[發明專利]頁面分類方法、裝置、電子設備及介質

在審

• 申請號: 202211512855.3
• 申請日: 2022-11-28
• 公開（公告）號: CN115730169A
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 馬中元;程強;萬月亮;宋偉強;廉喆
• 申請（專利權）人: 北京銳安科技有限公司
• 主分類號: G06F16/958
• 分類號: G06F16/958;G06F16/906
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 宋南

1.一種頁面分類方法，其特征在于，包括：

獲取同一網站域名下的多個網頁，并抽取所述網頁中的頁面鏈接；

基于所述頁面鏈接中的內鏈接的出現次數確定詳情頁；

基于所述詳情頁的詳情頁鏈接在所述網頁中的出現次數確定分類頁。

2.根據權利要求1所述的方法，其特征在于，基于所述頁面鏈接中的內鏈接的出現次數確定詳情頁之前，包括：

基于所述頁面鏈接的地址將所述頁面鏈接劃分為外鏈接和內鏈接，并去除所述外鏈接。

3.根據權利要求1所述的方法，其特征在于，基于所述頁面鏈接中的內鏈接的出現次數確定詳情頁，包括：

將所述內鏈接轉換為相對地址形態；

獲取所述相對地址形態的內鏈接的出現次數，并將按照出現次數對所述內鏈接進行排序；

基于排序結果，將出現次數小于或等于第一次數閾值的內鏈接對應的網頁確定為詳情頁。

4.根據權利要求1所述的方法，其特征在于，基于所述詳情頁的詳情頁鏈接在所述網頁中的出現次數確定分類頁，包括：

獲取所述詳情頁的詳情頁鏈接在所述網頁中的出現次數，并將所述詳情頁鏈接的出現次數大于第二次數閾值的頁面確定為列表頁。

5.根據權利要求3所述的方法，其特征在于，獲取所述相對地址形態的內鏈接的出現次數之后，還包括：

將出現次數大于所述第一次數閾值的內鏈接添加到待判定鏈接集合中。

6.根據權利要求5所述的方法，其特征在于，基于所述詳情頁的詳情頁鏈接在所述網頁中的出現次數確定分類頁之后，所述方法還包括：

提取所述列表頁中的詳情頁鏈接的前綴；

如果所述列表頁的詳情頁鏈接的前綴與所述網站域名相同，且多個所述列表頁的詳情頁鏈接的前綴與所述列表頁的鏈接部分相同，則將所述列表頁確定為綜合列表頁。

7.根據權利要求6所述的方法，其特征在于，提取所述列表頁中的詳情頁鏈接的前綴之后，所述方法還包括：

將所述列表頁中的詳情頁鏈接的前綴與所述待判定鏈接集合中的外鏈接進行匹配，得到待定鏈接；

獲取所述網頁中所述待定鏈接的出現次數；

將所述待定鏈接的出現次數小于第三次數閾值的網頁確定為詳情頁。

8.一種頁面分類裝置，其特征在于，包括：

抽取模塊，用于獲取同一網站域名下的多個網頁，并抽取所述網頁中的頁面鏈接；

第一分類模塊，用于基于所述頁面鏈接中的內鏈接的出現次數確定詳情頁；

第二分類模塊，用于基于所述詳情頁的詳情頁鏈接在所述網頁中的出現次數確定分類頁。

9.一種電子設備，其特征在于，包括處理器和存儲器，所述存儲器存儲有能夠被所述處理器執行的計算機可執行指令，所述處理器執行所述計算機可執行指令以實現權利要求1至7任一項所述的方法的步驟。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序，其特征在于，所述計算機程序被處理器運行時執行上述權利要求1至7任一項所述的方法的步驟。