一種基于url分析的營銷關(guān)鍵詞提取的方法
【專利摘要】本發(fā)明揭示了一種基于url分析的營銷關(guān)鍵詞提取的方法，包括：（1）預(yù)設(shè)一個數(shù)據(jù)庫，所述數(shù)據(jù)庫內(nèi)包括多個結(jié)構(gòu)化文本以及建立多個網(wǎng)站統(tǒng)一資源定位符結(jié)構(gòu)與所述數(shù)據(jù)庫的中結(jié)構(gòu)化文本的對應(yīng)關(guān)系，所述結(jié)構(gòu)化文本至少包括營銷關(guān)鍵詞；（2）分析至少一個網(wǎng)站統(tǒng)一資源定位符，至少捕捉該網(wǎng)站統(tǒng)一資源定位符的網(wǎng)站名稱和路徑；（3）根據(jù)所述網(wǎng)站統(tǒng)一資源定位符的網(wǎng)站名稱和路徑在數(shù)據(jù)庫中索引，是否有與之匹配的結(jié)構(gòu)化文本，若是，則執(zhí)行步驟（4）；以及（4）獲得與該網(wǎng)站統(tǒng)一資源定位符匹配的結(jié)構(gòu)化文本。本發(fā)明可以快速的對大量的url進(jìn)行分析，并提取和保存相應(yīng)的營銷關(guān)鍵詞。
【專利說明】-種基于ur I分析的營銷關(guān)鍵詞提取的方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及網(wǎng)絡(luò)【技術(shù)領(lǐng)域】，特別涉及一種基于url分析的營銷關(guān)鍵詞提取的方 法。

【背景技術(shù)】
[0002] url就是統(tǒng)一資源定位符（Uniform Resource Locator,縮寫為URL),是對可以從 互聯(lián)網(wǎng)上得到的資源的位置和訪問方法的一種簡潔的表示，是互聯(lián)網(wǎng)上標(biāo)準(zhǔn)資源的地址。 互聯(lián)網(wǎng)上的每個文件都有一個唯一的URL，它包含的信息指出文件的位置以及瀏覽器應(yīng)該 怎么處理它 對大多數(shù)廣告營銷活動來說，如何從茫茫人海中識別出潛在的目標(biāo)用戶是一件很困難 的事情。為了精準(zhǔn)的定向到目標(biāo)用戶，需要捕獲用戶的歷史行為，并從歷史行為中提煉出用 戶的興趣愛好，尤其是跟營銷活動相關(guān)的關(guān)鍵詞信息。
[0003] 例如一個用戶可能對價(jià)格8萬-10萬元的汽車感興趣，也可能對位于上海浦東地 區(qū)的經(jīng)濟(jì)性酒店感興趣，這里"8-10萬元的汽車"、"上海浦東的經(jīng)濟(jì)型酒店"就是2個不同 的營銷關(guān)鍵詞。
[0004] 一旦本發(fā)明利用搜集到的用戶信息和行為記錄進(jìn)行分析，得到了用戶感興趣的營 銷關(guān)鍵詞列表，在廣告營銷時(shí)，本發(fā)明就可以將廣告投放到只對特定關(guān)鍵詞感興趣的人群， 進(jìn)行精準(zhǔn)定向。與傳統(tǒng)的廣告投放方法相比，精準(zhǔn)定向能用更少的成本，接觸到更多的潛在 客戶，從而為廣告主創(chuàng)造價(jià)值。與此同時(shí)，由于精準(zhǔn)定向只對用戶投放其可能感興趣的廣 告，也可以提升用戶體驗(yàn)，減少無關(guān)廣告對用戶的干擾。
[0005] 分析營銷關(guān)鍵詞，最合適的數(shù)據(jù)便是用戶上網(wǎng)時(shí)的訪問記錄，尤其是，在各個垂直 行業(yè)站點(diǎn)的歷史行為，例如攜程、搜房、淘寶、汽車之家等。對互聯(lián)網(wǎng)廣告服務(wù)提供商來說， 可以在各個合作的網(wǎng)站上部署JS代碼來收集用戶的訪問記錄。
[0006] 但是用戶訪問的url形式多樣，并沒有一個統(tǒng)一的規(guī)范，給營銷關(guān)鍵詞的提取帶 來很大的困難。
[0007] 例如，淘寶網(wǎng)上關(guān)于華為手機(jī)的導(dǎo)航頁；或者汽車之家上關(guān)于奧迪A4L的導(dǎo)航頁。 這兩個url中并沒有明確的指出其包含的信息，為了提取營銷關(guān)鍵詞信息，就需要對url做 深入的分析挖掘。
[0008] -種常見的做法是對url對應(yīng)的html文本進(jìn)行抓取，再從抓取得到的html中解 析得到需要的文本信息。這種做法需要爬蟲對大量的url進(jìn)行定向抓取，考慮到很多url 中包含了用戶的驗(yàn)證信息，而且很多站點(diǎn)對爬蟲的無限制抓取進(jìn)行了屏蔽，導(dǎo)致通過爬蟲 的做法不僅效率很低，而且抓取失敗率非常高；另一方面，由于html頁面的復(fù)雜性，從抓取 得到的html文本中提取營銷關(guān)鍵詞也是一個很困難的任務(wù)。
[0009] 對此，本發(fā)明提出一種方法和系統(tǒng)，能夠自動地從用戶的url訪問的歷史記錄中， 提取用戶感興趣的營銷關(guān)鍵詞，用于廣告投放系統(tǒng)的精準(zhǔn)定向。


