[發明專利]一種用于獲取頁面相似度的方法與設備

有效

• 申請號: 201210089360.4
• 申請日: 2012-03-29
• 公開（公告）號: CN103365879B
• 公開（公告）日: 2018-05-01
• 發明（設計）人: 胡蓉;趙楓;孫立波
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京漢昊知識產權代理事務所(普通合伙)11370
• 代理人: 羅朋

1.一種計算機實現的用于獲取頁面相似度的方法，該方法包括以下步驟：

a1確定一個頁面中的一個或多個頁面塊與另一頁面中的一個或多個頁面塊的塊對應關系；

a2根據所述塊對應關系，對所述一個頁面與所述另一個頁面的對應的頁面塊進行比較，以確定塊相似度；

-當所述一個頁面中的一個或多個頁面塊與所述另一頁面中的一個或多個頁面塊不一一對應，且所述不對應的頁面塊的類型不相同時，根據所述不對應的頁面塊的類型，基于預定判斷規則，判斷是否保留所述不對應的頁面塊的權重；

b根據兩個頁面中保留的各個頁面塊的權重及所述塊相似度，加權確定所述兩個頁面的頁面相似度。

2.根據權利要求1所述的方法，其中，所述步驟a2包括：

a21當所述一個頁面中的一個或多個頁面塊與所述另一頁面中的一個或多個頁面塊不一一對應時，將所述一個頁面中類型相同的頁面塊及所述另一頁面中類型相同的頁面塊分別進行合并，以使得所述一個頁面中的一個或多個頁面塊與所述另一頁面中的一個或多個頁面塊相對應；

a22根據所述兩個頁面中合并后的一一對應的頁面塊，以確定所述一個頁面中與所述另一頁面中相對應的頁面塊的塊相似度。

3.根據權利要求1所述的方法，其中，該方法還包括：

-根據所述不對應的頁面塊的塊類型，來確定所述頁面塊的質量信息；

其中，所述基于預定判斷規則判斷是否保留不對應的頁面塊的權重的步驟包括：

-當判斷所述不對應的頁面塊的質量指數大于預定質量指數閾值，則保留所述不對應的頁面塊的權重，以用于確定所述兩個頁面的頁面相似度；

-當判斷所述不對應的頁面塊質量指數小于預定質量指數閾值，則不保留所述不對應的頁面塊的權重。

4.根據權利要求1至3任一項所述的方法，其中，所述步驟b包括：

b1根據所述各個頁面塊的相關信息，基于預定權重規則，確定所述各個頁面塊的權重；

b2根據所述各個頁面塊的權重及所述塊相似度，加權確定所述兩個頁面的頁面相似度。

5.根據權利要求4所述的方法，其中，所述頁面塊相關信息包括以下至少任一項：

-頁面塊類型；

-頁面塊在所屬頁面中的位置信息；

-頁面塊在所屬頁面中的面積比例；

其中，基于預定權重規則獲取所述各個頁面塊的權重的方式包括：

-根據所述頁面塊的相關信息，在預定權重查詢表中進行匹配查詢，以確定所述頁面塊的權重。

6.根據權利要求1至3任一項所述的方法，其中，所述頁面塊包括以下至少任一項：

-標題塊；

-正文塊；

-圖片塊；

-超文本鏈接塊；

-廣告塊。

7.一種用于獲取頁面相似度的設備，該設備包括：

第一相似度確定裝置以及第二相似度確定裝置，其中，

所述第一相似度確定裝置，用于確定一個頁面中的一個或多個頁面塊與另一頁面中的一個或多個頁面塊之間的塊相似度；

其中，所述第一相似度確定裝置包括：

對應關系確定單元，用于確定所述一個頁面中的一個或多個頁面塊與所述另一頁面中的一個或多個頁面塊的塊對應關系；

第三相似度確定單元，用于根據所述塊對應關系，對所述一個頁面與所述另一個頁面的對應的頁面塊進行比較，以確定所述塊相似度；以及，

當所述一個頁面中的一個或多個頁面塊與所述另一頁面中的一個或多個頁面塊不一一對應，且所述不對應的頁面塊的類型不相同時，根據所述不對應的頁面塊的類型，基于預定判斷規則，判斷是否保留所述不對應的頁面塊的權重；

所述第二相似度確定裝置，用于根據兩個頁面中保留的各個頁面塊的權重及所述塊相似度，加權確定所述兩個頁面的頁面相似度。