[發明專利]確定網頁類型的方法和裝置

無效

• 申請號: 201210539055.0
• 申請日: 2012-12-13
• 公開（公告）號: CN103870486A
• 公開（公告）日: 2014-06-18
• 發明（設計）人: 張富強;楊巍
• 申請（專利權）人: 深圳市世紀光速信息技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 滕一斌

1.一種確定網頁類型的方法，其特征在于，所述方法包括：

獲取網頁的文檔信息；其中，所述網頁的文檔信息包含網頁地址URL信息、網頁文檔內容信息和網頁視覺信息；

從所述網頁的文檔信息中提取網頁特征參數；

根據提取出的網頁特征參數，確定所述網頁的類型。

2.根據權利要求1所述的方法，其特征在于，所述根據提取出的網頁特征參數，確定所述網頁的類型，包括：

根據預設的網頁特征參數與網頁特征分數對應關系，計算所述網頁的網頁特征得分；

根據所述網頁的網頁特征得分，確定所述網頁的類型。

3.根據權利要求2所述的方法，其特征在于，所述根據所述網頁的網頁特征得分，確定所述網頁的類型，包括：

將所述網頁的網頁特征得分與預設的網頁特征得分閾值進行比較；

如果所述網頁的網頁特征得分大于預設的網頁特征得分閾值，則確定所述網頁的類型為無線應用協議wap2.0。

4.根據權利要求3所述的方法，其特征在于，所述將所述網頁的網頁特征得分與預設的網頁特征得分閾值進行比較之后，還包括：

如果所述網頁的網頁特征得分小于等于預設的網頁特征得分閾值，則確定所述網頁的類型為web。

5.根據權利要求1所述的方法，其特征在于，所述根據提取出的網頁特征參數，確定所述網頁的類型，包括：

將提取出的網頁特征參數輸入到網頁分類模型中；其中，所述網頁分類模型通過對從預設的多個網頁中提取出的網頁特征參數進行機器學習得到；

通過所述網頁分類模型，確定所述網頁的類型。

6.根據權利要求1-5任一權利要求所述的方法，其特征在于，所述網頁地址URL信息中的網頁特征參數包括：

//wap.、/wap/、//wap、//3g.、.3g.、/3g/、//m.、/m/和.mobi/中的至少一種。

7.一種確定網頁類型的裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取網頁的文檔信息；其中，所述網頁的文檔信息包含網頁地址URL信息、網頁文檔內容信息和網頁視覺信息；

提取模塊，用于在所述獲取模塊獲取網頁的文檔信息后，從所述網頁的文檔信息中提取網頁特征參數；

確定模塊，用于在所述提取模塊從所述網頁的文檔信息中提取網頁特征參數后，根據提取出的網頁特征參數，確定所述網頁的類型。

8.根據權利要求7所述的裝置，其特征在于，所述確定模塊包括：

計算單元，用于在所述提取模塊從所述網頁的文檔信息中提取網頁特征參數后，根據預設的網頁特征參數與網頁特征分數對應關系，計算所述網頁的網頁特征得分；

確定單元，用于在所述計算單元計算所述網頁的網頁特征得分后，根據所述網頁的網頁特征得分，確定所述網頁的類型。

9.根據權利要求8所述的裝置，其特征在于，所述確定單元包括：

比較子單元，用于在所述計算單元計算所述網頁的網頁特征得分后，將所述網頁的網頁特征得分與預設的網頁特征得分閾值進行比較；

第一確定子單元，用于在所述比較子單元的比較結果是所述網頁的網頁特征得分大于預設的網頁特征得分閾值，則確定所述網頁的類型為無線應用協議wap7.0。

10.根據權利要求9所述的裝置，其特征在于，所述確定單元還包括：

第二確定子單元，用于在所述比較子單元的比較結果是所述網頁的網頁特征得分小于等于預設的網頁特征得分閾值，則確定所述網頁的類型為web。

11.根據權利要求7所述的裝置，其特征在于，所述確定模塊包括：

處理單元，用于在所述提取模塊從所述網頁的文檔信息中提取網頁特征參數后，將提取出的網頁特征參數輸入到網頁分類模型中；其中，所述網頁分類模型通過對從預設的多個網頁中提取出的網頁特征參數進行機器學習得到；

分類模型確定單元，用于在所述處理單元將提取出的網頁特征參數輸入到網頁分類模型中后，通過所述網頁分類模型，確定所述網頁的類型。

12.根據權利要求7-11任一權利要求所述的裝置，其特征在于，所述網頁地址URL信息中的網頁特征參數包括：

//wap.、/wap/、//wap、//3g.、.3g.、/3g/、//m.、/m/和.mobi/中的至少一種。