[發明專利]一種資源結構化鏈接的信息快速分類方法

有效

• 申請號: 201810635588.6
• 申請日: 2018-06-20
• 公開（公告）號: CN108875019B
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 周泓;潘舒新;朱全銀;李翔;高尚兵;胡榮林;馮萬利
• 申請（專利權）人: 淮陰工學院
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/216;G06F16/958;G06F40/47;G06F16/31
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 梁耀文

1.一種資源結構化鏈接的信息快速分類方法，其特征在于，包括如下步驟：

(1)統計文本語料庫中的詞匯，并將每個詞匯表示為一個唯一的id號，設置詞匯的長度，將所有的詞匯映射為具有固定長度的id序列，使用卷積神經網絡對文本語料庫中的訓練集進行訓練，得到基于卷積神經網絡的文本分類器CNN-CLA；

(2)統計待分類的資源結構化鏈接中的“/”和“.”的數量，將資源結構化鏈接進行切分，使用第三方翻譯接口對切分的數據進行英-漢轉換，將翻譯后的數據放入CNN-CLA中進行分類，得到待分類資源結構化鏈接的分類詞集；

(3)設定分類詞閾值，統計每一個待分類資源結構化鏈接的分類詞數量，如果分類詞數量小于閾值，則使用腳本爬取資源結構化鏈接的網頁內容，并使用CNN-CLA對網頁進行分類，如果分類詞數量大于閾值，將分類詞進行倒序排序，得到待分類資源結構化鏈接的分類結果。

2.根據權利要求1所述的一種資源結構化鏈接的信息快速分類方法，其特征在于，所述步驟(1)中得到基于卷積神經網絡的文本分類器CNN-CLA的具體步驟如下：

(1.1)定義文本分類集；

(1.2)統計訓練集中的詞匯，并為每個詞匯分配具有唯一屬性的id號；

(1.3)為文本分類集中的每一個分類分配具有唯一性質的id號；

(1.4)設定詞匯的長度，將所有的訓練集詞匯映射為具有固定長度的id序列；

(1.5)設定CNN的詞向量維度、序列長度、卷積核數量、總迭代次數；

(1.6)使用CNN對訓練集進行訓練，得到基于卷積神經網絡的文本分類器CNN-CLA。

3.根據權利要求2所述的一種資源結構化鏈接的信息快速分類方法，其特征在于，所述步驟(2)中得到待分類資源結構化鏈接的分類詞集的具體步驟如下：

(2.1)定義待分類資源結構化鏈接地址集；

(2.2)將待分類資源結構化鏈接按照“.”和“/”進行切分；

(2.3)使用第三方翻譯接口，對切分后的數據進行英-漢轉換；

(2.4)將翻譯后的數據與原始數據相交然后做差，得到待分類資源結構化鏈接詞匯集；

(2.5)使用CNN-CLA對待分類資源結構化鏈接詞匯集進行分類，得到待分類資源結構化鏈接分類詞集。