[发明专利]一种网页分类方法和设备

权利要求书

1.一种网页分类方法，其特征在于，应用于基于统一资源定位符URL类别库实现的网页分类流程，所述URL类别库中记录有各层级URL及各URL的预测类别，其中，相邻层级的URL中的上层URL是在下层URL的基础上截取得到的，该方法包括：

根据待分类网页的URL查询URL类别库；

如果未查询到匹配的URL，则根据该URL的上层URL查询URL类别库，并在查询到匹配的URL时，根据查询到的URL的预测类别确定待分类网页的类别。

2.如权利要求1所述的方法，其特征在于，所述根据该URL的上层URL查询URL类别库，包括：

步骤A、生成该URL的上一层级URL，查询URL类别库中是否记录有该上一层级URL；

步骤B、若查询到URL类别库中记录有相同的URL，则转至步骤C；否则转至步骤A；

步骤C、获取查询到的URL的预测类别。

3.如权利要求1所述的方法，其特征在于，所述URL类别库的生成过程，包括：

遍历所述URL类别库中的URL，并当遍历到一个URL时，从所述URL类别库中选择该URL，并根据选择出的URL生成该URL的上一层级URL；

判断生成的上一层级URL是否已经存在于所述URL类别库中，并当所述URL类别库中不存在该上一层级URL时，确定该上一层级URL的预测类别，并将该上一层级URL及其预测类别记录在所述URL类别库中。

4.如权利要求1-3之一所述的方法，其特征在于，除最低层级的URL以外，其余层级的URL的预测类别是根据该URL的下一层级URL的预测类别确定的。

5.如权利要求4所述的方法，其特征在于，根据下一层级的URL的预测类别确定其上一层级的URL的预测类别，具体为：

从所述URL类别库中获取其上一层级URL为该待预测类别的URL的所有URL；

确定获取到的URL中各预测类别的URL的数量；

将其中URL数量最多的预测类别确定为该待预测类别的URL的预测类别。

6.如权利要求4所述的方法，其特征在于，URL类别库中的各URL还各自对应有预测概率；

根据下一层级的URL的预测类别和预测概率确定其上一层级的URL的预测类别和预测概率，具体为：

从所述URL类别库中获取其上一层级URL为该待预测类别和概率的URL的所有URL；

对于每一预测类别的URL，计算该预测类别中的各URL的预测概率的加权平均值；

将加权平均值最高的预测类别确定为该待预测URL的预测类别，并将该预测类别的URL的预测概率的平均值确定为该待预测URL的预测概率。

7.如权利要求1所述的方法，其特征在于，当所述URL类别库中增加了新的URL时，生成该URL的上层URL，并根据所述URL的上层URL查询URL类别库，若查询到匹配的URL，则更新该上层URL的预测类别；若未查询到匹配的URL，在URL类别库中记录该上层URL及对应的预测类别。

8.如权利要求1所述的方法，其特征在于，确定URL的上一层级URL，具体为：

根据URL中的分隔符对URL进行层级划分，并将该URL从末位向前的预设数量分隔符之前的字段作为该URL的上一层级URL。

9.一种网页分类设备，其特征在于，应用于基于统一资源定位符URL类别库实现的网页分类流程，所述URL类别库中记录有各层级URL及各URL的预测类别，其中，相邻层级的URL中的上层URL是在下层URL的基础上截取得到的，该设备包括：

上层URL生成模块，用于根据待分类网页的URL，生成该URL的上层URL；

查询模块，用于根据待分类网页的URL查询URL类别库；如果未查询到匹配的URL，则根据该URL的上层URL查询URL类别库；

确定模块，用于在所述查询模块查询到匹配的URL时，根据查询到的URL的预测类别确定待分类网页的类别。