[發明專利]基于群體搜索行為的網頁分類方法及裝置

在審

• 申請號: 201210355241.9
• 申請日: 2012-09-21
• 公開（公告）號: CN103678400A
• 公開（公告）日: 2014-03-26
• 發明（設計）人: 程剛;潘璇;莊子明;李鶴;蘆方;周霄驍;劉新鳴
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 上海波拓知識產權代理有限公司 31264
• 代理人: 呂靜

技術領域

本發明涉及計算機技術領域，特別涉及一種基于群體搜索行為的網頁分類方法及裝置。

背景技術

隨著計算機技術及網絡技術的飛速發展，網絡信息成爆炸性增長，一方面滿足了用戶對信息的需求，另一方面也產生了一些問題，如何將網頁分類，提高用戶的體驗，是目前搜索引擎供應商面臨解決的一個問題。

現有技術中網頁分類的方法主要是基于網頁本身的信息，利用機器學習的方法對網頁進行分類。然而，由于網頁是半結構化信息，網頁除了含有文本還包括很多的其他信息，例如鏈接關系、垃圾廣告等，單純利用機器學習的方法很可能會把廣告、導航信息等誤認為網頁正文，從而影響分類的準確率和召回率。

發明內容

本發明的目的在于，提供一種有效的基于群體搜索行為的網頁分類方法及裝置。

本發明的目的及解決其技術問題是采用以下技術方案來實現的。

一種基于群體搜索行為的網頁分類方法，包括：建立搜索詞詞干分類庫，該搜索詞詞干分類庫中包括若干詞干以及該若干詞干分別對應的分類屬性；記錄群體搜索行為所使用的搜索詞、使用該搜索詞時被點擊的網頁、以及在使用每個搜索詞時每個被點擊的網頁對應的被點擊次數；根據該搜索詞詞干分類庫確定所記錄的搜索詞的分類屬性并建立搜索詞分類庫，該搜索詞分類庫中包括所記錄的搜索詞以及該些搜索詞分別對應的分類屬性；根據該搜索詞的分類屬性以及使用該搜索詞時每個被點擊的網頁對應的被點擊次數確定被點擊網頁的分類屬性。

一種基于群體搜索行為的網頁分類裝置，包括：詞干分類庫建立模塊，用于建立搜索詞詞干分類庫，該搜索詞詞干分類庫中包括若干詞干以及該若干詞干分別對應的分類屬性；記錄模塊，用于記錄群體搜索行為所使用的搜索詞、使用該搜索詞時被點擊的網頁、以及在使用每個搜索詞時每個被點擊的網頁對應的被點擊次數；搜索詞分類庫建立模塊，用于根據該搜索詞詞干分類庫確定所記錄的搜索詞的分類屬性并建立搜索詞分類庫，該搜索詞分類庫中包括所記錄的搜索詞以及該些搜索詞分別對應的分類屬性；網頁分類屬性確定模塊，用于根據該搜索詞的分類屬性以及使用該搜索詞時每個被點擊的網頁對應的被點擊次數確定被點擊網頁的分類屬性。

與現有技術相比，本實施例所提供的網頁分類方法借助群體用戶的搜索行為來對網頁進行分類，可以作為單純依靠網頁本身的信息對網頁進行分類的一種有效補充，使得準確率能夠得到有效的提高。

附圖說明

為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本發明實施例1提供的一種基于群體搜索行為的網頁分類方法的流程圖。

圖2是圖1中步驟S13的具體流程圖。

圖3是圖1中步驟S14的具體流程圖。

圖4是本發明實施例2提供的一種基于群體搜索行為的網頁分類方法的流程圖。

圖5是本發明實施例3提供的一種基于群體搜索行為的網頁分類裝置的結構圖。

圖6是圖5中搜索詞分類庫建立模塊的具體結構圖。

圖7是圖5中網頁分類屬性確定模塊的具體結構圖。

圖8是本發明實施例4提供的一種基于群體搜索行為的網頁分類裝置的結構圖。

具體實施方式

為更進一步闡述本發明為達成預定發明目的所采取的技術手段及功效,以下結合附圖及較佳實施例，對依據本發明提出的基于群體搜索行為的網頁分類方法及裝置其具體實施方式、方法、步驟、結構、特征及其功效，詳細說明如下。

有關本發明的前述及其他技術內容、特點及功效，在以下配合參考圖式的較佳實施例的詳細說明中將可清楚呈現。通過具體實施方式的說明，當可對本發明為達成預定目的所采取的技術手段及功效得以更加深入且具體的了解，然而所附圖式僅是提供參考與說明之用，并非用來對本發明加以限制。

本發明技術方案的主要設計構思是針對現有技術中單純采用機器學習依靠網頁本身的信息對網頁進行分類時，分類的準確率較低的問題，而提出一種實現網頁分類的技術方案。與現有技術相比，本發明所提供的網頁分類方法借助群體用戶的搜索行為來對網頁進行分類，可以作為單純依靠網頁本身的信息對網頁進行分類的一種有效補充，使得準確率能夠得到有效的提高。

實施例1