[發明專利]網頁質量檢測方法及裝置

有效

• 申請號: 201510050373.4
• 申請日: 2015-01-30
• 公開（公告）號: CN104615705B
• 公開（公告）日: 2018-09-18
• 發明（設計）人: 王麗杰;吳先超;劉占一
• 申請（專利權）人: 百度在線網絡技術（北京）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: 路凱;崔雪青

本發明實施例公開了一種網頁質量檢測方法及裝置，所述方法包括：獲取根據用戶查詢語句得到的搜索結果中的多個網頁；基于預設的語法語義分析法，生成獲取的各個網頁的摘要；將所述多個網頁中的一個網頁作為待檢測的目標網頁，根據所述目標網頁與所述多個網頁中其他網頁之間在摘要上的相似度，確定所述目標網頁的質量。本發明實施例提供的技術方案，可以提高網頁質量檢測結果的準確率，以使得搜索引擎能夠據此很好的計算出查詢語句與網頁之間的相關性，提升用戶的搜索體驗。

技術領域

本發明實施例涉及互聯網技術領域，尤其涉及一種網頁質量檢測方法及裝置。

背景技術

目前，搜索引擎在接收到用戶輸入的查詢語句后，進行相關網頁檢索的過程中，網頁質量的好壞直接決定著網頁召回結果。利用網頁質量的檢測結果，不僅可以去除一些作弊網站提供的網頁，而且還可以改善搜索結果排名的準確度，例如網頁質量好的應該排在前面。

當前搜索結果主要依賴于網頁質量、查詢語句與網頁的相關性等。其中，查詢語句與網頁的相關性，主要依賴于查詢語句中所使用的分詞(或者相關的分詞)、分詞在當前查詢語句中的重要性、分詞間的緊密程度等，以及這些信息在網頁中的表現形式(是否緊密出現，分詞在該網頁中是否相對重要等)，是否與在查詢語句中的表現形式相匹配，根據匹配程度得到查詢語句與網頁的相關性；對當前網頁質量的檢測，所主要使用的方法是pagerank(網頁排名)方法，具體是根據網頁的入鏈數量以及入鏈質量來確定網頁的質量，入鏈數量越多，入鏈質量越好，一般其網頁質量也就越高，即跟其他網頁關聯度越大，其重要度也越大。

然而，對于現有的網頁質量檢測結果而言，其準確率往往較差，并不能夠據此很好計算出查詢語句與網頁之間的相關性，從而使得最終所呈現的網頁與用戶想要的網頁相差較大，從而影響了用戶的搜索體驗。

發明內容

本發明實施例提供一種網頁質量檢測方法及裝置，以提高網頁質量檢測結果的準確率，以使得搜索引擎能夠據此很好的計算出查詢語句與網頁之間的相關性，提升用戶的搜索體驗。

第一方面，本發明實施例提供了一種網頁質量檢測方法，包括：

獲取根據用戶查詢語句得到的搜索結果中的多個網頁；

基于預設的語法語義分析法，生成獲取的各個網頁的摘要；

將所述多個網頁中的一個網頁作為待檢測的目標網頁，根據所述目標網頁與所述多個網頁中其他網頁之間在摘要上的相似度，確定所述目標網頁的質量。

第二方面，本發明實施例還提供了一種網頁質量檢測裝置，該裝置包括：

網頁獲取模塊，用于獲取根據用戶查詢語句得到的搜索結果中的多個網頁；

網頁摘要生成模塊，用于基于預設的語法語義分析法，生成獲取的各個網頁的摘要；

網頁質量確定模塊，用于將所述多個網頁中的一個網頁作為待檢測的目標網頁，根據所述目標網頁與所述多個網頁中其他網頁之間在摘要上的相似度，確定所述目標網頁的質量。

區別于傳統的基于pagerank算法的網頁質量檢測法，本發明實施例提供的技術方案，從不同網頁間在基于語法語義分析得到的摘要上的關聯性這一角度出發，來進行網頁質量檢測。由于得到的摘要能夠簡明確切地記述網頁的主要內容，所以通過根據目標網頁與其他網頁之間在摘要上的相似度，來確定目標網頁的質量，可以提高網頁質量檢測結果的準確率，以使得搜索引擎能夠據此很好的計算出查詢語句與網頁之間的相關性，提升用戶的搜索體驗。

附圖說明

圖1是本發明實施例一提供的一種網頁質量檢測方法的流程示意圖；

圖2是本發明實施例二提供的一種網頁質量檢測方法的流程示意圖；

圖3A是本發明實施例三提供的一種構建網頁知識網絡的方法的流程示意圖；