[发明专利]一种移动端网页的分类方法

摘要

本发明提供一种移动端网页的分类方法，移动端网页呈现列表式的简单结构，网页内容多以信息流的形式出现，重要的信息出现在前面。针对移动端网页的特征，首先，提取主旨信息，主旨信息位于网页title、metadescription、metakeywords中。然后定位信息流，信息流满足HTML标签相同结构至少重复m次出现、结构中的文本内容大于n个字符的条件。若定位成功，提取信息流定位位置之前的信息，定义为头部信息；信息流相同结构中的内容是与主题相关的信息，提取信息流前m段相同结构中的信息，定义为信息流信息；信息流m段相同结构之后内容相似，定义为噪声信息，舍去。若定位失败，则直接提取HTML标签Hn、a、b、p中的信息。将提取的信息转化为向量，输入分类器训练分类模型，然后进行分类。

主权项

1.一种移动端网页的分类方法，其特征在于，该方法包括如下步骤：步骤(1)，提取网页的主旨信息，主旨信息位于网页<title>、<meta>description、<meta>keywords中，权重设为w₁；步骤(2)，定位信息流，信息流满足HTML标签相同结构至少重复m次出现、结构中的文本内容大于n个字符的条件；其中m为大于等于3小于等于5的整数，n为大于等于6的整数；步骤(3)，若定位成功，提取信息流定位位置之前的信息，定义为头部信息，权重设为w₂；信息流相同结构中的内容是与主题相关的信息，提取信息流前m段相同结构中的信息，定义为信息流信息，权重设为w₃；信息流m段相同结构之后内容相似，定义为噪声信息，舍去；若定位失败，则直接提取HTML标签<Hn>、<a>、<b>、<p>中的信息；设置权重w₁、w₂、w₃用来衡量信息的重要程度；步骤(4)，将提取的信息转化为向量，输入分类器训练分类模型，然后进行分类。