[发明专利]网页质量检测方法和装置

说明书

技术领域

本发明涉及互联网领域，具体而言，涉及一种网页质量检测方法和装置。

背景技术

随着互联网的发展，数据已经渗透到大量的行业和业务职能领域，以网页形式出现的互联网数据正在快速地增长。网页的质量直接影响到用户的浏览兴趣，网络营销的效果等。现有的网页质量检测方案是采用用户数据进行检测，即利用浏览网页的用户给出的评价信息以及这些用户在网页上的行为，如停留时间、热力图等信息进行检测。这种做法要求获取大量的用户数据，对用户数据进行清洗过滤，再在这些数据的基础上进行分析计算。在用户数据的数据量较少的情况下，这种检测方案的质量将得不到保证，但是数据量大也将增加计算的复杂度。

现有的网页质量检测方案存在着如下问题：一方面，用户数据的获取是动态的，且对用户数据计算和处理过程需要大量的时间与软硬件的支持；另一方面，网页是动态变化的，历史的用户数据与当前的网页质量并没有直接的关系，这部分数据不能用于评估当前网页的质量；另外，用户的对网页的评价主要依赖用户的主观判断，存在一定的主观因素。上述问题都会影响网页质量的检测的准确性。

针对现有技术中网页质量检测不准确的问题，目前尚未提出有效的解决方案。

发明内容

本发明的主要目的在于提供一种网页质量检测方法和装置，以解决网页质量检测不准确的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种网页质量检测方法。根据本发明的网页质量检测方法包括：获取目标网页的网页信息，网页信息为目标网页的页面上的信息；由网页信息确定目标网页的质量等级；由质量等级确定目标网页的网页质量。

进一步地，获取目标网页的网页信息包括：获取目标网页的网页特征。由网页信息获取目标网页的质量等级包括：获取网页特征对应的质量分值，质量分值为用于反映目标网页的网页质量的数值；由质量分值确定目标网页的质量等级。

进一步地，获取目标网页的网页特征包括获取目标网页的结构特征和内容特征，结构特征为用于表示目标网页的结构的特征，内容特征为用于表示目标网页的内容的特征，其中，获取网页特征对应的质量分值包括：获取第一质量分值和第二质量分值，其中，第一质量分值为用于反映目标网页结构特征的质量数值，第二质量分值为用于反映目标网页内容特征的质量数值；以及将第一质量分值与第二质量分值相加得到网页特征的质量分值。

进一步地，获取目标网页的网页信息包括：获取目标网页的网页特征；获取目标网页的父节点，父节点为由出链指向目标网页的网页。由网页信息获取目标网页的质量等级包括：获取网页特征的质量分值，质量分值为用于反映目标网页的网页质量的数值；获取父节点的认可分值，认可分值为用于反映父节点对目标网页的认可程度的数值；由质量分值和认可分值确定目标网页的质量等级。

进一步地，由质量分值和认可分值确定目标网页的质量等级包括：获取认可分值在目标网页的质量中所占的比例；通过公式SW=F*d+S*(1-d)计算目标网页的总分值，其中SW为总分值，F为认可分值，d为认可分值在目标网页的质量中所占的比例，S为质量分值；如果目标网页的总分值超过设定阈值，确定目标网页为第一质量等级；以及如果目标网页的总分值未超过设定阈值，确定目标网页为第二质量等级。

为了实现上述目的，根据本发明的另一方面，提供了一种网页质量检测装置。根据本发明的网页质量检测装置包括：获取单元，用于获取目标网页的网页信息，网页信息为目标网页的页面上的信息；第一确定单元，用于由网页信息确定目标网页的质量等级；以及第二确定单元，用于由质量等级确定目标网页的网页质量。

进一步地，获取单元包括：第一获取模块，用于获取目标网页的网页特征。第一确定单元包括：第二获取模块，用于获取网页特征对应的质量分值，质量分值为用于反映目标网页的网页质量的数值；第一确定模块，用于由质量分值确定目标网页的质量等级。

进一步地，第一获取模块用于获取目标网页的结构特征和内容特征，结构特征为用于表示目标网页的结构的特征，内容特征为用于表示目标网页的内容的特征，其中，第二获取模块包括：第一获取子模块，用于获取第一质量分值和第二质量分值，其中，第一质量分值为用于反映目标网页结构特征的质量数值，第二质量分值为用于反映目标网页内容特征的质量数值；以及第一计算子模块，用于将第一质量分值与第二质量分值相加得到网页特征的质量分值。