[發(fā)明專利]一種網(wǎng)頁信息一致性的識(shí)別方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201310071267.5
• 申請(qǐng)日: 2013-03-06
• 公開（公告）號(hào): CN104035936B
• 公開（公告）日: 2017-05-24
• 發(fā)明（設(shè)計(jì)）人: 韋袆;馮景華;陳明修
• 申請(qǐng)（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司11227
• 代理人: 王寶筠

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)應(yīng)用技術(shù)領(lǐng)域，特別是涉及一種網(wǎng)頁信息一致性的識(shí)別方法和裝置。

背景技術(shù)

在第三方購物平臺(tái)上，賣家用戶通過平臺(tái)發(fā)布產(chǎn)品網(wǎng)頁，買家用戶通過平臺(tái)上的搜索引擎在賣家發(fā)布的網(wǎng)頁中查找滿足特定的搜索條件的網(wǎng)頁，搜索引擎將這些符合特定的搜索條件的網(wǎng)頁以搜索結(jié)果的形式展示給買家用戶，該搜索結(jié)果即為各個(gè)符合特定的搜索條件的產(chǎn)品網(wǎng)頁的鏈接集合，在產(chǎn)品網(wǎng)頁的鏈接上，一般包含產(chǎn)品標(biāo)題信息和產(chǎn)品圖片，當(dāng)買家瀏覽各鏈接上的產(chǎn)品標(biāo)題信息和產(chǎn)品圖片而對(duì)某個(gè)鏈接感興趣時(shí)，會(huì)進(jìn)一步?jīng)Q定點(diǎn)擊該鏈接并詳細(xì)查看該鏈接對(duì)應(yīng)的產(chǎn)品網(wǎng)頁。由于買家用戶在瀏覽搜索的產(chǎn)品網(wǎng)頁信息時(shí)，對(duì)產(chǎn)品標(biāo)題信息感興趣才會(huì)進(jìn)一步的點(diǎn)擊查看產(chǎn)品的詳情。因此，為了獲取更多的曝光機(jī)會(huì)，一些賣家用戶在發(fā)布網(wǎng)頁時(shí)，故意發(fā)布產(chǎn)品標(biāo)題信息和產(chǎn)品屬性信息不一致的網(wǎng)頁信息。例如：當(dāng)買家對(duì)鏈接中產(chǎn)品標(biāo)題信息為“韓版女裝秋裝羊毛外套”的產(chǎn)品感興趣時(shí)，就會(huì)點(diǎn)擊該鏈接查看產(chǎn)品網(wǎng)頁的詳情，當(dāng)點(diǎn)擊進(jìn)去之后發(fā)現(xiàn)該產(chǎn)品屬性信息為“歐美、女裝、冬裝、棉外套”，與產(chǎn)品標(biāo)題信息不一致，并不是買家想買的產(chǎn)品。另外，當(dāng)買家用戶通過搜索引擎查找滿足特定的搜索條件的產(chǎn)品網(wǎng)頁時(shí)，搜索引擎也會(huì)基于網(wǎng)頁信息對(duì)作為搜索結(jié)果的網(wǎng)頁進(jìn)行排序。因此，有些賣家用戶為了使其發(fā)布的產(chǎn)品網(wǎng)頁成為搜索引擎的搜索結(jié)果，或者，為了使其發(fā)布的產(chǎn)品網(wǎng)頁在作為搜索結(jié)果時(shí)排在前面以獲得更多曝光機(jī)會(huì)，也很有可能在第三方購物平臺(tái)上發(fā)布產(chǎn)品標(biāo)題信息與產(chǎn)品屬性信息不一致的產(chǎn)品網(wǎng)頁信息。受到這些產(chǎn)品標(biāo)題信息和產(chǎn)品屬性信息不一致的網(wǎng)頁信息的影響，在產(chǎn)品搜索時(shí)，一方面，搜索引擎反饋給用戶的搜索結(jié)果中可能包括產(chǎn)品信息不一致的網(wǎng)頁信息；另一方面，搜索引擎還有可能在排序時(shí)將包含產(chǎn)品信息不一致的網(wǎng)頁信息的網(wǎng)頁排在整個(gè)搜索結(jié)果的前面部分。上述兩種情況都將嚴(yán)重影響搜索引擎的搜索質(zhì)量，同時(shí)也降低了用戶體驗(yàn)。

