[發(fā)明專利]相似URL字符串識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110494522.1
• 申請(qǐng)日: 2021-05-07
• 公開（公告）號(hào): CN113282849A
• 公開（公告）日: 2021-08-20
• 發(fā)明（設(shè)計(jì)）人: 張強(qiáng);王濤;皇甫道一;張昭;劉浩杰
• 申請(qǐng)（專利權(quán)）人: 南京蘇寧軟件技術(shù)有限公司
• 主分類號(hào): G06F16/955
• 分類號(hào): G06F16/955;G06F16/31;G06F16/33;G06F21/57
• 代理公司: 北京市萬慧達(dá)律師事務(wù)所 11111
• 代理人: 張慧娟

1.一種相似URL字符串識(shí)別方法，其特征在于，所述方法包括：

獲取滿足預(yù)設(shè)條件的多條URL字符串；

對(duì)各所述URL字符串中的指定字段進(jìn)行二進(jìn)制編碼，并根據(jù)各所述URL字符串中的指定字段的編碼結(jié)果，生成編碼矩陣，所述編碼矩陣中的每一行編碼對(duì)應(yīng)一條URL字符串；

針對(duì)所述編碼矩陣中的當(dāng)前行編碼，在所述編碼矩陣中查找出所有與所述當(dāng)前行編碼相似的目標(biāo)行編碼；

將所述目標(biāo)行編碼對(duì)應(yīng)的URL字符串確定為所述當(dāng)前行編碼的目標(biāo)行編碼所對(duì)應(yīng)的URL字符串。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)各所述URL字符串中的指定字段進(jìn)行二進(jìn)制編碼步驟之前，所述方法還包括：

針對(duì)每一個(gè)所述URL字符串中的指定字段，將所述指定字段中滿足預(yù)設(shè)刪除條件的字符進(jìn)行刪除。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述預(yù)設(shè)刪除條件包括：刪除所述指定字段中的所有數(shù)字以及刪除所述指定字段中的特殊字符之間的內(nèi)容。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)各所述URL字符串中的指定字段進(jìn)行二進(jìn)制編碼，包括：

針對(duì)每一個(gè)所述URL字符串中的指定字段，使用改進(jìn)的SimHash算法對(duì)所述指定字段進(jìn)行編碼處理，得到固定長度的二進(jìn)制編碼。

5.根據(jù)權(quán)利要求1至4任一所述的方法，其特征在于，所述針對(duì)所述編碼矩陣中的當(dāng)前行編碼，在所述編碼矩陣中查找出所有與所述當(dāng)前行編碼相似的目標(biāo)行編碼，包括：

針對(duì)所述編碼矩陣中的當(dāng)前行編碼，對(duì)所述當(dāng)前行編碼中具有預(yù)設(shè)值的所有元素所對(duì)應(yīng)的列進(jìn)行邏輯運(yùn)算，得到邏輯運(yùn)算結(jié)果；

根據(jù)所述邏輯運(yùn)算結(jié)果，在所述編碼矩陣中查找所有與所述當(dāng)前行編碼相似的目標(biāo)行編碼。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述邏輯運(yùn)算結(jié)果，在所述編碼矩陣中查找出所有與所述當(dāng)前行編碼相似的目標(biāo)行編碼，包括：

根據(jù)所述邏輯運(yùn)算結(jié)果中元素值為預(yù)設(shè)值的元素，在所述編碼矩陣中確定出所有的候選行編碼，并計(jì)算所述當(dāng)前行編碼與每一所述候選行編碼之間的海明距離；

針對(duì)每一所述候選行編碼，在所述當(dāng)前行編碼與所述候選行編碼之間的海明距離不超過預(yù)設(shè)閾值時(shí)，將所述候選行編碼確定為所有與所述當(dāng)前行編碼相似的目標(biāo)行編碼。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

在多條所述URL字符串中刪除所有與所述當(dāng)前行編碼相似的目標(biāo)行編碼所對(duì)應(yīng)的URL字符串。

8.一種相似URL字符串識(shí)別裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取滿足預(yù)設(shè)條件的多條URL字符串；

編碼模塊，用于對(duì)各所述URL字符串中的指定字段進(jìn)行二進(jìn)制編碼，并根據(jù)各所述URL字符串中的指定字段的編碼結(jié)果，生成編碼矩陣，所述編碼矩陣中的每一行編碼對(duì)應(yīng)一條URL字符串；

查找模塊，用于針對(duì)所述編碼矩陣中的當(dāng)前行編碼，在所述編碼矩陣中查找出所有與所述當(dāng)前行編碼相似的目標(biāo)行編碼；

確定模塊，用于將所述目標(biāo)行編碼對(duì)應(yīng)的URL字符串確定為所述當(dāng)前行編碼的目標(biāo)行編碼所對(duì)應(yīng)的URL字符串。

9.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行編碼的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的方法的步驟。