申请/专利权人：成都辰木数智科技有限责任公司

申请日：2024-05-20

公开（公告）日：2024-06-14

公开（公告）号：CN118194067A

主分类号：G06F18/2321

分类号：G06F18/2321;G06F18/21;G06F18/20;G06F18/2113;G06F18/214;G06N7/01;G06Q30/0242

优先权：

专利状态码：在审-公开

法律状态：2024.06.14#公开

摘要：本发明涉及广告笔记数据检测技术领域，具体公开了一种基于多维高斯混合模型的广告外溢检测方法，包括以下步骤：首先建立多维高斯混合模型，列出样本笔记的多维高斯混合模型的概率密度函数模型，并建立似然函数来估计模型参数；其次将似然函数对数化，并引入表示样本笔记所属的高斯子模型的隐变量，结合贝叶斯公式计算后验概率；再判断多维高斯混合模型在当前的模型参数条件下，是否完成收敛，若未完成，则通过后验概率继续更新模型参数直至收敛；最后收敛完成的多维高斯混合模型完成对所有笔记的聚类，从而实现对广告素材笔记中的外溢检测。本发明能够快速实现对无外溢笔记的筛选，从而确保了样本中有外溢的笔记数据的真实性。

主权项：1.一种基于多维高斯混合模型的广告外溢检测方法，其特征在于，包括以下步骤：步骤1：在条样本笔记的互动指标中选取个能够体现样本笔记特征的互动指标，结合统计学定理分析选取样本笔记特征，根据样本笔记特征建立个高斯分布的多维高斯混合模型MGMM： ，即是： ;其中，表示个高斯子模型在多维高斯混合模型中的权重，代表第个高斯子模型服从平均值为，协方差为的高斯分布；（，，）为模型参数；步骤2：列出样本笔记的多维高斯混合模型的概率密度函数模型： ，即是： ;其中，表示第条样本笔记；表示个高斯子模型在多维高斯混合模型中的权重；表示第个高斯子模型关于第条样本笔记的概率密度函数，其中为第个高斯子模型服从平均值，为第个高斯子模型协方差，即第个高斯子模型中关于第条样本笔记的概率密度函数为： ，其中，M为选取的互动指标个数，T表示矩阵的转置；步骤3：建立似然函数来估计模型参数，建立的似然函数表达式为： ;将似然函数对数化，得到对数似然函数， ,即是： '引入表示样本笔记所属的高斯子模型的隐变量，结合贝叶斯公式对隐变量的分布可表达为： ,而对于第条样本笔记，其对应的高斯子模型为，变型得后验概率： ,其中，表示在第个高斯子模型中关于第条样本笔记的概率，即是；为第个高斯子模型在多维高斯混合模型中的概率，即是；表示第条样本笔记在多维高斯混合模型中的概率；代入后后验概率即为： ;步骤4：设定收敛条件，判断多维高斯混合模型在当前的模型参数条件下，是否完成收敛；若完成，则结束更新迭代；若未完成则通过后验概率继续更新模型参数，直至收敛；完成收敛得到能够描述笔记互动指标分布情况的多维高斯混合模型；步骤5：收敛完成的多维高斯混合模型通过对每条笔记特征的学习，将每条笔记分配到相应的高斯分布中，完成对所有笔记的聚类，从而实现对广告素材评价中笔记的外溢检测。

全文数据：

权利要求：

百度查询： 成都辰木数智科技有限责任公司 一种基于多维高斯混合模型的广告外溢检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD