[发明专利]网址分类模型训练、网址分类方法、装置、设备及介质

权利要求书

1.一种网址分类模型训练方法，其特征在于，包括：

获取网址训练数据；其中，所述网址训练数据包括URL地址和地址分类标签；

根据所述网址训练数据生成字符向量矩阵和词向量矩阵；

提取所述字符向量矩阵的特征向量作为第一特征向量，并提取所述词向量矩阵的特征向量作为第二特征向量；

对所述第一特征向量和所述第二特征向量进行拼接，得到拼接特征向量；

根据所述拼接特征向量对网址分类模型进行模型训练。

2.根据权利要求1所述的方法，其特征在于，所述第一特征向量和所述第二特征向量为卷积神经网络CNN特征向量；

所述根据所述拼接特征向量对文本识别模型进行模型训练，包括：

对所述拼接特征向量提取序列特征，得到序列特征向量；

对所述序列特征向量进行非线性映射变换，得到序列变换特征向量；

根据所述序列变换特征向量预测文本训练数据的标签预测结果；其中，所述标签预测结果包括预测标签和标签概率；

对所述网址分类标签和所述标签预测结果进行对比，以确定所述网址分类模型的训练效果。

3.根据权利要求1所述的方法，其特征在于，所述根据所述网址训练数据生成字符向量矩阵和词向量矩阵，包括：

根据所述网址训练数据确定字符编码映射表和词编码映射表；

对所述网址训练数据进行分字符处理和分词处理，得到分字符结果和分词结果；

根据所述分字符结果和所述字符编码映射表生成所述字符向量矩阵；

根据所述分词结果和所述词编码映射表生成所述词向量矩阵。

4.根据权利要求1所述的方法，其特征在于，在获取网址训练数据之前，还包括：

获取原始网址训练数据；

对所述原始网址训练数据进行预处理，得到目标网址训练数据；

从所述目标网址训练数据中划分设定比例的数据作为所述网址训练数据。

5.根据权利要求1所述的方法，其特征在于，在所述根据所述拼接特征向量对网址分类模型进行模型训练之后，还包括：

获取网址测试数据；

根据所述网址测试数据对所述网址分类模型进行模型评估。

6.一种网址分类方法，其特征在于，包括：

获取待检测网址数据；

将所述待检测网址数据输入至网址分类模型中，得到所述待检测网址数据的标签预测结果；其中，所述标签预测结果包括预测标签和标签概率；

在确定所述标签概率大于或等于预设标签概率阈值的情况下，将所述预测标签作为所述待检测网址数据的网址标签。

7.一种网址分类模型训练装置，其特征在于，包括：

网址训练数据获取模块，用于获取网址训练数据；其中，所述网址训练数据包括URL地址和地址分类标签；

向量矩阵生成模块，用于根据所述网址训练数据生成字符向量矩阵和词向量矩阵；

特征向量提取模块，用于提取所述字符向量矩阵的特征向量作为第一特征向量，并提取所述词向量矩阵的特征向量作为第二特征向量；

特征向量拼接模块，用于对所述第一特征向量和所述第二特征向量进行拼接，得到拼接特征向量；

网址分类模型训练模块，用于根据所述拼接特征向量对网址分类模型进行模型训练。

8.一种网址分类装置，其特征在于，包括：

待检测网址数据获取模块，用于获取待检测网址数据；

标签预测结果获取模块，用于将所述待检测网址数据输入至网址分类模型中，得到所述待检测网址数据的标签预测结果；其中，所述标签预测结果包括预测标签和标签概率；

网址标签确定模块，用于在确定所述标签概率大于或等于预设标签概率阈值的情况下，将所述预测标签作为所述待检测网址数据的网址标签。