[發明專利]統一資源定位符URL間相似度計算的方法及裝置

有效

• 申請號: 201410568402.1
• 申請日: 2014-10-22
• 公開（公告）號: CN104281703B
• 公開（公告）日: 2018-10-23
• 發明（設計）人: 譚國斌;沈建榮;馬哲
• 申請（專利權）人: 小米科技有限責任公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京尚倫律師事務所 11477
• 代理人: 代治國

1.一種統一資源定位符URL間相似度計算的方法，其特征在于，包括：

對應于URL的各個預設特征參量，根據URL中對應于所述預設特征參量的特征參量值，計算URL間對應于所述預設特征參量的相似度分量，其中，所述預設特征參量包括：站點名稱參量、目錄深度參量、一級目錄參量、二級目錄參量和尾部頁面參量；

根據各個預設特征參量對應的預設權重值，將所述URL間對應于各個預設特征參量的相似度分量，進行加權求和，得到所述URL間相似度；

所述根據URL中對應于所述預設特征參量的特征參量值，計算URL間對應于所述預設特征參量的相似度分量，包括：

判斷URL中對應于所述預設特征參量的特征參量值是否相同；

當URL中所述特征參量值相同時，確定URL間對應于所述預設特征參量的相似度分量為第一預設值；

當URL中所述特征參量值不相同時，確定URL間對應于所述預設特征參量的相似度分量為第二預設值；

所述第一預設值大于所述第二預設值；

所述方法還包括：

判斷所述URL間相似度是否大于預設閾值；

當所述URL間相似度大于預設閾值時，判定所述URL相似。

2.如權利要求1所述的方法，其特征在于，

當所述預設特征參量的類型為字符串時，所述根據URL中對應于所述預設特征參量的特征參量值，計算URL間對應于所述預設特征參量的相似度分量，包括：

利用編輯距離算法或最長公共子串算法，根據URL中對應于所述預設特征參量的字符串，計算URL間對應于所述預設特征參量的相似度分量；或者根據URL中對應于所述預設特征參量的字符串中字符的類型，計算URL間對應于所述預設特征參量的相似度分量。

3.一種統一資源定位符URL間相似度計算的裝置，其特征在于，包括：

計算模塊，用于對應于URL的各個預設特征參量，根據URL中對應于所述預設特征參量的特征參量值，計算URL間對應于所述預設特征參量的相似度分量，其中，所述預設特征參量包括：站點名稱參量、目錄深度參量、一級目錄參量、二級目錄參量和尾部頁面參量；

加權求和模塊，用于根據各個預設特征參量對應的預設權重值，將所述URL間對應于各個預設特征參量的相似度分量，進行加權求和，得到所述URL間相似度；

所述計算模塊，包括：

判斷子模塊，用于判斷URL中對應于所述預設特征參量的特征參量值是否相同；

第一確定子模塊，用于當URL中所述特征參量值相同時，確定URL間對應于所述預設特征參量的相似度分量為第一預設值；

第二確定子模塊，用于當URL中所述特征參量值不相同時，確定URL間對應于所述預設特征參量的相似度分量為第二預設值；

所述第一預設值大于所述第二預設值；

所述裝置還包括：

判斷模塊，用于判斷所述URL間相似度是否大于預設閾值；

判定模塊，用于當所述URL間相似度大于預設閾值時，判定所述URL相似。

4.如權利要求3所述的裝置，其特征在于，

所述計算模塊，包括

第一計算子模塊，用于當所述預設特征參量的類型為字符串時，利用編輯距離算法或最長公共子串算法，根據URL中對應于所述預設特征參量的字符串，計算URL間對應于所述預設特征參量的相似度分量；或者

第二計算子模塊，用于當所述預設特征參量的類型為字符串時，根據URL中對應于所述預設特征參量的字符串中字符的類型，計算URL間對應于所述預設特征參量的相似度分量。