[發(fā)明專利]異常網(wǎng)頁識(shí)別方法、異常站點(diǎn)識(shí)別方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110736346.8
• 申請(qǐng)日: 2021-06-30
• 公開（公告）號(hào): CN113641933B
• 公開（公告）日: 2023-10-20
• 發(fā)明（設(shè)計(jì)）人: 劉偉;余文利;張博;林賽群
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/958;G06F40/289;G06F40/30;G06F18/2415;G06N3/0464;G06N3/047;G06N3/048
• 代理公司: 北京市漢坤律師事務(wù)所 11602
• 代理人: 姜浩然;吳麗麗

本公開提供了一種異常網(wǎng)頁識(shí)別方法、異常站點(diǎn)識(shí)別方法及裝置，涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及智能搜索、智能推薦技術(shù)。實(shí)現(xiàn)方案為：從待識(shí)別網(wǎng)頁的頁面結(jié)構(gòu)信息中提取頁面結(jié)構(gòu)特征；從待識(shí)別網(wǎng)頁的文本內(nèi)容信息中提取文本語義特征；根據(jù)頁面結(jié)構(gòu)特征和文本語義特征，確定待識(shí)別網(wǎng)頁的異常程度；以及響應(yīng)于確定異常程度大于第一閾值，判斷待識(shí)別網(wǎng)頁為異常網(wǎng)頁。利用本公開提供的方法，能夠準(zhǔn)確識(shí)別出異常網(wǎng)頁，進(jìn)而能夠在搜索和推薦場(chǎng)景中避免將異常網(wǎng)頁作為搜索結(jié)果和推薦結(jié)果展示給用戶，提高向用戶提供的信息的質(zhì)量。

技術(shù)領(lǐng)域

本公開涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及智能搜索、智能推薦技術(shù)，具體涉及一種異常網(wǎng)頁識(shí)別方法及裝置、異常站點(diǎn)識(shí)別方法及裝置、電子設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序產(chǎn)品。

背景技術(shù)

用戶習(xí)慣于通過互聯(lián)網(wǎng)來獲取信息，互聯(lián)網(wǎng)中的信息通過網(wǎng)頁的形式呈現(xiàn)給用戶。在一些情況中，用戶可以在互聯(lián)網(wǎng)中進(jìn)行搜索以獲得其感興趣的信息。在另一些情況中，為了便于用戶獲取信息，可以采用推薦系統(tǒng)來從海量信息中篩選出用戶可能感興趣的信息，并將其推送給用戶。通常地，用戶期望從網(wǎng)頁中獲取高質(zhì)量的信息。

在此部分中描述的方法不一定是之前已經(jīng)設(shè)想到或采用的方法。除非另有指明，否則不應(yīng)假定此部分中描述的任何方法僅因其包括在此部分中就被認(rèn)為是現(xiàn)有技術(shù)。類似地，除非另有指明，否則此部分中提及的問題不應(yīng)認(rèn)為在任何現(xiàn)有技術(shù)中已被公認(rèn)。

發(fā)明內(nèi)容

本公開提供了一種異常網(wǎng)頁識(shí)別方法及裝置、異常站點(diǎn)識(shí)別方法及裝置、電子設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序產(chǎn)品。

根據(jù)本公開的一方面，提供了一種異常網(wǎng)頁識(shí)別方法，包括：從待識(shí)別網(wǎng)頁的頁面結(jié)構(gòu)信息中提取頁面結(jié)構(gòu)特征；從待識(shí)別網(wǎng)頁的文本內(nèi)容信息中提取文本語義特征；根據(jù)頁面結(jié)構(gòu)特征和文本語義特征，確定待識(shí)別網(wǎng)頁的異常程度；以及響應(yīng)于確定異常程度大于第一閾值，判斷待識(shí)別網(wǎng)頁為異常網(wǎng)頁。

根據(jù)本公開的另一方面，提供了一種異常站點(diǎn)識(shí)別方法，包括：根據(jù)上述異常網(wǎng)頁識(shí)別方法，判斷待識(shí)別站點(diǎn)中的多個(gè)網(wǎng)頁是否為異常網(wǎng)頁；響應(yīng)于確定上述多個(gè)網(wǎng)頁中的異常網(wǎng)頁所占的比例大于第二閾值，判斷待識(shí)別站點(diǎn)為異常站點(diǎn)。

根據(jù)本公開的另一方面，提供了一種異常網(wǎng)頁識(shí)別裝置，包括：結(jié)構(gòu)特征提取模塊，被配置為從待識(shí)別網(wǎng)頁的頁面結(jié)構(gòu)信息中提取頁面結(jié)構(gòu)特征；語義特征提取模塊，被配置為從待識(shí)別網(wǎng)頁的文本內(nèi)容信息中提取文本語義特征；識(shí)別模塊，被配置為根據(jù)頁面結(jié)構(gòu)特征和文本語義特征，確定待識(shí)別網(wǎng)頁的異常程度；以及判斷模塊，被配置為響應(yīng)于確定異常程度大于第一閾值，判斷待識(shí)別網(wǎng)頁為異常網(wǎng)頁。

根據(jù)本公開的另一方面，提供了一種異常站點(diǎn)識(shí)別裝置，包括：第一識(shí)別模塊，被配置為根據(jù)上述異常網(wǎng)頁識(shí)別方法，判斷待識(shí)別站點(diǎn)中的多個(gè)網(wǎng)頁是否為異常網(wǎng)頁；以及第二識(shí)別模塊，被配置為響應(yīng)于確定上述多個(gè)網(wǎng)頁中的異常網(wǎng)頁所占的比例大于第二閾值，判斷待識(shí)別站點(diǎn)為異常站點(diǎn)。

根據(jù)本公開的另一方面，提供了一種電子設(shè)備，包括：至少一個(gè)處理器；以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器。該存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行上述異常網(wǎng)頁識(shí)別方法和/或異常站點(diǎn)識(shí)別方法。

根據(jù)本公開的另一方面，提供了一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。該計(jì)算機(jī)指令用于使計(jì)算機(jī)執(zhí)行上述異常網(wǎng)頁識(shí)別方法和/或異常站點(diǎn)識(shí)別方法。

根據(jù)本公開的另一方面，提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序。該計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述異常網(wǎng)頁識(shí)別方法和/或異常站點(diǎn)識(shí)別方法。