【發(fā)明內(nèi)容】

[0010] 本發(fā)明提供了一種基于url分析的營銷關(guān)鍵詞提取的方法，克服了現(xiàn)有技術(shù)的困 難，通過這種方法，本發(fā)明可以快速的對大量的url進(jìn)行分析，并提取和保存相應(yīng)的營銷關(guān) 鍵詞。
[0011] 本發(fā)明采用如下技術(shù)方案： 本發(fā)明提供了一種基于url分析的營銷關(guān)鍵詞提取的方法，包括： (1) 預(yù)設(shè)一個數(shù)據(jù)庫，所述數(shù)據(jù)庫內(nèi)包括多個結(jié)構(gòu)化文本以及建立多個網(wǎng)站統(tǒng)一資源 定位符結(jié)構(gòu)與所述數(shù)據(jù)庫的中結(jié)構(gòu)化文本的對應(yīng)關(guān)系，所述結(jié)構(gòu)化文本至少包括營銷關(guān)鍵 詞； (2) 分析至少一個網(wǎng)站統(tǒng)一資源定位符，至少捕捉該網(wǎng)站統(tǒng)一資源定位符的網(wǎng)站名稱 和路徑； (3) 根據(jù)所述網(wǎng)站統(tǒng)一資源定位符的網(wǎng)站名稱和路徑在數(shù)據(jù)庫中索引，是否有與之匹 配的結(jié)構(gòu)化文本，若是，則執(zhí)行步驟（4);以及 (4) 獲得與該網(wǎng)站統(tǒng)一資源定位符匹配的結(jié)構(gòu)化文本。
[0012] 優(yōu)選地，所述步驟（2)中通過一個網(wǎng)站統(tǒng)一資源定位符解析器捕捉該網(wǎng)站統(tǒng)一資 源定位符的網(wǎng)站名稱和路徑。
[0013] 優(yōu)選地，所述步驟（2)中網(wǎng)站統(tǒng)一資源定位符解析器中預(yù)存網(wǎng)站統(tǒng)一資源定位符 結(jié)構(gòu)的樹狀索引。
[0014] 優(yōu)選地，所述步驟（2)中提取網(wǎng)站統(tǒng)一資源定位符的站點(diǎn)、子域名、統(tǒng)一資源定位 符路徑和統(tǒng)一資源定位符參數(shù)列表。
[0015] 優(yōu)選地，所述步驟（3 )包括： (31) 檢查網(wǎng)站統(tǒng)一資源定位符的網(wǎng)站名稱是否在索引中，若是，則執(zhí)行步驟（32);以及 (32) 檢查網(wǎng)站統(tǒng)一資源定位符的路徑是否在索引中，若是，則執(zhí)行步驟（4)。
[0016] 優(yōu)選地，所述步驟（2)中的網(wǎng)站統(tǒng)一資源定位符是用戶歷史訪問記錄中的一個或 多個網(wǎng)站統(tǒng)一資源定位符。
[0017] 優(yōu)選地，所述數(shù)據(jù)庫為Key-Value數(shù)據(jù)庫。
[0018] 本發(fā)明的基于url分析的營銷關(guān)鍵詞提取的方法針對廣告投放領(lǐng)域中的用戶精 準(zhǔn)定向，提出了一個基于url分析的、通用的、高效的營銷關(guān)鍵詞提取的方法。本發(fā)明的方 法有以下幾個優(yōu)點(diǎn)： (1) 本發(fā)明的方法側(cè)重于對url本身的結(jié)構(gòu)進(jìn)行自動分析，不需要對url進(jìn)行大規(guī)模的 抓取，因而只占用較少的系統(tǒng)資源； (2) 由于url對應(yīng)的html頁面可能會過期或失效，導(dǎo)致對url的抓取會有一定的概率 失敗，因而與抓取html頁面并解析的方法相比，本發(fā)明方法具有更高的成功率； (3) 由于百度等大的搜索引擎會對經(jīng)常變動的url進(jìn)行降權(quán)，大多數(shù)網(wǎng)站的url結(jié)構(gòu)長 期保持不變，因而本發(fā)明提出的基于url分析的方法具有很好的穩(wěn)定性； (4) 本發(fā)明在url分析的過程中建立了高效的知識庫索引和url解析器，使本發(fā)明方法 具有非常高的執(zhí)行效率。
[0019] 以下結(jié)合附圖及實(shí)施例進(jìn)一步說明本發(fā)明。
[0020]

