[发明专利]一种基于搜索引擎获取IP地址归属地的方法和装置

权利要求书

1.一种基于搜索引擎获取互联网协议IP地址归属地的方法，其特征在于，该方法包括：

S1、获取一段时间内的用户搜索记录，所述用户搜索记录包括用户标识ID、查询词和用户IP地址，并识别所述用户搜索记录的查询词中的地名词以及带有地域属性的词；

S2、利用预先标注IP地址归属地的用户搜索记录作为样本训练得到所述带有地域属性的词的置信度；

S3、根据所述用户搜索记录中的用户ID、所识别出的查询词中的地名词以及带有地域属性的词和所述带有地域属性的词的置信度，确定该IP地址的归属地；

所述S2具体包括：

利用获取带有地域属性的词M的置信度P[M]，其中，T[地名i]为所述训练样本中带有地域属性的词M与地名词i共现的记录数，R[地名i]为所述训练样本中带有地域属性的词M与地名词i共现时预先标注的IP地址归属地为该地名词i对应的地域的记录数，n为训练样本中与M共现的地名词数目。

2.根据权利要求1所述的方法，其特征在于，步骤S1中识别所述用户搜索记录的查询词中的地名词以及带有地域属性的词具体包括：

S11、对所述用户搜索记录中的查询词进行分词，识别其中的地名词；

S12、提取查询词中的非地名分词，将与地名词在查询词中的共现率高于预设阈值的非地名分词作为带有地域属性的词。

3.根据权利要求2所述的方法，其特征在于，所述步骤S12后还包括：

S13、对所述带有地域属性的词进行词义分析，提取词义权重值高于预设阈值的带有地域属性的词。

4.根据权利要求3所述的方法，其特征在于，所述步骤S13后还包括：

S14、根据带有地域属性的词的所属类别，对所述步骤S13提取出的带有地域属性的词进行归一化处理。

5.根据权利要求1至4任一权项所述的方法，其特征在于，步骤S3中所述确定该IP地址的归属地为：

按照预先设定的规则计算用户IP地址归属于所述地名词对应的各地域的第一权重值，根据该第一权重值确定该IP地址的归属地。

6.根据权利要求5所述的方法，其特征在于，在所述按照预先设定的规则计算用户IP地址归属于所述地名词对应的各地域的第一权重值时，具体包括：

根据公式获取IP地址归属于地域L的第一权重值Z[L]，其中，Cid为含有地名词的该IP地址的用户搜索记录中包括的用户ID数，C[L，词i]为所述含有地名词的该IP地址的用户搜索记录中地域L对应的地名词与带有地域属性的词i的共现的记录所对应的用户ID数，P[词i]为带有地域属性的词i的置信度，m为所述含有地名词的该IP地址的用户搜索记录中带有地域属性的词的数目。

7.根据权利要求5所述的方法，其特征在于，所述根据该第一权重值确定该IP地址的归属地为：

将用户IP地址归属于所述地名词对应的各地域的第一权重值中，第一权重值最高的地域作为该IP地址的归属地。

8.根据权利要求5所述的方法，其特征在于，该方法还包括：

S4、根据预先获取的一段时间内的用户在地图搜索引擎中设置的默认城市信息以及用户ID，按照预先设定的规则计算IP地址归属于各个地域的第二权重值；

所述根据该第一权重值确定该IP地址的归属地具体为：

整合IP地址归属于各个地域的第一权重值和第二权重值，得到IP地址的最终归属地。

9.根据权利要求8所述的方法，其特征在于，所述计算IP地址归属于各个地域的第二权重值，具体包括：

将所述预先获取的用户在地图搜索引擎中设置的默认城市属于某一地域的用户ID数与总的用户ID数的比例作为IP地址归属于所述某一地域的第二权重值。