[发明专利]一种基于深度学习的互联网网站自动分类方法在审
| 申请号： | 201810181807.8 | 申请日： | 2018-03-06 |
| 公开（公告）号： | CN108364028A | 公开（公告）日： | 2018-08-03 |
| 发明（设计）人： | 杜沐阳;韩言妮;杨兴华;谭红艳 | 申请（专利权）人： | 中国科学院信息工程研究所 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06F17/30 |
| 代理公司： | 北京科迪生专利代理有限责任公司 11251 | 代理人： | 安丽 |
| 地址： | 100093 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的互联网网站自动分类方法，根据DNS服务器日志采集大量互联网网站的原始描述信息作为网站数据集，并进行预处理和人工打标签，然后提取用于输入深度学习模型的每个网站的高维特征向量表示，并对每个网站增加对应的网站类别标签，并转化为类别向量；高维特征向量表示作为深度学习模型的输入，类别向量作为深度学习模型的输出，使用Adam梯度下降算法优化器监训练基于LSTM的循环神经网络深度学习模型；在已训练好的LSTM循环神经网络深度学习模型后增加一层SoftMax回归；将概率分布向量中概率值最大的维度对应的网站类别作为网站类别，并将输出的网站类别与网站实际的类别进行比较，得到互联网网站的分类准确率。 | ||
| 搜索关键词： | 网站 互联网网站 学习 高维特征向量 循环神经网络 类别向量 自动分类 概率分布向量 原始描述信息 预处理 分类准确率 类别标签 日志采集 网站数据 下降算法 输出 优化器 维度 标签 回归 概率 转化 | ||
【主权项】：
1.一种基于深度学习的互联网网站自动分类方法，其特征在于：包括以下步骤：第一步，根据DNS服务器日志采集大量互联网网站的原始描述信息作为网站数据集，并进行预处理和人工打标签，然后提取用于输入深度学习模型的每个网站的高维特征向量表示，并对每个网站增加对应的网站类别标签，并转化为类别向量；第二步，利用第一步中得到的高维特征向量表示作为深度学习模型的输入，类别向量作为深度学习模型的输出，使用Adam梯度下降算法优化器监督训练基于LSTM的循环神经网络深度学习模型，用于提取网站的类别抽象特征向量；第三步，在第二步中的已训练好的LSTM循环神经网络深度学习模型后增加一层SoftMax回归，LSTM循环神经网络的输出的网站的类别抽象特征向量作为SoftMax回归层的输入，输出为网站的类别概率分布向量，将所述概率分布向量中概率值最大的维度对应的网站类别作为网站类别。
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中国科学院信息工程研究所，未经中国科学院信息工程研究所许可，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/201810181807.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种快速的前向多车型车辆检测方法
- 下一篇：用于生成模型的方法和装置
