成模块402、音频片段集获取模块403、预处理集获取模块404、广告文字集生成模块405、专有名词所属种类判断模块406、最优种类选择模块407和推送设定模块408。其中：

历史广告链接集生成模块401，用于获取用户在前端页面浏览的历史广告链接，生成历史广告链接集；

历史广告视频集生成模块402，用于基于所述历史广告链接集和预设的爬虫工具，抓取历史广告视频，并生成历史广告视频集；

音频片段集获取模块403，用于对所述历史广告视频集中视频依次进行播放，并基于提前预设的音频提取模型，对所述播放过程中的音频进行提取，获取音频片段集；

预处理集获取模块404，用于基于预设的音频处理模型，分别对所述音频片段集中音频片段进行降噪、平滑处理，获取与所述音频片段集中音频片段一一对应的预处理片段，并生成预处理集；

广告文字集生成模块405，用于基于预设的自然语言解析模型，对所述预处理集中预处理片段进行语音识别和文字转换，获取广告文字，生成广告文字集；

专有名词所属种类判断模块406，用于基于预设的广告对照表，获取广告文字集中的专有名词，并判断所述专有名词对应的产品种类；

最优种类选择模块407，用于基于预设的统计模型，对所述专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类；

推送设定模块408，用于在进行广告推送之前，判断待推送广告中产品种类是否为所述权重值最大的产品种类，若是，则进行广告推送，否则，不进行推送。

在本申请的一些实施例中，如图5，图5为本申请实施例中音频片段集获取模块的结构示意图，所述音频片段集获取模块403包括历史广告视频播放单元403a、音频片段获取单元403b。

在本申请的一些实施例中，所述历史广告视频播放单元403a用于基于预设的播放模型，对所述历史广告视频集中视频进行依次播放，一种可能的播放模型为在前端页面使用前端框架，例如：Vue、Bootstrap、jquery构建轮播窗口，使用列表标签的格式轮播效果，在列表标签中放入与历史广告视频播放一一对应的地址信息，进行轮播。

在本申请的一些实施例中，所述音频片段获取单元403b用于使用FFmpeg对历史广告视频中视频流进行视频解码和对历史广告视频中音频流进行音频解码；获取所述音频解码后的信息，生成音频片段集。

在本申请的一些实施例中，所述预处理集获取模块404在基于预设的音频处理模型，分别对所述音频片段集中音频片段进行降噪、平滑处理之后，将获得的音频片段作为预处理片段，对每一个音频片段将其按照其对应的所述音频片段集中音频片段的顺序进行排序，可以使用集合下标的方式进行顺序限定，将对所述预处理片段排序后的集合作为预处理集。

在本申请的一些实施例中，如图6，图6为本申请实施例中模型分析模块的结构示意图，所述广告文字集生成模块405包括语音识别单元405a、语音转文字单元405b。

在本申请的一些实施例中，所述语音识别单元405a，用于识别出所述预处理集中的语音种类和语音信息，一种可能的实现方式为：首先，进行特征提取，对预处理集中对应的语音按照固定的分帧间隔进行分帧，每一帧占有比较短固定的时长，将每一帧转换为一个特征向量，依次识别所述特征向量属于哪个声韵母，然后，进行声学音素建模，将所述特征向量对应的声韵母按照先后顺序排列，进行词组生成，将词组作为分类的目标对所有声韵母获取其对应的词组信息，构成声学音素模型，目前最广泛使用的仍然是基于隐式马尔科夫模型的建模方法，将所述声学音素模型作为识别模型，将所述预处理集中未识别的音频片段作为待识别片段，通过所述声学音素模型进行搜索解码，最后，获得解码后的结果，作为语音识别的结果。

在本申请的一些实施例中，所述语音转文字单元405b，用于将所述语音识别的结果传入音频转换文字的工具中，输出人们可以识别的自然语言，所述的音频转换文字的工具例如：迅捷语音转文字工具。

本申请实施例所述的基于用户兴趣进行广告推送的装置，通过获取浏览的历史广告链接；抓取历史广告视频；进行音频提取；对音频片段进行降噪、平滑处理，获取预处理片段；对预处理片段进行语音识别和文字转换，获取广告文字；基于预设的广告对照表，获取广告文字集中的专有名词，并判断所述专有名词对应的产品种类；对专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类；在进行广告推送之前，判断待推送广告中产品种类是否为权重值最大的产品种类，若是，则进行广告推送，否则，不进行推送。本申请有助于准确向用户推送其感兴趣的广告视频，提高用户的观看兴趣。

为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图7，图7为本实施例计算机设备基本结构框图。

所述计算机设备7包括通过***总线相互通信连接存储器7a、处理器7b、网络接口7c。需要指出的是，图中仅示出了具有组件7a-7c的计算机设备7，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field-Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

所述存储器7a至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器7a可以是所述计算机设备7的内部存储单元，例如该计算机设备7的硬盘或内存。在另一些实施例中，所述存储器7a也可以是所述计算机设备7的外部存储设备，例如该计算机设备7上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(FlashCard)等。当然，所述存储器7a还可以既包括所述计算机设备7的内部存储单元也包括其外部存储设备。本实施例中，所述存储器7a通常用于存储安装于所述计算机设备7的操作***和各类应用软件，例如基于用户兴趣进行广告推送的方法的程序代码等。此外，所述存储器7a还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器7b在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器7b通常用于控制所述计算机设备7的总体操作。本实施例中，所述处理器7b用于运行所述存储器7a中存储的程序代码或者处理数据，例如运行所述基于用户兴趣进行广告推送的方法的程序代码。

