從基于網絡互聯的Web1.0時代到基于社交的Web2.0時代，再到基于移動的Web3.0時代，個人不再是互聯網信息被動的接收者，而是作為互聯網的編織者、使用者和傳播者。更迭的交互方式雖然解決了內容產生的問題，但每天產生的海量內容中卻也充斥著大量垃圾廣告。這些垃圾廣告沒有任何排版和視覺設計，它們往往是單純在其他圖片上添加文字廣告信息或者QQ、微信、二維碼等聯系方式，并且多以小廣告、二維碼和商業海報等形式出現在用戶的視野中。如果不能及時清理掉這些廣告，則會嚴重影響互聯網產品的用戶體驗，給產品的運營帶來巨大難度，甚至會嚴重到宣告社交項目的終結。那么，廣告過濾解決方案之方式有哪些呢?

廣告過濾解決方案

現有廣告過濾方式

打造健康的社交生態，需要高效準確地鑒別和剔除這些圖片小廣告，尤其是在UGC領域，保證內容品質、提高用戶留存率才能幫助產品獲得長期發展。目前，判斷圖片垃圾廣告的方式主要有兩種：基于URL規則的過濾和基于圖像識別技術的過濾。

基于URL規則的垃圾廣告過濾

瀏覽器層的廣告過濾主要基于URL規則和一些URL庫，通過加入一些URL攔截列表，制定一套專門的過濾規則去除煩人的垃圾廣告。但這種方法只對新浪、騰訊新聞等門戶網站有用，且如果加載過多廣告過濾規則會導致瀏覽器加載頁面的速度變慢。而UGC內容是無法通過URL規則這種方式進行過濾的。

基于圖像識別的垃圾廣告過濾

通過圖像識別技術，將圖片與樣本庫中的海量樣本圖進行對比判斷，根據判斷返回圖片的狀態，可判斷一張圖片是否為小廣告、二維碼、商業海報，或者正常。對于這種方式來說，對比的樣本圖片越多，分析才會越準確，因此，一個足夠大的圖片樣本庫對于垃圾廣告過濾的準確性有著重要意義。