[發明專利]網頁所屬行業分類方法及裝置

在審

• 申請號: 202010108826.5
• 申請日: 2020-02-21
• 公開（公告）號: CN111382385A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 阮祿;禹慶華;李斌;李國輝
• 申請（專利權）人: 奇安信科技集團股份有限公司;網神信息技術（北京）股份有限公司
• 主分類號: G06F16/958
• 分類號: G06F16/958;G06K9/62
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 苗曉靜

1.一種網頁所屬行業分類方法，其特征在于，包括：

獲取待分類網頁的網頁特征信息，所述網頁特征信息包括用于體現所述網頁所屬行業的至少一個維度下的特征關鍵詞；

將各個維度下的網頁特征信息與各行業對應維度下的預設關鍵詞集合進行匹配，獲取所述網頁特征信息與所述各行業在對應維度下的匹配結果；其中，所述各行業各個維度下的預設關鍵詞集合中對應存儲有相應行業對應維度下的特征關鍵詞；

根據所述各行業在對應維度下的匹配結果，確定所述待分類網頁與各行業的匹配度；

根據所述待分類網頁與各行業的匹配度，確定所述待分類網頁的行業分類結果。

2.根據權利要求1所述的方法，其特征在于，所述待分類網頁的網頁特征信息包括待分類網頁的網頁地址，和/或，網頁標題，和/或，網頁內容；以及，

所述將各個維度下的網頁特征信息與各行業對應維度下的預設關鍵詞集合進行匹配，獲取所述網頁特征信息與所述各行業在對應維度下的匹配結果，包括：

將所述網頁地址與各行業的第一關鍵詞集合進行匹配，獲取所述網頁地址與所述各行業的第一匹配結果；其中，各行業的第一關鍵詞集合中對應存儲有相應行業的網頁地址關鍵詞；和/或，

將所述網頁標題與各行業的第二關鍵詞集合進行匹配，獲取所述網頁標題與所述各行業的第二匹配結果；其中，各行業的第二關鍵詞集合中對應存儲有相應行業的網頁標題關鍵詞；和/或，

將所述網頁內容與各行業的第三關鍵詞集合進行匹配，獲取所述網頁內容與所述各行業的第三匹配結果；其中，各行業的第三關鍵詞集合中對應存儲有相應行業的網頁內容關鍵詞。

3.根據權利要求2所述的方法，其特征在于，所述根據所述各行業在對應維度下的匹配結果，確定所述待分類網頁與各行業的匹配度，包括：

根據所述網頁地址與所述各行業的第一匹配結果，和/或，所述網頁標題與所述各行業的第二匹配結果，和/或，所述網頁內容與所述各行業的第三匹配結果，確定所述待分類網頁與各行業的匹配度。

4.根據權利要求2所述的網頁所屬行業分類方法，其特征在于，將所述網頁地址與各行業的第一關鍵詞集合進行匹配，獲取所述網頁地址與所述各行業的第一匹配結果，具體包括：

將所述網頁地址與各行業的第一關鍵詞集合進行匹配，根據所述網頁地址與各行業的第一關鍵詞集合進行匹配后得到的關鍵詞的個數以及第一權重，按照第一關系模型獲取所述網頁地址與所述各行業的第一匹配結果；

其中，所述第一權重為表征匹配得到的網頁地址關鍵詞重要性的權重；所述第一關系模型為e₁＝c₁*q₁；其中，e₁表示所述網頁地址與所述各行業的第一匹配結果，c₁表示所述網頁地址與各行業的第一關鍵詞集合進行匹配后得到的關鍵詞的個數，q₁表示第一權重。

5.根據權利要求2所述的網頁所屬行業分類方法，其特征在于，將所述網頁標題與各行業的第二關鍵詞集合進行匹配，獲取所述網頁標題與所述各行業的第二匹配結果，具體包括：

將所述網頁標題與各行業的第二關鍵詞集合進行匹配，根據所述網頁標題與各行業的第二關鍵詞集合進行匹配后得到的關鍵詞的個數以及第二權重，按照第二關系模型獲取所述網頁標題與所述各行業的第二匹配結果；

其中，所述第二權重為表征匹配得到的網頁標題關鍵詞重要性的權重；所述第二關系模型為e₂＝c₂*l₁*(q₂-k₁*(l₁/b₁))*(1/c₀₁)；其中，e₂表示所述網頁標題與所述各行業的第二匹配結果，c₂表示所述網頁標題與各行業的第二關鍵詞集合進行匹配后得到的關鍵詞的個數，l₁表示所述網頁標題的長度，q₂表示第二權重，k₁表示基于網頁標題長度的預設權重比例調整系數，b₁表示網頁標題長度歸一化系數，c₀₁表示各行業的第二關鍵詞集合中的關鍵詞的總數。