[发明专利]标引关键词提取/预测方法、在线广告推荐方法和装置

权利要求书

1.一种提取网页的标引关键词的方法，其特征在于，该方法包括：

获取训练数据集，所述训练数据集包括多个样本网页以及相应样本网页的标引关键词；

获取所述样本网页的标引关键词的网页特征向量，对该标引关键词的网页特征向量进行分类得到所属的类别，并根据所述训练数据集中样本网页的标引关键词的网页特征向量和所属的类别训练决策树；

利用训练得到的决策树，生成标引关键词的过滤器，所述过滤器包括标引关键词的网页特征向量的判定条件；

获取网页的部分或所有字/词，获取所述部分或所有字/词的网页特征向量，并选择网页特征向量符合所述过滤器中判定条件的字/词，从所选择的字/词中提取网页的标引关键词。

2.根据权利要求1所述的方法，其特征在于，

所述标引关键词包括l个字/词，l为大于等于1的自然数；

所述获取所述样本网页的标引关键词的网页特征向量为：获取所述样本网页的标引关键词中每一个字/词的网页特征向量，将该标引关键词中所有字/词的网页特征向量列在一起得到该样本网页的标引关键词的网页特征向量；

所述训练决策树为：在根节点中设置标引关键词的网页特征向量中分量的判定条件，根据分量的不同取值建立分支节点，然后在每个分支节点中设置标引关键词的网页特征向量中分量的判定条件并根据分量的不同取值再建立下层分支节点，直到建立叶节点为止，叶节点对应所述类别。

3.根据权利要求2所述的方法，其特征在于，所述生成标引关键词的过滤器的步骤包括：

针对具有规定类别的每一个叶节点，将从根节点到所述叶节点的判定条件用“与”的关系连接在一起得到从根节点到所述叶节点的规则；

对于每一个规则，将标引关键词的相同位置的判定条件用“与”的关系连接在一起得到标引关键词的每一个位置的判定条件；

将不同规则中标引关键词的相同位置的判定条件用“或”的关系组合在一起，得到标引关键词的每一个位置的析取范式，所述标引关键词的各位置的析取范式构成过滤器。

4.根据权利要求3所述的方法，其特征在于，

所述选择网页特征向量符合所述过滤器中判定条件的字/词为：对于所述网页的部分或所有字/词，判断字/词的网页特征向量是否满足标引关键词的每一个位置的析取范式，如果满足，则在标引关键词的相应位置上选择该字/词；

所述从所选择的字/词中提取网页的标引关键词为：

从标引关键词的各位置上所选择的字/词中分别提取字/词并按照位置顺序排列成候选标引关键词；

调用训练得到的决策树，根据各候选标引关键词所包含的字/词的网页特征向量预测该候选标引关键词的类别，对于规定类别的候选标引关键词记录预测准确度，并将预测准确度达到规定标准或最高的候选标引关键词作为该网页的标引关键词。

5.一种预测目标网页的标引关键词的方法，其特征在于，该方法包括：

获取训练数据集，所述训练数据集包括多个浏览历史样本目标网页以及相应浏览历史样本目标网页的标引关键词；

获取所述浏览历史样本目标网页的标引关键词的浏览特征向量，对该标引关键词的浏览特征向量进行分类得到所属的类别，并根据所述训练数据集中浏览历史样本目标网页的标引关键词的浏览特征向量和所属的类别训练决策树；

利用训练得到的决策树，生成标引关键词的过滤器，所述过滤器包括标引关键词的浏览特征向量的判定条件；

获取浏览历史网页，获取所述浏览历史网页的部分或所有字/词，获取所述部分或所有字/词的浏览特征向量，并选择浏览特征向量符合所述过滤器中判定条件的字/词，从所选择的字/词中预测目标网页的标引关键词。

6.根据权利要求5所述的方法，其特征在于，所述浏览历史样本目标网页的标引关键词通过权利要求1所述的方法提取得到。