[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

本公開是關于統一資源定位符URL間相似度計算的方法及裝置，用于提高URL間相似度計算的準確性。所述方法包括：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；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。本公開能夠利用多個維度計算URL間相似度，提高了URL間相似度的準確性。

技術領域

本公開涉及計算機網絡技術領域，尤其涉及統一資源定位符URL間相似度計算的方法及裝置。

背景技術

相關技術中，計算統一資源定位符URL間相似度的方法為：將URL當成字符串，按字符串間相似度的計算方法計算URL間相似度。例如，按編輯距離算法或最長公共子串算法計算兩個字符串間相似度，以該計算所得相似度作為URL間相似度。其中，編輯距離算法是根據兩個字符串之間，由一個轉成另一個所需的最少編輯操作次數，計算字符串間相似度；最長公共子串算法是根據兩個字符串間最長的相同子串，計算字符串間相似度。相關技術中計算URL間相似度的方法的缺陷在于：所計算的相似度不夠準確。例如，URL1為www.miui.com/music/123.html，URL 2為www.miui.com/music/456.html，URL 3為www.miui.com/music/abc.html，按相關技術，該3個URL相互間的相似度相同，但是，事實上，URL1和URL2間的相似度大于，URL 3與URL1間的相似度。

發明內容

為克服相關技術中存在的問題，本公開實施例提供統一資源定位符URL間相似度計算的方法，用于提高URL間相似度計算的準確性。

根據本公開實施例的第一方面，提供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；

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。

在一實施例中，方法還可包括：

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。

在一實施例中，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，可包括：

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。

在一實施例中，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，可包括：

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。

在一實施例中，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/或尾部頁面參量。