[發明專利]域名分類方法、設備及計算機可讀存儲介質

在審

• 申請號: 202110305374.4
• 申請日: 2021-03-22
• 公開（公告）號: CN113076453A
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 張偉哲;董國忠;張賓;喬延臣;艾建文;譚帥帥;霍鵬磊
• 申請（專利權）人: 鵬城實驗室
• 主分類號: G06F16/906
• 分類號: G06F16/906;G06F16/951;G06N20/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 陳小娟

本發明公開了一種域名分類方法、設備及計算機可讀存儲介質，所述域名分類方法通過直接提取待分類域名的頁面標簽特征來作為模型的輸入，從而減少了特征工程的復雜性；通過預先在模型中定義具有層次結構的域名類別體系，使得能夠基于此挖掘待分類域名所屬域名類型之間的層次依賴關系，使得此層次依賴關系能夠得到利用；通過在模型中添加遞歸正則化方法，使得層次依賴關系能夠融入到模型參數的正則化結構中；通過利用層級依賴關系與正則化的遞歸結構進行模型參數估計，使得層次中臨近域名類型的參數相似，有助于在估計模型參數時利用域名層次中相近類型的信息，從而提高了域名分類方法的準確度。

技術領域

本發明涉及機器學習技術領域，尤其涉及一種域名分類方法、設備及計算機可讀存儲介質。

背景技術

域名分類是將域名分配給一個或多個預定義類別的過程，在內容推薦、特定主題的網絡分析、上下文搜索優化中起著重要作用。根據類別標簽的不同，域名分類問題可以分為域名主題分類，域名功能類型分類等不同問題。域名功能類型可以看作是域名所提供給用戶的功能標簽，例如在線購物，新聞媒體，政府組織，資源下載和搜索引擎等，在線購物網站的目的是為用戶提供搜索產品的界面并允許用戶在線購物和付款。

現有的面向功能類型的域名分類方法通常以特征工程為核心，依賴于不同類型的特征，對域名所屬類型之間包含的關系揭示不足，難以發現域名不同類型之間關系，從而導致了域名分類的準確度不高的技術問題。

發明內容

本發明的主要目的在于提供一種域名分類方法、設備及計算機可讀存儲介質，旨在解決現有的域名分類方法的域名分類準確度不高的技術問題。

為實現上述目的，本發明提供一種域名分類方法，所述域名分類方法包括：

獲取待分類域名，提取所述待分類域名的頁面標簽特征；

將所述頁面標簽特征輸入預訓練的具有遞歸正則化功能的目標域名分類模型，其中，所述目標域名分類模型中已定義具有層次結構的域名類別體系；

基于所述目標域名分類模型，分析所述頁面標簽特征相關的若干域名類型對應在所述域名類別體系上的層次依賴關系；

利用所述層級依賴關系并結合正則化的遞歸結構進行模型參數估計，以基于模型參數估計后的域名分類模型得到所述待分類域名的目標分類標簽。

可選地，所述基于所述目標域名分類模型，分析所述頁面標簽特征相關的若干域名類型對應在所述域名類別體系上的層次依賴關系的步驟包括：

使用所述目標域名分類模型中的凸損失函數對若干所述域名類型進行層次分類，以得到所述層次依賴關系。

可選地，所述利用所述層級依賴關系并結合正則化的遞歸結構進行模型參數估計的步驟包括：

基于所述目標域名分類模型中的遞歸正則化方式，將所述層次依賴關系融入模型參數的正則化結構中；

基于所述目標域名分類模型中的凸損失函數、調節參數以及所述正則化結構進行模型參數估計。

可選地，所述獲取待分類域名的步驟之前，還包括：

爬取指定網站中的域名分頁列表，遍歷所述域名分頁列表中每一域名分頁獲取樣本域名地址、樣本域名類型與樣本域名描述信息，以作為域名樣本信息；

根據所述樣本域名地址與所述樣本域名類型，將域名類型劃分為大類與亞類兩個層次，以定義所述域名類別體系；

根據所述域名類別體系將所述域名樣本信息構建為域名分類數據集，并基于神經網絡模型架構對所述域名分類數據集進行訓練，得到所述目標域名分類模型，其中，所述目標域名分類模型包括輸入層、嵌入層、編碼層和輸出層。

可選地，所述基于神經網絡模型架構對所述域名分類數據集進行訓練，得到所述目標域名分類模型的步驟包括：