[发明专利]网页分类方法及装置

摘要

本申请是关于一种网页分类方法及装置，其通过词语转向量工具word2vec将语料库中的各个语料词转换为向量，从而将语料词之间的比较、相似度分析等处理过程，转换为向量的运算，更便于计算机自动化的实现，提高网页分类效率；同时，本申请根据预设的分类种子词筛选对应的语料词，可以剔除与网页类型无关的语料词，提高网页分类的准确率。

主权项

1.一种网页分类方法，其特征在于，包括：/n获取各个网页的标头中的标题和关键词，并将获取到的标题和关键词作为语料词记录于语料库；/n通过词语转向量工具word2vec对所述语料库进行训练，得到所述语料库中的各个语料词对应的向量，并将各个语料词及对应的向量记录于分类模型文件；/n根据所述分类模型文件确定预设的每个网页类别对应的每个分类种子词对应的向量，计算同一网页类别对应的所有分类种子词的向量和；/n在所述分类模型文件中查找与所述向量和的相似度在预设范围内的向量对应的语料词，并将查找到的语料词、对应的相似度，以及所述向量和对应的网页类别记录于评分模型文件；/n获取目标网页的标头中的目标标题和目标关键词，在所述评分模型文件中查找所述目标标题和目标关键词对应的目标语料词；/n根据所述评分模型文件确定各个目标语料词对应的目标相似度和目标网页类别；/n计算同一目标网页类别对应的目标相似度之和，选择目标相似度之和最大的至少一个目标网页类别作为所述目标网页的分类结果。/n