[发明专利]网页分类方法、装置及计算机可读存储介质在审
| 申请号： | 201810694720.0 | 申请日： | 2018-06-29 |
| 公开（公告）号： | CN109062972A | 公开（公告）日： | 2018-12-21 |
| 发明（设计）人： | 吴壮伟 | 申请（专利权）人： | 平安科技（深圳）有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 深圳市沃德知识产权代理事务所(普通合伙) 44347 | 代理人： | 高杰;于志光 |
| 地址： | 518000 广东省深*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种网页分类方法、装置及存储介质，该方法从种子网页中获取网页链接，从该网页链接所指向的待分类网页中获取网页源码后，对所述网页源码进行噪音过滤，获取每个待分类网页的筛选文本，对该筛选文本进行分词和去停用词处理，得到每个待分类网页的可用词集合。之后，该方法从所述可用词集合中提取核心关键词，得到每个待分类网页的核心关键词集合，计算每个待分类网页的核心关键词词向量的平均值，并将该平均值输入训练得到的网页分类模型，得到每个待分类网页的分类结果。利用本发明，可以对种子网页的网页链接所指向的待分类网页实现自动分类。 | ||
| 搜索关键词： | 待分类网页 核心关键词 网页分类 网页链接 网页源码 种子网页 词集合 可用 指向 计算机可读存储介质 文本 筛选 存储介质 分类结果 噪音过滤 自动分类 词向量 停用词 分词 集合 | ||
【主权项】：
1.一种网页分类方法，应用于电子装置，其特征在于，该方法包括：获取步骤：从种子网页中获取网页链接，从所述网页链接指向的待分类网页中获取网页源码；预处理步骤：对所述网页源码进行噪音过滤，获取每个待分类网页的筛选文本，对该筛选文本进行分词和去停用词处理，得到每个待分类网页的可用词集合；提取步骤：从所述可用词集合中提取核心关键词，得到每个待分类网页的核心关键词集合；计算步骤：计算每个待分类网页的核心关键词词向量的平均值，将该平均值输入预先训练得到的网页分类模型，得到每个待分类网页的分类结果；及循环步骤：将获得分类结果的待分类网页作为新的种子网页，返回获取步骤。
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平安科技（深圳）有限公司，未经平安科技（深圳）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/201810694720.0/，转载请声明来源钻瓜专利网。