【專利附圖】

【附圖說明】
[0021] 圖1為本發(fā)明的基于url分析的營銷關(guān)鍵詞提取的方法的流程圖。
[0022]

【具體實(shí)施方式】
[0023] 下面通過圖1來介紹本發(fā)明的一種具體實(shí)施例 如圖1所示，本發(fā)明的一種基于url分析的營銷關(guān)鍵詞提取的方法，包括以下步驟： (1) 預(yù)設(shè)一個數(shù)據(jù)庫，所述數(shù)據(jù)庫內(nèi)包括多個結(jié)構(gòu)化文本以及建立多個網(wǎng)站統(tǒng)一資源 定位符結(jié)構(gòu)與所述數(shù)據(jù)庫的中結(jié)構(gòu)化文本的對應(yīng)關(guān)系，所述結(jié)構(gòu)化文本至少包括營銷關(guān)鍵 詞； (2) 分析至少一個網(wǎng)站統(tǒng)一資源定位符，至少捕捉該網(wǎng)站統(tǒng)一資源定位符的網(wǎng)站名稱 和路徑； (3) 根據(jù)所述網(wǎng)站統(tǒng)一資源定位符的網(wǎng)站名稱和路徑在數(shù)據(jù)庫中索引，是否有與之匹 配的結(jié)構(gòu)化文本，若是，則執(zhí)行步驟（4);以及 (4) 獲得與該網(wǎng)站統(tǒng)一資源定位符匹配的結(jié)構(gòu)化文本。
[0024] 所述步驟（2)中通過一個網(wǎng)站統(tǒng)一資源定位符解析器捕捉該網(wǎng)站統(tǒng)一資源定位符 的網(wǎng)站名稱和路徑。
[0025] 所述步驟（2)中網(wǎng)站統(tǒng)一資源定位符解析器中預(yù)存網(wǎng)站統(tǒng)一資源定位符結(jié)構(gòu)的樹 狀索引。
[0026] 所述步驟（2)中提取網(wǎng)站統(tǒng)一資源定位符的站點(diǎn)、子域名、統(tǒng)一資源定位符路徑和 統(tǒng)一資源定位符參數(shù)列表。
[0027] 所述步驟（3)包括： (31) 檢查網(wǎng)站統(tǒng)一資源定位符的網(wǎng)站名稱是否在索引中，若是，則執(zhí)行步驟（32);以及 (32) 檢查網(wǎng)站統(tǒng)一資源定位符的路徑是否在索引中，若是，則執(zhí)行步驟（4)。
[0028] 所述步驟（2)中的網(wǎng)站統(tǒng)一資源定位符是用戶歷史訪問記錄中的一個或多個網(wǎng)站 統(tǒng)一資源定位符。
[0029] 所述數(shù)據(jù)庫為Key-Value數(shù)據(jù)庫。
[0030] 本發(fā)明需要構(gòu)建一個行業(yè)相關(guān)的知識庫，這個知識庫中包含了各個行業(yè)的結(jié)構(gòu)化 的文本信息。例如，"奧迪A4L"是汽車行業(yè)的一款車型。
[0031] 本發(fā)明需要得到各個網(wǎng)站的url結(jié)構(gòu)與知識庫中的條目的對應(yīng)關(guān)系。例如，對 www. autohome. com. cn這個站點(diǎn)，以/692/開頭的url目錄便是對應(yīng)的汽車行業(yè)的"奧迪 A4L"相關(guān)的信息。
[0032] 本發(fā)明需要構(gòu)建一個高效的知識庫索引。知識庫的規(guī)模可能非常龐大，包含超過 百萬個具體的條目。在關(guān)鍵詞的提取過程中，需要一個高效的索引在減少查找時(shí)間。
[0033] 本發(fā)明需要構(gòu)建一個url解析器，對每個不同的url，解析器能夠快速地捕獲到 url中與知識庫相對應(yīng)的結(jié)構(gòu)。
[0034] 有了以上4個模塊，本發(fā)明便可以對每個url快速的定位和提取營銷關(guān)鍵詞。先 獲得url中與知識庫對應(yīng)的結(jié)構(gòu)，然后通過知識庫索引獲得相應(yīng)的結(jié)構(gòu)化文本。
[0035] 本發(fā)明的實(shí)施方式如下： 1、構(gòu)建結(jié)構(gòu)化的行業(yè)知識庫 我們只希望提取對廣告投放有幫助的營銷關(guān)鍵詞，因而需要營銷關(guān)鍵詞可以對應(yīng)到不 同的行業(yè)，并且有明確的語義信息。因而我們需要構(gòu)建一個行業(yè)相關(guān)的知識庫，來表示各個 行業(yè)的結(jié)構(gòu)化的文本信息。
[0036] 例如，旅游行業(yè)知識庫的結(jié)構(gòu)和示例，如下表所示。對每一個行業(yè)，會對應(yīng)多個不 同的產(chǎn)品，每個產(chǎn)品會對應(yīng)多個不同的字段。

