[发明专利]一种网页类型识别方法及装置有效
| 申请号： | 201910486083.2 | 申请日： | 2019-06-05 |
| 公开（公告）号： | CN110287409B | 公开（公告）日： | 2022-07-22 |
| 发明（设计）人： | 孙尚勇 | 申请（专利权）人： | 新华三信息安全技术有限公司 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06F16/958;G06F40/289;G06K9/62 |
| 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： | 孟维娜;高莺然 |
| 地址： | 230001 安徽省合肥市高新区*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请实施例提供了一种网页类型识别方法及装置，包括：统计待识别网页中每一文本词语的TF‑IDF权重；统计待识别网页中每一HTML标签的出现次数占总出现次数的比重；根据每一文本词语的TF‑IDF权重和每一HTML标签的比重，构建待识别网页对应的第一预设数量维的特征向量；将待识别网页对应的特征向量输入预设向量分类模型，获得待识别网页的类型。应用本申请实施例提供的技术方案，能够减少网页类型识别耗费的人力，实现对未知类型的网页的识别，增加有效识别的网页类型数量。 | ||
| 搜索关键词： | 一种 网页 类型 识别 方法 装置 | ||
【主权项】：
1.一种网页类型识别方法，其特征在于，所述方法包括：对待识别网页上的文本内容进行分词处理，得到至少一个文本词语；统计每一文本词语的词频‑逆向文件频率TF‑IDF权重；统计所述待识别网页中每一超文本标记语言HTML标签的出现次数占总出现次数的比重，所述总出现次数为所述待识别网页中所有HTML标签的出现次数之和；根据每一文本词语的TF‑IDF权重和每一HTML标签的比重，构建所述待识别网页对应的第一预设数量维的特征向量；将所述待识别网页对应的特征向量输入预设向量分类模型，获得所述待识别网页的类型。
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信息安全技术有限公司，未经新华三信息安全技术有限公司许可，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/201910486083.2/，转载请声明来源钻瓜专利网。
