[发明专利]一种网站重点页面的挖掘方法及装置

权利要求书

1.一种网站重点页面的挖掘方法，包括：

分别从网站的各网页中提取导航链接串，导航链接串为网页上方由“>”符号连接起来的链接串；

分别将提取的各导航链接串拆分为链接对，其中每个链接对由该导航链接串中相邻位置的两个链接构成；

从各链接对中确定重点链接对，并将所述重点链接对所对应的页面作为所述网站的重点页面。

2.根据权利要求1所述的方法，其特征在于，从各链接对中确定重点链接对的步骤包括：

分别统计各链接对的出现次数，并将出现次数满足预置条件的链接对作为重点链接对。

3.根据权利要求2所述的方法，其特征在于，所述预置条件包括：

出现次数大于设定值；或者出现次数的排名超过各链接对中设定比例的链接对。

4.根据权利要求1所述的方法，其特征在于，从各链接对中确定重点链接对的步骤包括：

分别利用预先训练好的分类模型对各链接对进行分类，并将分为重要类别的链接对作为重点链接对，其中所述分类模型中的分类特征参数包括链接对的出现次数。

5.根据权利要求4所述的方法，其特征在于，所述分类模型中的分类特征参数进一步还包括以下至少一种：

链接对中指向链接所对应的页面的出度、链接对中指向链接的深度、链接对中被指链接的深度、链接对中指向链接的深度与被指链接的深度之间的差值、链接对所对应的锚文本词数量。

6.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：

计算所述重点页面的网页权威性，其中所述网页权威性是搜索引擎将所述重点页面作为搜索结果返回时，对所述重点页面进行排序的依据。

7.一种网站重点页面的挖掘装置，包括：

挖掘单元，用于分别从网站的各网页中提取导航链接串，导航链接串为网页上方由“>”符号连接起来的链接串；

拆分单元，用于分别将提取的各导航链接串拆分为链接对，其中每个链接对由该导航链接串中相邻位置的两个链接构成；

确定单元，用于从各链接对中确定重点链接对，并将所述重点链接对所对应的页面作为所述网站的重点页面。

8.根据权利要求7所述的装置，其特征在于，所述确定单元包括：

统计单元，用于分别统计各链接对的出现次数，并将出现次数满足预置条件的链接对作为重点链接对。

9.根据权利要求8所述的装置，其特征在于，所述预置条件包括：

出现次数大于设定值；或者出现次数的排名超过各链接对中设定比例的链接对。

10.根据权利要求7所述的装置，其特征在于，所述确定单元包括：

分类单元，用于分别利用预先训练好的分类模型对各链接对进行分类，并将分为重要类别的链接对作为重点链接对，其中所述分类模型中的分类特征参数包括链接对的出现次数。

11.根据权利要求10所述的装置，其特征在于，所述分类模型中的分类特征参数进一步还包括以下至少一种：

链接对中指向链接所对应的页面的出度、链接对中指向链接的深度、链接对中被指链接的深度、链接对中指向链接的深度与被指链接的深度之间的差值、链接对所对应的锚文本词数量。

12.根据权利要求7所述的装置，其特征在于，所述装置进一步包括：

计算单元，用于计算所述重点页面的网页权威性，其中所述网页权威性是搜索引擎将所述重点页面作为搜索结构返回时，对所述重点页面进行排序的依据。