[發明專利]根據瀏覽網頁確定用戶感興趣的網頁文本的方法和系統

在審

• 申請號: 201310163619.X
• 申請日: 2013-05-06
• 公開（公告）號: CN103235824A
• 公開（公告）日: 2013-08-07
• 發明（設計）人: 劉臻;呂琳媛;肖思源;劉潤然;佘莉
• 申請（專利權）人: 上海河廣信息科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 上海順華專利代理有限責任公司 31203
• 代理人: 陳淑章

1.一種根據瀏覽網頁URL確定用戶感興趣的相關網頁文本的方法，其特征在于：包括步驟：

對一定時段內用戶瀏覽的網頁進行過濾處理，去除掉無用網頁和某些無法訪問的網頁，對經過篩選剩下的URL地址進行鏈接，獲得頁面的文本內容，提取標題和文本信息；

按照預先定義的主題類別，為網頁文檔集合的每個網頁文檔確定一個類別；

對每個類進行訪問頻度統計，

訪問頻度值最高的網頁集作為用戶感興趣的相關網頁。

2.如權利要求1所述的一種根據瀏覽網頁URL確定用戶感興趣的相關網頁文本的方法，其特征在于：網頁分類步驟中需要構建和訓練網頁分類器，輸入訓練文本集，通過文本表示和特征選擇，根據特征詞庫構建分類器模型，輸出為類似于樹形結構的分類規則集，

網頁分類器的訓練過程即是對訓練樣本不斷分組，通過建立目標變量關于各個輸入變量的分類預測模型，全面實現輸入變量和目標變量不同取值下的數據分組，進而用于對新數據對象的分類和預測。

3.如權利要求2所述的一種根據瀏覽網頁URL確定用戶感興趣的相關網頁文本的方法，其特征在于：網頁分類器使用決策樹分類方法，其步驟為：

①將測試樣本表達成和訓練樣本同樣的形式；

②t←決策樹根結點；

③取決策樹結點t的測試屬性和閾值，將待測試樣本對應特征的值與之比較，

然后根據t結點分裂的標準決定是

t←t的左孩子or?t←t的右孩子；

④遞歸執行⑶，直到t為葉子結點；

⑤測試樣本的類別為葉子t代表的類別。

4.如權利要求2所述的一種根據瀏覽網頁URL確定用戶感興趣的相關網頁文本的方法，其特征在于：網頁分類步驟中，輸入經過文本預處理模塊處理過的待分類文本，通過文本表示，根據特征詞庫進行特征選擇，與訓練所生成的分類器模型的分類規則進行文本分類，輸出為各文本所屬類別信息。

5.如權利要求2或4所述的一種根據瀏覽網頁URL確定用戶感興趣的相關網頁文本的方法，其特征在于：文本表示步驟中，采用特征向量空間表示文本特征，文檔i可以表示成如下公式的特征向量：

W_ij=(W_i1,W_i2,...,W_im)

其中，W_ij為詞條j在文檔i中出現頻率f_ij的函數,直接使用詞條在文檔的出現頻率作為特征值，計算公式為：

W_ij=f_ij。