【權(quán)利要求】
1. 一種基于統(tǒng)一資源定位符分析的營銷關(guān)鍵詞提取的方法，其特征在于，包括： (1) 預(yù)設(shè)一個數(shù)據(jù)庫，所述數(shù)據(jù)庫內(nèi)包括多個結(jié)構(gòu)化文本以及建立多個網(wǎng)站統(tǒng)一資源 定位符結(jié)構(gòu)與所述數(shù)據(jù)庫的中結(jié)構(gòu)化文本的對應(yīng)關(guān)系，所述結(jié)構(gòu)化文本至少包括營銷關(guān)鍵 詞； (2) 分析至少一個網(wǎng)站統(tǒng)一資源定位符，至少捕捉該網(wǎng)站統(tǒng)一資源定位符的網(wǎng)站名稱 和路徑； (3) 根據(jù)所述網(wǎng)站統(tǒng)一資源定位符的網(wǎng)站名稱和路徑在數(shù)據(jù)庫中索引，是否有與之匹 配的結(jié)構(gòu)化文本，若是，則執(zhí)行步驟（4);以及 (4) 獲得與該網(wǎng)站統(tǒng)一資源定位符匹配的結(jié)構(gòu)化文本。
2. 如權(quán)利要求1所述的基于統(tǒng)一資源定位符分析的營銷關(guān)鍵詞提取的方法，其特征在 于：所述步驟（2)中通過一個網(wǎng)站統(tǒng)一資源定位符解析器捕捉該網(wǎng)站統(tǒng)一資源定位符的網(wǎng) 站名稱和路徑。
3. 如權(quán)利要求2所述的基于統(tǒng)一資源定位符分析的營銷關(guān)鍵詞提取的方法，其特征在 于：所述步驟（2)中網(wǎng)站統(tǒng)一資源定位符解析器中預(yù)存網(wǎng)站統(tǒng)一資源定位符結(jié)構(gòu)的樹狀索 引。
4. 如權(quán)利要求3所述的基于統(tǒng)一資源定位符分析的營銷關(guān)鍵詞提取的方法，其特征在 于：所述步驟（2)中提取網(wǎng)站統(tǒng)一資源定位符的站點(diǎn)、子域名、統(tǒng)一資源定位符路徑和統(tǒng)一 資源定位符參數(shù)列表。
5. 如權(quán)利要求4所述的基于統(tǒng)一資源定位符分析的營銷關(guān)鍵詞提取的方法，其特征在 于，所述步驟（3)包括： (31) 檢查網(wǎng)站統(tǒng)一資源定位符的網(wǎng)站名稱是否在索引中，若是，則執(zhí)行步驟（32);以及 (32) 檢查網(wǎng)站統(tǒng)一資源定位符的路徑是否在索引中，若是，則執(zhí)行步驟（4)。
6. 如權(quán)利要求1所述的基于統(tǒng)一資源定位符分析的營銷關(guān)鍵詞提取的方法，其特征在 于：所述步驟（2)中的網(wǎng)站統(tǒng)一資源定位符是用戶歷史訪問記錄中的一個或多個網(wǎng)站統(tǒng)一 資源定位符。
7. 如權(quán)利要求1所述的基于統(tǒng)一資源定位符分析的營銷關(guān)鍵詞提取的方法，其特征在 于：所述數(shù)據(jù)庫為Key-Value數(shù)據(jù)庫。
【文檔編號】G06F17/30GK104063453SQ201410285743
【公開日】2014年9月24日 申請日期:2014年6月24日 優(yōu)先權(quán)日:2014年6月24日
【發(fā)明者】湯奇峰, 劉作濤 申請人:晶贊廣告（上海）有限公司