[發(fā)明專利]基于網(wǎng)頁文本語義特征的在線零售額計算方法

在審

• 申請?zhí)枺?/td>: 201310575302.7
• 申請日: 2013-11-15
• 公開（公告）號: CN103605724A
• 公開（公告）日: 2014-02-26
• 發(fā)明（設(shè)計）人: 柴躍廷;孫驍
• 申請（專利權(quán)）人: 清華大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/00
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 張大威

1.一種基于網(wǎng)頁文本語義特征的在線零售額計算方法，其特征在于，包括如下步驟：對網(wǎng)民總體進行分層抽樣得到樣本；

實時監(jiān)測樣本成員的上網(wǎng)行為，基于網(wǎng)頁語義特征發(fā)現(xiàn)所述樣本成員的網(wǎng)絡(luò)購物下達的訂單，并基于網(wǎng)頁語義特征從所述訂單中抓取訂單金額；

對樣本網(wǎng)絡(luò)購物信息進行實時匯總及統(tǒng)計，得到所述在線零售額，其中，所述樣本網(wǎng)絡(luò)購物信息包括所述訂單以及所述訂單金額。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于網(wǎng)頁語義特征發(fā)現(xiàn)所述樣本成員網(wǎng)絡(luò)購物下達的訂單具體包括以下步驟：

獲得當(dāng)前網(wǎng)頁源代碼；

過濾出網(wǎng)頁源代碼內(nèi)的中文；

檢測網(wǎng)頁中文文本內(nèi)是否含有網(wǎng)頁文本特征，得到網(wǎng)頁特征向量；

根據(jù)網(wǎng)頁特征向量計算網(wǎng)頁特征數(shù)值；

若所述網(wǎng)頁特征數(shù)值大于網(wǎng)頁特征數(shù)值閾值，則所述網(wǎng)頁是訂單頁面，否則是非訂單頁面。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)網(wǎng)頁特征向量計算網(wǎng)頁特征數(shù)值的計算公式為：

P1=eΣ0nθixi1+eΣ0nθixi]]>

其中，n是提取所述網(wǎng)頁文本特征的個數(shù)，x_i是所述網(wǎng)頁特征向量X的第i個分量，θ_i是第一參數(shù)向量θ的第i個分量，p₁是所述網(wǎng)頁特征數(shù)值，其中所述第一參數(shù)向量θ為已知的。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述第一參數(shù)向量θ是采用邏輯斯蒂回歸得到的。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從所述訂單中抓取訂單金額具體包括以下步驟：

獲得訂單頁面網(wǎng)頁源代碼；

過濾出符合預(yù)定結(jié)構(gòu)的所有字段；

依次檢測每一個字段是否含有字段文本特征，得到字段特征向量；

對各個字段根據(jù)字段特征向量計算字段特征數(shù)值，選取所有字段中所述字段特征數(shù)值最大者，若該字段的所述字段特征數(shù)值大于字段特征閾值，則該字段被確定為訂單金額所在字段；

從所述訂單金額所在字段提取出數(shù)字，作為最終的所述訂單金額。