[發明專利]瀏覽質量的評估方法及裝置

有效

• 申請號: 201210242504.5
• 申請日: 2012-07-12
• 公開（公告）號: CN103544170A
• 公開（公告）日: 2014-01-29
• 發明（設計）人: 于高;薛林波
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋合成;黃德海

1.一種瀏覽質量的評估方法，其特征在于，包括：

獲取第三方站點的待測頁面，并分析所述待測頁面以獲得第一原始特征集；

對所述待測頁面進行轉碼以生成轉碼后的待測頁面，并獲得所述待測頁面的結構化特征集；

對所述轉碼后的待測頁面進行分析以獲得第二原始特征集；

按照預設的組合規則將所述第一原始特征集、第二原始特征集和所述結構化特征集進行組合以生成組合特征集；以及

根據預設的評估模型和所述組合特征集對所述待測頁面進行質量評估。

2.如權利要求1所述的瀏覽質量的評估方法，其特征在于，所述評估模型通過以下步驟得到：

建立訓練樣本庫，所述訓練樣本庫中包括多個訓練樣本；

對所述訓練樣本庫中的每個訓練樣本進行特征提取，并生成每個訓練樣本對應的訓練特征集；

根據機器學習算法對所述訓練特征集進行處理以生成所述評估模型。

3.如權利要求2所述的瀏覽質量的評估方法，其特征在于，所述訓練樣本包括URL列表和URL列表中每個URL對應的人工評估結果。

4.如權利要求1所述的瀏覽質量的評估方法，其特征在于，還包括：

根據所述待測頁面的頁面類型選擇對應的組合規則。

5.如權利要求1-4任一項所述的瀏覽質量的評估方法，其特征在于，所述第一原始特征集和第二原始特征集分別包括轉碼前和轉碼后的所述待測頁面中的文字、圖片、動畫的數量和面積信息。

6.如權利要求1-5任一項所述的瀏覽質量的評估方法，其特征在于，所述獲得所述待測頁面的結構化特征集進一步包括：

對所述待測頁面進行結構化分析，以獲得所述待測頁面的頁面類型和內容塊；

對所述待測頁面的內容進行分析以獲得所述待測頁面的結構化特征。

7.如權利要求6所述的瀏覽質量的評估方法，其特征在于，所述結構化特征包括所述待測頁面中的標題、圖標和聯系方式中的一種或多種。

8.一種瀏覽質量的評估裝置，其特征在于，包括：

頁面獲取模塊，用于獲取第三方站點的待測頁面；

轉碼模塊，用于對所述待測頁面進行轉碼以生成轉碼后的待測頁面，并獲得所述待測頁面的結構化特征集；

分析模塊，用于對所述待測頁面進行分析以獲得第一原始特征集，以及對所述轉碼后的待測頁面進行分析以獲得第二原始特征集；

組合模塊，用于按照預設的組合規則將所述第一原始特征集、第二原始特征集和所述結構化特征集進行組合以生成組合特征集；以及

質量評估模塊，用于建立評估模型，并根據所述評估模型和所述組合特征集對所述待測頁面進行質量評估。

9.如權利要求8所述的瀏覽質量的評估裝置，其特征在于，所述質量評估模塊包括：

接收單元，用于接收來自所述組合模塊的所述組合特征集；

模型建立單元，用于建立訓練樣本庫，以及對所述訓練樣本庫中的每個訓練樣本進行特征提取，并生成每個訓練樣本對應的訓練特征集，并根據機器學習算法對所述訓練特征集進行處理以生成所述評估模型，其中，所述訓練樣本庫中包括多個訓練樣本；

評估單元，用于根據所述評估模型和所述組合特征集對所述待測頁面進行質量評估。

10.如權利要求9所述的瀏覽質量的評估裝置，其特征在于，所述訓練樣本包括URL列表和URL列表中每個URL對應的人工評估結果。

11.如權利要求8所述的瀏覽質量的評估裝置，其特征在于，所述組合模塊根據所述待測頁面的頁面類型選擇對應的組合規則。

12.如權利要求8-11任一項所述的瀏覽質量的評估裝置，其特征在于，所述第一原始特征集和第二原始特征集分別包括轉碼前和轉碼后的所述待測頁面中的文字、圖片、動畫的數量和面積信息。

13.如權利要求8-12任一項所述的瀏覽質量的評估裝置，其特征在于，所述轉碼模塊包括：

結構化分析單元，用于對所述待測頁面進行結構化分析，以獲得所述待測頁面的頁面類型和內容塊；

結構化特征獲取單元，用于對所述待測頁面的內容塊進行分析以獲得所述待測頁面的結構化特征。

14.如權利要求13所述的瀏覽質量的評估裝置，其特征在于，所述結構化特征包括所述待測頁面中的標題、圖標和聯系方式中的一種或多種。