[发明专利]URL标识映射获取方法及装置

权利要求书

1.一种URL标识映射获取方法，其特征在于，包括：

获取M个统一资源定位符URL，并从每一个所述URL中，获得多个初始字符串，每个所述URL包含用于间隔所述多个初始字符串的分隔符以及所述多个初始字符串；

对所有所述初始字符串进行无效字符串的混合高斯过滤，得到有效字符串；

根据每个所述有效字符串对应的URL覆盖率，在所有所述有效字符串中确定关键字符串，其中，每个所述有效字符串对应的所述URL覆盖率，是包含所述每个所述有效字符串的URL数量在M中的占比；

获取用户针对所述关键字符串输入的标识信息，根据所述标识信息和包含有所述关键字符串的被覆盖URL，确定所述标识信息与所述被覆盖URL之间的URL标识映射；

所述根据每个所述有效字符串对应的URL覆盖率，在所有所述有效字符串中确定关键字符串，包括：

获取每个所述有效字符串对应的URL覆盖率；

根据所有所述URL覆盖率，得到T个最高效字符串组合S_t，其中，t＝1，......，T，T为所述有效字符串的数量，第t个最高效字符串组合S_t包含有t个所述有效字符串，并且任意t个所述有效字符串构成的字符串组合对应的URL累计覆盖率，都小于或等于所述第t个最高效字符串组合S_t对应的URL累计覆盖率，所述URL累计覆盖率为包含字符串组合中任一有效字符串的URL数量在M中的占比；

在所述T个最高效字符串组合S_t中，将与小于或等于累计覆盖率阈值的URL累计覆盖率对应的最高效字符串组合S_t中包含的有效字符串，确定为关键字符串。

2.根据权利要求1所述的方法，其特征在于，所述对所有所述初始字符串进行无效字符串的混合高斯过滤，得到有效字符串，包括：

根据所有所述初始字符串，获得每个所述初始字符串对应的特征向量；

以预设的混合高斯标记模型对所有所述初始字符串对应的所述特征向量进行过滤，获得标记为有效的特征向量；

将与所述标记为有效的特征向量对应的初始字符串，确定为有效字符串。

3.根据权利要求2所述的方法，其特征在于，在所述每个所述初始字符串对应的特征向量为四维向量时，所述根据所有所述初始字符串，获得每个所述初始字符串对应的特征向量，包括：

在所述M个URL中，获取包含任一所述初始字符串的目标URL以及所述目标URL的数量H；

获取所述任一所述初始字符串在所述H个目标URL中的H个第一偏移量和H个第二偏移量，其中，所述第一偏移量是所述任一所述初始字符串的首字符相对于所述每个目标URL的首字符的距离，所述第二偏移量是所述任一所述初始字符串的末尾字符相对于所述每个目标URL的末尾字符的距离；

根据所述H个第一偏移量和H个第二偏移量，确定所述任一所述初始字符串的第一特征值和第二特征值；

将所述任一所述初始字符串的字符长度，确定为第三特征值；

将所述目标URL的数量H，确定为第四特征值；

根据每个所述初始字符串对应的所述第一特征值、第二特征值、第三特征值以及第四特征值，确定每个所述初始字符串对应的特征向量。

4.根据权利要求3所述的方法，其特征在于，所述根据所述H个第一偏移量和H个第二偏移量，确定所述任一所述初始字符串的第一特征值和第二特征值，包括：

判断所述目标URL的数量H是否大于或等于2；

若是，则获取所述H个第一偏移量的平均值和所述H个第二偏移量的平均值，并且将所述H个第一偏移量的平均值确定为所述任一所述初始字符串的第一特征值，将所述H个第二偏移量的平均值确定为所述任一所述初始字符串的第二特征值；

若否，则将所述第一偏移量和第二偏移量，确定为所述任一所述初始字符串的第一特征值和第二特征值。