[發(fā)明專利]一種資源結(jié)構(gòu)化鏈接的信息快速分類方法

有效

• 申請?zhí)枺?/td>: 201810635588.6
• 申請日: 2018-06-20
• 公開（公告）號: CN108875019B
• 公開（公告）日: 2022-07-26
• 發(fā)明（設(shè)計(jì)）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(quán)）人: 淮陰工學(xué)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(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 梁耀文

本專利公開發(fā)明了一種資源結(jié)構(gòu)化鏈接的信息快速分類方法，本專利首先統(tǒng)計(jì)文本語料庫中的詞匯，將詞匯表示為一個(gè)唯一的id號，設(shè)置文本詞匯的長度，將所有的文本映射為具有固定長度的id序列，使用卷積神經(jīng)網(wǎng)絡(luò)對文本語料庫進(jìn)行訓(xùn)練，得到文本分類器，接著將資源結(jié)構(gòu)化鏈接切分，將切分的數(shù)據(jù)使用第三方翻譯接口進(jìn)行英?漢轉(zhuǎn)換，得到待分類資源結(jié)構(gòu)化鏈接的分類詞集，然后設(shè)定分類詞閾值，統(tǒng)計(jì)每一個(gè)待分類資源結(jié)構(gòu)化鏈接的分類詞數(shù)量，分類詞數(shù)小于閾值時(shí)，使用腳本爬取資源結(jié)構(gòu)化鏈接的網(wǎng)頁信息，并進(jìn)行分類，分類詞數(shù)大于閾值時(shí)，將分類詞進(jìn)行倒序排序，得到待分類資源結(jié)構(gòu)化鏈接的分類結(jié)果。本發(fā)明方法有效的提取了資源結(jié)構(gòu)化鏈接中的有效信息，提高了網(wǎng)頁分類的效率。

技術(shù)領(lǐng)域

本發(fā)明屬于網(wǎng)頁信息內(nèi)容完整性評估技術(shù)領(lǐng)域，特別涉及一種資源結(jié)構(gòu)化鏈接的信息快速分類方法。

背景技術(shù)

網(wǎng)頁分類對于對實(shí)現(xiàn)人員的行為習(xí)慣分析有著重要的作用和意義。傳統(tǒng)的網(wǎng)頁分類技術(shù)，在分類時(shí)往往需要對待分類的網(wǎng)頁進(jìn)行訪問并爬取網(wǎng)頁信息，增加了網(wǎng)頁分類的時(shí)間，降低了網(wǎng)頁分類的效率，已經(jīng)不能滿足社會信息化發(fā)展的需求。近年來，針對網(wǎng)頁爬取效率低，導(dǎo)致網(wǎng)頁分類時(shí)間冗長的問題，研究者提出了相應(yīng)的解決方法，如網(wǎng)頁正則對比、手工標(biāo)注等。

朱全銀、潘舒新等人已有的研究基礎(chǔ)包括：李翔,朱全銀.聯(lián)合聚類和評分矩陣共享的協(xié)同過濾推薦[J].計(jì)算機(jī)科學(xué)與探索,2014,8(6):751-759；Quanyin Zhu,SunqunCao.A Novel Classifier-independent Feature Selection Algorithm forImbalancedDatasets.2009,p:77-82；QuanyinZhu,YunyangYan,JinDing,JinQian.TheCase Study for Price Extracting ofMobile Phone Sell Online.2011,p:282-285；ZhuQuanyin,Pan Lu,Yin Yonghua LiXiang.Influence on Normalization and MagnitudeNormalization for PriceForecasting ofAgricultural Products.InformationTechnology Journal(ITJ).2013.Vol.12(15):3046-3057；Quanyin Zhu,Jin Ding,Yonghua Yin,Pei Zhou.A Hybrid Approach for New Products Discovery of CellPhone Based on Web Mining.Journal of Information and Computational Science(JICS).2012,Vol.9(16):5039-5046；Pan S,Fan J,Yu S,et al.AMethod ofBehaviorEvaluation Based on Web Browsing Information.Smart Grid and ElectricalAutomation(ICSGEA),2017International Conference on.IEEE,2017:697-700.朱全銀、潘舒新等人申請、公開與授權(quán)的相關(guān)專利：朱全銀，尹永華，嚴(yán)云楊，曹蘇群等，一種基于神經(jīng)網(wǎng)絡(luò)的多品種商品價(jià)格預(yù)測的數(shù)據(jù)預(yù)處理方法.中國專利：ZL 2012 1 0325368.6,2016.06.08；朱全銀，嚴(yán)云洋，李翔，張永軍等，一種基于文本分類和圖像深度挖掘的科技情報(bào)獲取與推送方法.中國專利：CN 104035997 B，2017.05.10；朱全銀，張宇洋，劉文儒，張亮等，一種校園個(gè)性化掌上服務(wù)及用戶行為習(xí)慣分析的實(shí)現(xiàn)方法.中國專利：CN 104731971B；朱全銀，辛誠，李翔，潘舒新等，一種基于K-means和LDA雙向驗(yàn)證的網(wǎng)絡(luò)行為習(xí)慣聚類方法.中國專利公開號：CN106202480A,2016.12.07；朱全銀，辛誠，劉斌，潘舒新等，一種基于分類語料庫-關(guān)鍵詞詞頻-記錄關(guān)聯(lián)的網(wǎng)絡(luò)行為習(xí)慣量化方法.中國專利公開號：CN106202498A,2016.12.07；朱全銀，潘舒新，李翔，賈笑穎等，一種多維度的網(wǎng)頁瀏覽行為評估方法.中國專利公開號：CN106886577A,2017.06.23；嚴(yán)云洋、瞿學(xué)新、朱全銀等，一種基于Bagging和離群點(diǎn)的分類結(jié)果置信度的度量方法.中國專利公開號：CN 106874944 A，2017.07.14；朱全銀、嚴(yán)云洋、胡榮林等，一種基于互信息和關(guān)聯(lián)規(guī)則的文本特征提取方法.中國專利公開號:CN 107766323 A，2018.03.30；朱全銀、邵武杰、唐海波等，一種科學(xué)新聞標(biāo)題的多層次多分類方法.中國專利公開號：CN 105760524 A，2016.08.10；肖紹章、朱全銀、錢凱、潘舒新等，一種學(xué)生瀏覽網(wǎng)頁分類方法.中國公開專利號：CN 107506472 A，2018.01.16。