[发明专利]网页分类标准获取方法、装置及网页分类方法、装置

权利要求书

1.一种网页分类标准获取方法,其特征在于包括：

获取各标准分类的样本网页；

提取各样本网页的标签内容；

从提取的标签内容中确定标准特征词；

根据各标准特征词在各标签内容中出现的次数确定各标准特征词在各标准分类中出现的次数；

根据各标准特征词在各标准分类中出现的次数确定各标准特征词在各标准分类中的比重值，得到标准分类和标准特征词的标准比重列表。

2.如权利要求1所述的网页分类标准获取方法，其特征在于，所述标签包括标题标签、关键字标签、描述标签和重要文本标签中的至少一个。

3.如权利要求1所述的网页分类标准获取方法，其特征在于，从提取的标签内容中确定标准特征词包括：

对提取的标签内容进行分词处理得到标准特征词。

4.如权利要求1-3任一项所述的网页分类标准获取方法，其特征在于，根据各标准特征词在各标准分类中出现的次数确定各标准特征词在各标准分类中的比重值包括：

用各标准特征词在各标准分类中出现次数组成向量空间；

利用统计算法得到各标准特征词在各标准分类中的比重值。

5.如权利要求1-3任一项所述的网页分类标准获取方法，其特征在于，根据各标准特征词在各标准分类中出现的次数得到各标准特征词在各标准分类中的比重值之后，还包括：

判断是否存在某一标准特征词在各分类中的比重值相近；如存在，则将该标准特征词从所述标准比重列表中删除。

6.一种网页分类方法，其特征在于包括：

提取待分类网页的标签内容；

根据如权利要求1-5任一项得到的标准比重列表中的标准特征词从所述标签内容中提取对应的特征词；

根据各特征词在各标签内容中出现的次数确定各特征词在所述待分类网页中出现的次数；

根据所述特征词在所述待分类网页中出现的次数和所述标准比重列表确定所述待分类网页所属的标准分类。

7.如权利要求6所述的网页分类方法，其特征在于，根据所述标准比重列表中的标准特征词从所述标签内容中提取对应的特征词为：从所述标签内容中提取与所述标准特征词相同的词作为特征词；或从所述标签内容中提取与所述标准特征词相同和相近的词作为特征词，当存在与所述标准特征词相近的词时，以所述标准特征词表征。

8.如权利要求6或7所述的网页分类方法，其特征在于，根据各特征词在各标签内容中出现的次数确定各特征词在所述待分类网页中出现的次数包括：

将某一特征词在各标签内容中出现的次数相加，得到该特征词在该待分类网页中的次数；

或

为各标签内容设定对应的加权值；

将某一特征词在各标签内容中出现的次数与各标签内容对应的加权值相乘后再相加，得到该特征词在该待分类网页中的次数。

9.如权利要求6或7所述的网页分类方法，其特征在于，根据所述特征词在所述待分类网页中出现的次数和所述标准比重列表确定所述待分类网页所属的标准分类包括：

当所述待分类网页仅有一个特征词时，将该特征词在该待分类网页中出现的次数与该特征词在各标准分类中的比重值相乘得到在各标准分类中的分值；取最大分值对应的标准分类作为所述待分类网页的类型；

当所述待分类网页有至少两个特征词时，依次将各特征词在该待分类网页中出现的次数与该特征词在各标准分类中的比重值相乘得到各特征词在各标准分类中的分值，在得到的所有分值中，取最大分值对应的标准分类作为所述待分类网页的类型；或取每一个特征词的分值中最大的分值对应的标准分类作为所述待分类网页的类型。

10.一种网页分类标准获取装置,其特征在于包括：

网页获取模块，用于获取各标准分类的样本网页；

内容获取模块，用于提取所述样本网页的标签内容；

标准特征词获取模块，用于从所述标签内容中确定标准特征词；

第一计算模块，用于根据各标准特征词在各标签内容中出现的次数确定各标准特征词在各标准分类中出现的次数；

第一处理模块，用于根据各标准特征词在各标准分类中出现的次数确定各标准特征词在各标准分类中的比重值，得到标准分类和标准特征词的标准比重列表。