[发明专利]确定网页类型的方法和装置

权利要求书

1.一种确定网页类型的方法，其特征在于，所述方法包括：

获取网页的文档信息；其中，所述网页的文档信息包含网页地址URL信息、网页文档内容信息和网页视觉信息；

从所述网页的文档信息中提取网页特征参数；

根据提取出的网页特征参数，确定所述网页的类型。

2.根据权利要求1所述的方法，其特征在于，所述根据提取出的网页特征参数，确定所述网页的类型，包括：

根据预设的网页特征参数与网页特征分数对应关系，计算所述网页的网页特征得分；

根据所述网页的网页特征得分，确定所述网页的类型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述网页的网页特征得分，确定所述网页的类型，包括：

将所述网页的网页特征得分与预设的网页特征得分阈值进行比较；

如果所述网页的网页特征得分大于预设的网页特征得分阈值，则确定所述网页的类型为无线应用协议wap2.0。

4.根据权利要求3所述的方法，其特征在于，所述将所述网页的网页特征得分与预设的网页特征得分阈值进行比较之后，还包括：

如果所述网页的网页特征得分小于等于预设的网页特征得分阈值，则确定所述网页的类型为web。

5.根据权利要求1所述的方法，其特征在于，所述根据提取出的网页特征参数，确定所述网页的类型，包括：

将提取出的网页特征参数输入到网页分类模型中；其中，所述网页分类模型通过对从预设的多个网页中提取出的网页特征参数进行机器学习得到；

通过所述网页分类模型，确定所述网页的类型。

6.根据权利要求1-5任一权利要求所述的方法，其特征在于，所述网页地址URL信息中的网页特征参数包括：

//wap.、/wap/、//wap、//3g.、.3g.、/3g/、//m.、/m/和.mobi/中的至少一种。

7.一种确定网页类型的装置，其特征在于，所述装置包括：

获取模块，用于获取网页的文档信息；其中，所述网页的文档信息包含网页地址URL信息、网页文档内容信息和网页视觉信息；

提取模块，用于在所述获取模块获取网页的文档信息后，从所述网页的文档信息中提取网页特征参数；

确定模块，用于在所述提取模块从所述网页的文档信息中提取网页特征参数后，根据提取出的网页特征参数，确定所述网页的类型。

8.根据权利要求7所述的装置，其特征在于，所述确定模块包括：

计算单元，用于在所述提取模块从所述网页的文档信息中提取网页特征参数后，根据预设的网页特征参数与网页特征分数对应关系，计算所述网页的网页特征得分；

确定单元，用于在所述计算单元计算所述网页的网页特征得分后，根据所述网页的网页特征得分，确定所述网页的类型。

9.根据权利要求8所述的装置，其特征在于，所述确定单元包括：

比较子单元，用于在所述计算单元计算所述网页的网页特征得分后，将所述网页的网页特征得分与预设的网页特征得分阈值进行比较；

第一确定子单元，用于在所述比较子单元的比较结果是所述网页的网页特征得分大于预设的网页特征得分阈值，则确定所述网页的类型为无线应用协议wap7.0。

10.根据权利要求9所述的装置，其特征在于，所述确定单元还包括：

第二确定子单元，用于在所述比较子单元的比较结果是所述网页的网页特征得分小于等于预设的网页特征得分阈值，则确定所述网页的类型为web。

11.根据权利要求7所述的装置，其特征在于，所述确定模块包括：

处理单元，用于在所述提取模块从所述网页的文档信息中提取网页特征参数后，将提取出的网页特征参数输入到网页分类模型中；其中，所述网页分类模型通过对从预设的多个网页中提取出的网页特征参数进行机器学习得到；

分类模型确定单元，用于在所述处理单元将提取出的网页特征参数输入到网页分类模型中后，通过所述网页分类模型，确定所述网页的类型。

12.根据权利要求7-11任一权利要求所述的装置，其特征在于，所述网页地址URL信息中的网页特征参数包括：

//wap.、/wap/、//wap、//3g.、.3g.、/3g/、//m.、/m/和.mobi/中的至少一种。