[發明專利]基于URL中錨文字和周邊文本的人口屬性分類方法及裝置

在審

• 申請號: 201410658093.7
• 申請日: 2014-11-18
• 公開（公告）號: CN104462241A
• 公開（公告）日: 2015-03-25
• 發明（設計）人: 張巖峰;梁東山
• 申請（專利權）人: 北京銳安科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 胡彬;路凱

1.一種基于URL中錨文字和周邊文本的人口屬性分類方法，其特征在于，包括：

獲取未知用戶預設時間段內點擊的URL中的錨文字和周邊文本；

根據所述錨文字和周邊文本、預先建立的第一分類模型將所述URL分類到不同的目錄類別中，所述第一分類模型為利用互聯網分類目錄進行分類訓練得到的；

根據不同目錄類別下的類別特征信息、預先建立的第二分類模型對所述未知用戶進行人口屬性分類預報，所述第二分類模型為根據已知用戶點擊的URL所屬目錄類別下的類別特征信息和人口屬性進行分類訓練得到的。

2.根據權利要求1所述的方法，其特征在于，所述類別特征信息包含URL數量；

所述第二分類模型為根據已知用戶點擊的URL所屬目錄類別下的類別特征信息和人口屬性進行分類訓練得到的，包括：

將所述已知用戶點擊的URL所屬目錄類別下的URL數量生成特征向量，利用分類算法訓練得到特征向量和人口屬性之間的對應關系；

所述根據不同目錄類別下的類別特征信息、預先建立的第二分類模型對所述未知用戶進行人口屬性分類預報，包括：

將所述不同目錄類別下的URL數量生成待分類特征向量；確定所述第二分類模型中與所述待分類特征向量最匹配的特征向量；根據所述最匹配的特征向量確定待分類特征向量所對應的人口屬性。

3.根據權利要求2所述的方法，其特征在于，所述分類算法為以下任意一種：

邏輯遞歸分類算法、支持向量機分類算法、決策樹分類算法、貝葉斯分類算法。

4.根據權利要求1～3任一項所述的方法，其特征在于，所述第一分類模型為利用互聯網分類目錄進行分類訓練得到的，包括：

從互聯網上提供的分類服務網站上抓取目錄樹作為分類，所述目錄樹中包含不同的目錄類別；

對不同目錄類別下的網頁包含的文本內容進行訓練，得到第一分類模型。

5.根據權利要求3所述的方法，其特征在于，所述對不同目錄類別下的網頁包含的文本內容進行訓練，包括：

提取所述網頁內容中的特征詞，構造特征向量；

根據特征向量和目錄類別采用分類算法對所述網頁的URL進行分類。

6.一種基于URL中錨文字和周邊文本的人口屬性分類裝置，其特征在于，包括：

獲取模塊，用于獲取未知用戶預設時間段內點擊的URL中的錨文字和周邊文本；

目錄分類模塊，用于根據所述錨文字和周邊文本、預先建立的第一分類模型將所述URL分類到不同的目錄類別中，所述第一分類模型為利用互聯網分類目錄進行分類訓練得到的；

人口屬性預報模塊，用于根據不同目錄類別下的類別特征信息、預先建立的第二分類模型對所述未知用戶進行人口屬性分類預報，所述第二分類模型為根據已知用戶點擊的URL所屬目錄類別下的類別特征信息和人口屬性進行分類訓練得到的。

7.根據權利要求6所述的裝置，其特征在于，所述類別特征信息包含URL數量；

所述裝置，還包括：

第二分類模型建立模塊，用于將所述已知用戶點擊的URL所屬目錄類別下的URL數量生成特征向量，利用分類算法訓練得到特征向量和人口屬性之間的對應關系；

所述人口屬性預報模塊，具體用于將所述不同目錄類別下的URL數量生成待分類特征向量；確定所述第二分類模型中與所述待分類特征向量最匹配的特征向量；根據所述最匹配的特征向量確定待分類特征向量所對應的人口屬性。

8.根據權利要求7所述的裝置，其特征在于，所述分類算法為以下任意一種：

邏輯遞歸分類算法、支持向量機分類算法、決策樹分類算法、貝葉斯分類算法。

9.根據權利要求6～8任一項所述的裝置，其特征在于，所述裝置，還包括：

第一分類模型建立模塊，具體用于從互聯網上提供的分類服務網站上抓取目錄樹作為分類，所述目錄樹中包含不同的目錄類別，對不同目錄類別下的網頁包含的文本內容進行訓練，得到第一分類模型。

10.根據權利要求8所述的裝置，其特征在于，所述第一分類模型建立模塊，具體用于提取所述網頁內容中的特征詞，構造特征向量，根據特征向量和目錄類別采用分類算法對所述網頁的URL進行分類。