[發明專利]基于Web時態對象模型的過時網頁信息自動發現方法

有效

• 申請號: 201210197587.0
• 申請日: 2012-06-15
• 公開（公告）號: CN102737125A
• 公開（公告）日: 2012-10-17
• 發明（設計）人: 李石君;楊莎;甘琳;余偉;王俊;劉晶;丁永剛;王峰
• 申請（專利權）人: 武漢大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 嚴彥

1.一種基于Web時態對象模型的過時網頁信息自動發現方法，其特征在于，包括以下步驟：

步驟1，對Web進行時態解析，該步驟進一步包括以下子步驟：

步驟1.1，計算網頁的時態敏感度；

步驟1.2，根據網站中時態敏感度大于預設閾值的網頁，建立Web時態對象模型，所述Web時態對象模型中將網站描述成一棵五層非空樹，網站主頁是根結點，欄目及各級子欄目是中間結點，網頁是葉子結點；每個結點表示為一個二元組(V_C,V_T)，其中，V_C為內容向量，V_T為時態向量；

步驟1.3，利用Web時態對象模型對時態信息進行抽取；

步驟2，Web時態一致性約束與推理，包括根據步驟1所得Web時態對象模型，建立結點間時態一致性約束關系，并依此進行推理，得到網頁的Web時態一致性分析結果；

步驟3，Web時態不一致分類與度量，包括根據步驟1所得Web時態對象模型及步驟2所得結點間時態一致性約束關系，對步驟2所得Web時態一致性分析結果中的Web時態不一致情況進行分類，并對不一致程度進行評分，得到網頁的時態不一致度量值；

步驟4，Web時態不一致自動發現，包括根據步驟2所得Web時態一致性推理分析的結果和步驟3所得網頁的時態不一致度量值判斷發現Web時態不一致的過時網頁。

2.如權利要求1所述基于Web時態對象模型的過時網頁信息自動發現方法，其特征在于：所述步驟1.1中，網頁的時態敏感性按下式計算：

TS_p＝λF(P_v)+γF(P_u)+μF(tw)

其中，TS_p為時間敏感度，P_v為用戶訪問模式，P_u為欄目更新模式，tw為文本的時間信息特征，λ、γ、μ為權重函數；

F(Pv)=Σi=1nδ(ti)pv(ti)max1≤i≤nδ(ti)pv(ti)]]>

其中，F(P_v)是用戶訪問模式函數，δ(t_i)是隨時間t_i變化的權重函數，P_v=(p_v(t₁),…,p_v(t_n))是用戶訪問模式，是以網頁p所在欄目為單位，利用t_i時刻該欄目的整體訪問頻率vf_s(t_i)對t_i時刻該欄目下網頁p的訪問頻率vf_w(t_i)進行平滑，得到的平滑后訪問頻率p_v(t_i)=α×vf_s(t_i)+β×vf_w(t_i)的時間序列，α和β預設的平滑系數，n為時間序列中的時刻總數；

F(Pu)=Σi=1nθ(ti)pu(ti)max1≤i≤nθ(ti)pu(ti)]]>

其中，F(P_u)是欄目更新模式函數，θ(t_i)是隨時間t_i變化的權重函數，P_u=(p_u(t₁),…,p_u(t_n))是欄目更新模式，是t_i時刻網頁p所在欄目的更新頻率p_u(t_i)隨時間變化的時間序列；

F(tw)=Σ0≤i<j≤ftw||stw(j)-stw(i)||2ftw×L]]>

其中，F(tw)是文本時間信息特征函數，f_tw為網頁p文本中的時間詞詞頻，s_tw(i)為時間詞i的位移，s_tw(j)為時間詞j的位移，L為網頁p的文本長度。