所述网络接口7c可包括无线网络接口或有线网络接口，该网络接口7c通常用于在所述计算机设备7与其他电子设备之间建立通信连接。

本申请还提供了另一种实施方式，即提供一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有基于用户兴趣进行广告推送的程序，所述基于用户兴趣进行广告推送的程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的基于用户兴趣进行广告推送的方法的步骤。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种基于用户兴趣进行广告推送的方法，其特征在于，包括下述步骤：

获取用户在前端页面浏览的历史广告链接，生成历史广告链接集；

基于所述历史广告链接集和预设的爬虫工具，抓取历史广告视频，并生成历史广告视频集；

对所述历史广告视频集中视频依次进行播放，并基于提前预设的音频提取模型，对所述播放过程中的音频进行提取，获取音频片段集；

基于预设的音频处理模型，分别对所述音频片段集中音频片段进行降噪、平滑处理，获取与所述音频片段集中音频片段一一对应的预处理片段，并生成预处理集；

基于预设的自然语言解析模型，对所述预处理集中预处理片段进行语音识别和文字转换，获取广告文字，生成广告文字集；

基于预设的广告对照表，获取广告文字集中的专有名词，并判断所述专有名词对应的产品种类；

基于预设的统计模型，对所述专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类；

在进行广告推送之前，判断待推送广告中产品种类是否为所述权重值最大的产品种类，若是，则进行广告推送，否则，不进行推送。

2.根据权利要求1所述的基于用户兴趣进行广告推送的方法，其特征在于，所述获取用户在前端页面浏览的历史广告链接，生成历史广告链接集包括：

基于预设的前端页面解析模型，对前端页面进行解析，通过预设的页面标签，确定广告视频链接，并获取所述预设的页面标签中链接对应的地址信息，将所述地址信息加入集合，生成历史广告链接集。

3.根据权利要求2所述的基于用户兴趣进行广告推送的方法，其特征在于，所述基于所述历史广告链接集和预设的爬虫工具，抓取历史广告视频包括：

基于you-get视频抓取插件，将所述历史广告链接集中地址信息作为抓取地址，进行抓取，获取与所述地址信息一一对应的历史广告视频。

4.根据权利要求3所述的基于用户兴趣进行广告推送的方法，其特征在于，所述并基于提前预设的音频提取模型，对所述播放过程中的音频进行提取，获取音频片段集包括：

使用FFmpeg对历史广告视频中视频流进行视频解码和对历史广告视频中音频流进行音频解码；

获取所述音频解码后的信息，生成音频片段集。

5.根据权利要求4所述的基于用户兴趣进行广告推送的方法，其特征在于，所述基于预设的音频处理模型，分别对所述音频片段集中音频片段进行降噪、平滑处理包括：

基于快速傅里叶变换对所述音频片段集中音频片段进行频率计算和信号计算；

基于预设的频率范围对所述频率计算结果中获取的频率进行筛选，去除所述预设的频率范围外的频率结果，完成降噪处理；

基于所述频率计算结果和信号计算结果，设定平滑过滤模板，通过所述平滑过滤模板对所述音频片段集中音频片段进行平滑处理。

6.根据权利要求5所述的基于用户兴趣进行广告推送的方法，其特征在于，所述基于预设的广告对照表，获取广告文字集中的专有名词，并判断所述专有名词对应的产品种类包括：

将产品的名称、种类、品牌信息作为专有名词并添加到预设的广告对照表中；

获取广告文字集中的文字信息作为查询项，将所述广告对照表中的专有名词作为查询域，进行查询，获取广告文字集中的专有名词；

将所述广告文字集中的专有名词基于预设的广告对照表中的种类与专有名词对照关系，判断所述专有名词对应的产品种类。

7.根据权利要求6所述的基于用户兴趣进行广告推送的方法，其特征在于，所述基于预设的统计模型，对所述专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类包括：

分别将不同产品种类对应的专有名词进行整合，获取不同产品种类对应的专有名词所占文字信息的比例值；

通过对所述比例值按照从大到小进行排序，生成有序数组，获取数组中第一个元素，作为目标值；

获取所述目标值对应的产品种类，即为权重值最大的产品种类。

8.一种基于用户兴趣进行广告推送的装置，其特征在于，包括：

历史广告链接集生成模块，用于获取用户在前端页面浏览的历史广告链接，生成历史广告链接集；

历史广告视频集生成模块，用于基于所述历史广告链接集和预设的爬虫工具，抓取历史广告视频，并生成历史广告视频集；

音频片段集获取模块，用于对所述历史广告视频集中视频依次进行播放，并基于提前预设的音频提取模型，对所述播放过程中的音频进行提取，获取音频片段集；

预处理集获取模块，用于基于预设的音频处理模型，分别对所述音频片段集中音频片段进行降噪、平滑处理，获取与所述音频片段集中音频片段一一对应的预处理片段，并生成预处理集；

广告文字集生成模块，用于基于预设的自然语言解析模型，对所述预处理集中预处理片段进行语音识别和文字转换，获取广告文字，生成广告文字集；

专有名词所属种类判断模块，用于基于预设的广告对照表，获取广告文字集中的专有名词，并判断所述专有名词对应的产品种类；

最优种类选择模块，用于基于预设的统计模型，对所述专有名词对应的产品种类进行统计、整理，获取权重值最大的产品种类；

推送设定模块，用于在进行广告推送之前，判断待推送广告中产品种类是否为所述权重值最大的产品种类，若是，则进行广告推送，否则，不进行推送。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于用户兴趣进行广告推送的方法的步骤。

10.一种非易失性计算机可读存储介质，其特征在于，所述非易失性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执行时实现如权利要求1至7任一项所述的基于用户兴趣进行广告推送的方法的步骤。

Images