[发明专利]一种针对URL的分词方法及装置有效
| 申请号： | 201711237280.8 | 申请日： | 2017-11-30 |
| 公开（公告）号： | CN108228710B | 公开（公告）日： | 2021-09-28 |
| 发明（设计）人： | 亚静;柳厅文;张盼盼;李全刚;时金桥;郭莉 | 申请（专利权）人： | 中国科学院信息工程研究所 |
| 主分类号： | G06F16/955 | 分类号： | G06F16/955;G06F40/284;G06F40/289 |
| 代理公司： | 北京君尚知识产权代理有限公司 11200 | 代理人： | 邱晓锋 |
| 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： | 本发明涉及一种针对URL的分词方法及装置。该方法包括：1)对URL地址按照其内在的层次结构进行分割，得到若干层次部分；2)对所述若干层次部分依次进行符号分割与正则表达式过滤；3)对步骤2)处理后得到字符串进行分割，得到URL分词序列。其中步骤1)将URL地址分割为五个层次部分：协议类型、自由域名、二级域名、顶级域名和路径；步骤3)利用双向最大匹配算法和概率模型对字符串进行分割。本发明充分利用了URL本身的层次结构，能够高效地对URL进行分割，并最大化地保留了URL地址中的有用信息，得到的URL分词序列可用于网页分类、钓鱼URL检测等任务中的特征分析，能够有效提高任务准确率。 | ||
| 搜索关键词： | 一种 针对 url 分词 方法 装置 | ||
【主权项】：
1.一种针对URL的分词方法，其特征在于，包括以下步骤：1)对URL地址按照其内在的层次结构进行分割，得到若干层次部分；2)对所述若干层次部分依次进行符号分割与正则表达式过滤；3)对步骤2)处理后得到字符串进行分割，得到URL分词序列。
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/201711237280.8/，转载请声明来源钻瓜专利网。
- 上一篇：数据存储方法和系统、电子设备、程序和介质
- 下一篇：一种铁路线路查询系统
