[发明专利]网页分类字典生成方法及装置有效
| 申请号： | 201610524623.8 | 申请日： | 2016-06-29 |
| 公开（公告）号： | CN106202349B | 公开（公告）日： | 2020-08-21 |
| 发明（设计）人： | 张惊申 | 申请（专利权）人： | 新华三技术有限公司 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06F16/955;G06F40/289 |
| 代理公司： | 北京柏杉松知识产权代理事务所(普通合伙) 11413 | 代理人： | 孙翠贤;项京 |
| 地址： | 310052 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种网页分类字典生成方法及装置，方法包括：根据预定的网页分类标准，确定各个类别的网页分类样本对应的样本统一资源定位符URL，获取各个样本URL对应的样本网页内容；提取各个样本网页内容中的样本文本信息，对样本文本信息进行分词处理，从样本文本信息中得到对应的样本词语；从预先存储的多个学习词语与逆向词语频率值的对应关系中，筛选出与该样本词语对应的逆向词语频率值，其中，逆向词语频率值为：根据每一学习词语在所对应学习文本信息中的出现次数所确定的值，将样本词语以及根据所对应逆向词语频率值确定的权重值，存储于网页分类字典中。以生成准确度更高的网页分类字典。 | ||
| 搜索关键词： | 网页 分类 字典 生成 方法 装置 | ||
【主权项】：
一种网页分类字典生成方法，其特征在于，所述方法包括：根据预定的网页分类标准，确定各个类别的网页分类样本对应的样本统一资源定位符URL，其中，所述网页分类标准中包含网页分类类别；根据各个类别的网页分类样本对应的样本URL，获取所对应的样本网页内容；从所获取的样本网页内容中，分别提取出所述样本网页内容中的样本文本信息，并对所述样本文本信息进行分词处理，得到每一所提取出的样本文本信息对应的样本词语；从预先存储的多个学习词语与逆向词语频率值的对应关系中，筛选出与所述样本词语对应的逆向词语频率值，其中，所述逆向词语频率值为：根据每一学习词语在所对应学习文本信息中的出现次数所确定的值；将所述样本词语以及根据所对应逆向词语频率值确定的权重值，存储于网页分类字典中。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于新华三技术有限公司，未经新华三技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610524623.8/，转载请声明来源钻瓜专利网。