另外，對(duì)于其他的網(wǎng)站平臺(tái)也會(huì)存在信息不一致的現(xiàn)象，比如視頻網(wǎng)站，一般視頻網(wǎng)站中包括：電影、音樂、電視劇和動(dòng)漫等視頻，而視頻在網(wǎng)頁信息中都有其標(biāo)題信息和屬性信息，例如：對(duì)于電影就有標(biāo)題信息和影片介紹信息，其中影片介紹信息也就是電影的屬性信息。視頻網(wǎng)站上既有上傳電影視頻的用戶(即“上傳用戶”)，也有搜索、瀏覽并下載電影視頻的用戶(即“下載用戶”)，上傳用戶為了得到更多的曝光機(jī)會(huì)，填寫的標(biāo)題信息和屬性信息會(huì)存在不一致的現(xiàn)象，這種不一致的網(wǎng)頁信息同樣會(huì)影響視頻網(wǎng)站搜索引擎的搜索質(zhì)量，進(jìn)而就影響下載用戶的搜索體驗(yàn)。

為了提高搜索引擎的搜索質(zhì)量，現(xiàn)有技術(shù)通過計(jì)算網(wǎng)頁信息中產(chǎn)品標(biāo)題信息和產(chǎn)品屬性信息之間的相關(guān)性，根據(jù)相關(guān)性大小識(shí)別網(wǎng)頁信息是否前后一致，當(dāng)相關(guān)性數(shù)值低于預(yù)設(shè)的閾值時(shí)，識(shí)別出產(chǎn)品標(biāo)題信息與產(chǎn)品屬性信息不一致；否則，識(shí)別出產(chǎn)品標(biāo)題信息與產(chǎn)品屬性信息一致。由于相關(guān)性計(jì)算處理的精確度很低，導(dǎo)致識(shí)別結(jié)果的準(zhǔn)確性也不高。基于現(xiàn)有技術(shù)中存在的上述技術(shù)問題，目前迫切需要提供一種在第三方購物平臺(tái)中識(shí)別網(wǎng)頁信息一致性的方法，以提高識(shí)別的準(zhǔn)確性。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明實(shí)施例中提供的一種網(wǎng)頁信息一致性的識(shí)別方法及裝置，可以識(shí)別出網(wǎng)頁信息是否一致性，提高識(shí)別的工作效率，同時(shí)，也提高了搜索引擎的搜索質(zhì)量。

本申請(qǐng)實(shí)施例公開了如下技術(shù)方案：

一種網(wǎng)頁信息一致性的識(shí)別方法，包括：

從數(shù)據(jù)庫中獲取第一類網(wǎng)頁信息，所述第一類網(wǎng)頁信息與被識(shí)別的網(wǎng)頁信息的描述對(duì)象相同且位于相同類目中；

從所述第一類網(wǎng)頁信息中提取出標(biāo)題信息和屬性信息；

對(duì)所述標(biāo)題信息和屬性信息分別進(jìn)行切詞，得到所述描述對(duì)象的屬性；

統(tǒng)計(jì)所述描述對(duì)象的屬性中每一個(gè)屬性包含的屬性值以及所述描述對(duì)象所屬類目的共現(xiàn)信息；

從所述屬性值中去除所述共現(xiàn)信息中的屬性值，得到描述對(duì)象的同一屬性下的矛盾屬性值；

判斷被識(shí)別的網(wǎng)頁信息中標(biāo)題信息和屬性信息的屬性值是否為所述描述對(duì)象的同一屬性下的矛盾屬性值；

如果是，確定所述被識(shí)別的網(wǎng)頁信息不一致，否則，確定所述被識(shí)別的網(wǎng)頁信息一致。

優(yōu)選的，采用語義分析工具對(duì)所述標(biāo)題信息和屬性信息分別進(jìn)行切詞，得到所述描述對(duì)象的屬性。

優(yōu)選的，所述對(duì)標(biāo)題信息和屬性信息分別進(jìn)行切詞，得到所述描述對(duì)象的屬性之后，包括：

計(jì)算所述描述對(duì)象的屬性中每一個(gè)屬性的權(quán)重值；

從權(quán)重值最大的屬性開始，按照權(quán)重值從大到小的順序依次選擇任意多個(gè)屬性作為描述對(duì)象的重要屬性。