[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

本發明實施例公開了一種網頁所屬行業分類方法及裝置，方法包括：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。本發明實施例能夠簡單高效地實現網頁的準確分類。

技術領域

本發明涉及計算機技術領域，具體涉及一種網頁所屬行業分類方法及裝置。

背景技術

隨著互聯網行業的飛速發展，各種網頁能夠為用戶提供的信息越來越多。然而由于網頁越來越多，用戶越來越難以從繁多的網頁中定位出自己所需的網頁。為此需要對各種網頁進行分類，以便于用戶快速定位自己所需的網頁。

現有技術中，在對網頁進行分類時，一般依據網頁的HTML(Hyper TextMarkupLanguage，超文本標記語言)標簽，確定網頁所屬的分類。雖然HTML標簽代表了網頁的性質，但是由于HTML標簽受人為因素影響較大，因此使得依據HTML標簽得到的分類結果的準確性較低。

為解決依據HTML標簽分類不準確的問題，目前很多網頁分類方法采用了比較流行的人工智能建模方法，然而這種人工智能建模方法，不但需要大量的人工標注數據，而且由于人工智能算法本身的復雜性，在模型訓練和預測階段對服務器的性能要求均較高，因此成本高昂，且整個過程實施部署繁瑣，效率低下。

發明內容

針對上述存在的問題，本發明實施例提出一種網頁所屬行業分類方法及裝置。

具體地，本發明實施例提供了以下技術方案：

第一方面，本發明實施例提供了一種網頁所屬行業分類方法，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。

進一步地，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。

進一步地，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：