[發(fā)明專利]對URL進(jìn)行分類的方法和裝置

有效

• 申請?zhí)枺?/td>: 201510733512.3
• 申請日: 2015-11-03
• 公開（公告）號: CN106649384B
• 公開（公告）日: 2019-07-09
• 發(fā)明（設(shè)計）人: 趙鈞;石屹嶸;黃磊;邱晨旭
• 申請（專利權(quán)）人: 中國電信股份有限公司
• 主分類號: G06F16/955
• 分類號: G06F16/955
• 代理公司: 中國國際貿(mào)易促進(jìn)委員會專利商標(biāo)事務(wù)所 11038
• 代理人: 方亮

1.一種對URL進(jìn)行分類的方法，其特征在于，包括：

獲取訪問URL的各用戶的用戶特征信息和各用戶訪問該URL的訪問次數(shù)，所述用戶特征信息包括基于用戶歷史上網(wǎng)行為確定的用戶標(biāo)簽和各用戶標(biāo)簽的權(quán)重；

根據(jù)獲取到的各用戶的用戶特征信息和各用戶訪問URL的訪問次數(shù)確定URL特征信息，所述URL特征信息包括URL的網(wǎng)頁類型和各網(wǎng)頁類型的權(quán)重；

根據(jù)所述URL特征信息對所述URL進(jìn)行分類；

其中，所述根據(jù)獲取到的各用戶的用戶特征信息和各用戶訪問URL的訪問次數(shù)確定URL特征信息包括：

根據(jù)u_j＝(x_j1×k_j1，x_j2×k_j2，…x_jn×k_jn)×p_j/P計算訪問該URL的每個用戶j的標(biāo)簽向量u_j，其中j為正整數(shù)，1≤j≤S，S為訪問該URL的用戶總數(shù)，x_jn為用戶j的用戶標(biāo)簽，k_jn為用戶標(biāo)簽x_jn的權(quán)重，jn為正整數(shù)，p_j為用戶j訪問該URL的訪問次數(shù)，P為所有用戶訪問該URL的總訪問次數(shù)；

將各用戶j的標(biāo)簽向量u_j中相同用戶標(biāo)簽的權(quán)重累加，得到該URL的標(biāo)簽向量y＝(x₁×c₁，x₂×c₂，…，x_t×c_t)，其中x_t為用戶標(biāo)簽，用戶標(biāo)簽x_t的系數(shù)c_t為S個用戶的標(biāo)簽向量u_j中與x_t相同的用戶標(biāo)簽的權(quán)重之和；

從URL的標(biāo)簽向量y中選擇用戶標(biāo)簽的系數(shù)最大的前m個用戶標(biāo)簽x₁，x₂，…x_m作為該URL的網(wǎng)頁類型，并將作為網(wǎng)頁類型x_i的權(quán)重。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，

將各用戶j的標(biāo)簽向量u_j中相同用戶標(biāo)簽的權(quán)重累加，并按累加后的用戶標(biāo)簽的系數(shù)的大小對用戶標(biāo)簽進(jìn)行排序，得到該URL的標(biāo)簽向量y＝(x₁×c₁，x₂×c₂，…，x_t×c_t)。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述根據(jù)所述URL特征信息對所述URL進(jìn)行分類包括：

選擇各網(wǎng)頁類型的權(quán)重中最大的一個或多個網(wǎng)頁類型作為所述URL的網(wǎng)頁類型，以對所述URL進(jìn)行分類。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：

從采集的DPI數(shù)據(jù)中篩選出總訪問次數(shù)大于預(yù)設(shè)閾值的URL作為所述URL。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，還包括：

采集所述URL的網(wǎng)頁內(nèi)容，并根據(jù)所述URL的網(wǎng)頁內(nèi)容和特定算法識別所述URL的網(wǎng)頁類型，以對所述URL進(jìn)行分類；

將分類結(jié)果與根據(jù)所述URL特征信息對所述URL進(jìn)行分類的分類結(jié)果進(jìn)行比較；

根據(jù)比較結(jié)果調(diào)整所述預(yù)設(shè)閾值的大小。