[發明專利]獲取頁面關鍵詞的方法及頁面信息處理裝置

有效

• 申請號: 200810025660.X
• 申請日: 2008-01-07
• 公開（公告）號: CN101216842A
• 公開（公告）日: 2008-07-09
• 發明（設計）人: 劉利鋒;丁一鳴;唐斐;雷宇
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 廣州三環專利代理有限公司
• 代理人: 郝傳鑫;熊賢卿

1.一種獲取頁面關鍵詞的方法，其特征在于，包括：

獲取WEB頁面中的關鍵文本；

對所述關鍵文本進行分詞處理，得到所述關鍵文本的詞條；

將預定義詞庫中與所述關鍵文本的詞條匹配的預定義詞條確定為所述WEB頁面的關鍵詞。

2.如權利要求1所述的獲取頁面關鍵詞的方法，其特征在于，所述預定義詞庫包括若干子詞庫，每一子詞庫中的預定義詞條與一頁面類別對應且分配有指示對頁面類別貢獻作用的貢獻度量標準，所述將預定義詞庫中與所述關鍵文本的詞條匹配的預定義詞條確定為所述WEB頁面的關鍵詞步驟包括：

根據每一子詞庫中與所述關鍵文本的詞條匹配的預定義詞條及其對頁面類別具有貢獻作用的貢獻度量標準確定所述WEB頁面的頁面類別；

將所述WEB頁面的頁面類別對應的子詞庫中與所述關鍵文本的詞條匹配的預定義詞條確定為所述WEB頁面的關鍵詞。

3.如權利要求2所述的獲取頁面關鍵詞的方法，其特征在于，所述貢獻度量標準為權重值標準，所述根據每一子詞庫中與所述關鍵文本的詞條匹配的預定義詞條及其對頁面類別具有貢獻作用的貢獻度量標準確定所述WEB頁面的頁面類別步驟包括：

獲得每一子詞庫中與所述關鍵文本的詞條匹配的預定義詞條及其對頁面類別具有貢獻作用的權重值標準；

根據每一子詞庫中與所述關鍵文本的詞條匹配的預定義詞條及其對頁面類別具有貢獻作用的權重值標準，計算該子詞庫中與所述關鍵文本的詞條匹配的預定義詞條的權重值之和；

確定所述權重值之和最大的子詞庫所對應的頁面類別為所述WEB頁面的頁面類別。

4.如權利要求3所述的獲取頁面關鍵詞的方法，其特征在于，還根據每一子詞庫中與所述關鍵文本的詞條匹配的預定義詞條在所述WEB頁面的位置而設置的比例系數，計算該子詞庫中與所述關鍵文本的詞條匹配的預定義詞條的權重值之和。

5.如權利要求1至4中任一項所述的獲取頁面關鍵詞的方法，其特征在于，所述獲取WEB頁面中的關鍵文本包括：

判斷所述WEB頁面是否為超文本標記語言頁面，

若是，則提取所述WEB頁面標簽內容/所述WEB頁面閉合標簽內容，否則提取所述WEB頁面閉合標簽內容；

對所述提取的內容進行解碼，得到所述關鍵文本。

6.一種頁面信息處理裝置，其特征在于，包括：

存儲單元，存儲預定義詞條集合，該預定義詞條集合形成預定義詞庫；

獲取單元，獲取WEB頁面中的關鍵文本；

分詞處理單元，對所述關鍵文本進行分詞處理，得到所述關鍵文本的詞條；

確定單元，將與所述預定義詞庫中預定義詞條匹配的所述關鍵文本的詞條確定為所述WEB頁面的關鍵詞。

7.如權利要求6所述的頁面信息處理裝置，其特征在于，所述預定義詞庫包括若干子詞庫，每一子詞庫中的預定義詞條與一頁面類別對應且分配有指示對頁面類別貢獻作用的貢獻度量標準，所述確定單元包括：

類別確定單元，根據每一子詞庫中與所述關鍵文本的詞條匹配的預定義詞條及其對頁面類別具有貢獻作用的貢獻度量標準確定所述WEB頁面的頁面類別；

關鍵詞確定單元，將所述WEB頁面的頁面類別對應的子詞庫中與所述關鍵文本的詞條匹配的預定義詞條確定為所述WEB頁面的關鍵詞。

8.如權利要求7所述的頁面信息處理裝置，其特征在于，所述貢獻度量標準為權重值標準，則所述類別確定單元包括：

獲得單元，獲得每一子詞庫中與所述關鍵文本的詞條匹配的預定義詞條及其對頁面類別具有貢獻作用的權重值標準；

統計單元，根據每一子詞庫中與所述關鍵文本的詞條匹配的預定義詞條及其對頁面類別具有貢獻作用的權重值標準，計算該子詞庫中與所述關鍵文本的詞條匹配的預定義詞條的權重值之和；

確定單元，確定所述權重值之和最大的子詞庫所對應的頁面類別為所述WEB頁面的頁面類別。

9.如權利要求8所述的頁面信息處理裝置，其特征在于，所述統計單元中包括有：

比例系數提供單元，提供每一子詞庫中與所述關鍵文本的詞條匹配的預定義詞條在所述WEB頁面的位置而設置的比例系數，所述統計單元還根據該比例系數計算該子詞庫中與所述關鍵文本的詞條匹配的預定義詞條的權重值之和。

10.如權利要求6至9中任一項所述的頁面信息處理裝置，其特征在于，所述獲取單元包括：

判斷單元，判斷所述WEB頁面是否為超文本標記語言頁面；

提取單元，當判斷單元判斷得到所述WEB頁面為超文本標記語言頁面時，提取所述WEB頁面標簽內容/所述WEB頁面閉合標簽內容；當判斷單元判斷得到所述WEB頁面不為超文本標記語言頁面時，提取所述WEB頁面閉合標簽內容；

解碼單元，對所述提取的內容進行解碼，得到所述關鍵文本。